KI bei Schuhen: Passform, Grössendaten und schnellere Produktentwicklung
Bei Schuhen entscheiden wenige Millimeter, ob ein Verkauf Bestand hat. KI hilft bei Fussscans, Grössenberatung und Designiteration, aber nur auf Basis exakter Leisten- und Produktdaten.
DAS WICHTIGSTE Zusammenfassung der Redaktion
- Schuhe sind das Modesegment, in dem sich die Passform am genauesten messen lässt, was Grössen- und Passformempfehlungen zu einem der praxistauglichsten KI-Anwendungsfälle der Kategorie macht.
- Nike Fit, 2019 lanciert, scannt laut Just Style beide Füsse mit der Smartphone-Kamera und erfasst 13 Datenpunkte mithilfe von Computer Vision und maschinellem Lernen.
- Zalando berichtete im Juni 2026, dass seine Grössen- und Passformlösungen 2025 insgesamt 8 Prozent der grössenbedingten Retouren verhinderten, auf Basis von maschinellem Lernen auf Produktdaten, Kundenfeedback und Retourenmustern.
- Passformempfehlungen sind nur so gut wie die Produktdaten dahinter: Leistenmasse, Innenmasse der Schuhe und Passformfeedback je Modell zählen mehr als der Algorithmus.
- Ab dem 19. Juli 2026 dürfen grosse Unternehmen in der EU unverkaufte Schuhe nicht mehr vernichten, was bessere Grössenverteilungen und weniger grössenbedingte Retouren wertvoller macht.
KI wird bei Schuhen vor allem eingesetzt, um anhand von Fussscans, Kaufhistorie und Retourendaten die richtige Grösse zu empfehlen, die Designiteration zu beschleunigen und Grössenverteilungen genauer zu planen. Sie hat hier eine andere Bedeutung als bei Bekleidung, weil sich die Passform in Millimetern messen lässt, Weite und Volumen je Modell variieren und eine falsche Grösse meist eine Retoure bedeutet. Bessere Passformdaten wirken sich daher direkt auf Marge und Abfall aus.
Warum hat KI bei Schuhen eine andere Bedeutung?
Schuhe werden über Leisten gefertigt, die fussförmigen Formen, die das Innenvolumen eines Modells bestimmen. Zwei Schuhe mit derselben Grössenangabe können sehr unterschiedlich passen, und Grössensysteme unterscheiden sich zwischen Marken und Regionen. Kunden wissen das, weshalb beim Online-Schuhkauf oft mehrere Grössen bestellt und die meisten davon zurückgeschickt werden. Jedes retournierte Paar kostet Versand, Bearbeitung und manchmal Wiederverkaufswert.
Schuhe haben zudem lange, teure Entwicklungszyklen: Leisten, Sohlenformen und mehrere Musterrunden. Jedes Tool, das eine Musterrunde oder eine Formänderung einspart, spart echtes Geld. Schliesslich sind Grössenverteilungen (der Anteil jeder Grösse am Einkauf eines Modells) schwieriger als bei Bekleidung, weil es mehr Grössen und teilweise mehrere Weiten gibt, sodass sich der Bestand dünn verteilt.
Was sind die wichtigsten KI-Anwendungsfälle bei Schuhen?
| Anwendungsfall | Warum er in diesem Segment zählt | Beispiel (nur wenn verifiziert) | Reifegrad |
|---|---|---|---|
| Fussscan und Grössenempfehlung | Die Passform variiert je Leisten; eine falsche Grösse bedeutet meist eine Retoure | Nike Fit: Smartphone-Scan mit 13 Datenpunkten (Just Style, 2019) | Etabliert |
| Grössenberatung aus Kauf- und Retourendaten | Funktioniert ohne Scan und für den gesamten Katalog | Zalando: Grössen- und Passformlösungen verhinderten 2025 8 Prozent der grössenbedingten Retouren (Zalando, 2026) | Etabliert |
| Generatives Konzeptdesign | Teure Entwicklungszyklen belohnen eine schnellere Ideenfindung | Projekt A.I.R. von Nike mit 13 Athleten (Dezeen, 2024) | Im Kommen |
| Grössenverteilung und Nachfrageplanung | Viele Grössen und Weiten verteilen den Bestand dünn | Hier kein verifizierter Fall verwendet | Etabliert |
| Extraktion von Produktattributen aus Bildern | Grosse Sortimente brauchen konsistente Daten zu Weite, Sprengung und Materialien | Hier kein verifizierter Fall verwendet | Im Kommen |
| Simulation der Leistung von Sohle und Schaft | Könnte physische Muster und Formänderungen reduzieren | Hier kein verifizierter Fall verwendet | Experimentell |
Wie empfiehlt KI die richtige Schuhgrösse?
