KI in Schnittkonstruktion und Gradierung: Was heute automatisiert ist
Die Forschung zeigt, dass KI für einfache Kleidungsstücke brauchbare Schnitte erzeugen kann, während komplexe Konstruktionen, unterschiedliche Körperformen und Produktionstoleranzen weiterhin Schnittkonstrukteure brauchen.
DAS WICHTIGSTE Zusammenfassung der Redaktion
- Eine Masterarbeit der Drexel University vom Juni 2025 testete feinabgestimmte Sprachmodelle, die Kleidungsbilder in Schnittdateien übersetzen, und stellte fest, dass ein auf 150 einfachen Overalls trainiertes Modell nach kleinen Korrekturen zu rund 42 % in der Fertigung brauchbar war.
- In derselben Studie erzeugten Modelle, die auf 300 Hosen und 3000 vielfältigen Kleidungsstücken trainiert wurden, Schnitte, die als ungeeignet für die Produktion beurteilt wurden; mehr Daten verbesserten die Ergebnisse also nicht von selbst.
- GarmentCode, eine Forschungs-Programmiersprache für parametrische Schnittmuster, automatisiert einfache Aufgaben wie die Platzierung von Abnähern und erlaubt es, ein Kleidungsstück durch Änderung von Parametern auf andere Körperformen umzustellen.
- Der Drexel-Autor schliesst, dass KI Schnittkonstrukteure ergänzen und nicht ersetzen sollte, und stellte fest, dass anwendungsspezifische Modelle allgemeinen überlegen waren.
- Handwerkliche Fähigkeiten wie Schnittkonstruktion und die taktile Beurteilung von Toiles bleiben laut einem wissenschaftlichen Beitrag von 2025 zu generativer KI im Modedesign unverzichtbar.
KI automatisiert heute die repetitiven und regelbasierten Teile der Schnittkonstruktion: Kleidungsmerkmale aus Bildern lesen, Schnittentwürfe für einfache Styles erzeugen, parametrische Änderungen anwenden und Gradierregeln vorschlagen. Das Urteil der Schnittkonstrukteurin bei komplexer Konstruktion, bei der Passform auf unterschiedlichen Körpern, beim Stoffverhalten oder bei Fabriktoleranzen ersetzt sie noch nicht. Die veröffentlichten Forschungsergebnisse sind für einfache Kleidungsstücke vielversprechend und für alles Komplizierte schwach.
Was umfasst die Schnittkonstruktion, und was lässt sich automatisieren?
Die Schnittkonstruktion übersetzt ein Design in flache Teile mit Nahtzugaben, Kerben, Fadenlaufmarkierungen und Konstruktionslogik. Die Gradierung skaliert einen Basisschnitt über eine Grössenreihe. Beide sind regellastig und damit Kandidaten für Automatisierung, enthalten aber auch Ermessensentscheidungen, die von Stoff, Passformphilosophie und Fabrik abhängen. Die Automatisierung beginnt deshalb meist bei definierten, wiederholbaren Teilaufgaben.
- Kleidungsmerkmale aus Fotografien oder technischen Zeichnungen (Flats) extrahieren.
- Einen ersten Schnittentwurf für einen einfachen, gut repräsentierten Style erzeugen.
- Parameter wie Länge oder Abnäherposition ändern und den Schnitt neu erzeugen.
- Einen Schnitt auf eine andere Körperform oder Grösse umstellen.
- Standardmässige Gradiersprünge anwenden und fehlende Masse markieren.
Was zeigt die Forschung zu KI-generierten Schnitten?
Eine Masterarbeit der Drexel University von Junyi Chen vom Juni 2025 testete eine zweistufige Pipeline, in der ein Bildmodell Kleidungsmerkmale aus Bildern extrahiert, sie als JSON strukturiert und spezialisierte Sprachmodelle diese Spezifikation in SVG-Schnittdateien übersetzen. Die Trainingsdaten stammten aus mehr als 10 000 Schnitten des Industriepartners URBN und des öffentlichen Repositorys GarmentCodeData. Professionelle Schnittkonstrukteure von URBN bewerteten die Ergebnisse.
