Bestand

Wie lululemon KI in Produkt, Planung und Bestandsmanagement angeht
lululemon hat einen Chief AI and Technology Officer ernannt und ein Ziel für neue Styles gesetzt, aber nur wenige Details zu KI in der Planung veröffentlicht. Das ist dokumentiert.

Was Columbia Sportswear zu KI, Planung und Lieferkette offengelegt hat
Columbia hat keine KI-Einsätze veröffentlicht, doch die Geschäftsberichte beschreiben, wie das Unternehmen die Nachfrage plant, sich auf Cloud-Planungswerkzeuge stützt und KI als Technologierisiko behandelt.

Wie Abercrombie and Fitch Sortimente und Bestände plant: Was zu KI öffentlich bekannt ist
Abercrombie and Fitch äussert sich zu KI zurückhaltend, doch das Modell Read and React, der ERP-Ersatz und die Bestandsdisziplin zeigen, wie ein datengetriebener Planer arbeitet. Ein nüchterner Blick darauf, was dokumentiert ist.

Wie Target KI in Bestandsführung, Filialwerkzeugen und Einkaufsassistenten einsetzt
Target hat generative KI-Werkzeuge für Gäste und Filialteams, eine ChatGPT-App und ein Data-Science-Bestandssystem für rund 2000 Filialen beschrieben. Eine Fallstudie darüber, was veröffentlicht ist, und wo die Grenzen liegen.

Saisonendabverkauf mit KI: Kanäle, Timing und Markenschutz
KI kann vor Saisonende Abschriftentiefe, Timing und Kanalwahl modellieren, doch der Abverkauf hängt weiterhin von sauberen Bestandsdaten, Preisregeln und Entscheidungen über den Markenwert ab.

Prognose nach Style, Farbe, Grösse und Filiale: Hierarchien erklärt
Die Nachfrage nach Mode lässt sich auf vielen Ebenen prognostizieren, und die Prognosen müssen sich zu einem Ganzen addieren. Hierarchische Methoden und Reconciliation sind die Standardantwort auf dieses Problem.

Sicherheitsbestand in der Mode: Warum klassische Formeln versagen und was sie ersetzt
Die Lehrbuchformel für den Sicherheitsbestand setzt normalverteilte, unabhängige und stabile Nachfrage voraus. Die Mode bietet selten eines der drei, daher brauchen Planer andere Werkzeuge.

Bestände zwischen Filialen und Online mit KI umlagern
Umlagerung bringt Ware dorthin, wo sie sich verkaufen wird. KI hilft zu entscheiden, was wann bewegt wird, doch ob es sich lohnt, entscheiden Transportkosten, Bestandsgenauigkeit und Fulfilment-Regeln.

Reichweite und GMROI: zwei Lagerkennzahlen erklärt
Die eine zeigt, wie lange der Bestand reicht, die andere, ob der Bestand sich rechnet. Formeln, Einsatz und Grenzen.

So erstellen Sie eine Grössen- und Farbkurve aus Abverkaufsdaten in einer Tabelle
Eine Schritt-für-Schritt-Methode, die Fehlbestände korrigiert, samt den Fallstricken, die naive Kurven falsch machen.

Wie Decathlon KI für Nachfrageprognose und Supply-Planung einsetzt
Decathlon prognostiziert die wöchentliche Nachfrage für bis zu 25'000 Produkte pro Versorgungszone und ist auf ein feinabgestimmtes Foundation Model für Zeitreihen umgestiegen. Was das Unternehmen zu Genauigkeit, Kosten und Grenzen veröffentlicht hat.

Wie steuert Rent the Runway mit Daten und KI einen geteilten Bestand?
Rent the Runway ging 2025 die grösste Bestandswette seiner Geschichte ein und setzte 2026 auf KI-Empfehlungen, Suche und Outfit-Generierung. Was das Unternehmen gemeldet hat und was Mietmodelle über Bestandsführung lehren.

Was ist ein KI-gestützter Supply-Chain-Control-Tower und wer handelt auf Basis seiner Anzeigen?
Control Tower versprechen eine einheitliche Sicht auf Bestellungen, Sendungen und Bestände mit KI-Warnungen obendrauf. In der Mode hängt ihr Wert weniger vom Dashboard ab als von der Datenqualität und davon, wer handeln darf.

