Wie wird KI in der Modebeschaffung für Kostenmodelle und Lieferantenverhandlungen eingesetzt?
KI kann Kleidungskosten aufschlüsseln, Angebote vergleichen und Verhandlungen vorbereiten. Was funktioniert, was Beratungsunternehmen versprechen und warum Vertrauen und Lieferantenbeziehungen weiterhin über das Ergebnis entscheiden.
DAS WICHTIGSTE Zusammenfassung der Redaktion
- In der Modebeschaffung wird KI vor allem eingesetzt, um Should-Cost-Modelle zu erstellen, Lieferantenangebote zu vereinheitlichen und zu vergleichen, Ausgaben zu analysieren und Verhandlungen vorzubereiten.
- Walmart nutzte KI-gestützte Verhandlungssoftware mit Textschnittstelle für Verhandlungen mit Long-Tail-Lieferanten, und laut Harvard Business Review kam mit 68 Prozent der angesprochenen Lieferanten eine Vereinbarung zustande.
- Die Beschaffungsstudie von BCG aus dem Jahr 2025 nennt Einsparungen von bis zu 15 Prozent in einigen Kategorien und eine um rund 50 Prozent schnellere Erstellung von Ausschreibungen in einem Kundenfall, doch es handelt sich um Schätzungen eines Beratungsunternehmens und nicht um unabhängige Ergebnisse.
- Should-Cost-Modelle sind nur so gut wie ihre Eingaben: Stoffverbrauch, Materialpreise, Arbeitsminuten, Gemeinkosten und Zölle müssen aktuell und produktspezifisch sein.
- Automatisierte Verhandlungen eignen sich am besten für standardisierte Einkäufe mit geringerem Wert; strategische Konfektionslieferanten hängen von langfristigen Beziehungen, Kapazitätsplanung und Compliance ab, die KI unterstützt, aber nicht ersetzt.
KI wird in der Modebeschaffung eingesetzt, um zu schätzen, was ein Kleidungsstück kosten sollte, Lieferantenangebote auf vergleichbarer Basis gegenüberzustellen und Einkäuferinnen und Einkäufer mit Daten zu Materialien, Arbeit und Marktpreisen auf Verhandlungen vorzubereiten. Für standardisierte Einkäufe gibt es bereits automatisierte Verhandlungsagenten, wie das Beispiel Walmart zeigt. Bei strategischen Konfektionslieferanten ist KI am besten als Unterstützung bei Vorbereitung und Analyse zu verstehen, nicht als Verhandlungsführerin.
Was ist Should-Cost-Modellierung für Kleidung?
Ein Should-Cost-Modell zerlegt den Preis eines Produkts in seine Bestandteile: Stoff und Zutaten (Verbrauch mal Preis), Arbeitskosten für Zuschnitt, Konfektion und Zutaten (Minuten mal Lohnsatz), Waschen oder Veredlung, Gemeinkosten, Marge, Verpackung, Fracht und Zölle. Der Vergleich des Modells mit dem Angebot eines Lieferanten zeigt, wo das Angebot hoch oder tief erscheint, und gibt dem Einkauf eine Faktenbasis für das Gespräch.
Diese Modelle für jeden Style manuell zu erstellen, kostet Zeit; viele Unternehmen nutzen sie daher nur für Kernprodukte. KI kann die Abdeckung erweitern, indem sie Tech Packs und Stücklisten liest, den Stoffverbrauch aus Schnitten oder ähnlichen Styles schätzt und aktuelle Materialpreise und Lohnsätze in die Berechnung einbezieht.
| Anwendung | Was KI tut | Wichtigste Eingaben | Hauptrisiko |
|---|---|---|---|
| Should-Cost-Modellierung | Schätzt die Kosten der Komponenten je Style | Tech Packs, Stücklisten, Materialpreise, Arbeitsminuten und Lohnsätze | Veraltete oder generische Eingaben |
| Vereinheitlichung von Angeboten | Wandelt Lieferantenangebote in unterschiedlichen Formaten in vergleichbare Kostenaufschlüsselungen um | Angebote, Incoterms, Währungen | Falsch gelesene Konditionen oder Währungen |
| Ausgabenanalyse | Klassifiziert Einkäufe und zeigt Preisabweichungen über Lieferanten und Saisons | Bestellungen, Rechnungen | Schlechte Produktkategorisierung |
| Verhandlungsvorbereitung | Fasst Lieferantenhistorie, Benchmarks und Gesprächspunkte zusammen | Leistungsdaten, Verträge, Marktdaten | Übermässig selbstsichere Empfehlungen |
| Automatisierte Verhandlung | Verhandelt Standardkonditionen mit vielen kleinen Lieferanten | Vorab genehmigte Zielkonflikte und Grenzen | Beschädigte Beziehungen bei Fehlgebrauch |
Kann KI mit Lieferanten verhandeln?
