KI in der Mode: Teilnehmen ja, Verantworten nein

Gescheitertes KI-Lolita-Startup: 'KI konnte an fast allem teilnehmen, aber nichts verantworten'

Ein Autor berichtet auf community.openai.com, er habe kürzlich den Versuch beendet, ein KI-gesteuertes Original-Lolita-Modegeschäft aufzubauen. Die Geschäftslogik war denkbar einfach: Kleider entwerfen, herstellen, verkaufen und Gewinn machen. Geplant war, GPT und Lovart AI einzusetzen, um die Rolle des Modedesigners zu übernehmen, den Zeitplan des Schnittmachers zu verkürzen und bei Kalkulation, Stoffbeschaffung und Produktionsvorbereitung zu helfen. Diese Erwartung war nicht aus der Luft gegriffen: GPT konnte bestehende Designs analysieren, Marktdaten organisieren, Design-Narrative und Briefings schreiben und sogar DXF-Dateien erzeugen. Lovart konnte Modebilder generieren. Die KI schien in fast jeden Teil des Projekts eintreten zu können. Das Projekt scheiterte dennoch.

Laut Autor lag es nicht daran, dass KI nichts konnte. Das interessantere Problem war fast das Gegenteil: KI konnte an fast allem teilnehmen, aber keine der geschäftsentscheidenden Kernaufgaben zuverlässig allein verantworten. Der Autor beschreibt den Unterschied zwischen der Teilnahme an einem Workflow und der Fähigkeit, ihn zu besitzen: KI kann Beiträge liefern, aber keine Verantwortung übernehmen. Genau diese Verantwortungsübernahme war jedoch geschäftsentscheidend – etwa bei der finalen Designfreigabe oder der Produktionsentscheidung. Der Autor leitet daraus die Frage ab, warum KI allmächtig erscheint, obwohl Modellfähigkeitsgrenzen real sind. Es handelt sich um einen Erfahrungsbericht aus erster Hand, nicht um ein kontrolliertes Experiment – der Autor selbst weist darauf hin, dass der Fall nicht für jedes Modell, jeden Nutzer oder jede Branche stehen kann.

Konkrete KI-Fähigkeiten im Test: Design-Analyse, DXF-Dateien, Modebilder

Die tatsächlich funktionierenden KI-Aufgaben im Lolita-Projekt waren vielfältig. GPT analysierte bestehende Designs, organisierte Marktdaten, schrieb Design-Narrative und Briefings und erzeugte sogar DXF-Dateien – ein Dateiformat für technische Zeichnungen, das in der Schnittmustererstellung verwendet wird. Lovart AI generierte Modebilder. Die KI schien in fast jeden Teil des Projekts eintreten zu können. Doch diese Fähigkeiten sind unterstützender Natur: Sie liefern Vorlagen, Entwürfe oder Datenaufbereitungen, ersetzen aber nicht die geschäftsentscheidende Kernaufgabe. Eine Design-Analyse zu erstellen ist etwas anderes, als die finale Designentscheidung zu treffen oder die Produktionsfreigabe zu erteilen. Dafür braucht es Urteilsvermögen über Herstellbarkeit, Kosten, Markenidentität, Qualitätsstandards und Haftung. Ein DXF-File mag syntaktisch korrekt sein, aber ob er produktionsreif ist – ob Nahtzugaben, Stoffverhalten oder Gradierung stimmen – kann die KI nicht verlässlich beurteilen. Sie kann plausible Ausgaben erzeugen, aber nicht garantieren, dass diese allen realen Anforderungen genügen. Der Autor beschreibt die Lücke als Unterschied zwischen Teilnahme und Besitz: KI kann viele Arbeitsschritte ausführen, aber sie kann nicht die Verantwortung für das Endergebnis übernehmen, weil sie keine Konsequenzen trägt und keine verbindliche Qualitätskontrolle leisten kann. Genau diese Fähigkeit fehlte der KI – und genau darauf kam es im Geschäft an.