Es gibt zwei grundlegende Ansätze. Der erste misst den Fuss. Nike Fit, 2019 lanciert, nutzt laut Just Style die Smartphone-Kamera, um beide Füsse zu scannen, und erfasst innerhalb von Sekunden 13 Datenpunkte der Fussmorphologie, indem es Computer Vision, maschinelles Lernen und Empfehlungsalgorithmen kombiniert. Nike argumentierte damals, dass Länge und Breite allein nicht genug Daten für eine bequeme Passform liefern.
Der zweite Ansatz lernt aus dem Verhalten. Die Darstellung von Zalando vom Juni 2026 zu seiner Arbeit an Grösse und Passform beschreibt maschinelles Lernen auf Produktdaten, Kundenfeedback und Retourenmustern, kombiniert mit persönlichen Passformprofilen und einer virtuellen Umkleidekabine. Zalando gab an, dass seine Lösungen 2025 insgesamt 8 Prozent der grössenbedingten Retouren verhinderten. Die Arbeit umfasst Mode allgemein, nicht nur Schuhe, doch die Methode lässt sich direkt auf Schuhe übertragen.
Die meisten ausgereiften Lösungen kombinieren beides: Scandaten, wo der Kunde sie zur Verfügung stellt, und Verhaltensdaten für alle anderen. In jedem Fall muss die Empfehlung wissen, wie jedes Schuhmodell im Vergleich zu anderen ausfällt, womit das Problem wieder bei den Produktdaten liegt.
Wie verändert KI die Produktentwicklung bei Schuhen?
Generative KI wird am Anfang des Designprozesses eingesetzt. 2024 berichtete Dezeen, dass Nike-Designer Hunderte Bilder aus Prompts auf Basis der Vorlieben von 13 Spitzenathleten erzeugten und die Konzepte anschliessend mit 3D-Skizzen und 3D-Druck bis zu Prototypen verfeinerten. Der Artikel beschrieb, wie dadurch Schritte verdichtet wurden, die üblicherweise Wochen oder Monate dauern.
In späteren Phasen können KI-gestützte Designtools Sohlenmuster oder Schaftkonstruktionen vorschlagen, doch technische Validierung, Materialtests und die Machbarkeit in der Fabrik bleiben unverzichtbar. Ein praxistauglicher Ablauf sieht so aus:
- Aus einem Briefing, dem Input von Athleten oder Archivreferenzen eine breite Palette an Konzeptrichtungen generieren.
- Richtungen mit Designern und Entwicklern in 3D-Designtools auswählen und verfeinern.
- Die Herstellbarkeit mit bestehenden Leisten und Sohlenformen prüfen, um neue Werkzeuge nach Möglichkeit zu vermeiden.
- Physische Muster nur für die stärksten Optionen fertigen und Passform und Leistung testen.
- Ergebnisse der Passformtests als strukturierte Daten für spätere Grössenempfehlungen festhalten.
Welche Daten braucht KI bei Schuhen?
KI bei Schuhen hängt von Produkt-, Kunden- und Transaktionsdaten ab, die oft verstreut sind. Produktdaten sollten Leistenreferenzen, Innenmasse, Weiten, Sprengung, Sohlenhöhe, Schaftmaterial und Verschlussart umfassen. Kundendaten können Scanmasse, bevorzugte Grössen bei anderen Marken und Passformfeedback enthalten, die alle eine Einwilligung und einen sorgfältigen Umgang mit dem Datenschutz erfordern. Transaktionsdaten müssen Retourengründe strukturiert erfassen: zu klein, zu gross, zu schmal, zu weit. Freitextgründe wie hat nicht gefallen sind für jedes Modell nur begrenzt nützlich.
