Wie setzt PVH KI und Datenplattformen bei Calvin Klein und Tommy Hilfiger ein?

PVH Corp, der in New York börsennotierte Eigentümer von Calvin Klein und Tommy Hilfiger, hat in den letzten zwei Jahren eine Unternehmensdatenarchitektur aufgebaut, die Produktentwicklung, Merchandising, Gross- und Einzelhandelskanäle auf einer einzigen Cloud-Plattform verbindet. Die Initiative, die in regulatorischen Einreichungen und Investorenpräsentationen in den Jahren 2025 und 2026 offengelegt wurde, soll die Entscheidungsfindung beschleunigen, die Prognosegenauigkeit verbessern und überschüssige Lagerbestände bei zwei globalen Marken reduzieren, die zusammen 2023 mehr als 8 Milliarden US-Dollar Umsatz erzielten.

Es steht viel auf dem Spiel. PVH sah sich einem Margendruck durch Werbemassnahmen und erhöhte Lagerbestände ausgesetzt, was eine mehrjährige Restrukturierung namens PVH Plus ausgelöst hat, die bis Ende 2025 jährliche Kosteneinsparungen von 200 Millionen US-Dollar anstrebt. Technologie und Datenanalyse stehen im Mittelpunkt dieses Plans, wobei das Unternehmen allein 2024 50 Millionen US-Dollar für den Kapazitätsaufbau bereitgestellt hat. Erste Ergebnisse zeigen verbesserte Abverkaufsraten und weniger Preisreduzierungen in Kategorien, in denen KI-gestützte Nachfrageprognosen eingesetzt wurden, laut Kommentaren des Managements in Gewinnmitteilungen.

Der Fall PVH bietet einen detaillierten Einblick, wie eine etablierte Bekleidungsgruppe versucht, ihre Technologieplattform unter Wettbewerbsdruck zu modernisieren, und welche Hindernisse bestehen bleiben. Für Führungskräfte in der Modebranche, die ähnliche Investitionen erwägen, zeigt die Erfahrung sowohl die verfügbaren betrieblichen Gewinne als auch die organisatorischen Reibungen, die Erträge verlangsamen können.

Was ist die Unternehmensdatenstrategie von PVH?

PVH begann 2023 mit der Konsolidierung unterschiedlicher Datenquellen auf einer Cloud-basierten Plattform, ein Schritt, der im Jahresbericht 2024 des Unternehmens als Teil seiner digitalen Transformations-Roadmap beschrieben wird. Die Plattform verarbeitet Produktstammdaten, Point-of-Sale-Feeds, E-Commerce-Transaktionen, Grosshandelsauftragsbücher und Lieferkettenereignisse und schafft so eine einzige Quelle der Wahrheit für Lagerbestände, Nachfrage und Produktleistung.

In der Gewinnmitteilung für das vierte Quartal 2024 im März 2025 sagte CEO Stefan Larsson, dass die Datenbasis schnellere Einblicke über Geografien und Kanäle hinweg ermögliche. Das Unternehmen hatte sich zuvor auf regionale Systeme und manuelle Berichterstattung verlassen, was bedeutete, dass Entscheidungen über Nachschub, Preisreduzierungen und Zuteilung oft um Wochen verzögert waren. Die neue Architektur zielt darauf ab, Anomalien und Chancen nahezu in Echtzeit sichtbar zu machen, sodass regionale Teams Sortimente und Preise anpassen können, bevor sich Lagerprobleme verschärfen.

PVH hat den spezifischen Cloud-Anbieter oder Integrationspartner nicht offengelegt, aber regulatorische Einreichungen vermerken Investitionen in Software-as-a-Service-Abonnements und externe Beratung für Datentechnik und Analytik. Die Plattform wurde zunächst in Nordamerika und Europa für Tommy Hilfiger eingeführt, dann 2025 auf Calvin Klein in ausgewählten Märkten ausgeweitet, mit weiterer internationaler Expansion bis 2026.

