AI productfoto's webshop: wat werkt en wat niet

Een klant bestelt een blauwe jas. Er komt een jas met een andere kraag, een logo dat net niet klopt en een mouw die korter lijkt. Retour. Dit is het risico van AI productfoto's: ze zien er prima uit en kloppen niet.

Toch zijn AI productafbeeldingen niet iets om te mijden. Voor sommige taken zijn ze gewoon sneller en goedkoper dan een fotograaf. Voor andere taken niet. Hieronder de eerlijke versie: wat je veilig automatiseert, wat je met rust laat en hoe je het inricht.

Het uitgangspunt: de packshot blijft de waarheid

Eén regel bepaalt de rest. De originele packshot is het bewijs van hoe het product eruitziet. AI mag de omgeving veranderen. AI mag het product niet veranderen.

Dat geldt voor vorm, kleur, label, tekst, logo en verhouding. Zodra een model het product opnieuw tekent in plaats van het te knippen en te plaatsen, verlies je die garantie. Een generatief model "begrijpt" je product niet. Het maakt een aannemelijk beeld.

Praktisch betekent dit:

• Bewaar altijd het ongewijzigde origineel naast elke bewerking.
• Gebruik tools die het product uitsnijden en behouden, niet tools die de hele afbeelding opnieuw genereren.
• Laat een mens het resultaat naast het origineel leggen voordat het live gaat.

Wat AI goed doet

Achtergrond verwijderen met AI

Dit is de meest volwassen toepassing. Achtergrond verwijderen in een webshop is een afgebakende taak met een controleerbaar resultaat: het product staat vrij of niet. Foutjes zie je direct, bijvoorbeeld een afgeknipte haak, een gat in een handvat of een transparant glas dat opeens ondoorzichtig is.

Het werkt goed voor harde producten met duidelijke randen. Het is lastiger bij haar, vacht, glas, gaas, sieraden met kettingen en alles wat doorschijnend is. Houd daar een handmatige controle voor.

Achtergrond vervangen en lifestyle-scènes

Hier begint het risico. Een product op een houten tafel in een zonnige keuken verkoopt vaak beter dan een witte achtergrond. Met AI maak je zo'n scène in minuten.

Let op drie dingen:

• Schaal. Een model plaatst je lamp soms te groot of te klein ten opzichte van de tafel. De klant ziet het verkeerde formaat.
• Schaduw en licht. Een slecht geplaatst product oogt nep en kost vertrouwen.
• Context die iets belooft. Een tas op een kleine kinderhand of een kookpan op een inductieplaat suggereert iets wat niet per se klopt.

Gebruik lifestyle-beelden als aanvulling op de packshot, niet als vervanging. De packshot staat vooraan in de gallery. De scène komt erachter.

Resizen, croppen en formaten op schaal

Dit is saaie automatisering die veel tijd bespaart. Eén brononderlegger wordt automatisch een vierkant, een staand formaat voor social, een thumbnail voor de categoriepagina en een versie voor marktplaatsen. AI-gestuurd croppen houdt het product in beeld. Hier komt geen generatieve AI aan te pas, en dat is juist de kracht.

Combineer dit met moderne formaten. In ons artikel over image-optimalisatie voor webshops met WebP en AVIF staat hoe je dat aanpakt. Zware afbeeldingen kosten je ook performance, en dat zie je terug in Lighthouse-scores op Hyvä.

Alt-teksten genereren

Alt-tekst voor duizenden producten schrijf je niet met de hand. Een vision-model beschrijft wat er op de foto staat. Dat werkt als startpunt.

De valkuil: het model beschrijft wat het ziet, niet wat je wilt ranken. "Een rode schoen op een witte achtergrond" is correct maar zwak. Voeg productnaam, merk en onderscheidend kenmerk toe vanuit je productdata. Laat het model de visuele details leveren (kleur, materiaal, perspectief) en je PIM of catalogus de rest.

Vermijd keyword-stuffing. Alt-tekst is er in de eerste plaats voor mensen die de afbeelding niet kunnen zien.

Kleurvarianten

Een product in tien kleuren fotograferen is duur. Een kleurswap via AI of via gewone masker-bewerking lijkt een snelle winst. Het is ook de plek waar de meeste retouren ontstaan.

Stof, glans en kleurdiepte komen zelden overeen met het echte product. Een AI-kleurswap van "marineblauw" naar "bordeaux" geeft een kleur die op het scherm goed oogt en in het echt afwijkt. Gebruik het alleen voor kleuren die je daarna fysiek hebt vergeleken, of laat zien dat het een indicatie is.