Sie kann, in Grenzen. Harvard Business Review beschrieb, wie Walmart mit mehr als 100'000 Lieferanten KI-gestützte Verhandlungssoftware mit textbasierter Schnittstelle einsetzte, um Long-Tail-Lieferanten zu erreichen, deren Standardvereinbarungen oft nie verhandelt wurden, weil dem Einkauf die Zeit fehlte. Der Chatbot verhandelte und schloss Vereinbarungen mit 68 Prozent der angesprochenen Lieferanten ab, wobei beide Seiten etwas gewannen, das ihnen wichtig war. Die Autoren empfahlen, mit indirekten Ausgaben und vorab freigegebenen Lieferanten zu beginnen und akzeptable Zielkonflikte im Voraus festzulegen.
Die strategischen Lieferanten der Mode sind anders. Konfektionsbetriebe reservieren Kapazitäten, investieren in Fertigkeiten und tragen Compliance-Pflichten, und die Preise hängen mit Lieferzeiten, Mindestmengen und Qualität zusammen. Automatisiertes Feilschen um ein paar Cent pro Stück könnte Beziehungen untergraben, die für die Kapazitätszuteilung in knappen Saisons und für soziale und ökologische Standards wichtig sind.
Welche Vorteile nennen Beratungsunternehmen?
Studien von Beratungsunternehmen sind optimistisch. Die Analyse von BCG vom Februar 2025 zur Beschaffung mit KI nennt je nach Kategorie sofortige Einsparungen von bis zu 15 Prozent, vor allem in indirekten Kategorien wie IT und Marketing, und beschreibt einen Kundenfall, in dem die Erstellung von Ausschreibungen rund 50 Prozent schneller wurde. Roland Berger argumentierte 2023, dass generative KI Strategieentwicklung, Ausschreibungsmanagement, Verhandlungsvorbereitung und Vertragsmanagement unterstützen könne und dass Chief Procurement Officers mit 50 bis 75 Prozent der heutigen Ressourcen bessere Ergebnisse erzielen könnten.
Diese Zahlen sind als Hinweise aus der eigenen Kundenarbeit der Beratungsunternehmen zu lesen, oft als «bis zu» formuliert, und nicht als unabhängige Benchmarks für die Mode. Bei der Beschaffung direkter Materialien für Bekleidung, mit ihren komplexen Kostenstrukturen und Lieferantenabhängigkeiten, dürften die Effekte kleiner und langsamer ausfallen als bei indirekten Ausgaben.
BCG führt den Erfolg von Transformationen zudem vor allem auf Menschen und nur teilweise auf Technologie und Algorithmen zurück, eine Erinnerung daran, dass Tools allein die Ergebnisse nicht verändern. Einkäuferinnen und Einkäufer müssen verstehen, wie ein Modell zu seinen Zahlen kommt, das Merchandising muss den Kostenzielen vertrauen, und Lieferanten müssen erkennen, dass der Prozess einheitlich ist. Wo diese Voraussetzungen fehlen, bleiben ausgefeilte Modelle oft ungenutzt oder werden übergangen.
Wie hilft KI beim Vergleich von Lieferantenangeboten?
Der Angebotsvergleich bringt oft den schnellsten Erfolg. Lieferanten schicken Preise in unterschiedlichen Vorlagen, Währungen und Lieferbedingungen, mal mit zusammengefassten, mal mit getrennten Stoff- und Konfektionskosten. Ein Sprachmodell kann diese Dokumente lesen, jedes Element einer Standard-Kostenaufschlüsselung zuordnen, Währungen und Incoterms nach den vom Beschaffungsteam definierten Regeln umrechnen und hervorheben, wo ein Angebot unvollständig ist. Der Einkauf sieht dann vergleichbare Zahlen nebeneinander und kann seine Fragen auf die Elemente konzentrieren, die sich am stärksten unterscheiden, etwa den Stoffpreis pro Meter oder die Konfektionsminuten.
