Wie Levi Strauss & Co. KI einsetzt: das Datenprogramm und seine Lehren

Levi Strauss & Co. hat sein KI-Programm ebenso um Menschen wie um Technologie herum aufgebaut: Das Unternehmen bildete eigene Mitarbeitende zu Data Scientists aus, setzte KI dann in Bestand, Operations und Design ein und nutzt seit 2025 KI-Agenten für Mitarbeitende und Kundschaft. Zur Bilanz gehört auch ein öffentlicher Fehltritt mit KI-generierten Models im Jahr 2023. Geprüfte, der KI zurechenbare Finanzergebnisse wurden nicht veröffentlicht.

Was hat Levi Strauss & Co. aufgebaut?

Öffentlich dokumentiert sind drei Phasen. Die erste war der Aufbau von Fähigkeiten. 2021 startete das Unternehmen ein achtwöchiges Machine-Learning-Bootcamp in Coding, Python und Statistik für Mitarbeitende ohne technischen Hintergrund. Bis November 2021 hatte es in zwei Jahrgängen 101 Absolventinnen und Absolventen hervorgebracht; die Teilnehmenden kamen von mehr als 20 Standorten, und über 450 Mitarbeitende hatten sich um einen Platz beworben. Zu den Anwendungsfällen, die eine 2021 von Constellation Research veröffentlichte Fallstudie nennt, gehörten Bestandsprognosen für Filialleitungen, die Vorhersage von Anlagenausfällen in Verteilzentren, Qualitätsprüfung, Designgenerierung und die Optimierung von Produktionskosten.

Die zweite Phase betraf generative Bilder. Am 22. März 2023 kündigte das Unternehmen eine Partnerschaft mit Lalaland.ai an, um KI-generierte Models zu testen, und erklärte, diese würden Zahl und Diversität der gezeigten Models erhöhen. Die dritte Phase sind Agenten. Im November 2025 kündigte Levi Strauss & Co. Folgendes an:

• einen Super-Agenten, gemeinsam mit Microsoft in Teams gebaut und auf Azure betrieben, der spezialisierte Sub-Agenten für IT, Personalwesen und Operations koordiniert; die Einführung beginnt Anfang 2026;
• Outfitting, eine KI-Styling-Funktion in der Levi's-App, die auf Basis von Präferenzen, Kaufhistorie und Trends Looks empfiehlt und in den USA, Kanada und europäischen Märkten verfügbar ist;
• Stitch, einen mobilen KI-Assistenten, der Filialmitarbeitenden Produktinformationen, Abläufe und Schulungen bereitstellt und nach einem Pilotprojekt in 60 US-Filialen eingeführt wurde.

Warum hat Levi Strauss & Co. in KI investiert?

2021 lautete die erklärte Begründung: Talent. Katia Walsh, damals Chief Strategy and AI Officer, sagte, Investitionen in Menschen brächten den grössten Ertrag aus der digitalen Transformation. Mitarbeitende auszubilden, die Supply Chain, Retail und Wholesale bereits verstanden, war ein Weg, Datenkompetenz dorthin zu bringen, wo Entscheidungen fallen.

Bis 2025 war daraus ein Umbau des Betriebsmodells geworden. CEO Michelle Gass bezeichnete KI als entscheidenden Hebel, während das Unternehmen seine Arbeitsweise von den Filialen bis zur Zentrale neu ausrichtet. Das Unternehmen meldete für 2024 einen Nettoumsatz von 6,4 Milliarden US-Dollar und formuliert das Ziel, ein Händler mit 10 Milliarden Dollar Umsatz zu werden. Unsere Lesart: Dieses Ziel bedeutet mehr Direktvertrieb und damit mehr Bedarf an Personalisierung und effizientem Filialbetrieb.

Chief Digital and Technology Officer Jason Gowans stellte die Initiativen von 2025 in den Kontext beider Seiten des Geschäfts: KI ermögliche es dem Unternehmen, seine Arbeitsweise und den Umgang mit seinen Fans neu zu denken. Diese Kombination aus interner Effizienz und Kundenerlebnis zeigt sich darin, dass ein Super-Agent für Mitarbeitende, ein Filialassistent und eine App-Funktion gleichzeitig lanciert wurden.

Lesen Sie auch

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

Wie funktioniert das (Daten, Modelle, Prozess)?

Das Bootcamp-Modell ist eine Prozessinnovation: Die Absolventinnen und Absolventen kehren in ihre Teams zurück und wenden Machine Learning auf lokale Probleme an, unterstützt von der zentralen Strategie- und KI-Funktion. Laut der Fallstudie von Constellation kehrten 75 Prozent der Absolventinnen und Absolventen von 2021 in ihre ursprünglichen Abteilungen zurück, 25 Prozent wechselten in die Strategie- und KI-Funktion. Die Agentenarchitektur funktioniert anders: Ein zentraler Super-Agent leitet Anfragen an spezialisierte Sub-Agenten weiter, sodass Mitarbeitende eine einzige Oberfläche in einem Tool nutzen, mit dem sie ohnehin arbeiten. Outfitting stützt sich laut Unternehmen auf Kundenpräferenzen und Kaufhistorie und wird täglich aktualisiert.

Welche Ergebnisse hat Levi Strauss & Co. veröffentlicht?

Die einzige öffentlich verfügbare Finanzzahl stammt aus der Fallstudie von Constellation Research aus dem Jahr 2021. Demnach erbrachte die Arbeit des Unternehmens in Digital, Daten und KI 76 Millionen US-Dollar pro Jahr bei einer Bruttomarge von 76 Prozent. Es handelt sich um eine selbst eingereichte Award-Bewerbung, keine geprüfte Angabe, und sie umfasst die Digital- und Datenarbeit insgesamt. Für die Agenten von 2025 hat das Unternehmen Einführungsdaten veröffentlicht (60 Filialen für Stitch, Märkte für Outfitting), aber keine Ergebnisse zu Produktivität, Conversion oder Kosten.

Wo liegen die Grenzen und offenen Fragen?

Das Folgende ist redaktionelle Analyse. Die Episode von 2023 ist lehrreich. Kritiker argumentierten, KI-generierte Models seien kein Ersatz dafür, vielfältige Menschen zu engagieren, und am 28. März 2023 erklärte das Unternehmen, das Projekt hätte nicht als Diversitätsinitiative dargestellt werden dürfen und werde Shootings mit echten Models ergänzen statt ersetzen. Die Lehre: Kommunikation und Auswirkungen auf Anspruchsgruppen zählen ebenso viel wie technische Machbarkeit.

Weitere offene Fragen betreffen die Tragfähigkeit des Talentmodells nach dem Weggang seiner ursprünglichen Förderin, die Messung der Produktivität von Agenten in der Wissensarbeit und die Datenqualität: Agenten für IT, HR und Operations sind nur so verlässlich wie die Richtlinien und Daten, auf die sie zugreifen.

Lesen Sie auch

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

Was können andere Modeunternehmen daraus lernen?

1. Fachexpertinnen und -experten in Datenkompetenz ausbilden; sie wissen, welche Probleme sich zu lösen lohnen.
2. Ausgebildete Mitarbeitende in ihre Abteilungen zurückschicken, damit sich Kompetenz verbreitet, statt sich zentral zu ballen.
3. Die Botschaft kundenseitiger KI vor der Ankündigung mit den betroffenen Gruppen testen.
4. KI dort einsetzen, wo Mitarbeitende bereits arbeiten, etwa in Kollaborationstools und auf Filialgeräten.
5. Vor der Einführung festlegen, wie der Nutzen gemessen wird, damit sich mehr berichten lässt als Einführungszahlen.