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.

Wie verbessern Wetter und externe Signale die Bedarfsprognose in der Mode?
Unsaisonales Wetter bewegt die Modeumsätze regelmässig, und Händler führen es oft in ihren Ergebnissen an. Was Wetter-, Event- und Suchdaten zur KI-gestützten Bedarfsplanung beitragen können, in welchem Umfang und wo die Belege dünn sind.

Wie wird KI in Modelogistik und Lager eingesetzt?
Von Kommissionierrobotern über Lagerplatzvergabe bis zu Lieferterminzusagen: KI hält Einzug in das Fulfilment der Mode. Was im Einsatz ist, wovon es abhängt und warum weiche, vielfältige Produkte schwer zu automatisieren bleiben.

Datenstrategie für KI in der Mode: was zuerst bereinigt werden muss
Die meisten KI-Projekte in der Mode scheitern an den Daten, nicht an den Algorithmen. Welche Daten am wichtigsten sind, was zuerst bereinigt werden sollte und wie Produkt-, Bestands- und Verkaufsdaten KI-fähig werden.

Wie senkt KI-gestützte Bestandsoptimierung Altware und Fehlbestände in der Mode?
Modeware ist verderblich: Zu viel endet in Abschriften, zu wenig in entgangenen Verkäufen. Wie KI-Modelle beides ausbalancieren, welche Belege es gibt und was sie brauchen, um zu funktionieren.

Wie funktionieren KI-gestützte Allokation und Replenishment über Filialen und Kanäle?
Die Allokation entscheidet, wohin die Ware zuerst geht; das Replenishment entscheidet, was nachfolgt. KI trifft beide Entscheidungen auf Ebene von Grösse und Standort. Wie das funktioniert, was es braucht und wo es an Grenzen stösst.

Was ist die Optimierung der Grössenverteilung, und wie hilft KI, die richtigen Grössen einzukaufen?
Wer den falschen Grössenmix einkauft, behält Randgrössen auf der Stange, während die Kerngrössen ausverkauft sind. Wie KI die tatsächliche Nachfrage nach Grössen schätzt, warum Fehlbestände die Daten in die Irre führen und worauf zu achten ist.

Was ist Demand Sensing, und wie funktioniert es in der Mode?
Demand Sensing aktualisiert kurzfristige Prognosen mit den neuesten Verkäufen und externen Signalen. In der Mode verbessert es vor allem Entscheidungen während der Saison: Nachschub, Umlagerungen und Abschriften.

Wie wird KI in stationären Modegeschäften eingesetzt?
Von Assistenten für das Verkaufspersonal und Clienteling bis zu Computer Vision für Bestand und Kasse: KI hält Einzug auf der Verkaufsfläche. Was funktioniert, was es braucht und wo das Datenschutzrecht klare Grenzen zieht.

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.

Wie Inditex KI und Daten einsetzt: RFID und eine nachfragegesteuerte Supply Chain
Der Vorsprung von Inditex beruht auf RFID-Daten auf Artikelebene, integrierten Beständen und Produktion in der Nähe. Wo KI nun ins Spiel kommt, welche Ergebnisse öffentlich sind und was nicht offengelegt wurde.

Wie Uniqlo und Fast Retailing KI und Daten im Ariake-Projekt einsetzen
Mit dem Ariake-Projekt will Fast Retailing genau das herstellen und verkaufen, was die Kundschaft will, und zwar dann, wenn sie es will. Welche Rolle KI, geteilte Daten und automatisierte Lager spielen und was der Konzern offengelegt hat.

KI für Merchandiser und Planer: ein Praxisleitfaden
Wie KI in der Mode die Warenwirtschaftsplanung, Prognose, Allokation, Nachversorgung und Preisreduzierungen unterstützt, welche Daten sie braucht, was Planer weiterhin entscheiden und wie der Einstieg gelingt.