Marktprognosen vs. Praxis: 1,6 Mrd. USD Wachstum trifft auf 95 % scheiternde Piloten

Die Marktforschung zeichnet ein optimistisches Bild. Laut stytrix.com, die sich auf Grand View Research und Allied Market Research beruft, wurde der globale KI-in-Mode-Markt 2024 auf 1,6 Mrd. USD geschätzt und soll bis 2030 9,5 Mrd. USD erreichen. Grand View Research nennt 1,4 Mrd. USD für 2024 und 4,4 Mrd. USD bis 2027, Allied Market Research prognostiziert 8,1 Mrd. USD bis 2030. Die Branche trete in die Wachstumsphase ein. Die Praxis sieht anders aus. fashioninsta.ai berichtet, dass 95 % der Gen-KI-Piloten scheitern. Unternehmen könnten keinen Geschäftswert nachweisen, während Rücklaufquoten von 40 bis 50 % die Gewinne zerstörten. KI erzeuge „Fake-Designer“, die unmögliche Kleidungsstücke generierten; Hersteller ertränken in unproduzierbaren Entwürfen. Der Widerspruch liegt in den unterschiedlichen Betrachtungsebenen: Marktvolumen und operative Erfolgsquote sind nicht dasselbe. Die Prognosen beschreiben das Potenzial des Gesamtmarkts, während die Scheiterquote aus der operativen Umsetzung von Pilotprojekten stammt. Viele Unternehmen setzen KI für „imaginäre Probleme“ ein – etwa hübsche Renderings, die nicht produzierbar sind – statt für reale Engpässe wie Rücklaufquoten oder die Lücke zwischen Pixel und Schnittmuster.

Lolita-Community in Aufruhr: Souffle Song und der KI-generierte Print

Der Fall Souffle Song zeigt, wie KI-generierte Inhalte in der Lolita-Community ankommen. rainedragon.com berichtet, Souffle Song habe einen KI-Kunstdruck herausgebracht und der neueste Royal Princess Alice Print sei KI-generiert, was Unruhe ausgelöst habe. Die Community diskutiert über KI-Kunst und Lolita-Mode, wobei viele Künstler verärgert sind. Der Beitrag erwähnt, dass KI-Kunst auf Stable Diffusion basiert, einem Programm, das Bilder verarbeitet, um Muster zu berechnen. Das Problem sei nicht die Technik an sich, sondern die Herkunft der Trainingsbilder. Die Debatte zeigt, dass KI-generierte Designs in einer Community, die stark auf Originalität und handwerkliche Ästhetik setzt, nicht nur eine technische, sondern auch eine kulturelle Frage aufwirft.

Was Modeunternehmen jetzt tun müssen: reale Probleme statt imaginärer Lösungen

Aus dem Scheitern des Lolita-Projekts und dem Widerspruch zwischen Marktprognosen und Praxis folgt: Modeunternehmen müssen KI-Adoption strategisch an realen Workflow-Problemen ausrichten, statt auf unausgereifte Piloten zu setzen. Konkret bedeutet das: Erstens Engpässe im eigenen Workflow identifizieren – etwa langsame Schnittmustererstellung, hohe Rücklaufquoten oder ungenaue Nachfrageprognosen. Zweitens KI-Tools auswählen, die genau diese Engpässe adressieren, nicht generische Bildgeneratoren. Drittens kleine Pilotprojekte mit klaren Erfolgskriterien starten (z. B. Zeitersparnis, Fehlerquote, Kostenreduktion) und die Ergebnisse messen. Viertens sicherstellen, dass die Verantwortung für geschäftsentscheidende Aufgaben beim Menschen bleibt. fashionINSTA nennt als Beispiel eine Lösung, die auf ein konkretes Problem abzielt: Die KI-gestützte Sketch-to-Pattern- und Pattern-Intelligence-Plattform soll die digitale Schnittmustererstellung um 70 % beschleunigen – eine Herstellerangabe, die unabhängig zu prüfen wäre. Der Kern bleibt: KI kann an fast allem teilnehmen, aber nichts verantworten. Wer sie einsetzt, muss die Verantwortung selbst übernehmen.