Wie wird KI in der Supply Chain der Mode eingesetzt?

DAS WICHTIGSTE Zusammenfassung der Redaktion

1. In den Lieferketten der Mode wird KI vor allem für Bedarfs- und Produktionsplanung, Logistik- und Lagerautomatisierung, die Überwachung von Lieferantenrisiken und die Qualitätsprüfung eingesetzt.
2. KI in der Supply Chain ist meist prädiktives maschinelles Lernen oder Computer Vision und keine generative KI, und sie hängt von sauberen, verknüpften Auftrags-, Bestands- und Produktdaten ab.
3. Im März 2026 kündigte Zalando an, nach einem Pilotprojekt mit 100'000 Picks pro Tag bis zu 50 KI-gestützte Kommissionierroboter in europäischen Fulfillment-Centern zu installieren.
4. Ein Projekt des Fraunhofer IWU aus dem Jahr 2026 zeigte, dass ein Prognosetool auf Basis eines neuronalen Netzes bei einem deutschen Textilhersteller die Planung per Tabellenkalkulation ersetzen kann, wobei die endgültigen Entscheidungen bei den Planern bleiben.
5. Regulierung wie die EU-Zwangsarbeitsverordnung, anwendbar ab dem 14. Dezember 2027, macht Transparenz in der Lieferkette von einer Kür zur Compliance-Pflicht.

KI wird in der Supply Chain der Mode eingesetzt, um die Nachfrage zu prognostizieren und die Produktion zu planen, Lager- und Logistikaufgaben zu automatisieren, Lieferanten auf Risiken zu überwachen und die Produktqualität zu prüfen. In der Praxis handelt es sich meist um prädiktives maschinelles Lernen und Computer Vision, die mit Auftrags-, Bestands- und Produktdaten arbeiten, und ihr Nutzen hängt weit stärker von der Qualität dieser Daten ab als vom Algorithmus.

Warum ist die Supply Chain der Mode so schwer zu planen?

Die Mode verbindet lange Vorlaufzeiten mit kurzen Verkaufsfenstern. Stoffe werden oft Monate, bevor ein Modell in den Laden kommt, fest bestellt, die Sortimente wechseln jede Saison, und jedes Modell vervielfacht sich in Farben und Grössen. Die Produktion verteilt sich auf viele Lieferantenstufen, häufig in mehreren Ländern, während sich die Nachfrage mit Wetter, Trends und Aktionen verschieben kann.

Auch der äussere Druck hat zugenommen. Der Bericht The State of Fashion 2026 von The Business of Fashion und McKinsey nennt Zollturbulenzen als ersten seiner zehn Trends für das Jahr, mit Marken, die ihre Beschaffung verlagern und nach Effizienz suchen, und berichtet, dass 46 Prozent der befragten Führungskräfte für 2026 eine Verschlechterung der Lage erwarten. In diesem Umfeld sind bessere Planung und schnellere Reaktion die Hauptgründe, warum sich Unternehmen mit KI befassen.

Wo wird KI entlang der Supply Chain der Mode eingesetzt?

Die Anwendungsfälle unterscheiden sich in ihrem Reifegrad erheblich. Manche, wie statistische Prognosen und Lagerautomatisierung, sind etabliert; andere, wie die autonome Neuplanung über mehrere Lieferantenstufen hinweg, sind weitgehend experimentell.

Lesen Sie auch

KI für Beschaffungs- und Supply-Chain-Manager in der Mode

Wie verbessert KI die Bedarfs- und Produktionsplanung?

Prognosen sind der häufigste Einstiegspunkt. Machine-Learning-Modelle suchen nach Trends, Saisonalität und Zusammenhängen zwischen Produktattributen und Verkäufen und erstellen Prognosen, die die Planer prüfen können. Ziel ist es, Stoffe und Kapazitäten näher an der tatsächlichen Nachfrage zu binden, was sowohl Ausverkäufe als auch Überbestände verringert.

Ein veröffentlichtes Beispiel stammt aus der Industrie. Im Juni 2026 berichtete das Fraunhofer IWU über ein Prognosetool, das gemeinsam mit Logsol für den deutschen Textilhersteller frottana Textil entwickelt wurde. Das auf vier Jahren historischer Verkaufsdaten trainierte Modell auf Basis eines neuronalen Netzes erklärte 82,7 Prozent der Absatzschwankungen, bei einer durchschnittlichen Abweichung von rund 38 Einheiten gegenüber durchschnittlichen Monatsverkäufen von etwa 340 Einheiten. Es ersetzte die manuelle Planung per Tabellenkalkulation, doch die Planer können weiterhin jede Prognose prüfen und anpassen. Die Forschenden wiesen auch darauf hin, was das Modell noch nicht nutzte: Vertriebskanäle, Regionen und Aktionen wurden nicht unterschieden, was zeigt, wie viel Potenzial in reichhaltigeren Daten steckt.

Für Marken, die über den Wholesale verkaufen, sind Auftragsdaten der Handelspartner und, wo verfügbar, Sell-out-Daten wichtige Inputs. Pre-Orders liefern ein frühes Nachfragesignal, bevor die Produktion feststeht, und Re-Orders zeigen, was sich tatsächlich verkauft. Ohne diese strukturierten Daten greifen Prognosemodelle auf eine unvollständige Historie zurück.

Was leistet KI in Logistik und Lager der Mode?

Im Lager trifft KI auf physische Abläufe. Computer Vision ermöglicht es Robotern, Artikel zu erkennen und die Art des Greifens anzupassen, was in der Mode wichtig ist, weil sich Produkte in Form und Verpackung stark unterscheiden.