Welche Risiken sind spezifisch für Schuhe?
- Komfort und Gesundheit: Eine Empfehlung, die einen Kunden zu einem schlecht sitzenden Schuh führt, kann Beschwerden verursachen; Marken sollten medizinische Aussagen vermeiden.
- Biometrieähnliche Daten: Detaillierte Fussscans sind personenbezogene Daten und sollten nur mit klarer Einwilligung gespeichert und genutzt werden.
- Inkonsistenz zwischen Marken: Empfehlungen auf Basis der Grössen bei anderen Marken hängen von deren Passform ab, die sich im Lauf der Zeit ändert.
- Falsche Sicherheit bei Konzepten: Generierte Designs können Konstruktionsrestriktionen ignorieren und zu teuren Werkzeugen führen.
- Unverkaufte Ware: In der EU dürfen grosse Unternehmen laut Europäischer Kommission ab dem 19. Juli 2026 unverkaufte Schuhe nicht mehr vernichten, sodass schlechte Grössenverteilungen nun höhere Kosten verursachen.
Was sollte eine Schuhmarke zuerst tun?
Beginnen Sie bei den Daten, nicht beim Scanner. Strukturieren Sie Retourengründe, erfassen Sie passformrelevante Produktattribute je Leisten und Modell und analysieren Sie, welche Modelle grössenbedingte Retouren verursachen. Schon diese Analyse zeigt oft schnelle Verbesserungen auf, etwa klarere Passformhinweise auf Produktseiten. Pilotieren Sie danach Grössenempfehlungen für die Modelle mit den höchsten grössenbedingten Retourenquoten und messen Sie Retouren, Conversion und Umtausch.
Nutzen Sie auf der Designseite generative Tools für frühe Konzeptarbeit, mit klaren Regeln zu geistigem Eigentum und zur Wiederverwendung bestehender Leisten und Formen. Bei Schuhen zahlt sich jede Verbesserung der Passformdaten doppelt aus: einmal durch weniger Retouren und einmal durch bessere Grössenverteilungen beim nächsten Einkauf.
Häufige Fragen
Wie hilft KI, die richtige Schuhgrösse zu finden?
KI misst entweder den Fuss, etwa per Smartphone-Scan, oder lernt aus Kauf-, Feedback- und Retourenmustern, welche Grösse bei einem bestimmten Modell am besten passt. Nike Fit scannt 13 Datenpunkte des Fusses, während Zalando maschinelles Lernen auf Produktdaten, Feedback und Retouren einsetzt. Beide hängen von exakten Passformdaten der Produkte ab.
Verringern KI-Grössenempfehlungen Retouren?
Das können sie. Zalando berichtete, dass seine Grössen- und Passformlösungen 2025 insgesamt 8 Prozent der grössenbedingten Retouren verhinderten und dass Piloten mit virtuellen Umkleidekabinen die Retouren um bis zu 40 Prozent senkten. Die Ergebnisse hängen von der Datenqualität ab und davon, wie viele Kunden die Tools nutzen.
Wird KI zum Entwerfen von Schuhen eingesetzt?
Ja, vor allem für frühe Konzepte. Das Projekt A.I.R. von Nike nutzte 2024 generative KI, um aus den Vorlieben von Athleten Hunderte Konzeptbilder zu erstellen, bevor Designer sie mit 3D-Skizzen und 3D-Druck verfeinerten. Entscheidungen zu Engineering, Tests und Fertigung bleiben bei Menschen.
Welche Daten brauchen Schuhmarken für KI-Passformtools?
Sie brauchen Leistenreferenzen und Innenmasse je Modell, Weitenoptionen, strukturiertes Passformfeedback und strukturierte Retourengründe. Fussscans oder Grössenpräferenzen der Kunden erhöhen die Präzision, erfordern aber eine Einwilligung und einen sorgfältigen Umgang mit dem Datenschutz.
Eine Ausgabe an jedem Werktag. In fünf Minuten gelesen. Kostenlos für Branchenprofis.
