Was ist ein KI-gestützter Supply-Chain-Control-Tower und wer handelt auf Basis seiner Anzeigen?

Ein KI-gestützter Supply-Chain-Control-Tower ist eine zentrale digitale Ebene, die Daten zu Bestellungen, Produktion, Sendungen und Beständen zusammenführt, zeigt, wo die Lieferkette steht, und mithilfe von Analytics und maschinellem Lernen Probleme kennzeichnet und priorisiert, bevor sie Geschäfte oder Kundschaft erreichen. Er ist nur so nützlich wie die Massnahmen, die er auslöst: Jemand in Beschaffung, Logistik oder Merchandising muss für jede Warnung verantwortlich sein und die Befugnis haben, darauf zu reagieren.

Was ist ein Supply-Chain-Control-Tower?

Die Definitionen variieren je nach Anbieter, doch die Grundidee ist stabil. Inbound Logistics beschreibt einen Control Tower als «eine digitale Plattform, die als zentraler Knotenpunkt für die Datenaggregation dient» und durchgängige Transparenz und Kontrolle über Supply-Chain-Netzwerke hinweg bietet. Gartner betont seit Langem, dass es sich nicht nur um Software handelt: Das Unternehmen versteht den Control Tower als Konzept, das Menschen, Prozesse, Daten und Organisation verbindet und durch Technologie unterstützt wird.

Der Rat von Gartner ist nach wie vor der nützlichste Ausgangspunkt: Ein Control Tower «ist nur sinnvoll, wenn die Supply-Chain-Organisation bereits ein gewisses Mass an funktionsübergreifender Integration aufweist», und viele Unternehmen verfügen in ihren Kernsystemen bereits über Control-Tower-Funktionen, bevor sie eine separate Lösung kaufen.

Warum wollen Modeunternehmen einen Control Tower?

Lieferketten in der Mode sind lang, saisonal und auf Agenturen, Webereien, Fabriken, Spediteure und Lager verteilt. Eine verspätete Stofflieferung kann einen ganzen Drop aus seinem Verkaufsfenster schieben. Transparenz bleibt ein Schwachpunkt: Im BlueCherry State of Supply Chain and Technology Report, den CGS im März 2025 veröffentlichte und der auf mehr als 300 Führungskräften von Mode-, Schuh-, Accessoire- und Lifestyle-Marken beruht, gaben 85% an, dass Transparenz nach wie vor eines der grössten Supply-Chain-Probleme ist, mit denen sie konfrontiert sind, und 91% sagten, dass KI-Erkenntnisse für ihr Wachstum entscheidend sind.

Branchenübergreifende Daten weisen in dieselbe Richtung. McKinseys Supply chain risk pulse 2025, eine im Dezember 2025 veröffentlichte Umfrage unter 100 Unternehmen, ergab, dass 95% zumindest Transparenz über die Risiken ihrer Tier-1-Lieferanten haben, aber nur 42% bis zu Tier 2 oder tiefer sehen. In der Bekleidung liegen auf Tier 2 die Stoffe, die Zutaten und ein Grossteil des Materialrisikos.

Lesen Sie auch

Wie Inditex KI und Daten einsetzt: RFID und eine nachfragegesteuerte Supply Chain

Was zeigt ein KI-Control-Tower tatsächlich an?

In der Warteschlange der Ausnahmen zeigt KI ihren Nutzen. Ohne sie erhalten die Teams Hunderte von Statusänderungen pro Tag. Mit ihr sehen sie die zwanzig verspäteten Bestellungen, die in einer Launch-Woche die meistverkauften Styles betreffen, geordnet nach gefährdetem Umsatz.

Wer reagiert auf die Warnungen?