Wie wendet PVH KI auf Nachfrageprognosen an?

Nachfrageprognosen sind einer der frühesten Anwendungsfälle für maschinelles Lernen bei PVH. Das Unternehmen hat Modelle eingesetzt, die historische Verkäufe, Werbeaktivitäten, Wettermuster, makroökonomische Indikatoren und Social-Media-Stimmung analysieren, um die Nachfrage auf Stil- und Farbebene vorherzusagen. Diese Prognosen fliessen in die Sortimentsplanung ein und helfen Einkäufern zu entscheiden, wie viel Lagerbestand sie an Grosshandelspartner und eigene Einzelhandelsgeschäfte vergeben.

In der Gewinnmitteilung für das zweite Quartal 2025 im September berichtete das Management, dass KI-gestützte Prognosen zu einer Verringerung der Preisreduzierungsraten für Tommy Hilfiger Nordamerika im Vergleich zum Vorjahreszeitraum beigetragen hätten. Das Unternehmen führte die Verbesserung auf bessere ursprüngliche Einkäufe und schnellere saisonale Anpassungen zurück, quantifizierte die Verringerung der Preisreduzierung jedoch nicht in Basispunkten.

Der Ansatz von PVH kombiniert Nachfragesignale aus eigenen Kanälen, wo es granulare Transaktionsdaten hat, mit aggregierten Abverkaufsberichten von Grosshandelspartnern. Die Modelle werden vierteljährlich mit neuen Daten neu trainiert und separat für jede Marke und Region angepasst, um Unterschiede in Saisonalität, Werbekalendern und Kundenverhalten widerzuspiegeln. Das Unternehmen hat erklärt, dass sich die Prognosegenauigkeit, gemessen als Prozentsatz der Stile innerhalb von 10 Prozent des tatsächlichen Abverkaufs, verbessert hat, hat jedoch keine spezifischen Genauigkeitsmesswerte veröffentlicht.

Welche anderen Funktionen nutzen KI und Analytik?

Über die Prognose hinaus hat PVH KI im Produktdesign, der Preisoptimierung und der Lieferantenzusammenarbeit getestet. Im Design hat das Unternehmen mit generativen Werkzeugen experimentiert, die Farbpaletten, Druckvariationen und Silhouettenanpassungen auf der Grundlage von Trend-Keywords und vergangenen Bestsellern vorschlagen. Diese Werkzeuge werden von Designteams als Inspiration und nicht als autonome Kreation verwendet, und das Unternehmen hat betont, dass menschliche Designer im kreativen Prozess zentral bleiben.

Preisgestaltung und Werbeaktionen sind ein weiterer Schwerpunkt. PVH hat dynamische Preisalgorithmen für E-Commerce getestet, die Listenpreise und Rabattniveaus als Reaktion auf Lagerposition, Konkurrenzpreise und Konversionsraten anpassen. Die Algorithmen empfehlen Preisänderungen an Merchandiser, die die endgültige Genehmigung behalten. Im Grosshandel verwendet das Unternehmen Analytik, um zu identifizieren, welche Handelspartner den stärksten Abverkauf für bestimmte Kategorien haben, was Zuweisungsentscheidungen und Co-Marketing-Investitionen beeinflusst.

Die Transparenz der Lieferkette hat sich ebenfalls durch Datenintegration verbessert. PVH verfolgt nun Sendungen, Produktionsmeilensteine und Qualitätskontrollen auf einem einheitlichen Dashboard, das mit strategischen Lieferanten geteilt wird. Diese Transparenz ermöglicht es dem Unternehmen, Verzögerungen früher zu erkennen und Lagerbestände auf Märkte mit höherer Nachfrage umzuleiten. In einer Investorenpräsentation vom Mai 2025 sagte PVH, dass sich die Vorlaufzeiten für bestimmte Produktkategorien im Durchschnitt um zwei Wochen verkürzt hätten, gab jedoch nicht an, welche Kategorien oder Geografien gemeint waren.

