Was machen Sie mit den alten Kleidern, die Sie nicht mehr anziehen? Bieten Sie sie auf der „KI-Version von Zhuanzhuan“ an, die Bruttogewinnmarge beträgt 80 %.

Was machen Sie mit Ihren alten Kleidern?

Natürlich recyceln sie auf Zhuanzhuan, einer offiziellen Second-Hand-Plattform, die regulierter ist als gewöhnliche Second-Hand-Kanäle...

Heute stellen wir Ihnen die „KI-Version von Zhuanzhuan“ vor.

Sie nutzt KI, um Farbe, Kategorie und Größe von Kleidung automatisch zu erkennen, und legt den Preis unter Berücksichtigung der Warenqualität und der Marktnachfrage fest, was die Schwierigkeit der Bearbeitung nicht standardisierter Waren verringert.

Jährlich gelangen etwa 17 Millionen alte Kleidungsstücke aus den Schränken von Fremden über diese Plattform in die Schränke anderer Fremder.

Vom Urteil des Ladenbesitzers zur KI-Bewertung

Hinter jedem neuen Kleidungsstück steht eine eindeutige Bestandseinheit. Bei Hemden desselben Modells, derselben Farbe und derselben Größe sehen Tausende von Stücken identisch aus. Die Lagerhaltung, Preisgestaltung und Einstellung in den Online-Shop ist für das System nicht kompliziert.

Das Bearbeitungszentrum von ThredUp erhält jedoch jährlich Millionen von eingesandten Kleidungsstücken, von denen jedes ein Unikat ist. Dieses karierte Hemd wurde zwanzig Mal gewaschen und der Kragen ist etwas eingerollt; jene Jeans ist mit Größe 32 markiert, hat aber tatsächlich einen größeren Taillenumfang; ein anderer Pullover fühlt sich noch neu an, aber das Etikett ist abgerissen.

Wie bewertet die Plattform dann die Preise? Die Mitarbeiter von Konsignationsläden nehmen Waren in der Regel nach Erfahrung entgegen, fühlen den Stoff an, werfen einen Blick auf die Marke, schätzen einen Preis im Kopf, senken ihn, wenn er nach einigen Monaten nicht verkauft werden kann, oder geben ihn an den Verkäufer zurück.

Viele wohltätige Second-Hand-Läden legen einheitliche Preise pro Kategorie fest: Ein Hemd kostet ein paar Dollar, eine Jeans mehr als zehn Dollar. Gute und schlechte Waren stehen unter demselben Preisschild, sodass Kunden, die ein Schnäppchen machen, profitieren, aber der Laden kaum wissen kann, wie viel ein gutes Stück wert ist. In kleinem Maßstab funktioniert das noch, aber wenn die Menge steigt, reichen die personellen Ressourcen kaum aus.

ThredUp ist ein Unternehmen in dieser Branche, das den Prozess vollständig industrialisiert hat. Laut einem Bericht von *Modern Materials Handling* aus dem Jahr 2023 über sein Verteilzentrum durchlaufen die hereinkommenden Kleidungsstücke zunächst 12 Qualitätsprüfungen. Nur die qualifizierten werden an Kleiderbügeln mit QR-Code gehängt, Mitarbeiter erfassen Kategorie, Marke, Farbe, Größe, Stoff und Waschart, und der Preis wird von einer proprietären maschinellen Lernsoftware festgelegt. Teure Kleidung wird an einer Schaufensterpuppe fotografiert, preiswerte flach ausgelegt. Nach der Überprüfung der Fotos werden die Waren online gestellt.

Später übernahm die KI mehr Gliederungen, kann Farbe, Kategorie und Größe automatisch erkennen und legt den Preis unter Einbeziehung von Zustand und Marktnachfrage in den Algorithmus fest. Laut einem Bericht von PYMNTS vom April dieses Jahres hat die Plattform dauerhaft mehr als 4 Millionen zum Verkauf stehende Artikel, täglich kommen Zehntausende neue hinzu. Ein Modell für bestärkendes Lernen beobachtet die Echtzeitnachfrage und senkt automatisch die Preise für langsam verkaufte Kleidung.

Das Unternehmen investierte zudem mehr als 400 Millionen US-Dollar in die Automatisierung der Lieferkette, die die Warenidentifikation, Größenmessung und Fotografie abdeckt.

Das Ergebnis dieser Investitionen ist, dass ThredUp jährlich etwa 17 Millionen Kleidungsstücke verkaufen kann. Im zweiten Quartal 2025 erreichte seine Bruttomarge 79,5 %, während traditionelle Kleidungshändler selten über 30 % hinauskommen.

Für Verbraucher öffnete ThredUp im August 2024 drei KI-Funktionen: eine aktualisierte Suche, Bildsuche nach Bild und Style Chat.

