Selbst entwickeln, kaufen oder Partner? Wie Modeunternehmen KI beschaffen sollten

DAS WICHTIGSTE Zusammenfassung der Redaktion

1. Die meisten Modeunternehmen sollten KI für gängige Aufgaben kaufen, nur dort selbst entwickeln, wo eigene Daten und Prozesse einen echten Vorteil schaffen, und mit Partnern arbeiten, wenn sie sowohl Skalierung als auch Anpassung brauchen.
2. Die NANDA-Initiative des MIT berichtete 2025, dass der Kauf von KI-Tools bei spezialisierten Anbietern und der Aufbau von Partnerschaften in rund 67 Prozent der Fälle erfolgreich waren, interne Eigenentwicklungen dagegen nur ein Drittel so oft.
3. In der McKinsey-Umfrage State of AI 2026 gaben 32 Prozent der Befragten an, ihre Organisation habe auf den Kauf mindestens eines Softwareprodukts oder einer Funktion verzichtet, weil sie diese mit agentischen Coding-Tools selbst entwickeln konnte.
4. Gartner schätzt, dass nur rund 130 der Tausenden Anbieter, die agentische KI für sich reklamieren, echte agentische Fähigkeiten bieten; Gartner nennt diese Praxis Agent Washing.
5. Verträge über KI-Dienste sollten Dateneigentum, die Nutzung von Unternehmensdaten für das Modelltraining, Ausstiegsbedingungen und die Kosten bei voller Skalierung regeln, bevor ein Tool fest in den Arbeitsalltag eingebunden ist.

Modeunternehmen sollten KI für gängige Aufgaben wie Texten, Übersetzung, Kundenservice und Dokumentenverarbeitung in der Regel kaufen, nur dort selbst entwickeln, wo eigene Daten und Prozesse einen echten Vorteil schaffen, etwa bei Prognosen für ihr spezifisches Sortiment, und mit Technologieanbietern zusammenarbeiten, wenn sie sowohl Skalierung als auch tiefgehende Anpassung brauchen. Die meisten landen bei einer Mischung, die eigentliche Entscheidung fällt also Anwendungsfall für Anwendungsfall.

Welche Optionen gibt es, um KI zu beschaffen?

Was sagen die Belege zu Eigenentwicklung versus Kauf?

Die deutlichsten aktuellen Belege stammen von der NANDA-Initiative des MIT. Ihr Bericht The GenAI Divide von 2025, der auf Interviews, einer Mitarbeiterbefragung und einer Analyse öffentlicher Implementierungen beruht, ergab laut Fortune, dass der Kauf von KI-Tools bei spezialisierten Anbietern und der Aufbau von Partnerschaften in rund 67 Prozent der Fälle erfolgreich waren, interne Eigenentwicklungen dagegen nur etwa ein Drittel so oft. Die Forschenden führten Misserfolge vor allem auf Tools zurück, die nicht an reale Arbeitsabläufe angepasst waren.

Zugleich ist die Eigenentwicklung für manche Aufgaben günstiger geworden. Laut der McKinsey-Umfrage State of AI 2026 gaben 32 Prozent der Befragten an, ihre Organisation habe auf den Kauf mindestens eines Softwareprodukts oder einer Funktion verzichtet, weil sie die Funktionalität mit agentischen Coding-Tools selbst entwickeln konnte. Das deutet darauf hin, dass die Eigenentwicklung für kleinere, klar umrissene Anwendungen tragfähig wird, auch wenn grosse massgeschneiderte KI-Systeme riskant bleiben.

Lesen Sie auch

Fashion-Tech-Trends 2026: was real ist und was Hype

Wann ist der Kauf von KI für ein Modeunternehmen sinnvoll?

