Was ist ein grosses Sprachmodell? LLMs erklärt für Modeprofis
Grosse Sprachmodelle stecken hinter Chat-Assistenten, Tools für Produkttexte und KI-Shoppingberatern. Eine verständliche Erklärung, wie sie funktionieren, was sie in der Mode gut können und wo sie versagen.
DAS WICHTIGSTE Zusammenfassung der Redaktion
- Ein grosses Sprachmodell (Large Language Model, LLM) ist ein Deep-Learning-Modell, meist auf Basis der Transformer-Architektur, das mit sehr grossen Textmengen trainiert wird, um das nächste Token in einer Sequenz vorherzusagen.
- Weil LLMs statistisch plausiblen Text erzeugen, statt geprüfte Fakten nachzuschlagen, können sie halluzinieren, also überzeugt klingende Antworten geben, die falsch sind.
- In The State of Fashion 2026 berichtet McKinsey, dass mehr als 35 Prozent der Führungskräfte in der Modebranche generative KI bereits in Bereichen wie dem Online-Kundenservice einsetzen.
- Zalando gab im Oktober 2024 bekannt, dass sein KI-gestützter Modeassistent, der auf eigenen Modellen und den grossen Sprachmodellen von OpenAI basiert, in 25 Märkten in den jeweiligen Landessprachen verfügbar ist.
- Nach dem EU AI Act gelten seit dem 2. August 2025 Pflichten für Anbieter von KI-Modellen mit allgemeinem Verwendungszweck; Modeunternehmen sollten daher wissen, welches Modell hinter jedem Tool steckt, das sie nutzen.
Ein grosses Sprachmodell (LLM) ist ein KI-System, das mit sehr grossen Textmengen trainiert wurde, damit es Sprache verstehen und erzeugen kann: Fragen beantworten, Dokumente zusammenfassen, Produktbeschreibungen entwerfen oder Texte übersetzen. Es funktioniert, indem es das wahrscheinlichste nächste Textstück vorhersagt. Das macht es sprachgewandt und flexibel, aber nicht von sich aus korrekt. Für Modeprofis lautet die praktische Frage weniger, wie klug das Modell ist, sondern welche Aufgaben, Daten und Kontrollen man ihm gibt.
Was ist ein grosses Sprachmodell?
IBM beschreibt LLMs als Deep-Learning-Modelle, die mit enormen Datenmengen trainiert wurden und natürliche Sprache sowie andere Inhalte für ein breites Spektrum an Aufgaben verstehen und erzeugen können. Die meisten basieren auf der neuronalen Netzwerkarchitektur des Transformers. Die bekanntesten Produkte wie ChatGPT, Gemini oder Claude sind Chat-Oberflächen auf solchen Modellen, doch dieselben Modelle laufen auch unauffällig in Suchfeldern, Kundenservice-Tools, Übersetzungsdiensten und Content-Systemen.
Das Wort «gross» bezieht sich sowohl auf die Menge des Trainingstextes als auch auf die Zahl der internen Parameter (Gewichte), die das Modell während des Trainings anpasst. Ein allgemeines LLM wird nicht mit den Daten eines bestimmten Unternehmens trainiert: Es weiss aus öffentlichen Texten einiges über Mode im Allgemeinen, aber nichts über Ihr Sortiment, Ihre Preise oder Ihren Auftragsbestand, solange ihm diese Informationen nicht bereitgestellt werden.
Wie funktioniert ein grosses Sprachmodell eigentlich?
Der Prozess lässt sich in Anlehnung an die Übersicht von IBM in vier Schritten erklären:
- Tokenisierung: Text wird in kleine Einheiten, sogenannte Tokens, zerlegt; das können ganze Wörter, Wortteile oder Zeichen sein.
- Embeddings und Attention: Tokens werden in numerische Vektoren umgewandelt, und ein Self-Attention-Mechanismus gewichtet, wie jedes Token mit den anderen zusammenhängt, auch mit weit entfernten, damit das Modell den Kontext nutzen kann.
- Vortraining: Das Modell lernt aus Milliarden oder Billionen von Wörtern, indem es wiederholt das nächste Token vorhersagt und seine Gewichte anpasst, um Fehler zu verringern. Für diese Phase sind keine manuell annotierten Daten nötig.