Waar het misgaat

Vorm, label en tekst vervormen

Generatieve modellen zijn slecht in tekst op producten. Een etiket met "500 ml" wordt "5O0 mi". Een logo krijgt een extra letter. Een knop zit op de verkeerde plek. Bij verpakkingen, voeding, cosmetica en elektronica is dit meteen een probleem, omdat die tekst wettelijk of functioneel relevant is.

Retouren door "niet zoals afgebeeld"

Als de afbeelding afwijkt van het product, is dat de klant zijn eerste reden om te retourneren. Ik noem hier geen percentages, omdat die per branche sterk verschillen. Meet het zelf: vergelijk de retourreden "afwijkend van foto" voor en na de invoering van AI-beelden.

Consumentenrecht

Een afbeelding die het product mooier of anders voorstelt dan het is, kan misleidende handelspraktijken opleveren. Dat risico bestaat ook zonder AI. Met AI wordt het makkelijker om er per ongeluk in te trappen. Het gaat niet om het gereedschap, maar om het resultaat: klopt het beeld met wat de klant ontvangt? Dit is geen juridisch advies. Leg twijfelgevallen voor aan een jurist of aan de ACM-richtlijnen.

Regels van platforms en marktplaatsen

Elk platform stelt eigen eisen. Controleer de actuele stand, want deze regels veranderen.

• Google Merchant Center. Google vraagt dat AI-gegenereerde afbeeldingen hun metadata behouden. Het gaat om de IPTC-waarde trainedAlgorithmicMedia. Zie de Google-helppagina over het bewaren van metadata. Let op: veel tools en compressiestappen strippen metadata. Test of de tag op je live afbeeldings-URL aanwezig blijft.
• Amazon. De hoofdafbeelding moet een echt productbeeld op witte achtergrond zijn. Of en hoe volledig AI-gegenereerde beelden zijn toegestaan, verschilt per bron en verandert. Ik kon dit niet bij Amazon zelf bevestigen. Controleer de actuele richtlijnen in Seller Central.
• Andere marktplaatsen. Bol.com, Zalando en anderen hebben eigen beeldeisen. Lees ze per kanaal na voordat je een bulkbewerking uitrolt.

Transparantie onder de AI-verordening

De EU AI-verordening kent transparantieplichten (artikel 50) voor onder meer synthetisch gegenereerde of gemanipuleerde content. Volgens verschillende juridische bronnen gelden die vanaf 2 augustus 2026, met uitstel voor een deel van de verplichting tot machineleesbare markering voor bestaande systemen. Details en uitzonderingen verschillen per bron. Controleer de actuele stand bij de Europese Commissie of bij een jurist. Of een productfoto onder de labelplicht valt, hangt af van de aard van de bewerking. Een achtergrond verwijderen is iets anders dan een nep-persoon laten poseren met je product.

Auteursrecht en IP

Wie is eigenaar van een AI-gegenereerd beeld? En kan het model getraind zijn op beschermd materiaal? Die vragen zijn juridisch nog niet overal beantwoord. Lees de voorwaarden van je tool: wie mag het beeld commercieel gebruiken, en wat gebeurt er met je geüploade productfoto's? Upload geen foto's van merken of producten van derden zonder toestemming.

Toepassing, risico en controle

De werkwijze die standhoudt

Een workflow die in de praktijk werkt, heeft vijf stappen.

1. Origineel vastleggen. Eén schone packshot per product en per variant, ongewijzigd opgeslagen.
2. AI voor context. Achtergrond, scène, formaten en alt-tekst-concepten. Nooit het product zelf herschrijven.
3. Mens controleert. Een medewerker legt bewerking naast origineel. Vorm, kleur, tekst, schaal. Dit duurt seconden per beeld als de interface het naast elkaar toont.
4. Publiceren met labels. Houd metadata intact en vermeld waar nodig dat een beeld is gegenereerd of bewerkt.
5. Meten. Retourreden, conversie en bounce per productgroep. Draai terug waar het niet werkt.

Wat dit betekent voor je omzet: je betaalt minder voor volume, en je houdt de retouren onder controle. Dat laatste is waar de winst zit of verdwijnt.

