Eine der größten Herausforderungen der Modebranche ist auch ihre grundlegendste: die Passform. Das Fehlen standardisierter Größen in der gesamten Branche führt zu schlecht sitzender Kleidung und hohen Rücksendequoten, was das Verbrauchervertrauen, die Finanzen der Marken und die Umwelt schädigt. Eine aktuelle Umfrage von Vogue Business unterstreicht das Ausmaß des Problems zu einer Zeit, in der Marken bereits mit einem allgemeinen Konjunktureinbruch im Luxussegment zu kämpfen haben. Die Umfrage ergab, dass schlechte Passform (43 %) und inkonsistente Größen (36 %) Hauptgründe sind, warum Verbraucher den Kauf bei bestimmten Marken oder Händlern vermeiden, und eine schlechte Passform ist der häufigste Grund für Rücksendungen, der 38 % ausmacht.

Wenige haben sich so sehr mit dem Passformproblem der Mode beschäftigt wie Phoebe Gormley, die mit 20 Jahren die erste Damenschneiderei in der Savile Row in London gründete. "Seit zehn Jahren höre ich Frauen über die Größen klagen", erzählt sie Vogue Business. "Egal welchen Alters, welches Budget oder wo sie einkaufen, sie alle stellen die gleiche Frage: Warum sind die Größen so schlecht? Es scheint, als hätte die Modebranche den Bezug zur Konfektionsgröße völlig verloren."

Gormley glaubt, dass KI die Lösung sein könnte. Sie schuf Fit Collective, ein Passform-Betriebssystem, das KI nutzt, um Marken Daten aus Kundenrücksendungen zu liefern und ihnen so zu helfen, die Herstellung von Kleidung auf der Grundlage von Erkenntnissen über Größen und Stoffe zu verbessern. Das Startup sicherte sich kürzlich eine Pre-Seed-Finanzierung in Höhe von 3 Millionen Pfund von AlbionVC, Superseded, True und January Ventures sowie einen Zuschuss der britischen Regierung in Höhe von 324.000 Pfund. Gormley sagt, die Mittel würden hauptsächlich für die Einstellung von Ingenieuren verwendet, um das maschinelle Lernen hinter Fit Collective voranzutreiben. Seit der Markteinführung Ende 2023 hat das Unternehmen 10 Kunden gewonnen, darunter Rixo, Boden, Ro & Zo, L’Estrange und The Sports Edit (Teil von Marks & Spencer), was reichlich Daten liefert, um zu analysieren, wo die Modegrößen versagen.

Warum die Modebranche bei der Passform danebenliegt

Gormley weist darauf hin, dass Größenprobleme Frauen stärker betreffen als Männer. Während die Rücksendequote bei Männern bei etwa 15 % liegt, kann sie bei Frauen je nach Preisklasse 40–50 % erreichen, so die Daten von Fit Collective. Bei Luxus-Damenmode sind die Rücksendequoten sogar noch höher, bei etwa 60 %. Diese Lücke ist größtenteils darauf zurückzuführen, dass Damenmode-Designs aufgrund aufwändigerer Schnitte und einer größeren Vielfalt an Stoffen – von sehr leicht bis hochelastisch – weiter von den ursprünglichen Größenschablonen abweichen als Herrenmode, was die Passform verzerrt. Da Marken neue Größen auf früheren Kleidungsstücken basieren, vergrößert sich die Abweichung von den ursprünglichen Schablonen mit der Zeit.

"Im Luxussegment ist das Rücksendeproblem schlimmer, weil Kunden weniger kaufen und jeden Kauf sorgfältiger überlegen", erklärt Gormley. "Das bedeutet, dass Luxusmarken weit weniger Rücksendedaten haben als Massenmarken."

Gormley räumt ein, dass die Mittelbeschaffung für die Pre-Seed-Runde schwierig war, da Fit-Tech bei Investoren oft unbeliebt ist, weil es viele bestehende Tools gibt, die die Rücksendequoten nicht signifikant gesenkt haben. Aktuelle Lösungen beinhalten meist KI-KörperScans, die Kunden zum Hochladen von Fotos auffordern, oder "Finde meine Größe"-Buttons, die nach Größe, Gewicht und Konfektionsgröße fragen. Beide Methoden verursachen Reibungsverluste und erfordern viel Eingabe, was zu einer geringen Akzeptanz führt – nur 3 % der Verbraucher nutzen diese Tools bei den Kunden von Fit Collective.

Neben dem Bedarf an Kundeninput ist die größte Herausforderung für Marken die Inkonsistenz der Größen bei verschiedenen Artikeln. Beispielsweise analysierte Gormley die veröffentlichten Maße einer High-Street-Marke und fand eine Differenz von 66 cm in der Taille bei Damenjeans, die alle als Größe 28 gekennzeichnet waren.

Die Software-Oberfläche von Fit Collective zeigt erhebliche Unterschiede in den tatsächlichen Maßen von Damenhemden, die alle als Größe 12 gekennzeichnet sind, über 179 verschiedene gelistete Styles hinweg.