Style Chat funktioniert wie ein konversationeller Stylist: Geben Sie „Was trägt man zu einer Herbsthochzeit?“ ein, und es stellt Ihnen ein komplettes Outfit zusammen. Geben Sie dann weitere Anforderungen ein, passt es das Outfit weiter an.

Die Bildsuche erlaubt Benutzern, Fotos hochzuladen oder einen Instagram-Beitrag zu teilen, um ähnliche Modelle im Bestand zu finden. Die vom Unternehmen veröffentlichten Daten zeigen, dass Verbraucher, die die Bildsuche nutzen, 85 % wahrscheinlicher eine Bestellung aufgeben als gewöhnliche Besucher, die nur stöbern.

Personen, die diese Funktion nutzen, kommen mit konkreten Bedürfnissen, und die KI hilft ihnen, das Ziel zu finden. Je klarer die Absicht ist, desto reibungsloser verläuft die Umwandlung. Da die Waren auf Second-Hand-Plattformen sehr verstreut sind, ist die Fähigkeit, den Benutzern zu helfen, das „richtige“ Stück unter Millionen von alten Kleidern zu finden, die eigentliche Hürde.

Warum sind Personen, die über KI auf die Plattform gelangen, eher bereit, eine Bestellung aufzugeben?

Neueste Daten von Adobe zeigen, dass Käufer, die über KI-Kanäle wie ChatGPT auf Händlerwebseiten zugreifen, im Vergleich zu gewöhnlichen Käufern aus anderen Traffic-Quellen eher ihre Verweildauer verlängern, Waren in den Warenkorb legen und vor allem eher die Umwandlung abschließen.

Dieses Jahr im Juli lag die Umwandlungsrate von Einkaufsbenutzern aus KI-Kanälen um 60 % höher als die von Einkaufsbenutzern aus anderen Kanälen, der Umsatz pro Besuch war um 53 % höher, die Absprungrate um 34 % niedriger, die Verweildauer um 59 % länger und die Anzahl der besuchten Seiten um 22 % höher.

Dieser Vorteil bei der Umwandlungsrate hält seit 11 Monaten ununterbrochen an. Vor einem Jahr war die Situation umgekehrt: Damals gaben Kunden, die über nicht-künstliche Intelligenz-Empfehlungen kamen, pro Besuch mehr Geld aus. Das bedeutet, dass KI-Assistenten immer besser darin werden, relevante Produkte Kunden mit hoher Kaufabsicht zu präsentieren.

Zurück zum Szenario mit gebrauchter Kleidung: Die Waren auf Second-Hand-Plattformen sind massenhaft. Allein bei ThredUp gibt es mehr als 4 Millionen zum Verkauf stehende Artikel, jedes Stück ist anders, es gibt keine Bestseller, denen man blind folgen kann. Beim Durchstöbern solcher Regale ermüdet man leicht.

In der Psychologie gibt es ein berühmtes Marmeladen-Experiment: Im Jahr 2000 stellten Iyengar und Lepper in einem Supermarkt einen Stand auf. Wenn sie 24 Sorten Marmelade ausstellten, hielten 60 % der Passanten an, um zu probieren, aber nur etwa 3 % kauften am Ende. Als sie 6 Sorten ausstellten, hielten nur 40 % an, aber etwa 30 % kauften.

Die Aussage, dass zu viele Optionen die Entscheidungsfindung erschweren, verbreitete sich dadurch.

Später äußerten andere abweichende Meinungen: Eine Meta-Analyse aus dem Jahr 2010, die Dutzende von Experimenten zusammenfasste, fand heraus, dass eine Überlastung durch Auswahlmöglichkeiten eher auftritt, wenn die Optionen komplex sind und man keine klaren Präferenzen hat.

Personen, die Second-Hand-Waren durchstöbern, haben oft kein konkretes Ziel, sie wollen etwas „Passendes, Schönes und Günstiges“ – genau die Situation, in der eine Überlastung durch Auswahlmöglichkeiten leicht auftritt. Die KI reduziert Millionen von Stücken auf ein Dutzend, mit einem Satz oder einem Screenshot erhält man einen viel kleineren Suchbereich.

Laut einer Umfrage von ThredUp haben 48 % der Second-Hand-Käufer beim Einkauf KI-Tools verwendet. Personen, deren Suchbereich verkleinert wurde, kommen zur Produktseite und haben bereits die Hälfte der Entscheidung getroffen, es bleibt nur noch, Größe und Preis zu bestätigen – es ist also nicht verwunderlich, dass die Umwandlungsrate hoch ist.

Natürlich sind die Nutzer, die die KI bringt, nicht einheitlich. Sie haben auch höhere Anforderungen aufgrund hoher Erwartungen. Wenn die Empfehlungen ungenau sind, verstärkt das das Enttäuschungsgefühl – schließlich impliziert „von der KI empfohlen“ eine Art Bürgschaft. Wenn die Genauigkeit versagt, ist der Vertrauensverlust größer als beim zufälligen Durchstöbern.

