Der Weg zum maßgeschneiderten Produkt: Wie IT und Modeindustrie voneinander lernen

Michael Thomas
© Shutterstock/soliman design

Die moderne IT hat vielen traditionellen Industriezweigen und Unternehmen neue Impulse gegeben; hat sie zuweilen im positiven Sinne gründlich durcheinandergebracht oder gar grundlegend umgekrempelt. Doch wie sieht es anders herum aus? Kann die IT wichtige Anstöße aus Richtungen erhalten, die auf den ersten Blick wenig mit ihr gemein haben? Antworten liefert die kürzlich veröffentlichte O’Reilly-Studie „Fashioning Data“ von Liza Kindred und Julie Steele am Beispiel der an ausgefallenen Ideen nicht gerade armen Modewelt.

Warum die Modeindusrie?

Mode ist eine trendgetriebene Industrie, die ständig auf der Suche nach dem nächsten großen Wurf ist. Mode ist zudem ein Big Business: Im Jahr 2016 wird der Gesamtumsatz der Branche geschätzte 3,75 Billionen (!) US-Dollar betragen.

Die Grenzen zwischen Mode und Technik verschwimmen teilweise: Vermehrt übernimmt Unterhaltungselektronik die Bedeutung als Statussymbol, die früher beispielsweise einer teuren Jacke zukam. Das Design von Elektronikartikeln wird deshalb immer wichtiger. Apple hat es vorgemacht, die Kunden danken es mit teils unerhörter Markenloyalität. Gerade diese Loyalität ist im Grunde für jedes produzierende Gewerbe wichtig, für die Modeindustrie jedoch in besonderem Maße.

Die Modewelt dreht sich schnell; sie hat mit komplexen Lieferketten, unberechenbarer Kundschaft und extremer Preisvolatilität zu kämpfen. Eine solche Industrie mithilfe von Daten zu optimieren, birgt deshalb hohe Risiken. Aber genauso hoch kann der daraus resultierende Wissensgewinn sein.

Und um dieses Wissen geht es. Doch wie werden die zum Wissensgewinn erforderlichen Daten von Startups im Modebereich überhaupt erhoben und genutzt? Inwiefern unterscheidet sich ihr Geschäftsmodell von dem traditioneller Unternehmen?

Wie werden die Daten gewonnen?

Zwar verwenden viele Modeunternehmen dieselben Verfahren und dieselbe Software wie andere Unternehmen. Allerdings erheben, verarbeiten und nutzen sie Daten auf z.T. grundverschiedene Weise; vor allem nutzen sie die Erkenntnis, dass Konsumenten dafür belohnt werden wollen, Informationen über sich preis zu geben. Beantwortet der potentielle Kunde Online-Fragebogen oder verteilt „Likes“ in sozialen Medien, schlägt sich dies beispielsweise in persönlichen Styling-Tips oder gar Gratis-Produkten nieder.

Auch der Zeitpunkt der Datenerhebung ist ein anderer: Designer befragen die potentielle Kundschaft schon im Vorfeld der Produktentwicklung nach ihren Wünschen. Dieser Prozess wird über den gesamten Produktlebenszyklus hinweg (und sogar darüber hinaus) fortgesetzt. Die Relevanz der Datenerhebung im Modebereich spiegelt sich in der stetig wachsenden Zahl von Startups wider, die sich auf „Fashion Data“ spezialisiert haben, z.B. EDITD, Fashion GPS oder Trendalytics.

Herausforderungen

Dabei ist zu berücksichtigen, dass die Modebranche vor Herausforderungen steht, die sie vergleichsweise stärker betreffen als Andere: Erstens wechseln die Trends im Modebereich sehr schnell; was heute modern ist, ist morgen schon wieder veraltet. Der Prozess von der Marktanalyse über das Design und die ersten „Prototypen“ bis hin zur Herstellung, dem Verkauf und dem Kundenfeedback ist extrem schnell. Modeketten wie Zara sind beispielsweise in der Lage, innerhalb von zwei Wochen ein komplett neues Produkt auf den Markt zu werfen. Zweitens folgt daraus, dass die einzige Konstante der Modebranche die Veränderung ist. Drittens spielt das Design eine entscheidende Rolle: Die Kunden möchten einerseits ein Produkt, dass sie von der Masse abhebt, andererseit darf es nicht zu ausgefallen sein, da ansonsten negative Reaktionen des sozialen Umfelds drohen.

Wie werden die Herausforderungen bestritten?

Kooperation von Mensch und Maschine

Im Bereich E-Commerce kommt vor allem ein Mix von algorithmischen Recommendation Engines und menschlichen Stylisten zum Einsatz. Beide bringen unterschiedliche Vor- und Nachteile mit sich, weshalb sie auch verschiedene Rollen ausfüllen: Die Maschinen arbeiten rund um die Uhr und verarbeiten strukturierte Daten in unfassbarer Geschwindigkeit, während die Menschen deutlich besser darin sind, unstrukturierte Daten zu erfassen und zu verstehen. Die Rechner liefern wiederum analytische Daten über z. B. Stoffeingenschaften, die der Stylist für den kreativen Design-Prozess nutzen kann.

Die Relevanz des Kontextes

Manche Unternehmen arbeiten daran, die menschliche Kreativität und Intuition in eine datengetriebene Struktur zu übersetzen. Gleiches gilt für Beobachtungsdaten darüber, warum ein Trend oder ein bestimmtes Produkt erfolgreich sind. Beobachtugsdaten sind dann besonders bedeutsam, wenn man herausfinden will, in welchem Kontext ein Kleidungsstück getragen werden soll, z. B. einem festlichen Anlass. Die Daten können in diesem Fall einerseits genutzt werden, um die Kleidung auf derartige Einsatzmöglichkeiten hin zu optimieren oder andererseits soweit zu verändern, dass sie auch für andere Gelegenheiten geeignet ist. Es wird also ein Stück weit versucht, Wünsche und Bedürfnisse zu antizipieren.

