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

DAS WICHTIGSTE Zusammenfassung der Redaktion

1. Für CIOs in der Mode liegt die entscheidende KI-Arbeit weniger in der Wahl der Modelle als in den Datengrundlagen für Produkte, Verkäufe und Bestände, in der Integration und in der Governance.
2. Gartner berichtete im Februar 2025, dass 63 Prozent der Unternehmen keine geeigneten Datenmanagement-Praktiken für KI haben oder nicht wissen, ob sie welche haben, und prognostizierte, dass bis Ende 2026 60 Prozent der KI-Projekte ohne KI-fähige Daten aufgegeben werden.
3. Nach dem im Juli 2026 veröffentlichten EU-AI-Omnibus gelten die Pflichten für in Anhang III aufgeführte Hochrisiko-KI-Systeme, etwa bestimmte Anwendungen im Personalbereich, nun ab dem 2. Dezember 2027.
4. ISO/IEC 42001:2023 und das freiwillige NIST AI Risk Management Framework bieten etablierte Strukturen für ein KI-Managementsystem und einen Risikoprozess.
5. IT-Verantwortliche sollten KI als gesteuertes Portfolio führen, mit einem Inventar aller KI-Anwendungen, freigegebenen Tools, Regeln für den Datenzugriff und Monitoring, statt als isolierte Piloten.

Für CIOs und IT-Verantwortliche in der Mode hängt der Erfolg mit KI von drei Dingen ab: sauberen, vernetzten Produkt-, Verkaufs- und Bestandsdaten; einer Architektur, über die Modelle und KI-Dienste an ERP, Planung, PIM, Commerce und Wholesale-Systeme angebunden werden können; und einer Governance, die Sicherheit, Datenschutz und Regulierung abdeckt. Die Wahl des Modells ist weniger wichtig als diese Grundlagen, und viele Projekte bleiben an Daten und Integration hängen.

Welche Rolle spielt der CIO bei KI in einem Modeunternehmen?

IT-Landschaften in der Mode sind typischerweise fragmentiert: ERP, Product Lifecycle Management, Product Information Management, Warenplanung, Lager, E-Commerce, Marktplätze, Wholesale-Ordering und Kassensysteme im Handel, oft von verschiedenen Anbietern und über viele Jahre angeschafft. Fachbereiche bringen inzwischen KI-Anfragen aus allen Richtungen: Einkäufer wollen Prognosen, Designer Bildtools, der E-Commerce Assistenten, die Finanzabteilung Automatisierung. Aufgabe des CIO ist es, daraus ein stimmiges Portfolio zu machen, das sicher, regelkonform und auf gemeinsamen Daten aufgebaut ist, und einen Wildwuchs unverbundener Tools zu verhindern.

Ein praktischer Weg dahin ist eine Referenzarchitektur mit wenigen freigegebenen Mustern: KI-Funktionen innerhalb bestehender Plattformen, ein sicherer Enterprise-Assistent für die allgemeine Produktivität, Retrieval über kuratiertes Unternehmenswissen und eigene Modelle nur dort, wo Daten und Nutzen es rechtfertigen. Für jedes Muster gelten Standardregeln für Identität, Protokollierung, Datenzugriff und Kostenverfolgung, sodass neue Anfragen schnell bewertet werden können, statt als Einzelprojekte behandelt zu werden.

Welche Datengrundlagen braucht KI?

Gartner berichtete im Februar 2025, dass 63 Prozent der Unternehmen entweder keine geeigneten Datenmanagement-Praktiken für KI haben oder nicht wissen, ob sie welche haben, und prognostizierte, dass Unternehmen bis Ende 2026 60 Prozent der KI-Projekte ohne KI-fähige Daten aufgeben werden. Zu den Empfehlungen gehören, Daten auf konkrete Anwendungsfälle auszurichten, das Metadatenmanagement weiterzuentwickeln, Pipelines vorzubereiten und die Datenqualität kontinuierlich zu überwachen. In der Mode sind die Prioritäten meist:

• Ein einheitlicher Produktdatensatz mit konsistenten Attributen, Bildern und Identifikatoren über PLM, PIM, ERP und Kanäle hinweg.
• Verkäufe, Bestände und Retouren auf Ebene von SKU, Grösse und Standort über Retail, E-Commerce und Wholesale hinweg, einschliesslich Sell-out-Daten von Wholesale-Partnern, sofern verfügbar.
• Kundendaten mit Einwilligungsnachweisen für Personalisierung und Service.
• Unstrukturiertes Wissen (Richtlinien, Pflegehinweise, Lieferantendokumente), aufbereitet für den Abruf durch Sprachmodelle.
• Metadaten und Datenherkunft, damit Teams wissen, woher Daten stammen und wem sie gehören.

Lesen Sie auch

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

Welche KI-Fähigkeiten sollte die IT selbst bauen, einkaufen oder ermöglichen?

