KI für CFOs in der Mode: wo das Geld liegt und wie man es steuert

Für CFOs in der Mode liegt das Geld bei KI vor allem in besseren Bestandsentscheidungen (Einkauf, Allokation, Preisreduzierungen), genaueren Prognosen, der Automatisierung von Backoffice- und Finanzarbeit sowie in Produktivität bei Content und Service. Die Erträge sind ungleich verteilt und oft kleiner als versprochen. Aufgabe des CFO ist es daher, Ausgaben auf messbare Anwendungsfälle zu lenken, auf Ausgangswerten und Governance zu bestehen und Projekte zu stoppen, die nicht liefern.

Wo schafft KI in einem Modeunternehmen finanziellen Wert?

Die grössten finanziellen Hebel in der Mode sind Bestand und Marge: die richtigen Mengen einkaufen, sie im richtigen Kanal platzieren und sie mit möglichst wenig Preisreduzierung abverkaufen. KI-gestützte Prognose, Allokation und Markdown-Optimierung wirken direkt auf diese Hebel, weshalb sie meist die ersten Kandidaten für einen Business Case sind. Ein zweites Wertpotenzial liegt bei den Kosten: Automatisierung von Auftragserfassung, Rechnungsabgleich, Kundenservice und Contentproduktion. Ein drittes ist Wachstum durch Personalisierung und bessere Produktsuche, das real, aber schwerer zuzuordnen ist.

Für CFOs bedeutet das, drei Arten von KI-Ausgaben zu unterscheiden: Produktivitätstools, deren Wert sich als eingesparte Zeit zeigt, Entscheidungsunterstützung, deren Wert sich in Marge und Bestand zeigt, und neue kundenorientierte Fähigkeiten, deren Wert sich im Umsatz zeigt. Jede Art braucht eine andere Messgrösse, und wer sie in einem Business Case vermischt, kann den Wert kaum nachweisen.

Der Report The State of Fashion 2026 von McKinsey und The Business of Fashion stellte fest, dass mehr als 35 Prozent der befragten Führungskräfte generative KI bereits in Bereichen wie Kundenservice, Bilderstellung, Texterstellung und Produktsuche einsetzen, und argumentiert, dass Unternehmen über kleine Piloten hinauskommen müssen. Genau beim Schritt über die Piloten hinaus zählt finanzielle Disziplin.

Warum rechnen sich so viele KI-Projekte nicht?

Die Evidenz aus dem Jahr 2025 ist ernüchternd. Die im Juni 2025 veröffentlichte Umfrage von BCG unter Finanzverantwortlichen ergab einen Median-ROI von KI im Finanzbereich von nur 10 Prozent gegenüber einem üblichen Ziel von 20 Prozent; ein Drittel der Verantwortlichen meldete begrenzte oder keine Zugewinne, und nur 45 Prozent konnten die Erträge überhaupt beziffern. Der Bericht The GenAI Divide von MIT NANDA ergab laut Fortune vom August 2025, dass nur rund 5 Prozent der generativen KI-Piloten in Unternehmen eine schnelle Umsatzbeschleunigung erreichten. Die grössten Erträge verortete er in der Automatisierung des Backoffice, obwohl mehr als die Hälfte der Budgets für generative KI in Vertriebs- und Marketingtools floss, und er stellte fest, dass eingekaufte Lösungen spezialisierter Anbieter häufiger erfolgreich waren als Eigenentwicklungen.

Gartner ergänzt zwei Warnungen: Bis Ende 2026 werden Unternehmen 60 Prozent der KI-Projekte ohne KI-fähige Daten aufgeben, und bis Ende 2027 werden über 40 Prozent der Projekte mit agentischer KI wegen steigender Kosten, unklarem Geschäftsnutzen oder unzureichender Risikokontrollen eingestellt.

Lesen Sie auch

KI für CIOs und IT-Verantwortliche in der Mode: Architektur, Daten und Governance

Wie können Finanzteams KI selbst nutzen?

BCG nannte Risikomanagement wie Betrugserkennung, Finanzprognosen und Cashflow-Modellierung als die Anwendungsfälle im Finanzbereich mit der beständigsten Wirkung.

Wie sollte ein CFO einen KI-Business-Case aufbauen und steuern?

1. Bei einer Entscheidung und einem Ausgangswert beginnen: zum Beispiel die Markdown-Quote in einer Kategorie oder die Kosten der Rechnungsverarbeitung, gemessen vor Projektbeginn.
2. Kontrollgruppen nutzen: KI-gestützte Filialen, Kategorien oder Prozesse gegenüber vergleichbaren ohne KI.
3. Die vollen Kosten erfassen: Lizenzen, nutzungsabhängige Modellgebühren, Integration, Datenbereinigung, Change Management und laufendes Monitoring.
4. In Stufen finanzieren: kleiner Pilot, dann nur skalieren, wenn der gemessene Wert klar ist; BCG stellte fest, dass sowohl der Fokus auf Wert als auch die Umsetzung in gezielten, skalierbaren Schritten die Erfolgsquote erhöhten.
5. Verantwortung zuweisen: ein Verantwortlicher aus dem Geschäft, der für den Wert einsteht, nicht nur ein IT-Verantwortlicher für die Umsetzung.
6. Risikokontrollen verankern: Freigaberegeln, Prüfpfade, Datenschutz und regulatorische Compliance, einschliesslich des EU AI Act, wo relevant.

Was bleibt beim CFO und beim Finanzteam?

Kapitalallokation, Risikobereitschaft, die Definition dessen, was als Wert zählt, und die Verantwortung für berichtete Zahlen lassen sich nicht an ein Modell delegieren. KI kann Kommentare entwerfen oder Rückstellungen vorschlagen, aber das Finanzteam muss jede Zahl gegenüber Prüfern, Verwaltungsrat und Kreditgebern erklären und vertreten können. Lohnende Kompetenzen im Team sind Datenkompetenz, Experimentdesign, das Verständnis von Modellkosten und -grenzen sowie KI-Governance.

Das Finanzteam spielt auch eine Rolle dabei, KI-Kosten sichtbar zu machen. Nutzungsabhängige Preise für Sprachmodelle und KI-Funktionen können schnell wachsen, sobald Tools breit ausgerollt sind. Kosten pro Transaktion oder pro Nutzer sollten daher neben dem Wert verfolgt werden, mit Budgets und Warnschwellen wie bei Cloud-Ausgaben.

Lesen Sie auch

KI für E-Commerce-Manager in der Mode: ein Praxisleitfaden

Was sollte ein CFO in den ersten 30 Tagen tun, und welche Risiken gibt es?

Die Hauptrisiken sind Ausgaben, die sich auf viele kleine, ungemessene Piloten verteilen, steigende nutzungsabhängige Kosten, die nicht im Business Case standen, Wertbehauptungen, die sich nicht von anderen Effekten trennen lassen, Abhängigkeit von einzelnen Anbietern und Fehler in KI-generierten Zahlen, die in Finanzberichte gelangen. Disziplinierte Messung und eine Finanzierung mit Stage Gates verringern sie alle.