KI in der Sortimentsplanung nutzen, ohne die Marke zu verlieren

Lässt man ein Modell, das auf drei Jahren Verkaufsdaten trainiert ist, das Sortiment der nächsten Saison zusammenstellen, empfiehlt es vermutlich mehr schwarzen Strick, mehr schmale Chinos und mehr Logo-Sweatshirts. Statistisch liegt es damit richtig, strategisch ist es gefährlich. In der Sortimentsplanung prallen die Stärken der KI und die Identität der Marke am direktesten aufeinander, und die richtige Balance zu finden, ist heute eine zentrale Merchandising-Kompetenz.

Was kann KI in der Sortimentsplanung gut?

Auf der quantitativen Ebene des Sortiments verdient sich maschinelles Lernen seinen Platz. Es verarbeitet grosse Mengen an Modellen, Filialen und Grössen einheitlich und erkennt Muster, die in Tabellen leicht übersehen werden.

• Clustering von Filialen und Accounts: Verkaufsstellen oder Wholesale-Accounts nach tatsächlichem Einkaufs- und Verkaufsverhalten gruppieren statt nur nach Region oder Grösse.
• Tiefenempfehlungen: Mengen pro Option und Cluster auf Basis des Sell-through vergleichbarer Produkte vorschlagen.
• Grössenverteilungen: Grössenschlüssel nach Warengruppe und Cluster schätzen, was übrig bleibende Randgrössen reduziert.
• Sortimentsbereinigung: Optionen erkennen, die dauerhaft schwach abschneiden oder sich mit stärkeren Alternativen überschneiden.
• Lückenanalyse: Preislagen oder Warengruppen aufzeigen, in denen die Nachfrage in bestimmten Clustern unbedient scheint.

Warum können datengetriebene Sortimente eine Marke verwässern?

Ein Modell optimiert auf das Ziel, das man ihm vorgibt, meist Umsatz oder Sell-through, und zwar auf Basis der Historie, mit der es trainiert wurde. Das schafft eine eingebaute Neigung zur Wiederholung. Produkte, die nie angeboten wurden, können in den Daten nicht auftauchen, und Teile, die das Markenimage prägen, sich aber nur mässig verkaufen, wirken wie Schwachleister.

Über mehrere Saisons konvergiert ein Sortiment, das rein nach diesen Signalen geplant wird, meist zu sicheren, durchschnittlichen Produkten. Wholesale-Accounts bemerken das: Sieht die Kollektion aus wie alles andere auf der Fläche, verliert die Marke ihren Grund, gelistet zu werden. Auch Konsumenten bemerken es, oft bevor es die Daten tun.

Lesen Sie auch

Das KI-Vokabular, das jeder Einkäufer in der Mode kennen sollte

Wie sollten die Rollen zwischen KI und Team verteilt sein?

Das Prinzip ist einfach: Die Marke setzt die kreative Architektur, KI informiert über die Mengen, und die Planer übernehmen die Verantwortung für das Ergebnis. Wo die Grenze verläuft, ist von Marke zu Marke verschieden, sie sollte aber schriftlich festgehalten und nicht der Person überlassen werden, die gerade das Werkzeug bedient.

Wie schützt man die Marke in der Praxis?

1. Einen Teil des Sortiments abschirmen. Definieren Sie einen Anteil der Optionen als strategisch oder experimentell und beurteilen Sie ihn nach anderen Kriterien, etwa Presseresonanz, Sell-through zum vollen Preis in wichtigen Verkaufsstellen oder Neukundengewinnung.
2. Attribute nutzen, die die Marke beschreiben. Kennzeichnen Sie Produkte nach Stil, Passform, Designsignatur und Neuheitsgrad, damit das Modell ein Signature-Teil von einem Standardartikel mit ähnlichen Verkäufen unterscheiden kann.
3. Neuheiten eine eigene Prognoselogik geben. Behandeln Sie neue Modelle als Tests mit geringer Anfangstiefe und schnellem Re-Order-Potenzial, statt sie durch Modelle zu zwingen, die für Carry-over gebaut sind.
4. Empfehlungen in einer Merchandising-Sitzung prüfen. Präsentieren Sie KI-Vorschläge zusammen mit der kreativen Begründung und halten Sie Übersteuerungen und deren Ergebnisse fest.
5. Die richtigen Ergebnisse messen. Verfolgen Sie Sell-through zum vollen Preis, Abschriftenrisiko und Unverwechselbarkeit des Sortiments neben dem Volumen.

Was ändert sich bei Wholesale-Sortimenten?

Im Wholesale wird das Sortiment zweimal verhandelt: einmal intern beim Aufbau der Kollektion und erneut mit jedem Account in der Orderphase. KI kann in der zweiten Phase helfen, indem sie account-spezifische Auswahlen vorschlägt, basierend darauf, was ähnliche Händler gekauft und abverkauft haben. Gut eingesetzt, gibt das Einkäufern einen stärkeren Ausgangspunkt und hilft Vertriebsteams zu vermeiden, dass Accounts nur die sichersten Teile herauspicken.

Daraus entsteht auch eine Verantwortung. Erhält jeder Account einen Vorschlag nach derselben Bestsellerlogik, wird die Präsenz der Marke im Markt einheitlich und verwässert. Die Vertriebsleitung sollte festlegen, welche Schlüsselteile auf welcher Account-Stufe vertreten sein müssen, und die Empfehlungslogik sollte diese Regeln respektieren.

Lesen Sie auch

KI im Merchandising der Mode: was sie leistet, was sie braucht und wo sie scheitert

Was sollten Einkaufs- und Merchandising-Verantwortliche mitnehmen?

KI macht die Sortimentsplanung präziser, doch Präzision ist nicht dasselbe wie Richtung. Die Werkzeuge beantworten am besten die Frage «wie viel und wo», während die Marke weiterhin «was und warum» beantworten muss. Teams, die diese Aufteilung ausdrücklich machen, Raum für Neuheiten schützen und Erfolg nicht nur am Volumen messen, gewinnen Effizienz, ohne austauschbar zu werden.

Der Test am Ende jeder Saison ist einfach: Hat sich das Sortiment besser verkauft, und sieht es noch unverwechselbar nach der Marke aus? Ist die Antwort auf die zweite Frage unsicher, ist die Balance zu weit gekippt.