Bonprix: Künstliche Intelligenz errät den Modegeschmack der Kunden
Im Lebensmittelhandel kommt schon seit längerem künstliche Intelligenz bei der Bestellung von Waren zum Einsatz. So verwenden viele Supermärkte selbstlernende Algorithmen, um zu berechnen, wie viel Frischware jeweils bestellt werden muss. Im Idealfall kann so sichergestellt werden, dass alle Kundenwünsche erfüllt werden, ohne dass zu viele Lebensmittel weggeworfen werden müssen. In der Modeindustrie gibt es dieses spezifische Problem natürlich nicht: T-Shirts und Hosen haben kein Mindesthaltbarkeitsdatum. In der Praxis kommen heute aber in immer schnellerer Folge neue Kollektionen in die Läden. Die Lager müssen daher regelmäßig geleert werden. Bei Ladenhütern ist dies oftmals nur durch massive Rabatte möglich, die letztlich die Profitabilität des gesamten Geschäfts bedrohen.
Mehr Daten führen zu immer genaueren Prognosen
Der mittelständische Händler Bonprix setzt daher nun auf die Hilfe von künstlicher Intelligenz. So kommt das sogenannte maschinelle Lernen schon bei der Kreation der Kollektionen zum Einsatz. Zwar wird auch weiterhin ein menschlicher Designer das letzte Wort behalten. Die Software wird aber ab der Januar-Kollektion 2021 wichtige Inputs liefern. Anschließend soll die Software zudem in der Lage sein, eine Prognose über die zu erwartenden Verkaufszahlen abzugeben. Auf dieser Basis kann das Unternehmen dann die notwendigen Anpassungen in Sachen Logistik vornehmen. Der Vorteil des maschinellen Lernens besteht zudem darin, dass das System im Laufe der Zeit immer mehr Daten und Erfahrungswerte produziert, die dann zu immer genaueren Prognosen führen. Letztlich soll so die Zahl der Mode-Flops und Ladenhüter so weit wie möglich reduziert werden.
Der Fit Finder sorgt für weniger Retouren
Gleichzeitig nutzt Bonprix künstliche Intelligenz bereits seit einiger Zeit, um die Zahl der Retouren im Online-Geschäft zu reduzieren. Genutzt wird dazu der sogenannte Fit Finder, der von dem Berliner Technologieunternehmen Fit Analytics entwickelt wurde. Vereinfacht ausgedrückt kombiniert dieser die Angaben der Kunden mit den Kauf- und Produktdaten und soll so in der Lage sein, zu berechnen, welche Größe vermutlich am besten passt. Der Hintergrund: Je nach Marke fallen die Kleidungsstücke selbst bei gleicher Größenangabe oft sehr unterschiedlich aus. Viele Kunden bestellen online daher gleich mehrere Größen und schauen dann, welche am besten passt. Dies aber treibt die Zahl der kostenintensiven Retouren nach oben. Lösungen wie der Fit Finder könnten hier Abhilfe schaffen.
Via: Handelsblatt