Das erklärt, warum alle Plattformen ihre Empfehlungsmodelle immer detaillierter gestalten. Zu wissen, welche Marke Sie mögen, ist erst der Anfang. Man muss auch wissen, dass Sie das letzte Mal wegen einer zu großen Größe zurückgeschickt haben, dass Sie matte statt glänzende Oberflächen bevorzugen und dass Sie in der Regel am Freitagabend auf dem Handy surfen.

ThredUp gab bekannt, dass die Zahl der neuen Kunden, die durch KI im gesamten Jahr 2024 gewonnen wurden, im Vergleich zum Vorjahr um 32 % gestiegen ist. Die Kategorie Second-Hand-Kleidung hatte ursprünglich Hürden, die Unsicherheit über Textur und Zustand hielt viele Menschen davon ab, sich damit zu befassen. Das Eingreifen der KI löst diese Zögerlichkeit zunehmend auf.

Von der Hilfe bei der Auswahl zum Kauf in Ihrem Auftrag

Identifikation, Preisgestaltung, Empfehlungen – die „Hilfe bei der Auswahl“ ist ausgereift, es gibt bereits ein funktionierendes Beispiel wie ThredUp. Der nächste Schritt ist der „Kauf in Ihrem Auftrag“: Die KI erhält Ihre Autorisierung und gibt selbst Bestellungen auf und bezahlt.

Im September 2025 starteten OpenAI und Stripe gemeinsam eine Sofortkassen-Funktion in ChatGPT, die ersten Partner umfassten einige Händler von Etsy und Shopify. Wenn Nutzer ein Produkt im Gespräch gefällt, können sie direkt in der Oberfläche bezahlen, ohne umzuleiten. Dies war das erste Mal, dass eine führende KI-Konversationsplattform versuchte, die letzte Strecke zwischen „Entdecken“ und „Kaufen“ zu überbrücken.

Aber im März 2026 passte OpenAI die Ausrichtung an und verlagerte den Fokus zurück auf die „Produktentdeckung“. Händler dürfen ihre eigenen bestehenden Kassenprozesse nutzen, um Bestellungen entgegenzunehmen, anstatt einheitlich den Zahlungskreislauf innerhalb von ChatGPT zu durchlaufen.

Medien beriefen sich auf die Meinung von Analysten, dass Instant Checkout kaum Nutzer gewonnen habe. Die Gründe umfassen die komplizierte Integration für Händler, die Schwierigkeit, die Genauigkeit der Produktdaten aufrechtzuerhalten, und die Probleme bei der Bearbeitung von Warenkörben mit mehreren Artikeln und Mitgliedspunkten. OpenAI selbst ist der Ansicht, dass die ursprüngliche Version „nicht die von uns erwartete Flexibilität bot“.

In einem Bericht vom Dezember 2025 schätzte Morgan Stanley, dass KI-Einkaufsassistenten bis 2030 10 % bis 20 % des US-E-Commerce ausmachen könnten, was einem Umsatz von 190 bis 385 Milliarden US-Dollar entspricht. Der Bericht erwähnt zudem, dass etwa 23 % der Menschen in den USA letzten Monat etwas über KI gekauft haben, wobei Lebensmittel und Konsumgüter des täglichen Bedarfs die ersten Kategorien sind, die an Bedeutung gewinnen.

Mittlerweile tauchen die Probleme auf, die der „Kauf in Ihrem Auftrag“ mit sich bringt. Wer ist für Streitigkeiten bei Rücksendungen verantwortlich? Wo liegt die Grenze der Autorisierung für den KI-Einkaufsagenten? Was passiert, wenn die KI etwas völlig Unerwünschtes kauft, weil sie etwas falsch verstanden hat – wer trägt den Verlust?

Nutzer geben dem Agenten in der Regel einen Auftrag mit Rahmen, Budget und Frist, statt jede einzelne Transaktion zu bestätigen. Die Höchstbetragsgrenze verhindert teure Fehlkäufe, aber keine billigen. Derzeit gibt es keine öffentlichen Regeln, um Fälle zu behandeln, in denen der Agent „über den eigentlichen Willen des Nutzers hinausgeht“ – meist müssen die Händler den Verlust selbst tragen.

Bevor Menschen Kleidung kaufen, schauen sie sich Bilder, Größentabellen und Rücksendebedingungen an. Agenten lesen meist nur Daten, was die Rücksendequote steigen lässt. ecommerceguide weist darauf hin, dass Kleidung, Schuhe und Möbel die risikoreichsten Kategorien sind.

Bei Second-Hand-Kleidung gibt es jedes Stück nur einmal, wenn es verkauft ist, ist es ausverkauft. Wenn es zurückgeschickt wird, muss es erneut geprüft, fotografiert und bewertet werden. Die von ThredUp durch Skalierung niedrig gehaltenen Bearbeitungskosten pro Stück könnten hier wieder steigen.