Wie H&M KI einsetzt: Nachfrage, Allokation und digitale Zwillinge

DAS WICHTIGSTE Zusammenfassung der Redaktion

1. H&M beschreibt seit mindestens 2018 öffentlich, wie es KI und fortgeschrittene Analytics nutzt, um Filialsortimente anzupassen und Prognose, Mengenplanung, Allokation und Preisgestaltung präziser zu machen.
2. 2018 werteten bei H&M laut Retail Dive rund 200 interne und externe Data Scientists, Analysten und Ingenieure Kassenbons, Retouren und Kundenkartendaten aus.
3. 2019 lag der Lagerbestand von H&M bei 18,6 Prozent des Umsatzes, bei einem Zielwert von 12 bis 14 Prozent. Das war ein zentraler Grund für die KI-Investitionen in Mengenplanung und Allokation.
4. Im März 2025 kündigte H&M KI-generierte digitale Zwillinge von 30 Models an, die eingewilligt haben und die Kontrolle über die Verwendung ihrer Abbilder behalten.
5. H&M hat keine bezifferten Ergebnisse veröffentlicht, die Verbesserungen bei Umsatz, Abschriften oder Lagerbestand der KI zuschreiben.

H&M nutzt KI vor allem für die Entscheidung, wie viel eingekauft wird und wohin die Ware geht: Seit mindestens 2018 beschreibt das Unternehmen Modelle, die Verkaufs-, Retouren- und Kundenkartendaten auswerten, um Filialsortimente anzupassen und Prognose, Mengenplanung, Allokation und Preisgestaltung zu verbessern. Seit 2025 erstellt H&M mit generativer KI zudem digitale Zwillinge von Models, die eingewilligt haben, für Kampagnenbilder. Für keinen der beiden Bereiche hat H&M bezifferte Ergebnisse veröffentlicht.

Was hat H&M aufgebaut?

Öffentliche Berichte beschreiben zwei getrennte Stränge. Der erste ist analytisch und im Merchandising angesiedelt. Im Mai 2018 berichtete Retail Dive, dass H&M Filialsortimente mit Algorithmen anpasse, die Kassenbons, Retouren und Kundenkartendaten auswerten; rund 200 interne und externe Data Scientists, Analysten und Ingenieure untersuchten dabei Kaufmuster über die Filialen hinweg. Im März 2019 sagte der damalige CEO Karl-Johan Persson, H&M investiere stark in KI, um bei der Prognose von Trends, Kundennachfrage, Mengen, Allokation und Preisen präziser zu werden.

Der zweite Strang ist generativ und im Marketing angesiedelt. Im März 2025 kündigte H&M an, KI-basierte digitale Zwillinge von 30 Models zu erstellen, die eingewilligt hatten, darunter Mathilda Gvarliani. Laut FashionUnited behalten die Models die Kontrolle über die Verwendung ihrer digitalen Abbilder und werden zu Sätzen bezahlt, die mit einem klassischen Shooting vergleichbar sind; die ersten Bilder sollten mit Wasserzeichen als KI-generiert gekennzeichnet werden. Die ersten Bilder, die Denim zeigen, gingen am 2. Juli 2025 online.

Unter CEO Daniel Ervér lautet das erklärte Ziel, mithilfe von KI schneller auf Konsumtrends zu reagieren, wie Fortune im Januar 2025 berichtete.

Warum hat H&M in KI investiert?

Auslöser war der Lagerbestand. 2018 versuchte H&M laut Retail Dive, eine zehn Quartale andauernde Umsatzflaute zu beenden und Abschriften zu reduzieren. Im ersten Quartal 2019 entsprach der Warenbestand 18,6 Prozent des Umsatzes, bei einem Zielwert von 12 bis 14 Prozent; Persson zeigte sich überzeugt, das Ziel zu erreichen, konnte aber nicht sagen, wann. Für ein Unternehmen, das grosse Mengen Monate im Voraus einkauft, führen schon kleine Verbesserungen bei Einkaufstiefe und Filialallokation direkt zu weniger Ware, die reduziert werden muss.

Das Motiv für digitale Zwillinge ist ein anderes: Tempo und Flexibilität in der Contentproduktion. H&M-Chief-Creative-Officer Jörgen Andersson beschrieb das Projekt als Erkundung generativer KI, um Kreativität zu verstärken und neu zu denken, wie Mode präsentiert wird.

Lesen Sie auch

Wie Stitch Fix KI einsetzt: Algorithmen plus menschliche Stylisten

Wie funktioniert das (Daten, Modelle, Prozess)?

H&M hat keine Modellarchitekturen veröffentlicht. Berichtet wurde hingegen über die Daten. Laut Retail Dive stützten sich die Algorithmen auf:

• Kassenbons und Retouren;
• Kundenkartendaten aus dem Mitgliederprogramm von H&M;
• Daten aus rund 5 Milliarden Besuchen in Filialen und auf Websites im Vorjahr;
• externe Quellen wie Blogbeiträge und Suchmaschinen;
• Wechselkursschwankungen, die die Algorithmen berücksichtigten.

Die am besten dokumentierte Anwendung war die Filialclusterung. Ein Test im Stockholmer Stadtteil Östermalm zeigte eine überwiegend weibliche Kundschaft mit starker Nachfrage nach modischen und höherpreisigen Artikeln; H&M passte das Sortiment an, reduzierte die Zahl der Produkte in der Filiale um 40 Prozent, nahm dort den Grossteil der Herrenmode heraus, und der Umsatz verbesserte sich, so derselbe Bericht. Analyse: Das ist klassische lokalisierte Sortimentsplanung, bei der Modelle Vorschläge machen und Merchandiser entscheiden; wie viel der finalen Entscheidung automatisiert ist, hat H&M nicht beschrieben.

