Strategie

Wie Burberry Daten und KI in Clienteling, Design und Lieferkette einsetzt
Burberry hat Kundenmodelle für seine Client Advisors aufgebaut und sich öffentlich zu vorausschauender Bestandsplanung und Pilotprojekten zur Rückverfolgbarkeit geäussert. Diese Fallstudie trennt Veröffentlichtes von Nicht-Veröffentlichtem.

Wie VF Corporation KI und Daten in seinen Outdoor- und Lifestyle-Marken nutzt
Der Geschäftsbericht von VF nennt KI-gestützte Bestandsplanung im Rahmen einer breiteren Sanierung, und der CEO bezeichnet KI als transformativ, aber überhypt. Was dokumentiert ist und was nicht.

Wie Macy's mit Daten und KI das Omnichannel-Geschäft umbaut
Macy's sagt, das Unternehmen habe 35 KI-Anwendungsfälle und Pilotprojekte in Lieferkette, Merchandising und Service. Diese Fallstudie zeigt, was das Unternehmen berichtet hat, welche Leitplanken es beschreibt und was noch nicht gemessen ist.

Ein Agentic-Commerce-Leitfaden für Modehändler 2026
Agentic Commerce lässt einen KI-Assistenten im Auftrag der Kundschaft einkaufen. Dieser Leitfaden zeigt, was bereits live ist, was Modehändler zuerst in Ordnung bringen müssen und wo die offenen Risiken liegen.

Überwachen, was KI-Modelle über Ihre Marke sagen: eine monatliche Routine
KI-Assistenten beschreiben Modemarken heute gegenüber Käuferinnen und Einkäufern. Eine einfache monatliche Routine zeigt, ob diese Beschreibungen zutreffen, auf welche Quellen sie sich stützen und was korrigiert werden muss.

Die Rollen im AI Act erklärt: Ist Ihr Modeunternehmen Anbieter oder Betreiber?
Die meisten Modeunternehmen sind Betreiber von Tools, die andere gebaut haben, doch das Branding, die Veränderung oder die Zweckänderung eines Systems kann sie zu Anbietern machen. So erkennen Sie, welche Rolle Sie haben.

Der AI-Act-Zeitplan nach dem Digital Omnibus: Was gilt und was sich verschoben hat
Die Pflichten für Hochrisiko-Systeme sind auf Dezember 2027 und August 2028 verschoben, doch Transparenzpflichten und KI-Kompetenz sind bereits im Spiel. Ein datierter Leitfaden für Modeteams.

Eine KI-Nutzungsrichtlinie für Modeteams: eine Checkliste
Eine praktische Checkliste, um eine kurze, durchsetzbare KI-Richtlinie zu Tools, Daten, Offenlegung, Prüfung und Vorfällen zu verfassen, abgestimmt auf den AI Act und die NIST-Leitlinien.

KI-Vorfallsreaktion: Was tun, wenn ein Modell öffentlich danebenliegt
Ein Vorgehen in Schritten für Modemarken und Händler: eindämmen, einschätzen, melden, korrigieren und lernen, samt den rechtlichen Fristen, die gelten können.

Ein 90-Tage-KI-Pilot im Wholesale: Umfang, Kennzahlen und Abbruchkriterien
Ein praxisnaher Plan für einen zeitlich begrenzten KI-Pilot in einem Wholesale-Geschäft, mit definiertem Umfang, messbaren Zielen und vereinbarten Bedingungen für Abbruch oder Ausweitung.

Wie vermeidet man KI-Anbieterbindung? Datenportabilität und Exit-Pläne
Die Bindung an KI-Anbieter entsteht selten durch das Modell selbst, sondern durch Datenformate, Arbeitsabläufe und Verträge. Der EU Data Act hat einen Teil des Verhandlungsspielraums der Käufer verändert.

Welche Erkenntnisse liefert der Rollout eines KI-Assistenten im Unternehmen in der Mode?
Universelle KI-Assistenten sind die am leichtesten einzukaufende und am schwersten messbare KI. Veröffentlichte Rollouts und Umfragedaten zeigen eine Handvoll wiederkehrender Erkenntnisse zu Umfang, Datenzugriff, Schulung und Nachweis.

