Kann KI die Mode nachhaltiger machen?
KI kann der Mode helfen, weniger unerwünschte Produkte herzustellen und neue EU-Vorschriften zu bewältigen, doch sie verbraucht auch Energie und kann ein Geschäftsmodell nicht allein verändern. Ein nüchterner Blick auf beide Seiten.
DAS WICHTIGSTE Zusammenfassung der Redaktion
- KI kann die Nachhaltigkeit in der Mode vor allem durch bessere Prognosen und Einkaufsentscheidungen unterstützen, sodass Unternehmen näher an der tatsächlichen Nachfrage produzieren.
- Seit dem 19. Juli 2026 dürfen grosse Unternehmen in der EU unverkaufte Kleidung, Bekleidungszubehör und Schuhe nicht mehr vernichten, was die Kosten der Überproduktion erhöht.
- Die Europäische Kommission schätzt, dass in der EU jährlich rund 5 Millionen Tonnen Kleidung entsorgt werden, etwa 12 kg pro Person, und dass nur 1 Prozent des Materials in Kleidung zu neuer Kleidung recycelt wird.
- KI hat einen eigenen Fussabdruck: Die IEA schätzt, dass Rechenzentren 2024 rund 415 TWh Strom verbrauchten, etwa 1,5 Prozent des weltweiten Verbrauchs, mit einem Anstieg auf rund 945 TWh bis 2030.
- KI macht die Mode nur dann nachhaltiger, wenn Unternehmen nach ihren Erkenntnissen handeln, etwa indem sie weniger oder anders einkaufen, statt sie nur zu nutzen, um mehr zu verkaufen.
KI kann die Mode nachhaltiger machen, wenn sie Unternehmen hilft, näher an der tatsächlichen Nachfrage zu produzieren, Materialien effizienter einzusetzen und Produkt- und Lieferkettendaten für neue EU-Vorschriften zu verwalten. Allein kann sie die Mode nicht nachhaltig machen: Die Fortschritte hängen von der Datenqualität und von der Entscheidung ab, weniger unerwünschte Produkte herzustellen, und KI selbst verbraucht Energie.
Warum ist Überproduktion das zentrale Nachhaltigkeitsproblem der Mode?
Jedes Kleidungsstück, das hergestellt, aber nie getragen wird, trägt die vollen Umweltkosten von Faser, Färben, Nähen und Transport, ohne einen Nutzen zu stiften. Laut der Europäischen Kommission hat der Textilkonsum in der EU nach Ernährung, Wohnen und Mobilität die vierthöchste Umweltwirkung, und jedes Jahr werden rund 5 Millionen Tonnen Kleidung entsorgt, etwa 12 kg pro Person. Nur 1 Prozent des Materials in Kleidung wird zu neuer Kleidung recycelt.
Auch das regulatorische Umfeld verändert sich. Gemäss der Ökodesign-Verordnung für nachhaltige Produkte gilt das Verbot, unverkaufte Kleidung, Bekleidungszubehör und Schuhe zu vernichten, seit dem 19. Juli 2026 für grosse Unternehmen; mittlere Unternehmen folgen 2030. Ausnahmen gibt es unter anderem für unsichere oder beschädigte Artikel. Überschüsse, die früher stillschweigend entsorgt werden konnten, müssen nun verkauft, gespendet oder für die Wiederverwendung aufbereitet werden, und Unternehmen müssen darüber berichten, was sie entsorgen.
Wie kann KI helfen, Überproduktion zu verringern?
Der direkteste Hebel ist bessere Planung. Machine-Learning-Modelle, die die Nachfrage nach Modell, Farbe und Grösse prognostizieren, können Einkäufern helfen, kleinere Erstmengen festzulegen und nachzuliefern, was sich verkauft, statt grosse spekulative Bestellungen aufzugeben. Die Optimierung von Grössenkurven verringert den klassischen Überschuss an Randgrössen in manchen Filialen und Engpässe in anderen. Pre-Order- und Wholesale-Auftragsdaten können frühe Nachfragesignale liefern, bevor die Produktion feststeht.