- Feinabstimmung und Inferenz: Das vortrainierte Modell wird weiter trainiert, um Anweisungen zu befolgen und sich hilfreich zu verhalten, und erzeugt dann Antworten Token für Token, sobald es einen Prompt erhält.
Die entscheidende Folge für geschäftliche Nutzer liegt im dritten Schritt. Ein LLM ist in den Worten von IBM eine riesige statistische Vorhersagemaschine. Es erzeugt Text, der angesichts seines Trainings und des Prompts wahrscheinlich ist, und das ist nicht dasselbe wie Text, der mit einer verlässlichen Quelle abgeglichen wurde.
Was können LLMs heute für Modeteams leisten?
LLMs sind dort am stärksten, wo Eingabe und Ausgabe Sprache sind und ein Mensch das Ergebnis prüfen kann. Die Tabelle fasst gängige Aufgaben in der Mode und ihre Eignung zusammen.
| Aufgabe | Beispiel | Eignung für ein LLM | Menschliche Prüfung nötig |
|---|---|---|---|
| Produkttexte | Beschreibungen aus Attributdaten entwerfen | Gut, wenn die Attribute vollständig sind | Ja, für Richtigkeit und Markensprache |
| Übersetzung und Lokalisierung | Texte für mehrere Märkte anpassen | Gut | Ja, für Grössenbezeichnungen und rechtlich relevante Aussagen |
| Kundenservice | Fragen zu Aufträgen und Retouren beantworten | Gut mit Zugriff auf Richtlinien und Auftragsdaten | Eskalationspfad erforderlich |
| Internes Wissen | Lieferantenhandbücher oder Line Sheets zusammenfassen | Gut mit Abruf der Quelldokumente | Stichproben |
| Styling-Beratung | Outfit-Vorschläge im Dialog | Mittel, abhängig von den Katalogdaten | Überwachung der Ergebnisse |
| Zahlen und Prognosen | Abverkauf oder Einkaufsmengen vorhersagen | Für sich allein schwach | Spezialisierte Prognosemodelle einsetzen |
Die letzte Zeile ist wichtig. LLMs können eine Prognose erläutern oder eine Zusammenfassung von Verkaufszahlen schreiben, aber sie sind keine Prognose-Engines. Bedarfsplanung, Preisgestaltung und Allokation stützen sich weiterhin auf statistische Modelle und Machine-Learning-Modelle, die mit den eigenen Transaktionsdaten eines Unternehmens trainiert werden.
Wo setzen Modeunternehmen LLMs bereits ein?
Der Einsatz ist kein Experiment mehr. In The State of Fashion 2026, erschienen im November 2025, berichten McKinsey und The Business of Fashion, dass mehr als 35 Prozent der Führungskräfte generative KI bereits in Bereichen wie dem Online-Kundenservice nutzen; weitere Einsätze sind unter anderem Bilderstellung, Texterstellung, Suche durch Konsumenten und Produktentdeckung. Derselbe Bericht stellt fest, dass Kundinnen und Kunden zunehmend LLMs nutzen, um Produkte zu suchen und zu vergleichen, wodurch Chatbot-Antworten nach seinen Worten zum neuen SEO werden.
Ein veröffentlichtes Beispiel ist Zalando. Im Oktober 2024 gab das Unternehmen bekannt, dass sein KI-gestützter Assistent, der angemeldeten Kundinnen und Kunden personalisierte Modeberatung in der jeweiligen Landessprache bietet und Kontext wie Wetter und Anlass berücksichtigt, in 25 Märkten verfügbar ist. Laut Zalando basiert der Assistent auf eigenen Modellen in Kombination mit den grossen Sprachmodellen von OpenAI. Diese Kombination aus einem allgemeinen LLM und unternehmensspezifischen Daten und Modellen ist das typische Muster nützlicher Anwendungen.
Wo liegen die Grenzen und Risiken von LLMs?
- Halluzinationen: Das Modell kann falsche Informationen erzeugen, die plausibel klingen, etwa eine erfundene Faserzusammensetzung oder einen falschen Liefertermin.
- Verzerrungen: Modelle können Verzerrungen aus ihren Trainingsdaten widerspiegeln und verstärken, was für Bild-Prompts, Grössenbezeichnungen und Kundeninteraktionen relevant ist.
