Modellrisiko bei Fashion-Entscheidungen diagnostizieren

# Modellrisiko bei Fashion-Entscheidungen diagnostizieren

Das Demand-Forecasting-Modell eines Händlers hatte unbemerkt gelernt: „Wintermäntel verkaufen sich in Q4.“ Dann kam ein warmer November. Das Modell empfahl weiter Mantelbestellungen zum Vollpreis, der Buyer vertraute ihm, und im Januar saß die Kette auf unverkauften Parkas mit 60 Prozent Rabatt. Kein Alarm ging los. Das Modell war nicht kaputt. Es war gedriftet, und niemand hat das richtige Signal beobachtet.

Diese Lektion zeigt Ihnen, wie Sie solche stillen Ausfälle finden, bevor sie Marge kosten, und wie Sie jedem einen Eurobetrag zuordnen.

Warum Fashion für Modelle ungewöhnlich feindlich ist

Zwei Dinge machen Bekleidung für KI schwieriger als die meisten Branchen.

Kurze Produktlebensdauer und keine Historie. Eine bestimmte SKU (Stock Keeping Unit, eine exakte Produktvariante) existiert vielleicht nur eine Saison. Das Modell prognostiziert die Nachfrage für einen Artikel, den es nie gesehen hat, zu einem Preis, den es nie getestet hat. Dieses Cold-Start-Problem steckt im Geschäftsmodell.

Geschmack ändert sich schneller als die Trainingsdaten. Farben, Silhouetten und Mikrotrends verschieben sich innerhalb von Wochen. Ein Modell, das auf den Verkäufen des letzten Jahres trainiert wurde, nimmt an, die Welt sei stehen geblieben. Ist sie nicht.

Das Ergebnis: Modelle degradieren leise, und die beiden Arten, wie sie Ihnen schaden, sind asymmetrisch.

• Overforecast: Sie bestellen zu viel, das Teil verkauft sich nicht, Sie reduzieren. Kosten = Markdown.
• Underforecast: Sie bestellen zu wenig, Sie sind out of stock, der Kunde kauft woanders. Kosten = verlorene Marge (Stockout).

Die drei Failure Modes, die Sie diagnostizieren müssen

1. Drift

Drift bedeutet, dass die vom Modell gelernte Beziehung nicht mehr gilt. Zwei Varianten:

• *Data Drift:* die Inputs verändern sich. Ein neues Kundensegment kauft auf Ihrer Website, oder Sie expandieren in eine wärmere Region, sodass der Zusammenhang zwischen Temperatur und Mantelverkäufen schwächer wird.
• *Concept Drift:* das Zielverhalten verändert sich. Weite Hosen ersetzen enge; das Bestseller-Muster des letzten Jahres sagt jetzt nichts mehr vorher.

Drift ist gefährlich, weil die Accuracy beim Launch nichts über die Accuracy in Woche 12 sagt. Sie brauchen laufendes Monitoring, keinen einmaligen Test.

2. Over-Order-Bias

Forecasting-Modelle, die auf den durchschnittlichen Fehler optimiert sind (etwa MAE, Mean Absolute Error, die durchschnittliche Größe der Abweichung), kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen systematisch zu hoch oder zu niedrig liegen. Wenn Ihre Trainingsdaten von Heroprodukten dominiert werden, die immer ausverkauft waren, lernt das Modell Optimismus und bestellt im Long Tail der Nischen-SKUs zu viel.

3. Fehlklassifikation im Auto-Tagging

Auto-Tagging nutzt ein Vision-Modell, um Produktbilder zu labeln: Kategorie, Farbe, Ärmellänge, Anlass. Fehler bleiben hier unsichtbar, bis ein Kunde nach „Midikleid“ sucht und Ihr falsch getaggtes Maxikleid nie auftaucht. Ein Tag-Fehler ist ein stiller Stockout: Der Bestand existiert, ist aber nicht findbar.

Häufige Tagging-Fehler:

• Farbe bei schlechter Beleuchtung: „Burgund“ wird als „Schwarz“ getaggt.
• Uneindeutige Kategorien: eine Tunika als „Kleid“ statt „Top“ getaggt.
• Bias nach Hautton oder Körpertyp bei On-Model-Bildern, was sowohl ein Fairness- als auch ein Accuracy-Problem ist.