KI in Kindermode und Basics: Prognosen für Sortimente mit Nachversorgung
Basics und Kindermode verkaufen sich stetig, in vielen Grössen und mit geringen Margen. Das macht sie ideal für KI-Prognosen und Nachversorgung, und heikel, wenn der Kunde ein Kind ist.

Pre-Order vs. Re-Order: die zwei Rhythmen des Orderbuchs in der Mode
Pre-Orders geben einer Saison ihre Form, Re-Orders reagieren darauf, wie sie sich tatsächlich verkauft. Wer beide versteht, plant Bestand, Liquidität und Produktion besser.

Sell-in vs. Sell-through: die zwei Kennzahlen, die jede Marke im Blick haben sollte
Der Sell-in zeigt einer Marke, was der Handel gekauft hat. Der Sell-through zeigt, was Konsumentinnen und Konsumenten tatsächlich mitgenommen haben. Erst beide zusammen verraten, wie gesund ein Wholesale-Geschäft wirklich ist.

Replenishment in der Mode: So funktionieren Never-out-of-Stock-Programme
Never-out-of-Stock-Programme halten Basisprodukte für den Handel dauerhaft verfügbar. Auf der Fläche wirken sie einfach, doch sie erfordern disziplinierte Planung, Bestände und Daten.

Sind Ihre Daten bereit für KI? Ein Readiness-Check für Modemarken
Die meisten KI-Projekte in der Mode scheitern an den Daten, nicht an den Algorithmen. Ein praktischer Readiness-Check über Produkt-, Kunden-, Order- und Bestandsdaten, mit den wirksamsten Korrekturen.

Omnichannel im Modehandel: was es wirklich voraussetzt
Omnichannel ist nicht einfach Website plus Filialen. Es ist ein Zusammenspiel aus gemeinsamen Daten, Beständen, Prozessen und Anreizen, das Kundinnen und Kunden frei zwischen den Kanälen wechseln lässt.

Open-to-Buy erklärt: wie Modehändler ihren Einkauf budgetieren
Das Open-to-Buy zeigt einer Einkäuferin, wie viel Ware noch gekauft werden kann, ohne den Plan zu sprengen. So wird es berechnet, genutzt und häufig falsch angewendet.

Concession, Kommission und Wholesale: die drei Modelle im Vergleich
Wem die Ware gehört, wer den Preis festlegt und wer das Markdown-Risiko trägt, hängt vom Geschäftsmodell ab. Wie sich Wholesale, Kommission und Concessions unterscheiden.

Bestandstransparenz über alle Kanäle: die Grundlagen für Modeunternehmen
Ware, die man nicht sieht, kann man nicht verkaufen. Was Bestandstransparenz bedeutet, welche Bestandsstatus erfasst werden sollten und wie man sie Schritt für Schritt aufbaut.

Endless Aisle und Drop Shipping zwischen Marken und Händlern
Händler wollen breitere Sortimente ohne mehr Bestand, Marken wollen mehr Umsatz aus dem Bestand, den sie halten. Wie Endless Aisle und Drop Shipping beides verbinden.

Handelskennzahlen erklärt: Sell-through, GMROI und Reichweite in Wochen
Drei Kennzahlen beantworten die meisten Fragen zur Leistung von Modebeständen. Wie man Sell-through, GMROI und Reichweite in Wochen berechnet und gemeinsam liest.

Saisonalität und Liquidität in Modeunternehmen
Modemarken bezahlen Stoffe Monate bevor sie für Kleidungsstücke bezahlt werden. Wie der saisonale Liquiditätszyklus funktioniert, wo die Druckpunkte liegen und wie Finanzteams sie steuern.

Worauf Investoren bei einer Modemarke achten
Markenbegehrlichkeit reicht nicht. Investoren und Käufer prüfen Margenqualität, Kanalmix, Kundendaten, Bestandsdisziplin und Skalierbarkeit. Ein klarer Leitfaden, wie Modeunternehmen beurteilt werden.

Überproduktion in der Mode: Ursachen und Hebel
Mehr herzustellen, als sich zum vollen Preis verkaufen lässt, ist in die Art eingebaut, wie die Mode plant, einkauft und produziert. Warum es geschieht, warum die Regulierung den Einsatz nun erhöht und welche Hebel tatsächlich wirken.