Gründerin Gormley bemerkte, dass sich viele Unternehmen auf Website-Tools konzentrierten, um Kunden bei der Größenfindung zu helfen, aber nur wenige das Grundproblem angingen: von Anfang an inkonsistente Kleidungsgrößen. Ihr Startup zielt darauf ab, mit KI Marken bei der Standardisierung ihrer Größen zu unterstützen.

Marken, insbesondere große Einzelhändler, sammeln riesige Datenmengen aus Kundeneinkäufen und -rücksendungen. Während Verkaufsdaten oft die zukünftige Produktion beeinflussen, werden die Gründe für Rücksendungen häufig übersehen. Die Software von Fit Collective wurde entwickelt, um diese vernachlässigten Daten zu analysieren, Rücksendungen, Stoffverhalten und Größeninkonsistenzen zu prüfen. Sie fungiert als "Co-Pilot" für Marken und hilft ihnen, intelligentere Größenentscheidungen zu treffen, um Produkte zu verbessern und Rücksendequoten zu senken.

Achtzig Prozent des Produkts von Fit Collective ist eine Backend-Software, die es Marken ermöglicht, die Performance ihrer Kleidungsstücke zu analysieren. Das Dashboard bewertet jedes Produkt (SKU) mit einer roten, gelben oder grünen Einstufung basierend auf seinem kommerziellen Erfolg im Vergleich zu seiner Passform. Diese Bewertung berücksichtigt die Absatzrate, die Rücksendequote, den finanziellen Verlust durch Rücksendungen und deren Anteil. Die Software sammelt Erkenntnisse über Passform und Stoffqualität aus Kundenrücksendeinformationen und schlägt vor, wo diese Daten anzuwenden sind, unter Nutzung zusätzlicher Quellen wie Herstellerprotokolle. Sie sagt auch voraus, wie sich empfohlene Änderungen auf Rücksendequoten und Umsatz auswirken könnten.

Für Marken, die Shopify nutzen, integriert sich die Plattform einfach als One-Click-App und verbindet sich per API-Schlüssel mit ihren anderen Datentools. Die Verknüpfung von Transaktions- und Rücksendedaten ist entscheidend, und zusätzliche Daten wie Kundenbewertungen können für tiefere Einblicke hinzugefügt werden. Marken, die nicht auf Shopify sind, können sich über eine API mit ihrem Data Warehouse verbinden.

Als SaaS-Unternehmen nutzt Fit Collective ein Abonnementmodell. Die Kosten basieren auf dem Umsatz und den Rücksendequoten einer Marke; beispielsweise könnte eine Damenmodemarke mit einem Umsatz von 10 Millionen US-Dollar etwa 1.000 Pfund pro Monat zahlen. Die Amortisation erfolgt typischerweise innerhalb von sechs bis 12 Monaten.

Das Startup bietet auch kundenseitige Einblicke auf Produktseiten, die detailliert beschreiben, wie ein Kleidungsstück sitzt. Im Gegensatz zu separaten "Finde meine Größe"-Tools, die zusätzliche Schritte erfordern, ist diese Information direkt in die Produktbeschreibung integriert und erreicht alle Käufer. Gormley berichtet, dass diese Updates es Kundenmarken ermöglicht haben, ihre jährlichen Vertragskosten innerhalb von nur drei Monaten wieder hereinzuholen.

Sie räumt ein, dass die Beeinflussung der Produktion ein langsamerer Prozess ist und sechs bis 12 Monate dauert, bis neue Artikel in den Regalen stehen. Während dieser Zeit sind die Verbraucher-Größenempfehlungen auf den Produktseiten jedoch bereits aktiv und beginnen, Rücksendungen zu reduzieren. "Sie gehen zurück", sagt sie.

Da OpenAIs ChatGPT und Google weiter in den Online-Handel expandieren, erklärt Gormley, dass die Partnerschaft der Plattform mit Shopify – die den Checkout in den Chatbot integriert – es diesen KI-Systemen ermöglichen wird, die Größenempfehlungen des Startups zu nutzen. Das bedeutet, dass Käufer noch präzisere Passform-Beratung erhalten können, selbst wenn sie sich nicht auf der Website einer Marke befinden.

Darüber hinaus beabsichtigt Fit Collective nicht, in Virtual-Try-On-Technologie einzusteigen. Stattdessen glaubt Gormley, dass große Technologieunternehmen wie Apple ihre kamerabasierten Mess-Apps verbessern könnten, um Nutzern bei der Bestimmung ihrer Körpermaße zu helfen. Dies würde wahrscheinlich im Kontext von Gesundheitsdaten erfolgen, sodass Verbraucher ihre Maße mehrmals im Jahr aktualisieren könnten.

"Ich freue mich auf eine Zukunft, in der Verbraucher ihre Maße auf ihren Telefonen gespeichert haben und ChatGPT oder Google Shopping nutzen können, um nach Artikeln wie weißen Jeans zu suchen", sagt Gormley. "Dann wird die KI, da unsere Technologie in Marken-Websites integriert ist, in der Lage sein, Tausende von Ergebnissen zu durchsuchen und die 100 Paare zu empfehlen, die am ehesten passen."