Welche Daten braucht eine KI-gestützte Beschaffung?
- Strukturierte Tech Packs und Stücklisten mit Verbrauchsangaben.
- Aktuelle Preise für die wichtigsten Stoffe, Garne und Zutaten, mit Datum und Quelle.
- Standardminutenwerte oder Arbeitszeiten je Arbeitsgang sowie Lohnsätze nach Land.
- Historische Angebote, Einkaufspreise und Leistungsdaten der Lieferanten.
- Annahmen zu Fracht, Zöllen und Währungen, die bei veränderten Bedingungen aktualisiert werden.
2026 ist der letzte Punkt entscheidend. Der State of Fashion 2026 von McKinsey nennt Zölle als die von Führungskräften am häufigsten genannte Hürde und erwartet, dass Marken mit Preisen, Verlagerungen in der Beschaffung und Effizienzgewinnen reagieren. Ein Should-Cost-Modell mit veralteten Zollannahmen kann irreführender sein als gar kein Modell.
Wie sollte ein Beschaffungsteam KI einführen?
- Vorlagen für Kostenaufschlüsselungen standardisieren, damit Lieferantenangebote eine gemeinsame Struktur haben.
- KI nutzen, um Angebote für eine Produktkategorie zu vereinheitlichen und zu vergleichen.
- Should-Cost-Modelle für Kern-Styles erstellen und mit den tatsächlich verhandelten Preisen vergleichen.
- Briefings zur Verhandlungsvorbereitung einführen, die dem Einkauf die Daten zusammenfassen.
- Automatisierte Verhandlungen nur für standardisierte Einkäufe mit geringem Risiko in Betracht ziehen, etwa Verpackung oder indirekte Dienstleistungen.
- Die Ergebnisse mit der Finanzabteilung und mit Lieferanten überprüfen, um sicherzustellen, dass der Prozess als fair wahrgenommen wird.
Welche Risiken gibt es?
Die Hauptrisiken sind ungenaue Eingaben, die selbstsichere, aber falsche Kostenziele erzeugen, intransparente Modelle, die der Einkauf den Lieferanten nicht erklären kann, und Druck auf die Margen der Lieferanten, der mit Verpflichtungen zu verantwortungsvollem Einkauf kollidiert. Kostenmodelle, die Preise unter das Niveau drücken, das für faire Löhne und die Einhaltung von Standards nötig ist, schaffen Compliance-Risiken an anderer Stelle. Gute Praxis heisst, Modelle transparent zu halten, die Kostenlogik wo angemessen mit strategischen Lieferanten zu teilen und Annahmen zu Arbeitskosten zu verwenden, die die realen Verhältnisse widerspiegeln.
Häufige Fragen
Was ist eine Should-Cost-Analyse in der Mode?
Sie schätzt, was ein Kleidungsstück auf Basis von Materialien, Arbeitszeit, Gemeinkosten, Fracht und Zöllen kosten sollte. Der Einkauf vergleicht sie mit Lieferantenangeboten, um Abweichungen zu erkennen und Verhandlungen vorzubereiten.
Hat Walmart KI für Verhandlungen mit Lieferanten eingesetzt?
Ja. Laut Harvard Business Review setzte Walmart KI-gestützte Verhandlungssoftware mit textbasierter Schnittstelle für Long-Tail-Lieferanten ein und schloss mit 68 Prozent der angesprochenen Lieferanten Vereinbarungen ab.
Wie viel kann KI in der Beschaffung einsparen?
BCG nennt auf Basis seiner Kundenarbeit Einsparungen von bis zu 15 Prozent in einigen Kategorien, vor allem bei indirekten Ausgaben. Es handelt sich um Schätzungen eines Beratungsunternehmens, und die Ergebnisse bei direkten Materialien in der Mode dürften stark variieren.
Sollten Modemarken Verhandlungen mit Konfektionsbetrieben automatisieren?
Bei strategischen Konfektionslieferanten birgt automatisiertes Verhandeln Risiken für Beziehung und Compliance. KI wird dort besser eingesetzt, um den Einkauf mit Daten vorzubereiten, während sich Automatisierung für standardisierte Einkäufe mit geringerem Wert eignet.
Eine Ausgabe an jedem Werktag. In fünf Minuten gelesen. Kostenlos für Branchenprofis.