Jedem Fehler eine Zahl geben

Sie kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen nicht steuern, was Sie nicht bepreisen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen. Hier ein einfaches, belastbares Framework.

Rechenbeispiel: die Markdown-Kosten einer Überbestellung

Angenommen, eine Jacke:

• Stückkosten: 40 USD
• Vollpreis: 100 USD
• Abverkaufspreis: 55 USD (ein Markdown von 45 Prozent)
• Das Modell empfiehlt 1.000 Stück zu bestellen; die echte Nachfrage zum Vollpreis liegt bei 700.

Sie verkaufen 700 zum Vollpreis und räumen 300 zu 55 ab.

Full-price revenue:   700 x 100 = 70,000
Clearance revenue:    300 x 55  = 16,500
Total revenue:                    86,500
Total cost:         1,000 x 40  = 40,000
Realized gross margin:            46,500

Compare to a perfect order of 700 units:
Revenue: 700 x 100 = 70,000
Cost:    700 x 40  = 28,000
Margin:              42,000

Moment: Die Überbestellung sieht hier *profitabler* aus, weil der Abverkaufspreis noch über den Kosten liegt. Ändern Sie eine Annahme, Abverkauf zu 30 USD (unter den 40 Stückkosten), und die 300 Stück zerstören jetzt 3.000 an Marge. Die Lehre: Ihr Markdown-Risiko hängt vollständig davon ab, ob der Abverkaufspreis die Stückkosten deckt. Rechnen Sie immer mit Ihren echten Zahlen, bevor Sie einem Forecast vertrauen.

Einen Stockout bepreisen

Stockout-Kosten = (nicht gedeckte Nachfrage) x (Bruttomarge pro Stück) x (Wahrscheinlichkeit, dass der Kunde nicht substituiert).

Wenn 100 Stück Nachfrage unbefriedigt bleiben, die Marge pro Stück 60 USD beträgt und 50 Prozent dieser Kunden komplett abwandern, ist die erwartete verlorene Marge = 100 x 60 x 0,5 = 3.000 USD. Die Substitutionsrate ist der schwierige Teil und sollte aus Ihren eigenen Warenkorbdaten kommen, nicht aus einer Schätzung.

Diese asymmetrischen Kosten speisen ein Service-Level-Ziel: wie häufig Sie einen Stockout akzeptieren. Fast-Fashion-Player tolerieren mehr Stockouts (günstige, schnelle Nachschubversorgung); Luxus kann das nicht (ein Stockout schadet der Marke und es gibt keinen Nachschub).

Die Regulierung, an der Sie gemessen werden

Fashion-KI ist 2026 nicht leicht reguliert.

EU AI Act. Seit 2024 in Kraft, mit Pflichten, die bis 2026 und 2027 gestaffelt greifen. Die meisten Systeme für Demand Forecasting und Tagging in Fashion fallen unter *limited* oder *minimal risk*, die schweren Pflichten für „high-risk“ gelten also meist nicht. Beachten Sie aber zwei akute Fallen: KI im Recruiting für Ihre Stores ist high-risk, und jedes System, das mit Konsumenten interagiert (Chatbots, virtuelle Anproben), löst Transparenzpflichten aus. Aktuellen Text und Zeitpläne finden Sie im offiziellen EU AI Act Explorer.

DSGVO (Datenschutz-Grundverordnung) gilt weiterhin für jedes Personalisierungsmodell, das EU-Kundendaten nutzt. Automatisiertes Profiling mit erheblicher Auswirkung auf eine Person braucht eine Rechtsgrundlage und oft eine menschliche Prüfung.

USA. Anfang 2026 gibt es kein einheitliches Bundesgesetz zu KI. Sie bewegen sich zwischen der FTC (Federal Trade Commission), die mehrfach gewarnt hat, dass verzerrte oder täuschende KI eine unlautere Geschäftspraktik ist, und Landesgesetzen wie Colorados AI Act (gültig ab 2026), der folgenreiche Entscheidungen abdeckt. New York Citys Local Law 144 reguliert automatisierte Recruiting-Tools bereits.

Fazit: Ihr Forecasting-Modell ist leicht reguliert, Ihre kundennahen und HR-Modelle nicht. Ordnen Sie jedes Modell vor dem Deployment seiner Risikostufe zu.

Guardrails vor dem Deployment

Behandeln Sie das als Pre-Flight-Checkliste. Kein Modell geht live, ohne sie zu bestehen.

1. Backtest auf einer zurückgehaltenen Saison

Validieren Sie nie auf zufälligen Zeilen. Splitten Sie nach *Zeit*: Training auf früheren Saisons, Test auf der jüngsten, die Sie zurückgehalten haben. Zufällige Splits lassen Zukunftsinformationen durchsickern und schmeicheln dem Modell.

2. Fehler segmentieren, nicht mitteln

Ein durchschnittlicher Fehler von 10 Prozent kann einen Fehler von 40 Prozent bei SKUs in neuen Farben verstecken, ausgeglichen durch nahezu perfekte Basics. Schlüsseln Sie den Fehler nach Kategorie, Preisband, Neuheit und Region auf. Der Fehler steckt in einem Segment, nicht im Durchschnitt.

3. Drift-Alarme setzen

Überwachen Sie wöchentlich die Input-Verteilung und den Live-Fehler. Ein einfacher Trigger:

# Alarm, wenn der aktuelle Forecast-Fehler gegenüber der Baseline springt
baseline = errors_last_8_weeks.mean()
recent   = errors_last_2_weeks.mean()

if recent > 1.5 * baseline:
    alert("Forecast drift: error up >50% vs baseline. Review before next buy.")

Grob, aber besser, als Drift im Markdown-Report zu entdecken.

4. Tagging mit einem menschlichen Sample auditieren

Ziehen Sie jede Woche ein Random Sample automatisch getaggter Artikel und lassen Sie es von einem Merchandiser prüfen. Verfolgen Sie die Precision pro Attribut. Farb- und Anlass-Tags scheitern am häufigsten; achten Sie darauf.

5. Human in the Loop bei kritischen Einkäufen

Das Modell schlägt vor; ein Buyer genehmigt große oder neue Bestellungen. Das ist kein Misstrauen gegenüber KI, es ist das Guardrail, das das Warm-November-Szenario abfängt. Dokumentieren Sie, wer was aus welchem Grund übersteuert hat. Dieser Audit Trail ist auch Ihr regulatorischer Nachweis.

6. Fairness in Bildmodellen testen

Wenn Try-on- oder Recommendation-Modelle bei bestimmten KKThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →örpertypen oder Hauttönen schlechter abschneiden, ist das messbarer Bias. Testen Sie die Accuracy über Gruppen hinweg vor dem Launch, nicht erst nach einer Beschwerde.

Zusammengeführt

Der Mantel-Ausfall im warmen November war mit drei günstigen Checks vermeidbar: einem saisonalen Backtest, einem wöchentlichen Drift-Alarm und einer Freigabe der großen Bestellung durch den Buyer. Keiner davon brauchte einen Data-Science-PhD. Sie brauchten jemanden, der die Frage besitzt: „Woran würden wir merken, dass dieses Modell falsch liegt?“

Diese Verantwortung ist Model Governance. In Fashion, wo eine Saison kurz und die Marge dünn ist, entscheidet sie zwischen einem klugen Einkauf und dem Sale-Ständer.

Key Takeaways

1. Fashion bricht Modelle konstruktionsbedingt: kurze Lebenszyklen und wechselnder Geschmack garantieren Drift, überwachen Sie den Live-Fehler also laufend, nie nur beim Launch.

2. Bepreisen Sie jeden Failure Mode: Überbestellung kostet Markdown (nur schmerzhaft, wenn der Abverkaufspreis unter die Stückkosten fällt), Stockouts kosten verlorene Marge mal Abwanderungsrate. Rechnen Sie mit echten Zahlen.

3. Backtesten Sie nach Saison und segmentieren Sie den Fehler. Durchschnitte verstecken das Segment, in dem das Modell wirklich scheitert, meist neue Farben und neue Kategorien.

4. Ordnen Sie jedes Modell seiner regulatorischen Stufe zu: Forecasting ist unter dem EU AI Act leicht reguliert, aber Recruiting-Tools, Chatbots und Profiling lösen echte Pflichten unter AI Act, DSGVO, FTC und Landesgesetzen wie dem von Colorado aus.

5. Halten Sie bei großen oder neuen Einkäufen einen Human in the Loop und loggen Sie die Übersteuerungen. Das fängt stille Drift ab und dient gleichzeitig als Compliance-Nachweis.