Kleine Chargen

Neuere Geschäftsmodelle im Modebereich arbeiten mit deutlich kleineren Produktchargen als der herkömmliche Einzelhandel. So hat der Styling-Dienst Stitch Fix z.T. sogar Einzelstücke auf Lager. Das Unternehmen Rent the Runway hingegen vermietet Kleidungsstücke; damit sich dieses Geschäftsmodell lohnt, sind Daten im Hinblick auf die Beliebtheit sowie detaillierte Informationen über Textilien und Beschafftenheit (z.B. Belastbarkeit) der Stücke besonders wichtig.

Kleinere Chargen bedeuten ein kleineres Risiko. Außerdem kann so schneller auf einen sich ändernden Kundengeschmack reagiert werden. Mithilfe einer genauen Erfassung der Verkausszahlen können automatische Nachbestellungen ausgelöst werden.

Den Mehrwert im Auge behalten

Damit Konsumenten ihre Daten bereitwillig herausgeben, müssen sie dabei einen subjektiven oder objektiven Gewinn machen. Das Startup Poshly bietet deshalb regelmäßig auch Gratisprodukte von Topmarken als Belohnung für die Teilnahme an Online-Umfragen über persönliche Vorlieben und Erfahrungen im Modebereich. Die Unternehmenskunden von Poshly nutzen diese in Echtzeit erhobenen Daten für eine Verbesserung der Bereiche Produktentwicklung, Vertrieb und Marketing. Das Verfahren ist deutlich schneller und günstiger als herkömmliche Marktforschungsmethoden. Dabei muss natürlich sichergestellt sein, dass die gesammelten Daten auch valide sind; Poshly verwendet hierfür Methoden wie statistische Modelle und algorithmische Mechanismen, um die Plausibilität der Antworten zu ermitteln.

Agil und lokal bleiben

Das Konzept kleiner Chargen und multipler Iterationen kennt man aus der Welt der IT: Agile Softwareentwicklung. Heutige Startups verfolgen ein ähnliches Prinzip in der Modewelt. Das Problem: Ein agiler Prozess stützt sich auf enge Feedback-Schleifen – etwas, worüber die traditionelle Modeindustrie nicht im Ansatz verfügt; häufig haben weder Hersteller noch Händler auch nur die geringste Information über (Veränderungs-)Wünsche, Bedürfnisse oder Zufriedenheit der Kunden.

Viele Startups hingegen sammeln diese Daten aktiv und leiten sie auch an die Hersteller weiter. Manche, wie das bereits genannte Rent the Runway, bieten ihren Kunden die Möglichkeit, sich untereinander auszutauschen. So berichten diese beispielsweise, wie das Kleidungsstück gepasst hat, manchmal geben sie auch ihre Maße an oder posten Fotos von sich, während sie es tragen – für Kunden eine nicht unwichtige Alternative zu den Hochglanzbildern von Models mit „Idealmaßen“, zeigen sie die Kleidung doch im Alltagseinsatz. All dies sind Informationen, die auch für die Hersteller potentiell relevant sein können, weshalb sich ein Informationskreislauf bilden kann: Die Kunden geben sich untereinander Feedback, was wiederum die Anbieter in die Lage versetzt, ihr Angebot auf deren Anforderungen und Bedürfnisse abzustimmen.

Im Herstellungsprozess ist diese Art der Agilität jedoch deutlich schwieriger zu erreichen: Die Chargen richten sich an die von Händlern eingegangenen Bestellungen. Das Zeitfenster ist dabei sehr knapp bemessen; Nachbestellungen oder verspätete Auftragserteilungen sind nicht möglich. Ein möglicher Ansatz, dem entgegenzuwirken, besteht in der Einrichtung kleinerer, lokaler Produktionsstätten, die kleine Stückzahlen herstellen und eine direkte Kommunikation aller am Herstellungsprozess Beteiligten ermöglichen. Auch der 3-D-Druck rückt in diesem Zusammenhang vermehrt in den Fokus der Aufmerksamkeit.

Fazit

Die IT hat begonnen, die Modewelt umzukrempeln. Zumindest Startups verfolgen zahlreichen neue Geschäftsideen und nutzen die Vorteile einer modernen Datenanalyse. Der größte besteht wohl in der Möglichkeit, den Markt weiter zu segmentieren: Die von den Kunden gelieferten demographischen und geographischen Daten sowie genaue Angaben zu Körpermaßen und persönlichen Vorlieben erlauben es, für die jeweiligen Kundengruppen maßgeschneiderte Produkte zu entwickeln und anzubieten – und zwar in einer Dimension, die vor wenigen Jahren noch undenkbar gewesen wäre. Vielleicht ist gerade dieser letzte Punkt die größte Gemeinsamkeit von Mode und IT.

Aufmacherbild: fashion word on computer pc keyboard key von Shutterstock / Urheberrecht: soliman design

Geschrieben von
Michael Thomas
Michael Thomas
Michael Thomas studierte Erziehungswissenschaft an der Johannes Gutenberg-Universität Mainz und arbeitet seit 2013 als Freelance-Autor bei JAXenter.de. Kontakt: mthomas[at]sandsmedia.com
Kommentare

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
400
  Subscribe  
Benachrichtige mich zu: