Richemonts Seriennummern-Problem und wie Daten auf Produktebene die Lücke zum Graumarkt geschlossen haben

2019 tätigte Richemont eine Akquisition, die die meisten Analysten als Schachzug im digitalen Handel lasen: die Übernahme des verbleibenden Anteils an Yoox Net-a-Porter. Weniger Aufmerksamkeit erhielt eine parallele Investition in Richemonts eigene Authentifizierungs- und Track-and-Trace-Infrastruktur, speziell für die Hard-Luxury-Marken, darunter Cartier, IWC, Panerai und Vacheron Constantin. Auslöser war nicht Fälschung im klassischen Sinne. Es waren autorisierte Händler in Märkten mit niedrigeren Abgaben, vor allem in Hongkong und Dubai, die ihnen zugeteilte Stücke in Graumarktkanäle verkauften, wo sie dann in Festlandchina, Japan und Südkorea zu Preisen wieder auftauchten, die das offizielle Retail-Netz unterboten. Die Stücke waren echt. Das Problem war vollständig eines der Distributionskontrolle, keine Schutzrechtsverletzung.

Für einen CDO ist das ein wesentlicher Unterschied. Fälschung ist im Kernein Rechtsstreit, der über Zollbeschlagnahmen, Markenrechtsdurchsetzung und grenzüberschreitende Prozesse geführt wird. Graumarkt-Leakage über autorisierte Partner ist etwas anderes: Der Händler bricht kein Gesetz, und die Marke kann sich nicht einfach freiklagen. Das Datenproblem muss operativ gelöst werden, auf Ebene einzelner Produkteinheiten, die durch die Kanäle laufen.

Was Richemont tatsächlich gebaut hat

Die Architektur, die Richemont zwischen 2020 und 2023 zusammengestellt hat, verband drei Datenschichten, die historisch in getrennten Systemen lagen.

Die erste war die Serialisierung auf Einheitenebene. Richemonts Uhrenmarken hatten bereits Werk-Seriennummern, aber diese Nummern waren nicht durchgängig und abfragbar mit Point-of-Sale-Daten verknüpft. Die Gruppe investierte in die Harmonisierung dieser Identifikatoren über ihre Retail-Management-Systeme hinweg und schuf einen einzigen Datensatz pro Uhr, der Herstellungsdatum, ursprünglichen Zielmarkt, Zuordnung zum autorisierten Händler und Verkaufsdatum nachhält. Für Stücke, die über Wholesale-Partner statt direkt verkauft wurden, wurden Sell-in- und Sell-out-Daten abgeglichen: In dem Moment, in dem ein Stück aus dem Bestand eines Händlers zu einem namentlich bekannten KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer wechselte, wurde dieses Ereignis erfasst.Der Abgleich von Sell-in- und Sell-out-Signalen ist im Uhren-Retail strukturell schwieriger als in der Mode, weil die Transaktionsvolumen niedrig und die Durchschnittspreise hoch sind und Wholesale-Partner sich historisch gegen die Weitergabe granularer Sell-out-Daten gesträubt haben, weil sie diese als Verhandlungsmasse betrachten.

Die zweite Schicht war das Monitoring des Sekundärmarkts. Richemont baute, teils über Watchfinder (2018 übernommen), einen Datenfeed auf, der Angebotspreise und Transaktionsdaten auf den großen Graumarkt- und Pre-owned-Plattformen verfolgte: Chrono24, WatchBox und diverse regionale Resale-Marktplätze in Japan und China. Durch den Abgleich der Seriennummern aus dem Sekundärmarkt mit der Datenbank der Erstverkäufe konnte das Team nicht nur erkennen, dass ein Stück abgewandert war, sondern auch, welcher autorisierte Händler es verkauft hatte und in welche Region es vor dem Wiederauftauchen gegangen war. Genau diese Analytik verändert das Gespräch mit Wholesale-Partnern: von der Unterstellung zum Beweis.

Die dritte Schicht war Anomalieerkennung bei Allokationsmustern. Richemonts Maisons steuern die Nachfrage über Wartelisten und die kontrollierte Freigabe von Hero-Referenzen. Wo ein Händler seine übliche Allokation erhielt, den Bestand aber schneller abverkaufte, als es die lokale Frequenz erklären konnte, wurde diese Differenz zum Flag. Die Logik ist einfach: Wenn ein autorisierter Händler in Genf in einem Quartal zwölf Cartier Santos verkauft und seine lokale Kundendatei acht verifizierte Schweizer Käufer enthält, sind die übrigen vier erklärungsbedürftig.

Die AML- und KYC-Infrastruktur, die Richemont für hochpreisige Transaktionen ohnehin unterhielt (nach Schweizer und EU-Geldwäscheregeln für Uhren oberhalb bestimmter Preisschwellen vorgeschrieben), lieferte eine ergänzende Datenquelle. Vorhandene Käuferidentitätsdaten ließen sich mit Verkäuferprofilen auf Sekundärmarktplattformen abgleichen, die eine Registrierung verlangten.

Ergebnisse: was bekannt ist und was unsicher bleibt

Richemont hat Graumarkt-Leakage-Raten nie als eigenständige Kennzahl veröffentlicht, jede Zahl hier wäre also erfunden. Dokumentiert ist in den öffentlichen Mitteilungen der Gruppe und in Analystenbriefings Folgendes:

Bis zum Geschäftsjahr 2023 berichtete Richemont, dass der Anteil des direkt betriebenen Retails am Umsatz gegenüber Wholesale deutlich gestiegen sei und rund 68 Prozent der Konzernumsätze aus Hard Luxury erreiche. Diese Verschiebung ist teils strategisch (die Gruppe kauft seit Längerem Konzessionen von Multibrand-Händlern zurück), sie spiegelt aber auch wider, dass die Dateninfrastruktur es ermöglichte, Wholesale-Beziehungen zu identifizieren und teilweise zu beenden, die nachweislich Graumärkte belieferten.

Die Integration von Watchfinder in den Intelligence-Kreislauf ist schwerer zu beziffern. Die Plattform wickelt jährlich Zehntausende Pre-owned-Transaktionen ab, und der Abgleich über Seriennummern, den sie ermöglicht, ist ein echter operativer Vorteil. Richemont hat allerdings darauf geachtet, die Abdeckung nicht zu überzeichnen, da ein erheblicher Teil der Graumarkttransaktionen in Festlandchina über nicht-digitale Kanäle läuft.

Was sich auf Ihren Kontext übertragen lässt

Drei Dinge aus diesem Case sind über Luxusgruppen hinweg übertragbar, mit Einschränkungen.

Serialisierung auf Einheitenebene funktioniert nur, wenn Ihre Wholesale-Verträge Sell-out-Reporting vorschreiben. Ohne diesen vertraglichen Hebel ist Ihre Datenbank der Erstverkäufe unvollständig und der Abgleich produziert falsch-negative Ergebnisse. Wenn Ihre aktuellen Partnervereinbarungen keine Sell-out-Datenpflichten enthalten, ist die nächste Vertragsverlängerung der Moment, das zu ändern. Händler werden sich wehren, doch das Argument wird zunehmend dadurch gestützt, dass die Gruppe einen gegenseitigen Nutzen belegen kann: Eine Marke, die nachweisen kann, dass ihre Allokation bei echten Endkunden landet, kann Premium-Platzierung und Co-Investment rechtfertigen.

Sekundärmarkt-Monitoring verlangt eine bewusste Entscheidung darüber, was Sie mit der gewonnenen Intelligence anfangen. Zu wissen, dass ein bestimmter autorisierter Händler in Singapur eine konstante Quelle für Graumarkt-Leakage ist, ist handlungsrelevant, aber die Handlung ist eine kommerzielle und juristische Entscheidung, keine Datenentscheidung. Aufgabe des CDO ist es, die Evidenz so eindeutig zu machen, dass das Commercial-Team sie nicht ignorieren kann. Das heißt: dokumentierte Methodik, reproduzierbare Matching-Logik und ein klares Konfidenzintervall pro Flag.

Der AML-Winkel wird in den meisten Luxus-Datenstrategien zu wenig genutzt. Die Transaktionsdaten aus Compliance-Prozessen für hochpreisige Verkäufe enthalten Käuferidentität und Zahlungsmethoden, die, DSGVO-konform und im Rahmen vergleichbarer Regime behandelt, die Zuordnung von Graumarktfällen deutlich verbessern können. In den meisten Luxusgruppen verwalten Rechtsabteilungen AML-Daten getrennt von der kommerziellen Analytics-Funktion. Diese Lücke zu schließen erfordert ein Governance-Gespräch, kein technisches.

Wo der Kontext abweicht: Dieser Ansatz funktioniert bei Hard-Luxury-Produkten mit permanenten Seriennummern. Soft Luxury, also Lederwaren und Ready-to-wear, verlangt eine andere Authentifizierungsschicht, typischerweise NFC-Chips oder kryptografische Tags, die bei der Herstellung eingebracht werden, weil das Produkt selbst standardmäßig keinen dauerhaften eindeutigen Identifikator trägt. RFID-basiertes Track-and-Trace bei Lederwaren ist ein eigenes Problem mit eigener Implementierungsökonomie.

Die Kernlehre aus Richemont: Graumarkt-Leakage ist zuallererst ein Datenqualitätsproblem. Wenn Sie eine Einheit nicht zuverlässig von der Herstellung bis zum Endkäufer zuordnen können, können Sie einen undichten Partner nicht von einem gut performenden unterscheiden. Diese Zuordnung aufzubauen ist die erste Investition, und sie zahlt sich aus, bevor Sie ein einziges Anomalieerkennungsmodell laufen lassen.

Der vollständige Kurs zu diesem Sektor:Data in Luxury.