Kaufen ist sinnvoll, wenn die Aufgabe in vielen Unternehmen ähnlich ist und der Anbieter dank seiner Grösse bessere Daten, Modelle oder Wartung bieten kann, als eine einzelne Marke erreichen könnte. In der Mode betrifft das typischerweise:

• Übersetzung und erste Entwürfe von Produktbeschreibungen.
• Unterstützung im Kundenservice und Ticket-Routing.
• Dokumentenverarbeitung, etwa das Auslesen von Rechnungen, Lieferscheinen oder per E-Mail eingegangenen Aufträgen.
• Bildbearbeitung, Freistellen und einfache visuelle Verschlagwortung.
• Produktivitätsassistenten für Büroarbeit, Meetings und E-Mails.

KI-Funktionen sind zudem zunehmend in Software integriert, die Modeunternehmen bereits für Planung, Produktinformationen, E-Commerce und ERP nutzen. Diese Funktionen zu aktivieren, ist oft der schnellste Weg, vorausgesetzt, sie lassen sich wie jede andere Investition gegen eine Ausgangsbasis testen.

Wann sollte ein Modeunternehmen eigene KI entwickeln?

Eigenentwicklung ist sinnvoll, wenn der Anwendungsfall von Daten oder Prozessen abhängt, die für das Unternehmen spezifisch sind und einen Wettbewerbsvorteil darstellen: Prognosen für ein bestimmtes Sortiment und einen bestimmten Kanalmix, Grössenempfehlungen auf Basis der eigenen Passformen und Retouren der Marke oder eine Preislogik, die an ein unverwechselbares Geschäftsmodell gebunden ist. Sie erfordert zudem die Kompetenzen, die Lösung zu pflegen, denn Modelle verlieren an Qualität, wenn sich Produkte, Kunden und Märkte verändern.

Eigenentwicklung bedeutet selten, Modelle von Grund auf zu trainieren. Meist heisst es, ein Foundation Model oder Standardverfahren des maschinellen Lernens mit den eigenen Daten, Regeln und Schnittstellen des Unternehmens zu kombinieren. Die Differenzierung liegt in den Daten und im Workflow, nicht im Algorithmus.

Wie sieht eine Partnerschaft in der Praxis aus?

Grosse Modeunternehmen entwickeln zunehmend gemeinsam mit grossen Technologieanbietern. Zalando entwickelte seinen Shopping-Assistenten mit OpenAI und hat ihn laut OpenAI auf 25 Märkte in der jeweiligen Landessprache ausgeweitet. Levi Strauss & Co. kündigte im November 2025 eine Partnerschaft mit Microsoft an, um einen KI-Superagenten in Microsoft Teams aufzubauen, einen orchestrierenden Assistenten, der Fragen von Mitarbeitenden beantwortet, indem er auf mehrere Agenten im Hintergrund zurückgreift; er ist laut Microsoft für Mitarbeitende in der Zentrale, im Retail und im Lager gedacht. Beide Fälle kombinieren die Plattform eines Anbieters mit den eigenen Daten und Prozessen des Unternehmens.

Partnerschaften eignen sich für strategische Anwendungsfälle in grossem Massstab, erfordern aber Klarheit darüber, wem das Entwickelte gehört, wer es wiederverwenden darf und wie die Verantwortung aufgeteilt wird, wenn etwas schiefgeht.

Wie sollten Modeunternehmen KI-Anbieter bewerten?

Aussagen von Anbietern müssen sorgfältig geprüft werden. Gartner schätzt, dass nur rund 130 der Tausenden Anbieter, die agentische KI für sich reklamieren, echte agentische Fähigkeiten bieten; viele etikettieren bestehende Assistenten, Robotic Process Automation oder Chatbots um, was Gartner Agent Washing nennt. Nützliche Fragen an jeden KI-Anbieter sind:

1. Können Sie das Tool mit unseren Daten in Aktion zeigen und nicht nur in einer Demo?
2. Welche Modelle nutzen Sie, und wie gehen Sie mit Modellwechseln und Fehlern um?
3. Werden unsere Daten genutzt, um Modelle für andere Kunden zu trainieren, und können wir das ausschliessen?
4. Wie lässt sich das Tool in unser ERP, unsere Produktinformations- und E-Commerce-Systeme integrieren?
5. Was kostet es bei voller Skalierung, und wie wird die Nutzung abgerechnet?
6. Wie exportieren wir unsere Daten und Konfigurationen, wenn wir wechseln?