Welche Ergebnisse hat H&M veröffentlicht?

H&M hat keine Zahlen veröffentlicht, die Verbesserungen bei Umsatz, Bruttomarge, Abschriften oder Lagerbestand der KI zuschreiben. Das einzige öffentlich dokumentierte Ergebnis ist qualitativ: Der Umsatz in der Testfiliale in Östermalm stieg nach der datengestützten Sortimentsanpassung. Für die digitalen Zwillinge wurden keine Effizienz- oder Kostenzahlen veröffentlicht.

Die Lagerkennzahlen des Konzerns taugen nicht als Ersatzgrösse, weil viele Faktoren sie beeinflussen. Im Januar 2025 berichtete Fortune beispielsweise, dass der Lagerbestand von H&M durch Störungen im Roten Meer und einen späten Black Friday beeinträchtigt worden sei, also durch Faktoren, die kein Prognosemodell steuert.

Wo liegen die Grenzen und offenen Fragen?

Das Folgende ist redaktionelle Analyse. Erstens die Zuordnung: Ohne offengelegte Vorher-nachher-Ergebnisse lässt sich nicht sagen, wie viel der Lagerentwicklung von H&M auf KI zurückgeht und wie viel auf Sortimentsstraffung, veränderte Beschaffung oder Marktbedingungen. Zweitens die Datenabhängigkeit: Kundenkartendaten sind zentral für die Lokalisierung, erfassen aber nur Mitglieder, sodass sich Filialen und Märkte mit wenigen Mitgliedern schwerer modellieren lassen. Drittens die Governance generativer Inhalte: Die Bedingungen von H&M zu Einwilligung, Vergütung und Wasserzeichen beantworten die offensichtlichen ethischen Fragen, doch das Projekt wurde wegen des drohenden Wegfalls von Arbeit für Fotografen und Produktionsteams kritisiert. Viertens das Tempo: Schneller mit KI auf Trends zu reagieren, zahlt sich nur aus, wenn Beschaffungs- und Produktionsvorlaufzeiten eine schnellere Reaktion zulassen.

Eine weitere Frage betrifft die Kontinuität. Die 2019 zitierten Führungskräfte sind inzwischen nicht mehr in ihren Funktionen, und öffentlich ist nicht dokumentiert, wie sich die Arbeit an Allokation und Mengenplanung unter der neuen Führung entwickelt hat, abgesehen vom erklärten Ziel, schneller auf Trends zu reagieren.

Lesen Sie auch

Wie adidas KI einsetzt: vom Designarchiv bis zu generativem Content

Was können andere Modeunternehmen daraus lernen?

1. KI auf ein Bilanzproblem ausrichten. H&M knüpfte sein Programm an einen expliziten Zielwert für das Verhältnis von Lagerbestand zu Umsatz.
2. Kundenkarten- und Retourendaten nutzen, nicht nur Verkäufe, um zu verstehen, was die Kundschaft jeder Filiale tatsächlich will.
3. Lokal testen, bevor skaliert wird: Ein Pilot in einer einzigen Filiale machte die Wirkung für Merchandiser sichtbar und nachvollziehbar.
4. Bei generativen Bildern Einwilligung, Rechte, Vergütung und Kennzeichnung klären, bevor die Produktion startet.
5. Ergebniskennzahlen veröffentlichen oder zumindest intern verfolgen; ohne sie lassen sich KI-Investitionen kaum verteidigen.

Häufige Fragen

Wie nutzt H&M KI für die Allokation?

H&M hat erklärt, KI zu nutzen, um Prognose, Mengenplanung, Allokation und Preisgestaltung präziser zu machen. Zu den berichteten Dateneingaben gehören Kassenbons, Retouren und Kundenkartendaten, die bei der Entscheidung helfen, welche Produkte jede Filiale erhält.

Was sind die digitalen KI-Zwillinge von H&M?

Es handelt sich um KI-generierte Abbilder realer Models, die in Kampagnenbildern eingesetzt werden. H&M kündigte im März 2025 digitale Zwillinge von 30 Models an, die eingewilligt hatten; die Models behalten die Kontrolle über deren Verwendung und werden zu Sätzen bezahlt, die mit einem klassischen Shooting vergleichbar sind.

Hat KI den Lagerbestand von H&M reduziert?

H&M hat keine Zahlen veröffentlicht, die Veränderungen im Lagerbestand der KI zuschreiben. Der Bestand wird zudem von externen Faktoren wie Störungen in der Schifffahrt und dem Zeitpunkt von Verkaufsaktionen beeinflusst, weshalb Konzernzahlen weder als Beleg dafür noch dagegen gelesen werden können.

Welche Daten nutzt H&M für die Nachfrageprognose?

Laut dem Bericht von Retail Dive aus dem Jahr 2018 nutzten die Algorithmen von H&M Kassenbons, Retouren, Kundenkartendaten, Daten zu Website- und Filialbesuchen sowie externe Signale aus Blogs und Suchmaschinen und berücksichtigten dabei Wechselkursschwankungen.

LeitfadenDer umfassende Leitfaden zu KI in Merchandising und EinkaufDen ganzen Leitfaden lesen