8. Oktober 2026Internationale Ausgabe
Vol. I · No.
8. Oktober 2026
AI in Fashion
DAILY
Das tägliche Briefing zu KI im Modebusiness
Wo Mode auf künstliche Intelligenz trifft.
Wholesale & B2B · Leitfaden

Wie sollten Marken knappe Ware mit KI auf ihre Wholesale-Kunden verteilen?

Wenn die Produktion hinter den Orders zurückbleibt, muss jemand entscheiden, welcher Händler was erhält. Wie KI die Allokation anhand klarer Regeln optimiert und warum wahrgenommene Fairness ebenso zählt wie die Marge.

DAS WICHTIGSTE Zusammenfassung der Redaktion

  1. Die Allokation knapper Ware legt fest, wie eine Marke begrenzte Bestände auf Wholesale-Orders aufteilt, wenn das Angebot unter der Nachfrage liegt, und zwar nach Style, Farbe, Grösse und Lieferung.
  2. KI-Optimierung kann mehrere Ziele gleichzeitig ausbalancieren, etwa Marge, Abverkaufspotenzial, strategische Kundenpriorität und faire Lieferquoten, aber erst, wenn die Marke diese Ziele und ihre Gewichtung ausdrücklich festgelegt hat.
  3. Eine 2022 in Decision Sciences veröffentlichte experimentelle Studie ergab, dass Händler bei Knappheit am häufigsten gleiche Lieferquoten als fair empfanden und nachfragebasierte Zuteilungen als fairer beurteilten, unabhängig davon, ob eine Regel oder ein Mensch entschied.
  4. Dieselbe Studie zeigte, dass Teilnehmende in der Rolle von Händlern in mehr als einem Drittel der Fälle mehr beanspruchten, als sie tatsächlich benötigten. Deshalb sollte sich die Allokation auf Order- und Abverkaufshistorie stützen und nicht nur auf geäusserte Wünsche.
  5. Allokationsentscheide müssen den Kunden vorab über eine veröffentlichte Richtlinie erklärt werden, denn unerklärte Fehlmengen schaden der Beziehung mehr als die Fehlmenge selbst.

Hat eine Marke weniger Ware, als ihre Wholesale-Orders erfordern, kann KI bei der Verteilung helfen, indem sie innerhalb der von der Marke gesetzten Regeln über Marge, erwarteten Abverkauf, Kundenpriorität und Fairness hinweg optimiert. Das System schlägt vor, wie viele Einheiten jedes Styles, jeder Farbe und jeder Grösse jeder Kunde erhält, und das Vertriebsteam prüft die Ausnahmen. Die Qualität des Ergebnisses hängt weniger vom Algorithmus ab als von einer klaren, veröffentlichten Allokationsrichtlinie und von verlässlichen Order- und Abverkaufsdaten.

Wann wird die Allokation knapper Ware nötig?

Fehlmengen entstehen, wenn die Produktion unter dem Auftragsbuch bleibt (Lieferverzögerungen, Qualitätsausschuss, Stoffknappheit), wenn ein Style die Erwartungen übertrifft oder wenn eine Marke das Angebot bewusst begrenzt, um den Verkauf zum vollen Preis zu schützen. Der Finanzchef von Nike sagte im Dezember 2024 laut Retail Dive, das Unternehmen strebe in den folgenden Saisons eine deutliche Verknappung des Angebots seiner klassischen Footwear-Franchises an. Geplante Knappheit dieser Art macht die Allokation zu einer strategischen und nicht nur zu einer operativen Entscheidung.

Das Einkaufsverhalten erhöht den Druck. Das Wholesale-Trendpapier von JOOR vom Dezember 2025 berichtet, dass Einkäufer zunehmend kleinere Erstorders platzieren und Budget für Käufe während der Saison zurückhalten, wobei sie sofort lieferbare Ware erwarten. Damit fallen mehr Allokationsentscheide während der Saison an, unter Zeitdruck und bei Nachorders ebenso wie bei Vororders.

Welche Ziele sollte eine Allokation ausbalancieren?