Welche Jobs in der Mode verändern sich durch KI zuerst? Eine Betrachtung auf Aufgabenebene
Jobs sind Bündel von Aufgaben, und KI erreicht manche Aufgaben lange bevor sie ganze Rollen erreicht. Eine aufgabenbezogene Lektüre der Evidenz zeigt, wo sich die Arbeit in der Mode wahrscheinlich verschiebt und was menschlich bleibt.

Wie sollte eine mittelgrosse Modegruppe ein KI-Kompetenzzentrum aufbauen?
Ein kleines, gut positioniertes KI-Team kann Anwendungsfälle, Daten, Governance und Schulung koordinieren, ohne zum Flaschenhals zu werden. Dieser Leitfaden behandelt Struktur, Rollen, Betriebsregeln und einen Kostenrahmen, ohne erfundene Benchmarks.

Wie sollten Modeunternehmen das KI-Budget für 2027 planen?
Ein KI-Budget für 2027 funktioniert am besten als Portfolio: eine kleine Basis für Grundlagen und Compliance, ein Kern für bewährte Anwendungsfälle und ein gedeckelter Topf für Experimente. Nutzungsbasierte Kosten und Datenarbeit sind die am häufigsten übersehenen Posten.

Was sollte der Verwaltungsrat zu KI fragen? Ein Briefing für Führungsgremien in der Mode
Verwaltungsrätinnen und Verwaltungsräte müssen die Modellarchitektur nicht verstehen, aber sie müssen zu Strategie, Wert, Risiko, Regulierung und Mitarbeitenden fragen. Dieses Briefing nennt die Fragen und die Belege, die eine gute Antwort enthalten sollte.

Wie organisiert LVMH KI? Die AI Factory, Agenten für die Maisons und der Innovation Award
LVMH betreibt KI als gemeinsame Konzerninfrastruktur, über deren Einsatz die Maisons selbst entscheiden: ein zentrales Daten- und KI-Team, interne Assistenten, Clienteling-Agenten und ein Startup-Award, der neue Projekte liefert.

Gap Inc. und Google Cloud: was eine konzernweite KI-Partnerschaft umfasst
Im Oktober 2025 hat Gap Inc. eine mehrjährige KI-Partnerschaft mit Google Cloud geschlossen, die Design, Preisgestaltung, Marketing und Arbeitsabläufe der Mitarbeitenden umfasst. Was angekündigt wurde, was nicht und wie sie an die früheren KI-Projekte von Gap anknüpft.

Wie die Otto Group generative KI in ihren Handelsgesellschaften eingeführt hat
Die Otto Group hat 2023 ihren hauseigenen Assistenten ogGPT lanciert und zählte Ende 2025 mehr als 10'000 monatlich aktive Nutzerinnen und Nutzer. Wie die Einführung organisiert, gesteuert und begleitet wurde und was sie noch nicht belegt.

Wem gehört der Kunde, wenn ein KI-Agent einkauft? Markenkontrolle im Agentic Commerce
Wenn Assistenten für Kundinnen und Kunden suchen, vergleichen und kaufen, drohen Modemarken die Beziehung, die Daten und die Inszenierung zu verlieren. Wo sich die Kontrolle verschiebt und welche Hebel Marken noch in der Hand haben.

GEO vs. SEO: Was ändert sich für Modemarken, wenn Antworten die Suchergebnisse ersetzen?
Generative Engine Optimization baut auf SEO auf, statt es zu ersetzen. Was sich ändert, ist der Massstab für Erfolg: in einer Antwort zitiert und korrekt beschrieben zu werden, nicht nur auf einer Seite zu ranken.

EU AI Act nach August 2026: Was Modeunternehmen jetzt einhalten müssen
Der Grossteil des AI Act gilt seit dem 2. August 2026, doch der AI Omnibus hat die Hochrisikoregeln auf Dezember 2027 verschoben. Eine Checkliste mit Fristen für Modemarken und -händler.

Gilt der EU AI Act für Schweizer und britische Modemarken? KI-Regeln ausserhalb der EU
Die Schweiz und Grossbritannien haben keinen eigenen AI Act, doch EU-Regeln erfassen Marken, die in die EU verkaufen. Was im Inland gilt, was über die EU gilt und was noch kommt.

Dynamic Pricing in der Mode: Wo hilft KI, und wo schadet sie der Marke?
Algorithmische Preisgestaltung kann Bestände abbauen und die Marge schützen, doch häufige oder personalisierte Preisänderungen bergen Risiken für Marke, Vertrauen und Rechtssicherheit. Wo KI-Pricing in der Mode seinen Platz hat und wo es aufhören sollte.

