Fashion Intelligence Series | Modul 6 von 6

Markdown-Optimierung:
Der richtige Rabatt zum richtigen Zeitpunkt

Wie ein Reinforcement-Learning-Agent SKU-spezifische Preispfade berechnet — statt pauschal 30% für alle — und die Gesamtmarge um 11% steigert.

01 Das Problem — Pauschal 30% ab Januar vernichtet Marge

Warum identische Rabatte für Bestseller und Ladenhüter keinen Sinn ergeben

Die klassische Markdown-Strategie: Vollpreis → 30% Mid-Season → 50% End-of-Season → 70% Outlet. Alle SKUs durchlaufen denselben Zyklus, unabhängig davon, ob sie sich gut oder schlecht verkaufen. Eine Slim-Fit-Jeans mit 92% Sell-Through braucht keinen Rabatt — eine Wide-Leg in der falschen Farbe braucht ihn ab Woche 3.

02 Modell — Reinforcement Learning für SKU-spezifische Preispfade

+11%
Gesamtmarge vs. Pauschal
€7,8M
Zusätzliche Marge / Jahr
9
Rabatt-Level (statt 4)
21% → 13%
Overstock-Rate (End of Season)
Markdown-Verlauf: Pauschal vs. RL-Optimiert (Bestseller vs. Ladenhüter)
↳ Die kontraintuitive Strategie des RL-Agenten

Bestseller (Slim Fit Dark Blue): Kein Rabatt bis Saisonende, dann max. 15%. Trend-Artikel (Wide Leg Light Wash): Früh 10%, dann stufenweise. NOS-Basics (T-Shirt White): Nie mehr als 20% — die Stammkunden kaufen sie auch ohne Rabatt. Der Agent lernt, dass gezielte kleine Rabatte früh mehr Marge retten als pauschale große Rabatte spät.

03 Die Gesamtrechnung — Alle 6 Module

Jährliches Potenzial aller 6 Fashion-Module
ModulThemaTechnologieJährl. ImpactTime-to-Value
1Vororder-OptimierungLightGBM + LSTM (Two-Stage)€18,4M4–6 Wochen
2Trend-PredictionCLIP + Social Listening€5,8M3–4 Wochen
3Size & Fit PredictionCollaborative Filtering€6,2M2–3 Wochen
4Retouren-AnalyseNLP Topic Modelling€8,4M2–4 Wochen
5KollektionsplanungGraph-Analyse + Optimization€4,1M3–4 Wochen
6Markdown-OptimierungReinforcement Learning€7,8M6–8 Wochen
↳ Gesamtpotenzial: €50,7M/Jahr

Selbst bei 50% Realisierung sind das €25M zusätzliche Marge — bei einem Unternehmen mit €230M Umsatz (3,2M Stück × €72 UVP) eine Margenverbesserung von über 10 Prozentpunkten. Die Gesamtinvestition für alle 6 Module liegt bei €800k–1,5M. ROI: 17–32× im ersten Jahr.

04 Nächste Schritte

Phase 1 · Quick Wins (Monat 1–2)

Size Recommender (Modul 3) + Retouren-Quick-Fixes (Modul 4). Sofort umsetzbar mit vorhandenen Daten. Impact: €5–8M.

Phase 2 · Foundation (Monat 3–6)

Vororder-Modell (Modul 1) + Trend-Radar (Modul 2) + Sortimentsoptimierung (Modul 5). Impact: +€15–20M.

Phase 3 · Scale (Monat 7–12)

Markdown-Optimierung (Modul 6) + alle Module im Vollbetrieb + In-Season-Dashboard. Impact: €25–50M.