Sie weist darauf hin, dass selbst bekannte Marken Inkonsistenzen in den Größen haben können, wie zum Beispiel bei Jeans.

Derzeit sieht Gormley eine bedeutende finanzielle und nachhaltige Chance für die Modebranche darin, Marken dabei zu helfen, die richtigen Produkte herzustellen. "Wenn wir Händlern helfen, bessere Artikel zu kreieren, werden die Rücksendequoten sinken, was es ihnen ermöglicht, mehr in die Verbesserung ihrer Produkte zu investieren", erklärt sie.

Gormley beschreibt eine "Abwärtsspirale", in der Marken gefangen sind: Sie produzieren Artikel schnell und billig, was zu hohen Rücksendequoten und finanziellen Verlusten führt. Dieser Zyklus lässt sie jedes Jahr mit weniger Kapital dastehen, was sie zwingt, die Produktionskosten weiter zu senken.

"Ich möchte, dass unsere Software diesen Kreislauf durchbricht und in eine Aufwärtsspirale verwandelt, die Marken das Vertrauen gibt, im Voraus in qualitativ hochwertigere Produkte zu investieren", so Gormley. "Sie werden dies tun, weil sie verlässliche Daten haben, die zeigen, dass die Kleidungsstücke besser passen und daher nicht mit einer Rate von 60 % zurückgesendet werden."

Mehr von diesem Autor:
- Wie man einen E-Commerce-Shop aufbaut, der für aufstrebende Marken funktioniert
- Influencer werden zu Händlern. Was nun?
- Wie können Modemarken KI-Kampagnen richtig umsetzen?

Häufig gestellte Fragen
Natürlich. Hier ist eine Liste hilfreicher und prägnanter FAQs zur Rolle von KI bei der Sicherstellung der richtigen Kleiderpassform.



Anfänger - Definitionsfragen



1. Wie kann KI überhaupt bei der Kleiderpassform helfen?

KI analysiert große Datenmengen – wie Körpermaße, Stoffeigenschaften und Kundenfeedback –, um vorherzusagen, wie ein Kleidungsstück bei verschiedenen Körpertypen passt, und schlägt Verbesserungen am Design und an den Größen vor.



2. Was bedeutet KI für die Kleiderpassform eigentlich?

Es bedeutet, smarte Computeralgorithmen zu nutzen, um das uralte Problem inkonsistenter Größen anzugehen. Anstatt sich auf generische Größentabellen zu verlassen, kann KI personalisierte Größenempfehlungen erstellen und Marken dabei helfen, von Anfang an besser sitzende Kleidung zu entwerfen.



3. Ist das nur eine ausgefallene Größentabelle?

Nein, es ist viel dynamischer. Während eine Größentabelle eine statische Anleitung ist, kann KI daraus lernen, wie echte Menschen mit unterschiedlichen Körperformen tatsächlich in Kleidung passen, und ihre Vorhersagen für mehr Genauigkeit ständig verfeinern.



Vorteile & Wie es Käufern hilft



4. Was ist der Hauptvorteil für mich als Käufer?

Der größte Vorteil ist die Reduzierung von Rücksendungen. Sie werden sicherer sein, dass das, was Sie online bestellen, tatsächlich passt, und sparen sich die Mühe, Artikel zurückzuschicken.



5. Wird mir KI sagen, welche Größe ich kaufen soll?

Ja. Viele Online-Shops haben jetzt Größenempfehlungs-Tools. Sie geben Ihre Größe, Gewicht und manchmal andere Details ein, und die KI schlägt die beste Größe für Sie in dieser bestimmten Marke oder bei diesem Artikel vor.



6. Kann mir KI helfen, Kleidung für meine spezifische Körperform zu finden?

Absolut. Fortschrittliche KI kann identifizieren, ob Sie eine Birnen-, Apfel- oder sportliche Form haben, und Marken und Styles empfehlen, von denen bekannt ist, dass sie diese Silhouette schmeicheln – über grundlegende Maße hinaus.



Häufige Probleme & Einschränkungen



7. Was ist die größte Herausforderung für KI, die Passform richtig hinzubekommen?

Die größte Herausforderung ist das Fehlen standardisierter Größen in der Branche. Eine Größe M kann bei verschiedenen Marken unterschiedlich bedeuten, was sowohl Käufer als auch die KI verwirrt.



8. Muss ich meine Körpermaße preisgeben, damit das funktioniert?

Für die genauesten Ergebnisse: ja. Während einige Tools anhand von Größe und Gewicht schätzen können, geben spezifische Maße der KI die präzisen Daten, die sie für eine perfekte Empfehlung benötigt.



9. Kann KI persönliche Passform-Präferenzen berücksichtigen?

Dies ist ein Bereich in aktiver Entwicklung. Einige Systeme beginnen zu lernen, ob Sie