Wie können Modemarken 2026 KI-Szenarioplanung für Zölle und Beschaffung nutzen?
Die US-Zollregeln haben sich 2026 erneut geändert, und die Handelsströme bei Bekleidung verschieben sich. Wie KI-gestützte Szenarioplanung Marken hilft, Beschaffungsoptionen zu vergleichen, und warum sie Politik nicht vorhersagen kann.

Welche neuen KI-Rollen brauchen Modeunternehmen, und was tun sie tatsächlich?
Chief AI Officers, KI-Product-Owner, Prompt- und Conversation-Designer, Data Stewards: ein nüchterner Leitfaden zu den KI-Rollen, die in Modeunternehmen entstehen, und wofür jede davon verantwortlich ist.

Wie bringen Sie Mitarbeitende dazu, KI tatsächlich zu nutzen? Ein Einführungsplan für Modeteams
Lizenzen allein verändern die Arbeitsweise nicht. Ein praxisnaher Einführungsplan für Modeunternehmen: Anwendungsfälle je Team, Schulung, Leitplanken, Champions und Messung.

Warum bleiben KI-Piloten in der Mode stecken, und wie bringt man sie in die Produktion?
Die meisten Piloten mit generativer KI erreichen nie den breiten Einsatz. Warum Modepiloten ins Stocken geraten, von Daten und Integration bis zu unklarem Nutzen, und wie der Weg vom Proof of Concept in die Produktion Schritt für Schritt gelingt.

Plattform oder Einzellösungen? So strukturieren Modeunternehmen die KI-Anbieterlandschaft
Sollte ein Modeunternehmen eine KI-Plattform kaufen oder viele spezialisierte Tools? Ein strukturierter Blick auf die Ebenen des KI-Stacks, die Zielkonflikte und die Entscheidung Anwendungsfall für Anwendungsfall.

Was ist KI in der Mode? Der umfassende Leitfaden zu KI entlang der Wertschöpfungskette
Von Design und Planung über Wholesale und Supply Chain bis zum E-Commerce: was künstliche Intelligenz in der Mode heute tatsächlich leistet, welche Daten sie braucht und wo ihre Grenzen liegen.

KI im Modeunternehmen einführen: ein 90-Tage-Plan
Ein praxisnaher Dreimonatsplan für Modeunternehmen: die ersten Anwendungsfälle auswählen, die Daten prüfen, ein aussagekräftiges Pilotprojekt durchführen und entscheiden, was skaliert wird.

Wie Modemarken eine KI-Strategie entwickeln
Eine KI-Strategie ist eine Reihe von Entscheidungen darüber, wo KI die Arbeitsweise des Unternehmens verändern soll, welche Daten und Kompetenzen dafür nötig sind und wie Risiken gesteuert werden. So können Modemarken diese Entscheidungen treffen.

Selbst entwickeln, kaufen oder Partner? Wie Modeunternehmen KI beschaffen sollten
Modeunternehmen können KI als Software kaufen, auf eigenen Daten selbst entwickeln oder mit Technologiepartnern umsetzen. Wann welche Option sinnvoll ist, was die Belege sagen und wie sich ein Lock-in vermeiden lässt.

Welche Kompetenzen und Teamstrukturen brauchen Modeunternehmen für KI?
KI verändert die Arbeit in Design, Merchandising, Vertrieb und Service. Welche Kompetenzen Modeunternehmen brauchen, wie sie KI-Teams organisieren und wie sie KI-Kompetenz nachhaltig aufbauen.

Was macht ein Wholesale-Unternehmen KI-ready?
KI-Reife im Modewholesale hängt weniger von Algorithmen ab als von strukturierten Produkt-, Auftrags- und Partnerdaten, klaren Zuständigkeiten und Prozessen, die festhalten, warum Einkäufer entscheiden, wie sie entscheiden.

Wie Levi Strauss & Co. KI einsetzt: das Datenprogramm und seine Lehren
Levi Strauss & Co. hat eigene Mitarbeitende in Machine Learning ausgebildet, 2023 mit KI-Models einen Fehltritt erlebt und führt nun Agenten für Mitarbeitende und Kundschaft ein. Was das Programm zeigt.