- Veraltetes Wissen: Ein Modell kennt nur, was in seinen Trainingsdaten enthalten war, sofern ihm keine aktuellen Informationen zugeführt werden.
- Datenabfluss: Wer vertrauliche Linienpläne, Einstandspreise oder Kundendaten in öffentliche Tools kopiert, kann diese offenlegen.
- Kosten und Energie: IBM weist darauf hin, dass Training und Betrieb von LLMs grosse Mengen an Rechenleistung und Energie erfordern.
Was bedeutet die Regulierung für Modeunternehmen, die LLMs nutzen?
Der EU AI Act ist am 1. August 2024 in Kraft getreten. Seine Pflichten für Anbieter von KI-Modellen mit allgemeinem Verwendungszweck, der Kategorie, unter die grosse Sprachmodelle fallen, gelten seit dem 2. August 2025. Die meisten Modeunternehmen sind Betreiber und nicht Anbieter solcher Modelle, müssen aber dennoch wissen, welches Modell hinter jedem Tool steckt, welche Daten hineinfliessen und wie Ergebnisse gekennzeichnet und geprüft werden. Transparenz gegenüber Kunden, die mit einem Chatbot sprechen, und ein sorgfältiger Umgang mit personenbezogenen Daten nach dem Datenschutzrecht bleiben in der Verantwortung des Unternehmens.
Wie sollte ein Modeunternehmen mit LLMs beginnen?
Unternehmen, die mit LLMs Mehrwert erzielen, beginnen meist eng gefasst. Sie wählen einen sprachintensiven Prozess mit klarer Verantwortung, etwa Produkttexte für eine Kategorie oder Antworten auf häufige Fragen von Wholesale-Kunden, und verbinden das Modell mit sauberen, aktuellen Unternehmensdaten, statt sich auf sein Allgemeinwissen zu verlassen. Sie legen fest, was das Modell darf und was nicht, behalten bei allem, was Kunden oder Finanzen betrifft, einen Menschen in der Schleife und messen die Qualität vorher und nachher. Saubere Produktstammdaten, einheitliche Attribute und dokumentierte Richtlinien sind die eigentlichen Voraussetzungen; das Modell selbst wird zunehmend zur austauschbaren Massenware.
Häufige Fragen
Was ist der Unterschied zwischen einem LLM und ChatGPT?
Ein LLM ist das zugrunde liegende Modell, das Text vorhersagt und erzeugt. ChatGPT ist ein Produkt, eine Chat-Oberfläche, die auf den grossen Sprachmodellen von OpenAI aufbaut. Dieselbe Unterscheidung gilt für andere Assistenten, die hinter derselben Oberfläche verschiedene Modelle nutzen können.
Kann ein LLM Produktbeschreibungen für eine Modemarke schreiben?
Ja, LLMs eignen sich gut zum Entwerfen von Produkttexten, sofern sie vollständige und korrekte Attributdaten wie Material, Passform und Pflege erhalten. Ohne diese Daten erfinden sie womöglich Details. Ein Mensch sollte Richtigkeit, rechtlich relevante Aussagen und Markensprache vor der Veröffentlichung prüfen.
Warum machen grosse Sprachmodelle Fehler?
LLMs erzeugen auf Basis ihres Trainings und des Prompts die statistisch wahrscheinlichsten nächsten Wörter; standardmässig prüfen sie Fakten nicht anhand einer Datenbank. Das kann zu Halluzinationen führen, also zu überzeugt klingenden, aber falschen Aussagen. Die Anbindung an geprüfte Unternehmensdaten und die Pflicht zur Quellenangabe verringern das Risiko, beseitigen es aber nicht.
Sind LLMs in der EU reguliert?
Ja. Nach dem EU AI Act, der am 1. August 2024 in Kraft getreten ist, gelten die Pflichten für Anbieter von KI-Modellen mit allgemeinem Verwendungszweck ab dem 2. August 2025. Unternehmen, die diese Modelle in eigenen Tools nutzen, müssen zudem Transparenzpflichten, den Datenschutz und alle Regeln einhalten, die für ihren konkreten Anwendungsfall gelten.
Eine Ausgabe an jedem Werktag. In fünf Minuten gelesen. Kostenlos für Branchenprofis.