Bei der Frage Make or Buy werden viele Modeunternehmen die meisten Fähigkeiten einkaufen und die interne Entwicklung für Integration, Daten und wirklich differenzierende Anwendungsfälle reservieren. Bei Agenten ist Vorsicht angebracht: Gartner prognostizierte im Juni 2025, dass bis Ende 2027 über 40 Prozent der Projekte mit agentischer KI eingestellt werden, und warnte vor Agent Washing durch Anbieter, die bestehende Produkte umetikettieren.

Was bedeutet der EU AI Act für die Mode-IT?

Die meisten Anwendungsfälle in der Mode (Prognose, Empfehlungen, Content) gelten nach dem EU AI Act nicht als hochriskant, einige sind aber reguliert. Laut der Analyse des AI-Omnibus durch das Future of Privacy Forum, der am 24. Juli 2026 im Amtsblatt veröffentlicht wurde, gelten die Transparenzpflichten nach Artikel 50 für Chatbots und synthetische Inhalte ab dem 2. August 2026, und die Pflichten für in Anhang III aufgeführte Hochrisikosysteme, zu denen bestimmte Anwendungen im Personalbereich gehören, ab dem 2. Dezember 2027. Die Pflicht zur KI-Kompetenz nach Artikel 4 bleibt in abgeschwächter Form bestehen und verlangt von Organisationen, den Aufbau von KI-Kompetenz zu unterstützen. HR-Anwendungen wie das KI-gestützte Screening von Bewerbungen verdienen daher besondere Aufmerksamkeit.

Wie sollten IT-Verantwortliche KI steuern?

1. Ein KI-Inventar führen mit jedem eingesetzten Tool, jeder Funktion und jedem Modell, einschliesslich KI, die in bestehender Software aktiviert ist.
2. Anwendungsfälle nach Risiko einstufen, einschliesslich der Kategorien des EU AI Act, Datenschutz- und Markenrisiken.
3. Tools und Datenflüsse freigeben: welche Datenklassen an welche Anbieter gehen dürfen und zu welchen Vertragsbedingungen.
4. Ein Rahmenwerk übernehmen: ISO/IEC 42001:2023 legt Anforderungen an ein KI-Managementsystem fest, und das im Januar 2023 zur freiwilligen Nutzung veröffentlichte NIST AI Risk Management Framework gliedert die Arbeit in Govern, Map, Measure und Manage, ergänzt im Juli 2024 um ein Profil für generative KI.
5. Im Betrieb überwachen: Qualität, Drift, Kosten, Sicherheitsvorfälle und Feedback der Nutzer.

Lesen Sie auch

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

Was bleibt menschlich, und wie können IT-Verantwortliche in 30 Tagen starten?

Architekturentscheidungen, Anbieterauswahl, Risikoakzeptanz und die Verantwortung für Sicherheit und Compliance bleiben bei Menschen, ebenso die Priorisierung von Anfragen aus dem Geschäft. Kompetenzen, die IT-Teams aufbauen sollten, sind Data Engineering und Produktdatenmanagement, Integration und API-Design, KI-Sicherheit, Modellmonitoring und Kostenmanagement sowie praktisches Wissen über KI-Regulierung.

Häufige Fragen

Was sollte ein CIO in der Mode bei KI priorisieren?

Zuerst die Datengrundlagen, insbesondere konsistente Produktdaten und integrierte Verkaufs-, Bestands- und Retourendaten, danach Integrationsarchitektur und Governance. Sie entscheiden darüber, ob Prognose, Personalisierung und Assistenten im grossen Massstab Wert schaffen können.

Sollten Modeunternehmen KI selbst entwickeln oder einkaufen?

Die meisten Fähigkeiten, etwa Prognosetools oder KI-Funktionen in Commerce-Plattformen, werden in der Regel eingekauft, weil sie weniger Entwicklungsaufwand erfordern und mit gepflegten Integrationen kommen. Interne Teams konzentrieren sich typischerweise auf Integration, Daten und differenzierende Anwendungsfälle.

Welche KI-Anwendungen in der Mode gelten nach dem EU AI Act als hochriskant?

Die meisten typischen Anwendungen in der Mode wie Prognose, Empfehlungen und Contenterstellung sind nicht hochriskant. In Anhang III aufgeführte Anwendungen, darunter bestimmte im Personalbereich wie das Screening von Bewerbungen, sind es sehr wohl, und ihre Pflichten gelten nach dem AI-Omnibus ab dem 2. Dezember 2027. Für Chatbots und synthetische Inhalte gelten Transparenzpflichten.

Was ist ISO/IEC 42001?

ISO/IEC 42001:2023 ist eine internationale Norm, die Anforderungen an Aufbau, Umsetzung, Aufrechterhaltung und fortlaufende Verbesserung eines KI-Managementsystems festlegt. Sie hilft Organisationen, Entwicklung, Bereitstellung und Nutzung von KI mit definierten Richtlinien, Zielen und Prozessen zu steuern.

LeitfadenDer umfassende Leitfaden zur KI-Strategie für ModeunternehmenDen ganzen Leitfaden lesen