Programmiertes Verlangen: Wie Mode begehrlich bleibt, wenn KIs den Warenkorb füllen

Mode ist seit jeher Verführung, Sehnsucht, Zugehörigkeit, Differenzierung. Aura, wie Menschen sagen, die deutlich jünger sind als ich. Wir begehren einen Look, ein Gefühl, einen Stil, eine Lebenswelt. Dieses Begehren wird durch inspirierende Menschen ausgelöst – auf Social Media, Laufstegen, in Popkultur, Werbung und im Freundeskreis.

Die Absender:innen des Begehrens waren dabei schon immer vielfältig. Von Hochglanzbildern bis zum coolen Typen in der Bar gestern Abend, der diese abgefahrene Veloursjacke anhatte. Während die Absendenden des Begehrens unterschiedlich sind, waren der Empfänger stets derselbe: ein Mensch.

Genau diese Selbstverständlichkeit löst sich nun auf. KI Agent:innen werden zunehmend zu einer zusätzlichen Instanz zwischen Marke und Kaufentscheidung. Bereits heute trifft die Hälfte der Nutzer:innen eine Kaufentscheidung mit Hilfe von generativer KI(Accenture-Studie, 2025).

Begehrlichkeit für Algorithmen

Doch das ist nur der Anfang. Heute empfiehlt die Künstliche Intelligenz (KI), morgen kauft sie für uns. Persönliche Agent:innen, trainiert auf Leben, Budget und Geschmack eines Menschen, werden elementare Gatekeeper umfassender Kaufentscheidungen. Das führt zu einer radikalen Verschiebung von Kommunikation: Von KI als Kanal zur KI als Zielgruppe. Doch wie sorgt man bei jemandem für Begehrlichkeit, der Begehrlichkeit nicht fühlt?

Lange war entscheidend, ob ein Look begehrlich inszeniert ist. Doch kann eine Maschine Begehrlichkeit überhaupt lesen, einordnen und empfehlen? Fashion lebt von Andeutung, Kontext, Codes, Referenzen. Assistenten hingegen reduzieren Mehrdeutigkeiten auf strukturierte Vergleichbarkeit: Farbe, Preis, Material, Anlass, Silhouette, Lieferzeit, Rezensionen, Rückgabesicherheit.

Modemarken haben SEO gelernt, dann Social First gedacht, dann Performance optimiert. Jetzt müssen sie lernen, wie sie in intelligenten Empfehlungssystemen nicht nur rational, sondern auch emotional empfehlbar werden.

Agent:innen belohnen keine Aura, sondern Klarheit. Plattformen wie Googles Shopping Graph verarbeiten inzwischen mehr als 50 Milliarden Produktlistings und strukturieren Mode primär über objektivierbare Merkmale wie Preis, Reviews, Farboptionen und Verfügbarkeit. Wer dort semantisch unscharf bleibt, wird vielleicht nicht unsichtbar, aber austauschbar. Und damit in der Empfehlungskette schnell irrelevant.

Dadurch verschiebt sich der Fokus: Nicht nur Produkte, sondern die Marken dahinter müssen maschinenlesbar sein. Übersetzte Ästhetik, die so eindeutig und strukturiert ist, dass ein Assistent sie nicht nur finden, sondern auch von zehn ähnlichen Angeboten unterscheiden kann.

Maschinenlesbares Marketing

Das erfordert ein Umdenken weit über Marketing hinaus: Markenführung wird zur Daten- und Strukturdisziplin. Die Frage ist nicht mehr nur, wie eine Marke aussieht oder klingt, sondern wie konsistent sie in maschinenlesbaren Ebenen existiert. Produktdaten, Bildkontexte, Beschreibungslogiken und Kategorisierungen werden Teil derselben Brand-Architektur. Was früher als Backstage galt, wird zur sichtbaren Bühne der Marke.

Damit verschiebt sich auch die organisatorische Logik. Brand, Content und E-Commerce arbeiten nicht mehr in getrennten Welten von Inspiration und Conversion, sondern in einem gemeinsamen System aus Bedeutungs- und Entscheidungsdaten. Inkonsistenz gefährdet dabei nicht nur die Markenwahrnehmung, sondern ihre Empfehlbarkeit.

Und genau darin liegt der neue Wettbewerb: nicht mehr nur um menschliche Aufmerksamkeit, sondern maschinenlesbare Konsistenz.

Dabei bleibt Mode ein zutiefst visuelles Medium. Nur werden Bilder künftig vermehrt von nicht-menschlichen Augen ausgewertet: als Suchsignal, Match-Kriterium, Stilreferenz.

Zwei Zielgruppen: Mensch und Maschine

So baut Pinterest die visuelle Suche in Women’s Fashion weiter aus, weil Shopping oft mit einem „Vibe“ beginnt, nicht mit dem richtigen Suchbegriff. Und genau hier entsteht der Bruch: Kampagnenbilder, die nur Stimmung transportieren, sind für KI-Systeme zu unscharf. Wirksam werden dagegen Bilder, die maschinenlesbar machen, warum ein Look besonders ist. Proportion, Styling, Bewegung, Körpernähe, Anlass.

Wer die KI-Wahrnehmung der eigenen Marke nicht proaktiv lenkt, wird zur Karotte unter den Möhren. Maximale Vergleichbarkeit, minimale Unverwechselbarkeit. Rational effizient, aber kreativ zerstörerisch. Ein Assistent kann Preis und Material vergleichen. Er kann aber nur dann eine Marke empfehlen, wenn diese einen klar benennbaren Unterschied erzeugt. Handschrift, Haltung, Herkunft, Handwerk, Community, Kollaborationen, kulturelle Relevanz. Alles, was aus einem Produkt mehr macht als eine Merkmalsliste.

Vielleicht ist die Verschiebung also gar nicht so groß, die Aufgabe bleibt im Kern dieselbe: Sei eine klar konturierte Marke. Bloß, und das ist neu, für zwei Zielgruppen: Für den Menschen, der fühlt. Und die Maschine, die sortiert. Wer nur eines von beiden beherrscht, wird von der Merkliste gestrichen.