KI für CFOs in der Mode: wo das Geld liegt und wie man es steuert
Wo KI in einem Modeunternehmen messbaren Wert schafft, wofür Finanzteams sie nutzen können, warum sich viele KI-Projekte nicht rechnen und wie CFOs KI-Ausgaben und -Risiken steuern können.

KI für Wholesale-Modemarken im mittleren Preissegment: wo der Einstieg gelingt
Marken im mittleren Preissegment, die vor allem über Handelspartner verkaufen, haben weniger Daten und kleinere Teams als die Grossen. KI zahlt sich dennoch aus, wenn sie auf Ordererfassung, Produktdaten und Einblicke in den Abverkauf zielt.

Warum Modemessen im digitalen Wholesale weiterhin zählen
Digitale Werkzeuge übernehmen heute vieles, was einst Aufgabe der Messen war, von der Kollektionspräsentation bis zur Ordererfassung. Doch die Messehalle leistet nach wie vor Dinge, die ein Bildschirm kaum nachbilden kann.

Selbst entwickeln oder kaufen? Software für Modeunternehmen auswählen
Individualsoftware verspricht perfekte Passung, Standardsoftware Tempo und weniger Risiko. Ein praktischer Rahmen, um zu entscheiden, welcher Weg zu welchem Bereich eines Modeunternehmens passt.

Marktplätze für Modemarken: Modelle, Zielkonflikte und Kontrolle
Online-Marktplätze bieten Reichweite, doch jedes Modell verschiebt, wer über Preis, Bestand und Markenauftritt bestimmt. So funktionieren die wichtigsten Modelle, und das sollten Marken abwägen.

Softwareauswahl (RFP) durchführen, ohne eine Saison zu verlieren
Ein strukturierter Auswahlprozess findet das richtige System und schützt den Verkaufskalender. Ein Leitfaden Schritt für Schritt für Modeunternehmen, die eine Ausschreibung durchführen.

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.

KI-Governance für Modeunternehmen: ein pragmatischer Einstieg
Mitarbeitende nutzen KI-Werkzeuge bereits, mit oder ohne Richtlinie. Ein schlanker Governance-Rahmen für Modeunternehmen: was erlaubt ist, was kontrolliert wird und wer entscheidet.

Die wichtigsten Geschäftsmodelle in der Mode, erklärt
Wholesale, Direct-to-Consumer, Lizenzen, Private Label und mehr: wie jedes Geschäftsmodell in der Mode Geld verdient, wo das Risiko liegt und warum die meisten Marken mehrere zugleich betreiben.

Direct-to-Consumer oder Wholesale: den Kanalmix neu denken
DTC versprach höhere Margen und direkte Kundendaten. Die Realität umfasst Akquisitionskosten, Bestandsrisiko und Retouren. Warum die kluge Antwort meist eine bewusste Balance ist.

Eine Modemarke über Wholesale international expandieren
Wholesale ist oft der risikoärmste Weg in neue Märkte. Ein praktischer Leitfaden zur Wahl der Märkte, zur Strukturierung des Vertriebs, zur Preisgestaltung über Währungen hinweg und zur Unterstützung von Händlern im Ausland.

Handelsvertreter, Distributoren und Showrooms: wer eine Marke im Ausland verkauft
Handelsvertreter, Distributoren und Multibrand-Showrooms öffnen Modemarken Türen in ausländischen Märkten. Wie jedes Modell funktioniert, was es kostet und was in den Vertrag gehört.

Preisarchitektur: Grosshandelspreis, UVP und Preislisten in Fremdwährung
Wie Modemarken Preislagen, Grosshandelspreise, unverbindliche Preisempfehlungen und Währungslisten zu einem stimmigen System verbinden, dem Händler vertrauen und das die Finanzabteilung verteidigen kann.

Nearshoring in der Mode: die Zielkonflikte
Produktion näher an die Absatzmärkte zu holen, verspricht Tempo, Flexibilität und Widerstandsfähigkeit. Es erhöht aber auch die Stückkosten und schränkt das Know-how ein. Wie man entscheidet, was näher rückt und was bleibt.

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.

Eine realistische digitale Roadmap für eine traditionelle Modemarke
Die digitale Transformation scheitert, wenn sie bei den Tools beginnt. Eine phasenweise, praxisnahe Roadmap für etablierte Modemarken, die bei Daten und Prozessen ansetzt und sich am Saisonrhythmus orientiert.