Kann KI dem Secondhand-Textilsektor helfen, seinen Wert zu beweisen?

Der Secondhand-Textilsektor verfügt über eine Fülle an Betriebsdaten. Es fehlt jedoch ein einfacher Weg, diese zu einem gemeinsamen Nachweis über den Beitrag der Branche zusammenzuführen. Dieser Herausforderung widmete sich Chris McLellan in seinem Vortrag ‘Closing the Data Gap: The Case for Data Collaboration in the Age of AI und EPR’ auf der SMART 2026 Annual Convention im kanadischen Montreal. Im anschließenden Interview mit FashionUnited erläuterte er, wie künstliche Intelligenz unabhängigen Unternehmen beim Sammeln dieser Belege helfen kann. Zudem erklärte er, warum Vertrauen dabei wichtiger ist als die Technologie selbst.

Für McLellan fehlen vor allem Informationen darüber, wie viel Material die Unternehmen verarbeiten und wohin dieses gelangt. Ebenso unklar ist der Anteil an Wiederverwendung oder Recycling sowie die Anzahl der durch diese Aktivitäten gesicherten Arbeitsplätze. Unabhängige Sammelbetriebe, Sortierunternehmen, Klassifizierungsbetriebe und Exportfirmen besitzen zwar Teile dieses Gesamtbildes. Ihre Aufzeichnungen sind jedoch über Aktenschränke, Tabellenkalkulationen und Buchhaltungssysteme verstreut.

„Multipliziert man das auf eine ganze Branche, sind die Belege zwar vorhanden, aber eben verstreut“, sagte er. Dies führt seiner Ansicht nach zu einem Sektor, dessen wirtschaftlicher und ökologischer Beitrag schwer überzeugend darzustellen ist. Das wird besonders dann zum Problem, wenn politische Entscheidungstragende nach konkreten Zahlen fragen.

Ihm zufolge könnte künstliche Intelligenz helfen, diese Lücke zu schließen. Sie kann vereinbarte Informationen aus Dokumenten extrahieren, die Unternehmen ohnehin erstellen. Dazu gehören unter anderem Wiegescheine, Rechnungen, Containerpacklisten und Ausfuhrerklärungen.

McLellan schlägt vor, bestehende Unterlagen leichter gemeinschaftlich nutzbar zu machen. Ein Unternehmen könnte ein PDF hochladen oder ein Dokument fotografieren. Eine Anwendung extrahiert dann ausgewählte Details wie Gewicht, Qualitätsstufe, Herkunft und Zielort. Das System könnte Formate standardisieren und Einheiten umrechnen, damit Aufzeichnungen verschiedener Betreibender vergleichbar werden.

Um den Ansatz zu demonstrieren, entwickelte McLellan für seine SMART-Präsentation einen einfachen Prototyp. Mit der Hilfe von künstlicher Intelligenz dauerte dies nach seinen Angaben weniger als eine Stunde und kostete so gut wie nichts. Dies zeigt einen möglichen Ausgangspunkt auf, stellt aber noch kein voll funktionsfähiges, branchenweites Berichtssystem dar.

Er bevorzugt zum Start einen transparenten Prozess, bei dem Unternehmen die extrahierten Informationen vor der Übermittlung prüfen und freigeben. Autonomere KI-Agenten könnten den Arbeitsaufwand später weiter reduzieren. Deren Einführung würde jedoch ein größeres Vertrauen in das System voraussetzen.

Vertrauen vor Technologie

Das größere Hindernis besteht darin, konkurrierende Unternehmen zur Teilnahme zu bewegen. Informationen über Mengen, Einkaufende, Qualitätsstufen und Preise sind geschäftlich sensibel. Unternehmensinhaber:innen haben daher berechtigte Bedenken, wer darauf zugreifen könnte.

„Inhaber:innen sorgen sich völlig zu Recht, dass geteilte Daten von Mitbewerbenden eingesehen, gegen sie verwendet werden oder schlichtweg ihrer Kontrolle entgleiten könnten“, sagte McLellan.