Welche Ergebnisse hat PVH bisher berichtet?

PVH hat seine Technologieinvestitionen mit greifbaren betrieblichen Verbesserungen verknüpft, war jedoch vorsichtig, Margengewinne ausschliesslich der KI zuzuschreiben. In den Ergebnissen für das Gesamtjahr 2024, die im März 2025 bekannt gegeben wurden, berichtete das Unternehmen, dass die Betriebsmarge um 80 Basispunkte auf 8,4 Prozent gestiegen sei, unterstützt durch geringere Preisreduzierungen und strengere Lagerdisziplin. Das Management nannte die Datenplattform und verbesserte Analytik als beitragende Faktoren, neben umfassenderen Restrukturierungsmassnahmen wie Filialschliessungen und organisatorischer Vereinfachung.

Die Lagerumschlagshäufigkeit, eine wichtige Effizienzkennzahl, hat sich ebenfalls verbessert. Am Ende des zweiten Quartals 2025 meldete PVH einen Lagerbestand von 1,65 Milliarden US-Dollar, ein Rückgang von 7 Prozent im Jahresvergleich, während der Umsatz in etwa gleich blieb. Das Unternehmen erklärte, dass bessere Nachfrageprognosen und schnellere Preisnachlass-Entscheidungen alte Bestände reduziert und Betriebskapital freigesetzt hätten. Das PVH-Plus-Programm, das die Technologieinvestitionen umfasst, war auf Kurs, sein Einsparziel von 200 Millionen US-Dollar bis Ende 2025 zu erreichen, laut der Gewinnmitteilung vom September 2025.

Die E-Commerce-Leistung hat von Personalisierungs-Engines profitiert, die Produkte auf der Grundlage von Browser- und Kaufhistorie empfehlen. PVH sagte in seinem Jahresbericht 2024, dass digitale Kanäle etwa 20 Prozent des Gesamtumsatzes ausmachten und dass durchschnittliche Bestellwerte und Konversionsraten nach dem Einsatz von Empfehlungsalgorithmen beide gestiegen seien, gab jedoch keine spezifischen prozentualen Steigerungen an.

Wie vergleicht sich der Ansatz von PVH mit anderen Bekleidungskonzernen?

PVH ist nicht allein im Streben nach Unternehmens-KI, aber Umfang und Tempo der Einführung variieren in der Bekleidungsbranche stark. Inditex, der spanische Eigentümer von Zara, investiert seit langem in Datenanalyse und automatisierten Nachschub und nutzt Echtzeit-Verkaufsdaten zur Steuerung von Produktionsentscheidungen und saisonalen Nachbestellungen. Nike hat eine Technologieplattform für den Direktvertrieb aufgebaut, die Personalisierung, Nachfrageerfassung und Lieferkettenoptimierung umfasst. Fast-Fashion-Anbieter wie Shein haben algorithmisches Design und On-Demand-Fertigung genutzt, um Vorlaufzeiten auf Wochen zu verkürzen.

Was den Fall PVH auszeichnet, ist der Legacy-Kontext. Im Gegensatz zu digital nativen Marken betreibt PVH ein Hybridmodell mit erheblichen Grosshandelsumsätzen, mehreren Marken und etablierten regionalen Systemen. Das Unternehmen musste Datenintegration und KI auf eine bestehende Technologielandschaft nachrüsten, ein Prozess, der langsamer und komplexer ist als ein Greenfield-Aufbau. Branchenbeobachter stellen fest, dass viele traditionelle Bekleidungsgruppen vor ähnlichen Herausforderungen stehen, was den Fortschritt von PVH zu einem nützlichen Massstab für Wettbewerber macht.