Diese Fortschritte sind real, aber an Bedingungen geknüpft. Eine Prognose verringert Abfall nur, wenn das Unternehmen geringere Volumen und möglicherweise geringere Spitzenumsätze akzeptiert. Wird KI vor allem genutzt, um mehr Ware über mehr Kanäle zu schleusen, kann der Nettoeffekt auf den Ressourcenverbrauch negativ sein.
| Bereich | Wie KI helfen kann | Wichtigste Einschränkung |
|---|---|---|
| Nachfrageprognose und Einkauf | Bessere Abstimmung der Produktion auf die Nachfrage, bessere Grössenkurven | Braucht saubere Verkaufsdaten; der Nutzen geht verloren, wenn die Volumen weiter steigen |
| Design und Musterung | Generative und 3D-Tools reduzieren physische Muster | Verringert nicht die Umweltwirkung des Endprodukts |
| Materialien | Vergleich von Materialoptionen nach Kosten, Leistung und verfügbaren Wirkungsdaten | Wirkungsdaten sind oft generisch oder unvollständig |
| Retouren | Passform- und Grössenempfehlungen zur Verringerung vermeidbarer Retouren | Passformmodelle können bei unterrepräsentierten Körpertypen ungenauer sein |
| Kreislaufwirtschaft | Automatisierte Sortierung gebrauchter Textilien nach Faser und Farbe | Recyclingkapazitäten und Wirtschaftlichkeit bleiben begrenzt |
| Compliance und Berichterstattung | Extraktion und Strukturierung von Lieferanten- und Produktdaten | Ergebnisse müssen geprüft werden; Fehler schaffen rechtliche Risiken |
Welche weiteren Nachhaltigkeitsanwendungen gibt es für KI in der Mode?
- Digitale Musterung: 3D- und generative Designtools können die Zahl physischer Prototypen verringern, die zwischen Marken und Fabriken verschickt werden.
- Resale und Recommerce: Bilderkennung und automatisierte Preisfindung helfen Resale-Plattformen, Secondhand-Artikel schneller einzustellen. Der Bericht The State of Fashion 2026 prognostiziert, dass der Secondhand-Markt bis 2027 zwei- bis dreimal schneller wächst als der Markt für Neuware.
- Sortierung und Recycling: Sensor- und Machine-Learning-Systeme erkennen die Faserzusammensetzung gebrauchter Textilien, eine Voraussetzung für das Faser-zu-Faser-Recycling.
- Daten für die Regulierung: KI-Tools können helfen, Lieferanten-, Material- und Herkunftsdaten zu sammeln und zu prüfen, die für den künftigen Digitalen Produktpass und die Regeln zu Umweltaussagen benötigt werden.
Welche Daten braucht KI, um Nachhaltigkeitsziele zu unterstützen?
Nachhaltigkeitsanwendungen beruhen auf demselben Fundament wie kommerzielle: einheitliche Produktstammdaten, eine verlässliche Verkaufs- und Bestandshistorie und strukturierte Lieferanteninformationen. Prognosemodelle müssen wissen, welche Modelle, Farben und Grössen zu welchem Preis und in welchem Kanal verkauft wurden, einschliesslich dessen, was am Saisonende übrig blieb. Ohne Daten zu Überbeständen und Abschriften kann ein Modell nicht lernen, wo Überproduktion entsteht.
Material- und Lieferantendaten sind oft das schwächste Glied. Faserzusammensetzung, Herkunft und Zertifikate liegen häufig in Dokumenten statt in Datenbanken, und Wirkungsdaten für bestimmte Materialien sind oft generisch. KI-Tools können helfen, diese Informationen zu extrahieren und zu strukturieren, aber sie können Primärdaten der Lieferanten nicht ersetzen. Unternehmen, die jetzt in diese Daten investieren, verfolgen mehrere Ziele zugleich: bessere Planung, glaubwürdige Berichterstattung und die Vorbereitung auf den Digitalen Produktpass.
Wie gross ist der ökologische Fussabdruck von KI selbst?
KI läuft in Rechenzentren, und ihr Energieverbrauch wächst. Die Internationale Energieagentur schätzt, dass Rechenzentren 2024 rund 1,5 Prozent des weltweiten Stromverbrauchs ausmachten, also 415 TWh, und dass sich dieser Wert bis 2030 auf rund 945 TWh mehr als verdoppeln dürfte. Nicht alles davon ist KI, aber KI ist ein wesentlicher Treiber.