Allokationsziele und wie sie gemessen werden
ZielTypische KennzahlZielkonflikt mit
MargeNettomarge pro Einheit nach KundeFairness, strategische Kunden
AbverkaufErwarteter Abverkauf zum vollen Preis im GeschäftKunden mit schwacher Datenlage
Strategische PrioritätKundenstufe, Markenimage, Flagship-StandorteMarge, kleinere Kunden
FairnessGleiche oder vergleichbare LieferquotenMarge und Abverkauf
Vollständige GrössenläufeKomplette Grössenläufe pro GeschäftGesamte ausgelieferte Einheiten
Vertragliche VerpflichtungenExklusivitäten, garantierte MengenAlle anderen Ziele

Diese Ziele ausdrücklich festzulegen, ist der schwierigste Schritt. Viele Marken stellen fest, dass verschiedene Abteilungen unterschiedliche Prioritäten verfolgen: Der Vertrieb will Schlüsselkunden schützen, die Finanzabteilung die Marge maximieren und das Markenmanagement Flagship-Standorte und Image bewahren. Ein Optimierungsmodell zwingt diese Zielkonflikte in Zahlen. Das kann unbequem sein, ist aber auch nützlich, denn es ersetzt informelles Verhandeln während einer Knappheit durch eine Richtlinie, die die Geschäftsleitung im Voraus vereinbart hat und nach jeder Saison überprüfen kann.

Lesen Sie auch
Wie können KI-Agenten Anfragen zu Auftragsstatus, Reklamationen und Lieferungen im Wholesale beantworten?

Wie verteilt KI knappe Ware?

Die meisten Systeme setzen auf Optimierung und nicht allein auf Prognosen. Prognosemodelle schätzen den erwarteten Abverkauf jedes Styles zum vollen Preis bei jedem Kunden, gestützt auf Auftragshistorie, wo verfügbar Abverkaufsdaten und Filialprofile. Ein Optimierungsmodell verteilt die verfügbaren Einheiten dann so, dass eine gewichtete Zielfunktion maximiert wird, unter Nebenbedingungen wie Mindestlieferquoten, vollständigen Grössenläufen, vertraglichen Mengen und Packgrössen. Das Ergebnis ist ein Allokationsvorschlag pro Auftragsposition, bei dem Ausnahmen zur Prüfung hervorgehoben werden.

Ohne KI wenden Marken meist eine einzige Regel an, etwa jede Order um denselben Prozentsatz zu kürzen oder die Orders in der Reihenfolge ihres Eingangs zu bedienen. Solche Regeln sind leicht zu erklären, können aber Ware zu Kunden lenken, bei denen sie sich langsam verkauft, während unvollständige Grössenläufe in Geschäften landen, die damit nichts anfangen können. Optimierung kann diese Effekte vermeiden, ist dafür aber schwerer zu erklären.

Warum ist wahrgenommene Fairness wichtig?

Allokation ist eine Beziehungsentscheidung. Eirini Spiliotopoulou und Anna Conte untersuchten in einer 2022 in Decision Sciences veröffentlichten experimentellen Studie, wie Händler die Fairness der Bestandsverteilung beurteilen. Bei Knappheit hielten die Teilnehmenden gleiche Lieferquoten am häufigsten für die faire Norm. Zuteilungen auf Basis der realisierten Nachfrage wurden als fairer beurteilt, unabhängig davon, ob eine Regel oder ein Mensch entschied. Die Studie ergab zudem, dass Teilnehmende in der Rolle von Händlern in mehr als einem Drittel der Fälle mehr beanspruchten, als sie tatsächlich benötigten.

Daraus folgen zwei praktische Lehren. Erstens sollte die Allokationslogik in Begriffen von Lieferquoten und Nachfrage erklärbar sein, die Kunden nachvollziehen können. Zweitens sind geäusserte Wünsche kein verlässliches Mass für den tatsächlichen Bedarf. Modelle sollten sich deshalb auf Auftragshistorie und Abverkauf stützen und nicht darauf, was Kunden während einer Knappheit zu brauchen angeben.

Wie sollte eine Marke KI-gestützte Allokation einführen?

  1. Formulieren Sie die Allokationsrichtlinie: Ziele, Gewichtungen, Kundenstufen, vertragliche Verpflichtungen und Mindestlieferquoten.
  2. Bereinigen Sie die Daten: Auftragspositionen, bestätigte Mengen, verfügbarer Bestand, Abverkauf nach Kunde und Grösse sowie Packvorgaben.
  3. Beginnen Sie mit einem transparenten Regelwerk und messen Sie dessen Ergebnisse eine Saison lang als Ausgangsbasis.
  4. Führen Sie die Optimierung für eine begrenzte Zahl von Styles ein, vergleichen Sie die Ergebnisse mit der Ausgangsbasis und prüfen Sie Ausnahmen manuell.
  5. Geben Sie dem Aussendienst pro Kunde eine Erklärung (Lieferquote, Grund für Kürzungen), die er an die Einkäufer weitergeben kann.
  6. Verfolgen Sie die Ergebnisse: Abverkauf der zugeteilten Ware, Lieferquoten nach Kundenstufe, Beschwerden und Stornierungen.