Lesen Sie auch

Softwareauswahl (RFP) durchführen, ohne eine Saison zu verlieren

Wie vermeiden Sie einen Lock-in und schützen Ihre Daten?

Das Lock-in-Risiko wächst, je fester ein KI-Tool in den Arbeitsalltag eingebunden ist. Verträge sollten regeln, wem die Eingabedaten, die Ergebnisse und allfällige feinabgestimmte Modelle gehören, ob Unternehmensdaten für das Training genutzt werden dürfen, wo Daten verarbeitet werden, was mit den Daten am Vertragsende geschieht und wie sich Preise ändern können. Produkt-, Bestands- und Kundendaten gut strukturiert in Systemen zu halten, die das Unternehmen selbst kontrolliert, ist der wirksamste Schutz, denn so wird ein Anbieterwechsel zu einem überschaubaren Projekt statt zu einem Neustart.

Die pragmatische Antwort auf die Frage nach Eigenentwicklung, Kauf oder Partnerschaft ist deshalb ein Portfolio: für gängige Aufgaben kaufen, selektiv selbst entwickeln, wo die Daten des Unternehmens einen Vorsprung schaffen, für grosse strategische Programme mit Partnern arbeiten und die Kontrolle über die Daten behalten, von denen alle drei abhängen.

Häufige Fragen

Sollte ein Modeunternehmen KI selbst entwickeln oder kaufen?

Für die meisten gängigen Aufgaben wie Übersetzung, Kundenservice und Dokumentenverarbeitung ist der Kauf schneller und zuverlässiger. Eigenentwicklung ist sinnvoll, wo proprietäre Daten und Prozesse einen Vorteil schaffen, zum Beispiel bei Prognosen für ein spezifisches Sortiment. Die NANDA-Initiative des MIT stellte 2025 fest, dass gekaufte Tools und Partnerschaften in rund 67 Prozent der Fälle erfolgreich waren, interne Eigenentwicklungen dagegen nur ein Drittel so oft.

Was ist Agent Washing?

Agent Washing ist der Begriff von Gartner für Anbieter, die bestehende Produkte wie Assistenten, Robotic Process Automation oder Chatbots als agentische KI vermarkten, ohne dass diese substanzielle agentische Fähigkeiten haben. Gartner schätzt, dass nur rund 130 von Tausenden Anbietern, die agentische KI für sich reklamieren, echt sind. Käufer sollten Demonstrationen mit ihren eigenen Daten verlangen.

Wie wählt man einen KI-Anbieter aus?

Testen Sie das Tool in einem bezahlten Pilotprojekt mit Ihren eigenen Daten und klaren Erfolgskriterien. Prüfen Sie, wie es sich in bestehende Systeme integrieren lässt, wie Ihre Daten genutzt und geschützt werden, was es bei voller Skalierung kostet und wie Sie Ihre Daten bei einem Wechsel exportieren können. Referenzen und Demos sind nützlich, aber nicht ausreichend.

Wie kann ein Modeunternehmen einen Lock-in bei KI-Anbietern vermeiden?

Regeln Sie Dateneigentum, Trainingsrechte, Datenstandort, Ausstiegsbedingungen und Preisänderungen im Vertrag. Halten Sie zentrale Produkt-, Bestands- und Kundendaten strukturiert in Systemen, die das Unternehmen selbst kontrolliert. So wird ein Anbieterwechsel zu einem überschaubaren Projekt, statt dass man von vorne beginnen muss.

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