Das Hinzufügen von Tags oder Annotationen zu Rohdaten, etwa das Markieren von Kleidungsarten in Bildern, damit Modelle daraus lernen können.
Überwachtes Machine Learning benötigt gelabelte Beispiele. Jemand, oder ein Tool mit menschlicher Kontrolle, muss markieren, welche Fotos einen V-Ausschnitt zeigen oder welche Retourengründe die Passform betreffen. Einheitliche Labelling-Regeln sind wichtig: Verwenden Teams 'Navy' und 'Dunkelblau' austauschbar, lernt das Modell Verwirrung.
Ein zentraler Speicher, der grosse Mengen an Rohdaten in ihren Originalformaten vorhält, bis sie benötigt werden.
Ein Data Lake kann Kassenexporte, Weblogs, Bilder und Lieferantendateien an einem Ort sammeln, ohne sie zuerst in eine feste Struktur zu zwingen. Diese Flexibilität eignet sich für KI-Experimente, kann aber ohne klare Verantwortlichkeiten und Dokumentation unübersichtlich werden. Viele Unternehmen kombinieren einen Data Lake mit einem Data Warehouse.
Eine strukturierte, für Reporting und Analyse optimierte Datenbank mit bereinigten und integrierten Daten aus mehreren Systemen.
Ein Data Warehouse führt Daten aus ERP-, E-Commerce- und Wholesale-Systemen in einheitlichen Formaten zusammen. Reports zu Abverkauf, Marge und Lagerumschlag basieren typischerweise darauf. Es ist meist die verlässliche Grundlage sowohl für Business Intelligence als auch für viele Prognosemodelle.
Machine Learning mit neuronalen Netzen aus vielen Schichten, die komplexe Muster lernen, vor allem in Bildern, Texten und Audio.
Deep Learning ist die Grundlage der meisten modernen Bild- und Sprach-KI. Es ermöglicht einem System, auf einem Produktfoto einen Trenchcoat von einem Parka zu unterscheiden oder aus wenigen Merkmalen eine Produktbeschreibung zu entwerfen. In der Regel benötigt es mehr Daten und Rechenleistung als einfachere Machine-Learning-Verfahren.
Realistisches synthetisches Video, Bild oder Audio, das eine Person zeigt, wie sie etwas sagt oder tut, was sie nicht gesagt oder getan hat.
Deepfakes bergen Risiken für Betrug und Reputationsschäden, etwa durch ein gefälschtes Video, in dem eine Designerin oder ein Manager ein Produkt empfiehlt. Die Nutzung des Abbilds einer realen Person für KI-generierte Inhalte erfordert deren Einwilligung und klare Verträge. Der EU AI Act legt Transparenzpflichten für Deepfake-Inhalte fest.
Kurzfristige Prognose, die sehr aktuelle Signale wie Tagesumsätze oder Website-Traffic nutzt, um die Nachfrageschätzung für die nahe Zukunft anzupassen.
Demand Sensing ergänzt die längerfristige Bedarfsprognose. Verkauft sich ein Modell in der ersten Woche schneller als geplant, kann Demand Sensing dies früh genug erkennen, um Nachschub auszulösen oder Bestände zwischen Filialen umzuverteilen. Es setzt zeitnahe, saubere Daten aus Kassen- und E-Commerce-Systemen voraus.
Eine Art generatives Modell, das Bilder erzeugt, indem es schrittweise Rauschen entfernt, bis ein stimmiges Bild entsteht.
Diffusionsmodelle stecken hinter den meisten aktuellen Text-zu-Bild-Tools. Ein Designteam kann eine Print-Idee in Worten beschreiben und innerhalb von Sekunden mehrere visuelle Entwürfe erhalten. Die Ergebnisse müssen vor der kommerziellen Nutzung weiterhin auf Richtigkeit, Originalität und Rechte geprüft werden.
Ein digitaler Datensatz zu einem Produkt, meist über einen Datenträger wie einen QR-Code verknüpft, mit Informationen zu Herkunft, Materialien und Nachhaltigkeit.
Die EU führt Digitale Produktpässe für vorrangige Produktgruppen ein, wobei Textilien zu den ersten gehören. Ein Pass könnte Faserzusammensetzung, Herstellungsorte, Pflege- und Reparaturhinweise sowie Optionen am Ende der Nutzungsdauer zeigen. Marken werden verlässliche Produktstammdaten und Lieferkettendaten brauchen, um sie zu erstellen.
Software, die Wholesale-Einkäufern eine Kollektion online oder am Bildschirm präsentiert, mit Produktdaten, Bildern und Orderfunktionen.
Ein digitaler Showroom kann einen persönlichen Termin auf einem grossen Bildschirm unterstützen oder Einkäufern ermöglichen, remote zu stöbern und zu ordern. Typischerweise zeigt er hochwertige Bilder, Videos, Preise, Verfügbarkeit und Outfit-Vorschläge. Marken nutzen ihn, um die Musterproduktion zu verringern und Einkäufer zu erreichen, die nicht in einen physischen Showroom reisen können.
Eine virtuelle Abbildung eines physischen Produkts, Prozesses oder Ortes, die mit realen Daten synchron gehalten wird.
In der Modebranche kann ein digitaler Zwilling eine präzise 3D-Version eines Kleidungsstücks sein, verknüpft mit seinen Materialien und Massen, oder ein Modell eines Lagers oder einer Lieferkette. Eine Marke kann den Zwilling eines Kleidungsstücks für Sampling, E-Commerce-Bilder und Produktpassdaten nutzen. Der Nutzen entsteht, wenn er aktualisiert wird, sobald sich der reale Artikel oder Prozess ändert.
Ein Unternehmen, das die Produkte einer Marke kauft und sie in einem definierten Gebiet an Händler weiterverkauft, wobei es Bestands- und Kreditrisiko übernimmt.
Anders als ein Handelsvertreter besitzt ein Distributor die Ware und fakturiert die Händler selbst. Marken nutzen Distributoren oft, um entfernte Märkte zu erschliessen, in denen lokale Logistik, Sprache und Regulierung anspruchsvoll sind. Der Preis dafür ist eine tiefere Marge für die Marke und weniger direkter Kontakt zu den Händlern.
Die Einführung neuer Produkte in Läden oder online zu einem festgelegten Zeitpunkt, oft als eine von mehreren Lieferungen innerhalb einer Saison.
Eine Saison in Drops aufzuteilen, hält die Verkaufsfläche frisch und gibt der Kundschaft Gründe wiederzukommen. Eine Marke liefert ihre Herbstkollektion vielleicht in drei Drops zwischen Juli und Oktober. Manche Marken nutzen limitierte Drops, um rund um bestimmte Produkte Knappheit und Dringlichkeit zu erzeugen.