Welche Datenprobleme untergraben die Allokation?

  • Nicht aktuelle Bestandszahlen, die dazu führen, dass Einheiten zugeteilt werden, die bereits anderweitig verplant sind.
  • Fehlende Abverkaufsdaten vieler Kunden, wodurch die Allokation zugunsten jener Kunden verzerrt wird, die Daten teilen.
  • Uneinheitliche Kundenhierarchien, sodass eine Gruppe mit mehreren Standorten als mehrere separate Kleinkunden behandelt wird.
  • Prognosen auf Grössenebene, die für kleine Kunden zu verrauscht sind und eine Bündelung über ähnliche Geschäfte erfordern.

Gartner prognostizierte im Februar 2025, dass Organisationen bis Ende 2026 60 Prozent der KI-Projekte aufgeben werden, die nicht auf KI-taugliche Daten gestützt sind. Die Allokation ist besonders exponiert, denn eine falsche Bestandszahl führt direkt zu einem gebrochenen Versprechen gegenüber einem Kunden.

Lesen Sie auch
Retouren und Reklamationen im Wholesale: Wie KI Streitfälle mit Händlern schneller klärt

Wo sollten Menschen die Kontrolle behalten?

Die Vertriebsleitung sollte die Richtlinie und die Gewichtung zwischen den Zielen verantworten und die Allokationen für strategische Kunden, Neukunden und jeden Kunden prüfen, der eine deutlich niedrigere Lieferquote erhält als vergleichbare Kunden. Das Modell bearbeitet die vielen Routinepositionen, Menschen treffen die Entscheidungen mit Folgen für die Kundenbeziehung. Diese Arbeitsteilung hält die Allokation schnell, ohne dass sie den Händlern, die auf sie angewiesen sind, willkürlich erscheint.

Häufige Fragen

Was ist Warenallokation im Fashion Wholesale?

Es ist der Prozess, in dem entschieden wird, wie der verfügbare Bestand nach Style, Farbe, Grösse und Lieferung auf die Orders der Händler verteilt wird. Er wird entscheidend, wenn das Angebot unter der Nachfrage liegt. Marken setzen dafür Regeln, Optimierungsmodelle oder eine Kombination ein.

Wie entscheiden Marken bei Knappheit, welche Händler Ware erhalten?

Verbreitet sind gleichmässige prozentuale Kürzungen, Priorität nach Kundenstufe, Bedienung in der Reihenfolge des Eingangs und Optimierung, die Marge, erwarteten Abverkauf und Fairness gewichtet. Am besten ist ein Ansatz, der in einer Richtlinie festgehalten und vor dem Auftreten von Knappheit mit den Kunden vereinbart und geteilt wird.

Ist KI-gestützte Allokation fair gegenüber kleineren Händlern?

Sie kann es sein, wenn Fairness in die Regeln eingebaut ist, etwa über Mindestlieferquoten. Ohne solche Nebenbedingungen kann die Optimierung grosse Kunden mit besserer Datenlage bevorzugen. Die Forschung zeigt, dass Händler bei Knappheit gleiche Lieferquoten und nachfragebasierte Zuteilungen eher als fair empfinden.

Welche Daten brauche ich für KI-gestützte Warenallokation?

Einen genauen verfügbaren Bestand, bestätigte Auftragspositionen, Abverkauf nach Kunde und Grösse, Kundenhierarchien sowie Vorgaben wie Packgrössen und vertragliche Mengen. Die Genauigkeit des Bestands ist die wichtigste Eingangsgrösse, denn Fehler führen direkt zu unerfüllten Zusagen.

LeitfadenDer umfassende Leitfaden zu KI im Mode-Wholesale und B2BDen ganzen Leitfaden lesen
Daily abonnieren

Eine Ausgabe an jedem Werktag. In fünf Minuten gelesen. Kostenlos für Branchenprofis.

Newsletter

Mehr zu Bestand

Alle anzeigen