**Übersetzung ins Deutsche:**

Modeeinkäufer sind seit langem die stillen Trendsetter der Branche – diejenigen, die einen Wunsch erkennen, bevor er überhaupt Gestalt annimmt. Doch jetzt, mit engeren Gewinnmargen und der Notwendigkeit punktgenauer Genauigkeit, wenden sie sich der KI zu, um diesen Herausforderungen zu begegnen.

Durch die Verarbeitung riesiger Datenmengen, die früher in getrennten Systemen eingeschlossen waren – wie Suchverhalten, Klickmuster, regionale Vorlieben und Produktleistung in verschiedenen Märkten – geht KI schnell über die reine Verkaufsprognose hinaus. Einkäufer und Merchandiser sagen, dass sie jetzt verändert, wie sie ihre Produktauswahl aufbauen, verfeinern und skalieren, da Entscheidungen datengestützter denn je werden.

Anstatt sich nur auf vergangene Verkäufe oder das Bauchgefühl zu verlassen, können Einkäufer auf Echtzeitsignale darüber zugreifen, wonach Käufer weltweit suchen, worauf sie klicken und was sie speichern. „KI ist eher ein Werkzeug, das ihre Reichweite erweitert", sagt Rich Shepherd, VP of Product bei Lyst. „Die besten Einkäufer führen immer noch mit Instinkt – KI gibt ihnen nur ein klareres Bild davon, wo dieser Instinkt am besten wirken könnte."

Von Luxusmarken bis hin zu globalen E-Commerce-Plattformen zeichnet sich ein neuer Ansatz ab: KI-gestützte Empfehlungssysteme und Tools, die Muster in Daten erkennen, während menschliche Einkäufer diese Erkenntnisse interpretieren und strategische Entscheidungen treffen. Die Balance zwischen beiden zu finden, wird zu einem entscheidenden Wettbewerbsvorteil.

**Echtzeit-Nachfrageeinblicke**

Tapestry, die Muttergesellschaft von Coach, Kate Spade und Stuart Weitzman, setzt KI im Hintergrund ein, um Einkäufern intelligentere Entscheidungen darüber zu ermöglichen, was sie bestellen, wie viel sie lagern und wohin sie Inventar senden.

„Wir wussten immer, dass wir einen Weg finden mussten, Daten einfach im gesamten Unternehmen zu teilen, um diesen Prozess zu digitalisieren und schnell zu skalieren", sagt Fabio Luzzi, Chief Data and Analytics Officer bei Tapestry. Das Unternehmen investierte in einen zentralen Daten-Hub – was Luzzi sein „proprietäres Daten-geflecht" nennt – der es einfach macht, Daten zu Kunden, Standorten und Lieferketten zu modellieren. „Es macht die Digitalisierung von Prozessen einfach, ebenso wie den Einsatz von KI in vielen Schritten der Wertschöpfungskette."

„Die besten Einkäufer führen immer noch mit Instinkt – KI gibt ihnen nur ein klareres Bild davon, wo dieser Instinkt am besten wirken könnte."

Die Einkaufsteams von Coach nutzen bereits gemeinsame Datensätze, um regionale Kaufmuster in Echtzeit zu vergleichen und anzupassen, wie viel sie bestellen und wohin sie Produkte senden, bevor sie in den Geschäften eintreffen. Diese Erkenntnisse zeigen die Nachfrage früher und genauer an, als wenn man sich nur vergangene Verkäufe ansieht.

In der Praxis könnte ein Teammitglied ein Live-Dashboard öffnen, das zeigt, dass ein bestimmter Stil im Südwesten der USA gut verkauft wird, aber nicht im Nordosten – Informationen, die früher Wochen später durch Verkaufsberichte eintrafen. Dieses Signal ermöglicht es ihnen, die Lagerbestände anzupassen, bevor sie festgelegt sind, anstatt dass sie im falschen Lager sitzen. Luzzi sieht KI als eingebautes Entscheidungsunterstützungssystem für Design, Inventar und Preisgestaltung, das Analyse und Interaktion beschleunigt, während die endgültigen Produkt- und Merchandising-Entscheidungen den menschlichen Teams überlassen bleiben. Er sagt, dies schaffe Zeit für Einkaufs- und Merchandising-Teams, sich auf strategischere Arbeiten zu konzentrieren.