Die Ergebnisse waren gemischt. Die Bildkomponente arbeitete robust. Ein auf 150 einfachen Overalls feinabgestimmtes Modell war zu rund 42 % in der Fertigung brauchbar und brauchte nur kleine Korrekturen. Modelle, die auf 300 Hosen unterschiedlicher Komplexität und auf 3000 vielfältigen Kleidungsstücken trainiert wurden, erzeugten Schnitte, die als ungeeignet für die Produktion beurteilt wurden; mehr Daten verbesserten die Ergebnisse also nicht. Der Autor stellte fest, dass fokussierte, anwendungsspezifische Modelle allgemeinen überlegen waren und dass Modelle mit nuancierten Konstruktionsdetails, unterschiedlichen Körperformen und fertigungsreifen Spezifikationen Mühe hatten. Die Arbeit schliesst, dass KI Schnittkonstrukteure ergänzen sollte.
Dies ist eine einzelne Masterarbeit, keine Marktumfrage, und sie beschreibt einen Forschungsprototyp. Sie ist am besten als realistischer Hinweis darauf zu lesen, wo die Technik Mitte 2025 stand.
Wo passen parametrische Schnitte hinein?
Ein anderer Ansatz erzeugt Schnitte nicht von Grund auf, sondern kodiert sie als Programme. GarmentCode, 2023 von Maria Korosteleva und Olga Sorkine-Hornung vorgestellt, ist eine domänenspezifische Sprache, die Schnittmuster hierarchisch aus austauschbaren, parametrisierten Komponenten aufbaut. Die Autorinnen beschreiben sie als Automatisierung einfacher Aufgaben wie die Platzierung eines Abnähers an einer gewählten Stelle und als Unterstützung der Umstellung von Kleidungsstücken auf andere Körperformen über einen Konfigurator. Die beschreibende Seite meldet keine quantitative Auswertung, ihre Aussagen stützen sich also auf die gezeigten Beispiele.
Parametrische Systeme sind für die Gradierung wichtig, weil sich ein durch Regeln definierter Schnitt für eine neue Grösse oder ein neues Körpermass neu erzeugen lässt, statt neu gezeichnet zu werden. Sie liefern zudem strukturierte Trainingsdaten für maschinelles Lernen, weshalb das öffentliche Repository GarmentCodeData in der Drexel-Studie auftaucht.
Was braucht weiterhin eine Schnittkonstrukteurin?
| Aufgabe | Stand in der veröffentlichten Forschung | Rolle des Menschen |
|---|---|---|
| Merkmalsextraktion aus Bildern | In der Drexel-Studie robust ausgeführt | Details wie Nähte und Zutaten prüfen |
| Schnitte einfacher Kleidungsstücke | Rund 42 % nach kleinen Korrekturen brauchbar beim besten Drexel-Modell | Prüfen, korrigieren und freigeben |
| Komplexe Kleidungsstücke | Bei den grösseren Modellen als ungeeignet für die Produktion beurteilt | Konstruktion erstellen und lösen |
| Parametrische Änderungen und Umstellung | Durch GarmentCode-Beispiele unterstützt | Regeln festlegen und Passform prüfen |
| Stoffverhalten und Passformurteil | Laut einem Designbeitrag von 2025 nicht allein durch Simulation gelöst | Toile-Beurteilung und Anproben |
| Fabriktoleranzen und Spezifikationen | Modelle taten sich schwer, fertigungsreife Spezifikationen zu erfüllen | Mit der Fabrik erarbeiten und verhandeln |
Welche Daten braucht man, um es auszuprobieren?
Das Drexel-Ergebnis legt nahe, dass Qualität und Konsistenz der Schnitte wichtiger sind als Menge. Ein Unternehmen, das Automatisierung erwägt, sollte zuerst prüfen, ob seine eigenen Schnitte digital vorliegen, in einem einheitlichen Format und gegliedert nach Kleidungstyp, Grössenreihe und Konstruktionsmethode. Schnitte, die als Scans oder in uneinheitlichen Benennungsschemata gespeichert sind, lassen sich schwer daraus lernen. Definierte Gradierregeln und Grössentabellen, verknüpft mit dem Styledatensatz, sind der Ausgangspunkt jeder automatisierten Gradierung.