Ein Bericht von McKinsey aus dem Jahr 2025 über KI in der Mode ergab, dass führende Bekleidungsunternehmen durch maschinelles Lernen Verbesserungen der Prognosegenauigkeit von 10 bis 20 Prozent und Reduzierungen überschüssiger Lagerbestände von 5 bis 10 Prozent erreichen, die Einführung jedoch uneinheitlich bleibt. Der Bericht betonte, dass Technologie allein unzureichend ist und dass der Erfolg von Datenqualität, funktionsübergreifender Zusammenarbeit und der Bereitschaft abhängt, auf algorithmische Empfehlungen zu reagieren, selbst wenn diese der Intuition widersprechen.

Was sind die Risiken und Einschränkungen?

Trotz des Fortschritts steht die KI-Reise von PVH vor mehreren Gegenwind. Datenqualität bleibt eine anhaltende Herausforderung. Das Unternehmen bezieht Informationen von Dutzenden Grosshandelspartnern, jeder mit unterschiedlichen Berichtsstandards und Latenzen. Unvollständige oder ungenaue Daten können die Modellleistung beeinträchtigen, und PVH hat in Einreichungen anerkannt, dass Datenverwaltung und Stammdatenverwaltung fortlaufende Prioritäten sind. Vertrauen in KI-Empfehlungen aufzubauen ist eine weitere Hürde. Merchandiser und regionale Führungskräfte sind es gewohnt, sich auf Erfahrung und Intuition zu verlassen, und es kann schwierig sein, einen Algorithmus zu überstimmen, der ihrem Urteil widerspricht, selbst wenn das Modell eine bessere Erfolgsbilanz hat.

Es gibt auch Fragen zum Return on Investment. PVH investierte 2024 50 Millionen US-Dollar in Technologie, und obwohl das Unternehmen einen Teil seiner Margenverbesserung diesen Fähigkeiten zuschreibt, ist es schwierig, die Auswirkung von KI von anderen Restrukturierungsmassnahmen zu isolieren. Einige Branchenanalysten haben davor gewarnt, dass Bekleidungsunternehmen die kurzfristigen Vorteile von KI überschätzen können, insbesondere wenn sie die Kosten für Change Management, Schulung und Systemwartung nicht berücksichtigen.

Regulatorische und ethische Überlegungen treten ebenfalls auf. KI-gesteuerte Preisgestaltung und Personalisierung werfen Fragen zu Fairness und Transparenz auf, insbesondere wenn Algorithmen unbeabsichtigt diskriminieren oder Wahrnehmungen von Preismanipulation erzeugen. PVH hat keine spezifischen Richtlinien zur algorithmischen Verantwortlichkeit offengelegt, aber die breitere Branche beginnt, sich mit diesen Fragen auseinanderzusetzen. In der Europäischen Union erlegt das KI-Gesetz, das ab 2024 in Etappen in Kraft trat, Transparenz- und Risikomanagementanforderungen für Hochrisiko-KI-Systeme auf, einschliesslich einiger in kundenorientierten Anwendungen verwendeter.

Schliesslich besteht das Risiko der Kommodifizierung. Wenn KI-Werkzeuge zugänglicher werden, kann sich der Wettbewerbsvorteil, den sie verleihen, verringern. Wenn jedes Bekleidungsunternehmen ähnliche Verbesserungen bei Prognosegenauigkeit und Lagereffizienz erzielt, werden die Gewinne durch niedrigere Preise oder höhere Werbeausgaben weggefochten. Die langfristige Differenzierung von PVH wird nicht nur von der Einführung von KI abhängen, sondern davon, sie in charakteristische Fähigkeiten wie Markenaufbau, Produktinnovation und Kundenerlebnis einzubetten.

Wie reagieren Grosshandelspartner?

Das Grosshandelsgeschäft von PVH, das 2024 etwa die Hälfte des Gesamtumsatzes ausmachte, hängt von der Zusammenarbeit mit Warenhäusern, Fachhändlern und E-Commerce-Plattformen ab. Das Unternehmen hat versucht, wichtige Partner in sein Datenökosystem einzubinden, Abverkaufsdaten zu teilen und gemeinsam Sortimente zu planen. Einige Partner haben die Transparenz begrüsst und sehen darin eine Möglichkeit, Preisreduzierungen zu verringern und den Vollpreis-Abverkauf zu verbessern. Andere waren vorsichtiger und besorgt darüber, proprietäre Verkaufsdaten zu teilen oder Merchandising-Autorität an einen Lieferanten abzugeben.