Am 19. März 2026 kündigte Zalando an, bis zu 50 KI-gestützte Roboter des Robotikunternehmens Nomagic in Fulfillment-Centern in Deutschland, Italien, den Niederlanden, Schweden und Frankreich zu installieren. Laut Zalando kommissionieren, scannen und übergeben die Roboter einzelne Artikel an automatisierte Sorter, darunter auch Schuhkartons mit losen Deckeln, und das Pilotprojekt erreichte 100'000 Picks pro Tag. KI wird zudem für die Prognose von Lieferzeiten, die Lagerplatzvergabe und die Routenplanung genutzt, meist innerhalb von Logistiksoftware und nicht als eigenständiges Tool.

Kann KI die Lieferketten der Mode widerstandsfähiger machen?

KI kann Unternehmen helfen, Probleme früher zu erkennen. Modelle können Nachrichten-, Wetter-, Hafen- und Schifffahrtsdaten auswerten, um wahrscheinliche Verzögerungen zu melden, und die Auswirkungen einer verspäteten Stofflieferung auf eine Kollektion simulieren. Sie können jedoch nur vor Risiken bei Lieferanten warnen, die das Unternehmen kennt. Vielen Marken fehlen noch immer verlässliche Listen ihrer vorgelagerten Lieferanten wie Webereien und Spinnereien.

Die Regulierung erhöht den Druck, diese Lücke zu schliessen. Die Verordnung (EU) 2024/3015 verbietet Produkte, die in Zwangsarbeit hergestellt wurden, auf dem EU-Markt; laut rechtlichen Analysen gilt sie ab dem 14. Dezember 2027 und erfasst alle Produkte und alle Produktionsstufen. KI-gestützte Überwachung kann helfen, Lieferantendaten zu ordnen und externe Quellen zu screenen, ersetzt aber weder Audits noch Lieferantenbeziehungen noch menschliches Urteilsvermögen.

Welche Grenzen und Risiken hat KI in der Supply Chain?

• Datenqualität: Fehlende, doppelte oder uneinheitliche Produkt- und Auftragsdaten führen zu unzuverlässigen Ergebnissen.
• Neue Produkte: Modelle ohne Verkaufshistorie sind schwer zu prognostizieren und brauchen attributbasierte oder Analogieverfahren sowie menschlichen Input.
• Erklärbarkeit: Planer müssen verstehen, warum ein Modell eine Menge empfiehlt, sonst übersteuern sie es.
• Integrationskosten: Die Anbindung von KI an ERP-, Lager- und Lieferantensysteme kostet oft mehr als das Modell selbst.
• Übermässiges Vertrauen: Modelle, die auf stabilen Jahren trainiert wurden, können versagen, wenn Zölle, Konflikte oder Nachfrageschocks das Muster verändern.

Lesen Sie auch

Wie erkennt KI Fehler in Stoffen und Kleidungsstücken?

Wie sollten Modeunternehmen mit KI in der Supply Chain beginnen?

1. Wählen Sie eine Entscheidung mit klar bezifferbaren Kosten, etwa die Erstorder-Mengen oder das Replenishment, und messen Sie den heutigen Fehler.
2. Prüfen Sie die dahinterliegenden Daten: Produktstammdaten, Auftrags- und Verkaufshistorie, Bestände und Lieferantenlisten.
3. Führen Sie ein Pilotprojekt durch, in dem die Planer KI-Vorschläge über mindestens eine Saison mit ihren eigenen Entscheidungen vergleichen.
4. Lassen Sie Menschen für die endgültigen Entscheidungen verantwortlich bleiben und dokumentieren Sie, wie das Modell genutzt wird.
5. Skalieren Sie nur dort, wo das Pilotprojekt eine messbare Verbesserung bei Genauigkeit, Bestand oder Servicegrad zeigt.

Der Bericht The State of Fashion 2026 hält fest, dass mehr als 35 Prozent der Führungskräfte generative KI bereits für Routineaufgaben nutzen. In der Supply Chain dürften die nachhaltigeren Fortschritte jedoch aus weniger sichtbarer Arbeit kommen: verknüpften Daten, soliden Prognosen und gut integrierter Automatisierung.

Häufige Fragen

Was ist KI in der Supply Chain der Mode?

Es ist der Einsatz von maschinellem Lernen, Computer Vision und verwandten Verfahren, um Modeprodukte zu planen, zu beschaffen, zu produzieren, zu transportieren und zu prüfen. Gängige Anwendungen sind Nachfrageprognosen, Lagerautomatisierung, die Überwachung von Lieferantenrisiken und die Qualitätsprüfung.

Verringert KI die Überproduktion in der Mode?

Bessere Prognosen können helfen, die Produktion an der Nachfrage auszurichten, was Überbestände verringern kann. Der Effekt hängt von der Datenqualität, den Vorlaufzeiten und davon ab, ob Unternehmen tatsächlich nach den Prognosen handeln. Rückgänge sollten deshalb gemessen und nicht vorausgesetzt werden.

Welche Modeunternehmen setzen KI in der Logistik ein?

Zalando ist ein veröffentlichtes Beispiel: Im März 2026 kündigte das Unternehmen bis zu 50 KI-gestützte Kommissionierroboter für seine europäischen Fulfillment-Center an. Viele grosse Händler nutzen KI zudem innerhalb ihrer Lager- und Transportsoftware.

Welche Daten braucht KI in der Supply Chain?

Mindestens saubere Produktstammdaten, Verkaufs- und Auftragshistorie, Bestandspositionen und Lieferantendaten. Wholesale-Auftragsdaten und Sell-out-Daten der Handelspartner verbessern die Prognosen für Marken, die über Dritte verkaufen.

LeitfadenDer umfassende Leitfaden zu KI in der Mode-Supply-Chain und NachhaltigkeitDen ganzen Leitfaden lesen