Alt-tekst en SEO

AI-beelden veranderen weinig aan je afbeeldings-SEO. De basis blijft gelijk:

• Beschrijvende bestandsnaam, geen IMG_4821.jpg.
• Alt-tekst die beschrijft wat er te zien is, met productnaam en kenmerk.
• Moderne formaten (WebP of AVIF) en juiste afmetingen, zodat de LCP-afbeelding snel laadt.
• Geen lazy loading op de eerste afbeelding boven de vouw.

Een lifestyle-scène die er mooi uitziet maar het product klein toont, helpt je niet in Google Afbeeldingen. De packshot blijft het sterkste signaal omdat het product er duidelijk op staat.

Automatiseren met Laravel en een queue

Bij een catalogus van enkele honderden producten kan het met de hand. Bij duizenden wil je een pipeline. In een Laravel-omgeving ziet die er zo uit:

• Een nieuwe of gewijzigde packshot triggert een event.
• Een job per afbeelding gaat in een queue (Redis met Horizon werkt goed) en roept de beeldservice aan.
• Het resultaat komt niet direct live, maar krijgt status te controleren.
• Een eenvoudig reviewscherm toont origineel en bewerking naast elkaar. Goedkeuren zet het beeld live via de Magento- of Shopify-API.
• Mislukte jobs gaan naar een retry-queue en daarna naar een foutlijst. API-kosten en rate limits houd je in de hand met een beperkt aantal gelijktijdige workers.
• Een log bewaart welk model, welke prompt en welke versie een beeld heeft gemaakt. Dat helpt bij een klacht of een platformcontrole.

Dit is een bescheiden bouwproject. De waarde zit in het reviewscherm en in de koppeling met je catalogus, niet in de AI-call zelf. Meer over zulke toepassingen lees je in AI in e-commerce: praktische toepassingen en op onze pagina AI voor webshops.

Gaat het om tekst in plaats van beeld? Lees dan AI-productbeschrijvingen: kwaliteit versus kwantiteit. Daar staat hoe je kwaliteit bewaakt bij gegenereerde teksten. Over de kosten kijk je in kosten van AI in e-commerce.

Kosten en baten: de rekenstap

Reken zo, met je eigen cijfers:

• Nu: aantal producten × aantal beelden × kosten per beeld (fotograaf, retoucheur of intern uur).
• Met AI: tooling of API-kosten per beeld + reviewtijd per beeld + eenmalige bouw van de pipeline.
• Risico: verwachte extra retouren door afwijkende beelden × kosten per retour.

AI wint bij achtergrond verwijderen, formaten en alt-tekst. Bij lifestyle-scènes hangt het af van je review. Bij kleurvarianten en volledig gegenereerde producten wint het zelden, als je de retourkosten meetelt.

De eerlijke conclusie: geen AI voor het product, wel AI rondom het product.

Veelgestelde vragen

Mag ik AI-gegenereerde productfoto's gebruiken in mijn webshop?

In principe wel, zolang het beeld het product eerlijk toont. Het wordt misleidend als vorm, kleur of eigenschappen afwijken van wat de klant ontvangt. Marktplaatsen en Google stellen eigen eisen, bijvoorbeeld rond metadata. Dit is geen juridisch advies.

Moet ik aangeven dat een productfoto met AI is gemaakt?

Dat hangt af van het platform en de aard van de bewerking. Google Merchant Center vraagt om behoud van de IPTC-metadata voor AI-gegenereerde beelden. De AI-verordening kent transparantieplichten voor synthetische content. Controleer de actuele regels per kanaal en vraag bij twijfel een jurist.

Wat is de veiligste AI-toepassing voor productafbeeldingen?

Achtergrond verwijderen, croppen en resizen. Het product blijft hetzelfde en je ziet fouten meteen. Alt-tekst genereren is ook veilig zolang je het combineert met je productdata en steekproefsgewijs controleert.

Verhogen AI-productfoto's de conversie?

Dat kunnen wij niet in het algemeen beloven. Een goede lifestyle-scène kan helpen, een afwijkend beeld kost je retouren. Test per productgroep met een A/B-test en meet ook de retourreden, niet alleen de conversie.

Hoe automatiseer ik dit voor een grote catalogus?

Met een queue-pipeline: nieuwe packshot, job, AI-bewerking, reviewstatus, goedkeuring, publicatie via de API. Het reviewscherm is het belangrijkste onderdeel. Zonder menselijke controle loop je het risico dat fouten bulksgewijs live gaan.

Hulp bij een beeldpipeline

Wil je weten welk deel van je catalogus zich leent voor automatisering en welk deel niet? Neem contact op. We bekijken je catalogus en bouwen een pipeline met reviewstap, zonder gedoe.