Bei Coach werden Kernlederwaren und saisonale Basics – Kategorien mit jahrelangen Verkaufsdaten – zunehmend durch automatisierte Nachbestellungsmodelle abgewickelt. Das System signalisiert, wann nachbestellt werden muss, passt die Mengen pro Geschäft an und verschiebt Bestände zwischen Regionen ohne manuellen Eingriff. Die Zeitersparnis ist erheblich: Händler, die früher den Großteil des Einkaufszyklus mit der Verwaltung der vorhersehbaren Teile ihres Sortiments verbrachten, können sich jetzt auf Kategorien konzentrieren, bei denen Daten weniger Sicherheit bieten und menschliches Urteilsvermögen wichtiger ist.

**Mehr Zeit für Merchandising und Trends**

Bei trendgetriebenen oder neuen Artikeln sieht die Sache anders aus. Ihr Verkauf hängt vom kulturellen Timing, medialem Hype und frühen Signalen ab, die historische Daten allein noch nicht vorhersagen können. In der Praxis bedeutet dies, dass Einkäufer weniger Zeit mit Entscheidungen über vertraute Produkte verbringen und mehr Zeit mit der schwierigeren Frage, was Kunden noch nicht wissen, dass sie es wollen – der Teil des Jobs, der Geschmack erfordert, nicht nur Analyse, so Luis Carvalho, Chief Technology Officer von Farfetch.

„Wir glauben daran, den individuellen Stil unserer Kunden zu stärken, nicht ihn zu diktieren", sagt Carvalho. Die Personalisierungs-Engine von Farfetch verfeinert, was Käufer sehen, basierend auf Stilsignalen und nicht nur auf Popularität. „Fortschritte in der KI – von der Datenverarbeitung bis zur prädiktiven Modellierung – helfen uns, riesige Informationsmengen zu navigieren und jeden Kunden mit den am stärksten personalisierten Produkten in unserem Netzwerk zu verbinden."

Diese Fortschritte umfassen die Fähigkeit der KI, Milliarden von Signalen – wie Suchverhalten, Klickmuster, Produktmetadaten und regionale Kaufunterschiede – mit einer Geschwindigkeit zu verarbeiten, die menschliche Teams nicht erreichen können. Mit dem Wachstum der KI-Fähigkeiten ist der Mode-Aggregator-Marktplatz Lyst von breiten Katalogrankings zu stilbezogenen Empfehlungen übergegangen und passt Produkte an einzelne Käufer basierend auf Geschmack, Preissensibilität und Anlass an.

Der McQueen-Schädel-Schal hat kürzlich ein Comeback in Modetrends erlebt, nachdem er bei mehreren Prominenten gesichtet wurde und Charli XCX einen während ihres Glastonbury-Auftritts 2025 trug.
Foto: Shoot Digital for Style.com/ Getty Images

„Früher ging es beim Merchandising nur darum, die ersten sechs Produkte zu bestimmen, die man in einem Feed sieht", sagt Miyon Im, VP of Product Design and Editorial bei Lyst. „Aber mit KI können wir anspruchsvoller werden – in Bezug auf Styling, Outfits oder sogar anlassbezogene Vorschläge. Wenn wir KI nutzen können, um so etwas wie eine Büroparty-Empfehlung zu erstellen, bei der jedes Teil richtig wirkt, weil wir Ihren Geschmack, Ihre Vorlieben und Ihre Preissensibilität verstehen, dann ist das die Zukunft."

In der Praxis bedeutet dies, dass die Merchandiser von Lyst regelmäßige Datenberichte erhalten, einschließlich Artikeln, die bei Suchen oder Speicherungen ungewöhnlich viel Aufmerksamkeit erhalten. Sie untersuchen diese dann auf ihren Modekontext, bevor sie eine Empfehlung aussprechen. Wenn Daten Spitzen bei bestimmten Farben oder Texturen zeigen, wird dies nicht sofort als Trend veröffentlicht. Ein Mensch muss fragen, warum: War es ein Laufsteg-Moment, eine Promi-Sichtung oder eine kulturelle Referenz? Erst dann wird es zum Merchandising hinzugefügt.

**Daten mit Intuition in Einklang bringen**

Führungskräfte sagen, dass das Potenzial der KI vorerst mit strukturellen Grenzen verbunden ist. Modelle des maschinellen Lernens sind nur so zuverlässig wie die Daten, mit denen sie trainiert werden, und historische Verzerrungen der Mode – in Bezug auf Größen, Repräsentation, Geografie und Geschmackshierarchien – können leicht verstärkt statt korrigiert werden. Wenn vergangene Verkäufe auf enge Größenbereiche oder bestimmte demografische Gruppen ausgerichtet waren, verschwinden diese Ausschlüsse in Modellen des maschinellen Lernens nicht – sie werden skaliert. Experten sagen, dass KI immer noch nicht die kulturelle Intelligenz, Intuition und das Storytelling-Instinkt ersetzen kann, die Mode prägen.