Diese Frage entscheidet über den Erfolg. Ein Control Tower, der Probleme anzeigt, für die niemand verantwortlich ist, wird zu einem weiteren Dashboard. Legen Sie vor dem Start für jede Art von Warnung fest:

1. Die Verantwortung: eine benannte Rolle, keine Abteilung.
2. Den Schwellenwert: wann eine Warnung ausgelöst wird, zum Beispiel bei einer vorhergesagten Verzögerung von mehr als sieben Tagen bei einem Style mit festem Launch-Datum.
3. Das Playbook: die Standardoptionen, etwa Luftfracht, Teillieferung, Umverteilung zwischen Märkten oder Anpassung des Launches.
4. Die Entscheidungsbefugnis: wer kostenwirksame Massnahmen bis zu welchem Betrag genehmigen darf.
5. Das Feedback: festhalten, was getan wurde und was daraus resultierte, damit sich Vorhersagen und Playbooks verbessern.

Merchandising und Planung müssen Teil dieses Kreislaufs sein. Viele Supply-Chain-Entscheidungen in der Mode sind Abwägungen zwischen Kosten und Umsatz, und Logistikteams allein können nicht beurteilen, ob sich Luftfracht für einen verspäteten Style lohnt.

Welche Datenvoraussetzungen und Grenzen gibt es?

Inbound Logistics nennt Datenqualität und Integration als häufige Hindernisse, weil Control Tower auf konsistente Daten aus mehreren Quellen angewiesen sind, dazu kommen hohe Anfangsinvestitionen und Widerstand gegen Veränderungen. In der Mode sind die spezifischen Lücken bekannt: Meilensteine von Fabriken, die per E-Mail aktualisiert werden, uneinheitliche Style- und Farbcodes zwischen PLM, ERP und Lieferanten sowie begrenzte Daten von Webereien auf Tier 2.

Auch der Reifegrad von KI sollte realistisch eingeschätzt werden. McKinseys Pulse 2025 ergab, dass drei Viertel der Unternehmen KI-Anwendungsfälle in der Supply Chain planen, konzipieren oder pilotieren, aber nur 19% KI-Tools breit einsetzen, was in etwa dem Vorjahr entspricht.

Lesen Sie auch

Wie Uniqlo und Fast Retailing KI und Daten im Ariake-Projekt einsetzen

Selbst bauen, kaufen oder Bestehendes erweitern?

Messen Sie den Control Tower an Entscheidungen, nicht an Bildschirmen. Nützliche Indikatoren sind der Anteil der Warnungen, auf die innerhalb einer vereinbarten Zeit reagiert wurde, der Anteil vorhergesagter Verzögerungen, die sich als zutreffend erwiesen, und das kommerzielle Ergebnis der ergriffenen Massnahmen, etwa gesicherter Umsatz oder vermiedene Luftfracht. Werden diese Zahlen nicht erfasst, lässt sich nicht beurteilen, ob die KI-Ebene besser ist als einfache Regeln.

Gartner nennt drei Wege: Outsourcing, Aufbau auf der eigenen Datenplattform oder Abonnement einer Supply-Chain-Management-Plattform, wobei das Abonnement am häufigsten ist. Viele ERP-, PLM- und Logistiksysteme enthalten bereits Meilenstein-Tracking und Warnfunktionen. Eine sinnvolle Reihenfolge ist, zu erfassen, welche Entscheidungen bessere Informationen brauchen, zu prüfen, was bestehende Systeme bereits bieten, und erst dann zu entscheiden, ob eine eigene Control-Tower-Ebene nötig ist und wie weit KI-Vorhersagen über einfache Regeln hinausgehen sollen.

Unabhängig vom gewählten Weg sollten Lieferanten früh einbezogen werden. Ein Grossteil der Daten, die ein Control Tower in der Mode braucht, von Produktionsmeilensteinen bis zu Stoffbuchungen, entsteht ausserhalb des Unternehmens, und Lieferanten teilen sie eher verlässlich, wenn das Format einfach und ihr eigener Nutzen klar ist, etwa weniger Nachfass-E-Mails.