Es lohnt sich auch, die Anwendungsfälle zu trennen. Ein Assistent, der einen ersten Schnittentwurf für einen einfachen, wiederholten Style vorschlägt, ist etwas anderes als einer, der ein geschneidertes Jackett bewältigen soll. Der erste kann sich mit begrenzten Daten und einem Prüfschritt auszahlen. Beim zweiten berichtet die Forschung von den grössten Schwierigkeiten.
Wie sollte ein Team KI-Schnitt-Werkzeuge pilotieren?
- Eine einfache Kategorie mit hoher Wiederholung wählen, etwa Basishosen oder Kleidungsstücke im Overall-Stil.
- Die bestehenden Schnitte dieser Kategorie digitalisieren und standardisieren.
- Definieren, was brauchbar heisst, zum Beispiel der Anteil der Schnitte, die nur kleine Korrekturen brauchen.
- Schnittkonstrukteure jedes Ergebnis bewerten lassen und die für Korrekturen aufgewendete Zeit protokollieren.
- Die Korrekturzeit mit dem Entwurf von Grund auf vergleichen, bevor der Umfang erweitert wird.
- Physische Toiles und Anproben im Prozess behalten.
Für die Planung ist der weitere Punkt, dass die Automatisierung in der Schnittkonstruktion je nach Kategorie ungleichmässig ist. Einfache, wiederholte Formen sind nach der zitierten Evidenz in Reichweite, Tailoring und komplexe Drapierung nicht. Teams sollten Projekte deshalb nach Kleidungskategorie statt für das gesamte Sortiment eingrenzen und erfahrene Schnittkonstrukteure für die Prüfung und für die Fälle, welche die Werkzeuge nicht bewältigen, in der Schleife behalten.
Auch die Kompetenzen verdienen Planung. Wird die Routinekonstruktion automatisiert, verlieren junge Schnittkonstrukteure womöglich die repetitive Arbeit, über die sie Urteilsvermögen aufbauen, ein im Designbeitrag von 2025 genannter Kompetenzverlust. Unternehmen, die diese Werkzeuge einführen, sollten entscheiden, wie Lernende weiterhin lernen, von Hand zu konstruieren, zu gradieren und Konstruktionen zu lösen, denn dieselben Personen werden gebraucht, um zu prüfen, was die Werkzeuge hervorbringen.
Häufige Fragen
Kann KI Schnittmuster automatisch erstellen?
Für einfache Kleidungsstücke können es Forschungsprototypen. Eine Drexel-Arbeit von 2025 stellte fest, dass ein auf einfachen Overalls trainiertes Modell nach kleinen Korrekturen zu rund 42 % brauchbar war, während auf komplexeren Datensätzen trainierte Modelle Schnitte erzeugten, die als ungeeignet für die Produktion beurteilt wurden.
Wird KI Schnittkonstrukteure ersetzen?
Die veröffentlichte Forschung weist auf Ergänzung hin. Die Drexel-Arbeit schliesst, dass KI Schnittkonstrukteure ergänzen sollte, und ein Designbeitrag von 2025 sagt, dass handwerkliche Fähigkeiten wie Schnittkonstruktion und die Beurteilung von Toiles unverzichtbar bleiben.
Kann KI Schnitte über Grössen gradieren?
Regelbasierte und parametrische Systeme können Schnitte für neue Grössen oder Körperformen neu erzeugen, wie GarmentCode zeigt. Die Passform über reale, unterschiedliche Körper braucht weiterhin menschliche Prüfung.
Welche Daten braucht KI-Schnittkonstruktion?
Digitale Schnitte in einem einheitlichen Format, verknüpft mit Kleidungstyp, Grössenreihe und Konstruktionsdetails. Die Drexel-Studie nutzte mehr als 10 000 Schnitte, doch mehr Daten allein verbesserten die Ergebnisse nicht.
Eine Ausgabe an jedem Werktag. In fünf Minuten gelesen. Kostenlos für Branchenprofis.