„KI ist da, und sie ist ein unglaubliches Werkzeug, um Ihre Arbeit zu verbessern", sagt Julie Gilhart, eine Modeberaterin, die 18 Jahre lang Einkaufsentscheidungen bei Barneys New York überwachte. „Aber die wahre Magie kommt von der menschlichen Intuition – dem instinktiven Gespür, das Daten allein nicht replizieren können. Die Marken, die es richtig machen, lassen Kreativität führen, wobei KI die Vision verbessert, anstatt die menschliche Note zu ersetzen."

Da Marken mehr datengesteuerte Tools einführen, sagt Gilhart, entstehe eine neue Rolle: Merchandiser, die analytische Signale in kreative Strategien umwandeln können. „Man muss neugierig sein", sagt Shepherd. „Man braucht keinen Informatik-Hintergrund, aber man muss verstehen, wie die Technologie funktioniert, um Probleme für Nutzer und Partner zu lösen."

**Häufig gestellte Fragen**

Hier ist eine Liste von FAQs darüber, wie sich Modeeinkäufer und Merchandiser an das Zeitalter der KI anpassen.

**Fragen für Einsteiger**

1. **Was genau macht KI im Modeeinkauf und Merchandising?**
KI analysiert riesige Datenmengen – wie vergangene Verkäufe, Social-Media-Trends und Wettervorhersagen – um vorherzusagen, was Kunden kaufen werden. Sie hilft zu entscheiden, wie viel Lagerbestand bestellt wird, welche Stile beworben werden und wann Artikel reduziert werden.

2. **Wird KI Modeeinkäufer und Merchandiser ersetzen?**
Nein. KI ist ein Werkzeug, um ihre Arbeit zu erleichtern, nicht zu ersetzen. Sie übernimmt sich wiederholende Zahlenarbeit und Mustererkennung, sodass sich Einkäufer und Merchandiser auf kreative Entscheidungen, Verhandlungen mit Lieferanten und den Aufbau von Markengeschichten konzentrieren können.

3. **Wie hilft KI bei der Vorhersage von Modetrends?**
KI scannt Millionen von Bildern aus sozialen Medien, Laufstegshows und Streetstyle-Fotos. Sie identifiziert aufkommende Farben, Silhouetten und Muster viel schneller als ein menschliches Team und verschafft Einkäufern einen Vorsprung bei der Trendprognose.

4. **Was ist der Hauptvorteil der Nutzung von KI für einen Merchandiser?**
Der größte Vorteil ist die Genauigkeit. KI kann die Nachfrage nach bestimmten Größen, Farben und Geschäften mit viel weniger Abfall vorhersagen. Das bedeutet weniger Preisnachlässe auf unverkaufte Kleidung und weniger Fehlbestände bei beliebten Artikeln.

5. **Muss ich ein Technikexperte sein, um als Einkäufer mit KI zu arbeiten?**
Überhaupt nicht. Die meisten KI-Tools sind mit benutzerfreundlichen Dashboards ausgestattet. Sie müssen die Fragen kennen, die Sie der KI stellen müssen, nicht wie man sie programmiert. Die Schlüsselqualifikation ist, zu lernen, die Empfehlungen der KI zu interpretieren und ihnen basierend auf Ihrem Marktwissen zu vertrauen.

**Fortgeschrittene Fragen**

6. **Wie verändert KI den traditionellen Einkaufskalender?**
KI ermöglicht agiles Einkaufen. Anstatt alle Bestellungen Monate im Voraus aufzugeben, können Einkäufer jetzt KI nutzen, um kleine Chargen in Echtzeit zu testen und dann Bestseller basierend auf Live-Verkaufsdaten sofort nachzubestellen. Dies verschiebt den Kalender von starren saisonalen Kollektionen hin zu einem kontinuierlichen, reaktionsschnellen Fluss neuer Produkte.

7. **Kann KI bei Nachhaltigkeitszielen im Merchandising helfen?**
Ja, erheblich. KI optimiert die Lagerbestände, um Überproduktion zu reduzieren – das größte Abfallproblem der Modeindustrie. Sie kann auch vorhersagen, welche Materialien