KI-Agenten haben in den letzten Jahren Text, Code, Bilder und Audio erreicht. Nun rückt eine weitere Disziplin nach: dreidimensionale Modelle. Werkzeuge wie der 3D Agent von Meshy versprechen, aus einer Beschreibung im Chat ein fertiges Objekt zu erzeugen – ohne CAD-Software, also ohne klassisches computergestütztes Konstruktionsprogramm, und ohne Modellierkenntnisse.

Für Web- und Softwareprojekte klingt das nach einer offensichtlichen Erleichterung. Produktkonfiguratoren, interaktive Landingpages, Schulungsanwendungen oder Augmented-Reality-Ansichten im Onlineshop leben von 3D-Inhalten. Genau diese Inhalte sind in der Praxis oft der Flaschenhals: Sie müssen gezeichnet, modelliert, texturiert und optimiert werden, was Zeit und spezialisiertes Personal bindet.

Das Erzeugen war nie der Engpass

Die entscheidende Beobachtung lautet jedoch: Ein 3D-Modell zu erzeugen, war nie das eigentliche Problem. Bibliotheken mit fertigen Assets existieren seit Jahren, Modellierwerkzeuge sind verfügbar, Dienstleister lassen sich beauftragen. Der Aufwand entsteht an anderer Stelle – nämlich dort, wo ein Modell in eine konkrete Anwendung eingebettet werden soll und dabei technische und inhaltliche Anforderungen erfüllen muss.

Damit verschiebt sich die relevante Frage. Sie lautet nicht, wie schnell ein Agent ein Objekt ausgibt, sondern ob dieses Objekt im Produktivbetrieb brauchbar ist. Und diese Bewertung ist deutlich unbequemer, weil sie sich nicht in einer Demo beantworten lässt.

Woran sich Brauchbarkeit im Web entscheidet

Wer 3D-Inhalte in einer Website oder einem Konfigurator einsetzt, sollte ein Modell entlang mehrerer Kriterien prüfen. Die folgenden Punkte sind keine Aussage über ein bestimmtes Werkzeug, sondern die Prüfliste, die unabhängig von der Erzeugungsmethode gilt:

  • Polygonanzahl und Dateigröße: Ein Modell mit sehr feiner Geometrie sieht in der Vorschau gut aus, kann eine Seite auf mobilen Geräten aber unbrauchbar langsam machen.
  • Topologie: Also der innere Aufbau des Netzes. Saubere, gleichmäßige Flächen sind Voraussetzung, wenn ein Objekt später animiert, verformt oder in Varianten weiterverarbeitet werden soll.
  • Texturen und Materialien: Werden sie in Formaten geliefert, die die eingesetzte Web-3D-Bibliothek versteht? Verhalten sie sich unter verschiedenen Lichtsituationen plausibel?
  • Maßhaltigkeit: Bei Produktdarstellungen ist entscheidend, ob Proportionen und Abmessungen dem realen Artikel entsprechen. Ein optisch überzeugendes, aber falsch dimensioniertes Modell ist im Vertrieb ein Risiko.
  • Nachbearbeitbarkeit: Lässt sich das Ergebnis in ein Standardformat exportieren und in bestehenden Werkzeugen korrigieren – oder ist es faktisch eine Blackbox?
  • Rechtliche Lage: Nutzungsrechte an generierten Assets und die Frage, worauf ein Modell trainiert wurde, gehören vor dem Produktivstart geklärt.

Der Unterschied zwischen Prototyp und Produktion

Diese Kriterien sind nicht in jedem Szenario gleich streng. Für einen internen Prototyp, ein Stimmungsbild oder ein Moodboard genügt ein Modell, das die Idee vermittelt. Solche Anwendungsfälle profitieren unmittelbar davon, wenn ein Agent in Minuten liefert, was sonst Tage dauert – auch weil dann früher über die eigentliche Gestaltung diskutiert werden kann statt über Termine.

Anders sieht es aus, wenn ein Modell Teil eines Produktversprechens wird. In einem Konfigurator, der Kundinnen und Kunden zeigt, wie ihr bestelltes Produkt aussehen wird, ist die Darstellung nicht dekorativ, sondern verbindlich. Hier entscheidet nicht die Erzeugungsgeschwindigkeit, sondern die Übereinstimmung mit den realen Stammdaten.

Sinnvoll ist deshalb eine klare Trennung im Projekt: Wo darf generiertes Material direkt verwendet werden, wo dient es nur als Ausgangspunkt für eine geprüfte Endversion, und wo ist es ausgeschlossen? Diese Festlegung gehört in die Projektdefinition und nicht in die Endphase kurz vor dem Launch.

Was das für den Prozess bedeutet

Wer generierte 3D-Assets ernsthaft nutzen will, braucht weniger ein neues Werkzeug als einen definierten Weg vom Ergebnis zur Auslieferung. Dazu gehören ein festgelegtes Austauschformat, eine Optimierungsstufe für das Web, ein Ort, an dem Assets versioniert liegen, und eine Instanz, die freigibt.

Auch die Prüfung selbst lässt sich teilweise automatisieren. Grenzwerte für Dateigröße und Polygonanzahl, Vollständigkeitschecks für Texturen und ein automatischer Ladezeittest in der Auslieferungskette fangen einen großen Teil der typischen Probleme ab, bevor jemand manuell hinsehen muss. Die inhaltliche Beurteilung – sieht das Objekt aus wie das Produkt? – bleibt dagegen eine menschliche Aufgabe.

Bemerkenswert ist an der Entwicklung vor allem, dass sich ein Muster wiederholt. Wie schon bei Text, Bild und Code senkt KI die Hürde für die Erzeugung drastisch, verändert aber wenig an den Anforderungen an das Endergebnis. Der Aufwand verschwindet nicht, er verlagert sich – von der Herstellung zur Auswahl, Prüfung und Integration.

Einordnung

Für Web- und Softwareprojekte heißt das: Prompt-basierte 3D-Erzeugung ist ein echter Gewinn in frühen Phasen, in denen Varianten schnell sichtbar werden sollen, und sie öffnet Teams ohne CAD-Kompetenz einen Zugang zu 3D. Verlässlich wird der Einsatz jedoch erst mit definierten Qualitätskriterien, einer Optimierungsstufe fürs Web und einer klaren Freigabe. Wer diese Schritte mitplant, gewinnt Tempo; wer nur die Erzeugung betrachtet, verschiebt den Aufwand lediglich in die Fehlersuche nach dem Launch.

Quellen