In der Praxis variiert das Integrationsniveau. Grosse strategische Accounts wie Macy's und Nordstrom in Nordamerika haben Datenaustauschvereinbarungen getroffen und nutzen die Analytik von PVH zur Steuerung ihrer Einkäufe. Kleinere unabhängige Händler und internationale Distributoren fehlen oft die Systeme oder Bandbreite, um vollständig teilzunehmen. PVH hat mit gestaffelten Kollaborationsstufen reagiert, von grundlegenden Verkaufsberichten bis hin zu fortgeschrittener gemeinsamer Geschäftsplanung, die von KI-Prognosen unterstützt wird.

Die Verschiebung zu datengesteuerten Grosshandelsbeziehungen spiegelt breitere Trends in der Branche wider. Lieferanten und Einzelhändler bewegen sich von transaktionalen Interaktionen zu Partnerschaften, die auf gemeinsamer Transparenz und gegenseitigen Leistungskennzahlen aufbauen. Für PVH bedeutet dies nicht nur, bessere Produkte und Dienstleistungen bereitzustellen, sondern auch eine Quelle von Marktintelligenz und Planungsunterstützung für seine Grosshandelskunden zu werden.

Was sollten Modeunternehmen jetzt tun?

1. Datenqualität zuerst prüfen Bevor KI eingesetzt wird, muss sichergestellt werden, dass Produkt-, Verkaufs- und Lagerdaten über Systeme hinweg genau, konsistent und zugänglich sind. Schlechte Datenqualität wird selbst die besten Algorithmen untergraben.
2. Mit Anwendungsfällen mit hoher Auswirkung beginnen Konzentrieren Sie frühe KI-Bemühungen auf Bereiche mit klarem Geschäftswert und messbaren Ergebnissen, wie Nachfrageprognosen, Optimierung von Preisreduzierungen oder Verringerung der Lieferantenvorlaufzeiten, anstatt zu versuchen, alles auf einmal zu transformieren.
3. Funktionsübergreifende Teams aufbauen KI-Initiativen sind erfolgreich, wenn Merchandiser, Planer, Lieferkettenleiter und IT zusammenarbeiten. Erstellen Sie kleine Pilotteams mit gemeinsamer Verantwortung für sowohl technische Implementierung als auch Geschäftsergebnisse.
4. Executive Sponsorship sichern Die Einführung von KI erfordert nachhaltige Investitionen und organisatorischen Wandel. Stellen Sie sicher, dass die Geschäftsleitung den Zeitplan, die Kosten und Kompromisse versteht und bereit ist, das Programm durch Rückschläge hindurch zu unterstützen.
5. Mit Grosshandelskonten zusammenarbeiten Für Marken mit erheblichen Grosshandelsumsätzen sollten Sie mit wichtigen Handelspartnern bei Datenaustausch und gemeinsamer Planung zusammenarbeiten. Gemeinsame Transparenz kann Preisreduzierungen verringern und Geschäftsbeziehungen stärken.
6. Change Management planen Schulen Sie Merchandiser, Planer und regionale Teams darin, KI-Empfehlungen zu interpretieren und in ihre Arbeitsabläufe zu integrieren. Erwarten Sie Widerstand und lassen Sie Zeit, damit Vertrauen aufgebaut werden kann.
7. Algorithmische Verantwortlichkeit überwachen Etablieren Sie Richtlinien für Transparenz, Fairness und Aufsicht von KI-Systemen, insbesondere solchen, die Preisgestaltung, Personalisierung oder Einstellung betreffen. Die regulatorische Kontrolle von KI in Verbraucherindustrien nimmt zu.