Bilder, die verkaufen – Das wollen doch alle. Früher mussten Grafikdesigner ran, heute erledigt die KI diesen Job schnell und mit teils sensationellen Ergebnissen. Dass die KI einem auf Wunsch Bilder generieren kann, ist ein alter Hut*. Die KI aber anzuleiten, aus einem perfekten Beispielbild ein Prompt im JSON-Format zu erstellen, auf dessen Basis anschließend eigene Bilder erstellt werden, ist advanced, aber dennoch keine Wissenschaft.
Also, ran den Speck – Das Reverse Engineering und die Essenz
Unser Ziel: Produktbilder für Amazon. Solche, die wirken. Optisch, emotional. Verkaufsfördernd.
In diesem Fall schauen uns das „Unser Produkt vs. andere Produkte“-Setup an. Es soll also unser Produkt im Glanzlicht visualisiert werden und daneben das öde „Standardprodukt“ – Verkaufspsychologisch ein genialer Trick. Ob das andere Produkt überhaupt existiert, spielt keine Rolle!
Wir nehmen das Beispielbild, das vieles richtig macht und lassen durch eine KI – in diesem Fall ChatGPT (kann gut JSONs) – einen Prompt extrahieren. Diesen geben wir nun Gemini als Futter mit der Anweisung, ebenjenen Prompt auf unser Produkt zu adaptieren und anschließend das finale Bild von Nano Banana Pro erstellen zu lassen.
In Gemini laden wir also das Referenzbild hoch, auf dem das JSON-Prompt basiert, sowie unser Produktbild. In der Anweisung verweisen wir anschließend auf die angehängten Bilder und ersetzten im Preprompt den Titel unseres Produkt.
Das Prompt für Gemini sieht somit folgendermaßen aus:
The following prompt was used to create the 2nd image attached about the chocolate products.
I need to recreate this prompt to generate a "Us vs Them" image for an Amazon Listing Image making the [MAIN PRODUCT NICKNAME goes here, example: “MegaPowerCharger”] attached in image 1 Stand out on the left
{
"master_prompt": {
"global_settings": {
"style": "Hyper-realistic commercial product photography",
"layout": "Vertical split-screen, two distinct modules",
"resolution": "8K UHD, cinematic lighting",
"details": "Extreme clarity, frozen motion splashes, micro-condensation"
},
"module_1_left": {
"subject": {
"type": "Clear tall glass of thick chocolate milkshake",
"details": "Frothy texture, visible condensation on glass",
"text_on_glass": [
"CHOCOLATE MILK SHAKE",
"mock up",
"protein"
]
},
"action": "Dynamic chocolate liquid splash erupting from the base and top",
"floating_elements": [
"Whole blueberries with water droplets",
"Fresh green mint leaves",
"Tiny chocolate particles suspended in air"
],
"background": {
"color": "Deep dark blue with soft golden bokeh particles",
"lighting": "Cool moonlight-style rim lighting"
}
},
"module_2_right": {
"subject": {
"type": "Slim gold metallic Nescafé can",
"details": "Heavy condensation, matte gold finish",
"text_on_can": [
"NESCAFÉ",
"CHOCOLATE SHAKE",
"NEW LOOK",
"PROTEIN BOOST"
]
},
"action": "Explosive chocolate liquid crown splash at the base",
"floating_elements": [
"Roasted coffee beans",
"Swirling thick white steam/smoke rising from the top",
"Glowing amber embers and sparks"
],
"background": {
"color": "Warm chocolate brown to dark amber gradient",
"atmosphere": "Moody, intense, and smoky"
}
},
"surface_details": {
"base": "Reflective dark wet surface with liquid pooling",
"shadows": "Soft separated realistic shadows"
}
}
}
Referenzbild
Produktbild
Endergebnis
Die Wassertropfen passen natürlich nicht ganz zum Charger, aber es geht nur um den Proof of Concept. Das Schöne am JSON-Input ist, dass das Format sehr gut lesbar und somit leicht modifizierbar ist. Dementspechend lassen sich Details recht einfach steuern.
*Alter Hut, hihi. Dass man das, was vor wenigen Jahren noch gar nicht existierte, heutzutage automatisch als „alt“ abstempelt, zeigt, wie schnell unser Hirn solche Dinge adaptiert und für sebstverständlich erachtet. Deshalb ermahne ich stets zur Demut. Zoom out, my friend!