Sein vorgeschlagener Ansatz beginnt damit, die gesammelten Informationen auf ein Minimum zu beschränken und identifizierende Details direkt an der Quelle zu entfernen. Zudem sollen die Beitragenden selbst entscheiden, welche Projekte ihre Daten unterstützen dürfen. Ein Unternehmen könnte beispielsweise erlauben, dass seine Informationen für politische Interessenvertretung genutzt werden, ohne einem Einsatz für Branchenvergleiche zuzustimmen.

McLellan bezeichnete dies als ‘Bill of Rights for Data Owners’. Beitragende sollten ihre Informationen auch zurückziehen können, argumentiert er. Gleichzeitig sollten Kopien minimiert werden, damit die Kontrolle wirksam bleibt.

Ein Verband oder eine gemeinnützige Organisation wäre aus seiner Sicht die natürliche Instanz für die Organisation. Die Teilnahme sollte jedoch auf einer klaren Governance und nicht allein auf dem institutionellen Ruf beruhen. Er spricht sich für eine schriftliche Charta, eine unabhängige Überprüfung und Regeln aus, die eine Dominanz größerer Unternehmen verhindern.

McLellan sieht eine besondere Dringlichkeit bei der erweiterten Herstellerverantwortung, kurz EPR, sowie bei Entscheidungen über Textilexporte. Seiner Argumentation zufolge benötigen Unternehmen Belege für ihre Aktivitäten, wenn diese in politischen Debatten und bei Finanzierungsfragen angemessen berücksichtigt werden sollen.

„Wer Gelder aus EPR-Programmen erhält, ist eine wirtschaftliche Frage. Ob Exportmärkte offen bleiben, ist eine Frage der Nachfrage“, sagte er. „Wohin Infrastrukturinvestitionen fließen, hängt davon ab, welche Mengen die Menschen für existent halten.“

Eine Datenzusammenarbeit würde den grundlegenden wirtschaftlichen Druck des Sektors nicht auflösen. McLellan räumt ein, dass Versandkosten, Infrastrukturengpässe, Verunreinigungen und die Marktnachfrage substanzielle Hürden darstellen. „Daten allein sortieren keinen einzigen Ballen“, sagte er. Ihr Zweck bestehe vielmehr darin, die Mitsprache der Branche bei Entscheidungen über genau diese Probleme zu stärken.

Auch KI muss kontrolliert werden

Der Einsatz von künstlicher Intelligenz zur Erstellung regulatorischer Nachweise birgt Risiken. McLellan warnt davor, dass Systeme Dokumente falsch lesen, Einheiten verwechseln oder fehlende Informationen erfinden können. Ein Fehler, der sich über mehrere Einreichungen hinweg wiederholt, könnte das Vertrauen in den gesamten Datensatz untergraben.

Er fordert daher, dass jeder Dateneintrag bis zu einem Originaldokument des beitragenden Unternehmens zurückverfolgbar bleibt. Eine menschliche Freigabe vor der Übermittlung sowie Prüfungen auf Unregelmäßigkeiten würden zusätzliche Sicherheit bieten.

Es gibt jedoch noch ein weiteres Risiko: Die Branche bleibt schlecht dokumentiert, während KI-Systeme zunehmend vermitteln, wie Menschen sich über den Sektor informieren. McLellan befürchtet, dass begrenzte Studien einen unverhältnismäßig großen Einfluss gewinnen können, wenn umfassendere Belege fehlen.

„Wenn eine Branche keine eigenen Zahlen hat, werden die Zahlen anderer standardmäßig zum Beweis“, sagte er.

Er plädiert für kollektive Sichtbarkeit, ohne die individuelle Kontrolle aufzugeben. Künstliche Intelligenz könnte das Zusammentragen der Belege erleichtern. Unternehmen brauchen jedoch einen Grund zur Teilnahme sowie die Gewissheit, dass ihnen dadurch keine Nachteile entstehen.