Für ein Modeunternehmen ist der Fussabdruck eines Prognosemodells, das einige Male pro Woche läuft, gering im Vergleich zu den Materialien, die es zu vermeiden hilft. Die gross angelegte Generierung von Bildern und Videos für das Marketing ist ein anderer Fall. Ein nüchterner Ansatz vergleicht Energie und Kosten einer KI-Anwendung mit dem Abfall, den sie realistischerweise verhindert, und verzichtet darauf, Nachhaltigkeitsvorteile zu behaupten, die nicht gemessen wurden.
Kann KI die Mode also nachhaltiger machen?
KI ist ein nützliches Werkzeug, keine Strategie. Sie wirkt am besten dort, wo sie Entscheidungen unterstützt, die bereits in eine nachhaltige Richtung weisen: weniger spekulativ produzieren, Produkte länger in Gebrauch halten und wissen, was in der Lieferkette steckt. Unternehmen, die messbare Ergebnisse wollen, sollten mit einer Ausgangsbasis beginnen, zum Beispiel den Überbeständen am Saisonende oder der Zahl physischer Muster, und verfolgen, ob KI-gestützte Entscheidungen diese verändern. Ebenso wichtig ist es, auf Rebound-Effekte zu achten: Führen bessere Prognosen vor allem zu mehr Kollektionen, mehr Drops und mehr Volumen, verschwinden die ökologischen Fortschritte.
- Messen Sie die aktuelle Überproduktion und die Überbestände nach Kategorie, bevor Sie ein KI-Projekt starten.
- Nutzen Sie Prognosen, um Erstorder-Mengen zu verringern und das Replenishment auszubauen, wo die Vorlaufzeiten es zulassen.
- Bauen Sie verlässliche Produkt- und Lieferantendaten auf, die sowohl der KI als auch der Regulierung dienen.
- Berichten Sie Ergebnisse in gemessenen Grössen und vermeiden Sie vage Aussagen.
Häufige Fragen
Wie verringert KI Abfall in der Mode?
Vor allem durch bessere Nachfrageprognosen und Einkaufsentscheidungen, sodass Unternehmen Mengen, Grössen und Farben produzieren, die näher an dem liegen, was sich verkauft. Sie kann zudem durch 3D-Design physische Muster reduzieren und die Sortierung für das Recycling unterstützen.
Ist KI schlecht für die Umwelt?
KI verbraucht Strom, und die IEA erwartet, dass sich der Verbrauch der Rechenzentren bis 2030 mehr als verdoppelt. Ob sich eine bestimmte Anwendung lohnt, hängt davon ab, wie viel Abfall oder Ressourcenverbrauch sie im Vergleich zu ihrem eigenen Fussabdruck tatsächlich vermeidet.
Dürfen Modemarken in der EU noch unverkaufte Kleidung vernichten?
Seit dem 19. Juli 2026 ist es grossen Unternehmen verboten, unverkaufte Kleidung, Bekleidungszubehör und Schuhe zu vernichten, mit begrenzten Ausnahmen etwa für unsichere oder beschädigte Artikel. Mittlere Unternehmen werden ab 2030 erfasst.
Darf eine Marke Produkte als nachhaltig bewerben, weil KI eingesetzt wurde?
Nur mit Vorsicht. Umweltaussagen müssen belegt werden. Marken sollten deshalb gemessene Ergebnisse wie geringere Überbestände kommunizieren, statt den Einsatz von KI selbst als Nachhaltigkeitsvorteil darzustellen.
Eine Ausgabe an jedem Werktag. In fünf Minuten gelesen. Kostenlos für Branchenprofis.
QUELLEN
- European Commission: EU Strategy for Sustainable and Circular Textiles
- European Commission: Ban on destruction of unsold clothes and shoes enters into application
- IEA: Energy and AI, executive summary
- McKinsey & Company: The State of Fashion 2026
- EUR-Lex: Directive (EU) 2024/825 on empowering consumers for the green transition
