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

Der Secondhand-Textilsektor verfügt über eine Fülle von Betriebsdaten, aber über keinen einfachen Weg, daraus einen gemeinsamen Nachweis seines Beitrags zu machen. Dieser Herausforderung widmete sich Chris McLellan in seinem Vortrag „Closing the Data Gap“ auf der SMART 2026 Annual Convention in Montréal, der Jahrestagung des Branchenverbands Secondary Materials and Recycled Textiles Association (SMART). Im anschließenden Interview mit FashionUnited erklärte er, wie künstliche Intelligenz (KI) unabhängigen Unternehmen helfen könnte, diese Belege zusammenzutragen – und warum Vertrauen dabei wichtiger sei als die Technologie.

Laut McLellan fehlt es vor allem an Angaben dazu, wie viel Material die Betriebe umschlagen, wohin es geht, welcher Anteil wiederverwendet oder recycelt wird und wie viele Arbeitsplätze daran hängen. Unabhängige Sammel-, Sortier- und Exportbetriebe sowie Unternehmen, die Ware nach Qualitäten einstufen, verfügen jeweils über Teile dieses Bildes. Ihre Aufzeichnungen sind jedoch über Aktenschränke, Tabellen und Buchhaltungssysteme verstreut.

„Hochgerechnet auf eine ganze Branche sind die Belege durchaus vorhanden. Sie sind nur verstreut“, sagte er. Die Folge sei ein Sektor, dessen wirtschaftlichen und ökologischen Beitrag man kaum überzeugend darstellen könne, wenn politische Entscheidungsträger:innen nach konkreten Zahlen fragen.

KI könnte nach seiner Einschätzung helfen, diese Lücke zu schließen, indem sie vereinbarte Angaben aus Dokumenten ausliest, die Unternehmen ohnehin erstellen. Dazu zählen etwa Wiegescheine, Rechnungen, Container-Packlisten und Ausfuhranmeldungen.

McLellan schlägt vor, vorhandene Unterlagen leichter gemeinsam nutzbar zu machen. Ein Unternehmen könnte ein PDF hochladen oder ein Dokument abfotografieren. Eine Anwendung würde daraus ausgewählte Angaben wie Gewicht, Qualitätsstufe, Herkunft und Bestimmungsort extrahieren. Das System könnte Formate vereinheitlichen und Einheiten umrechnen, sodass die Aufzeichnungen verschiedener Betriebe vergleichbar würden.

Um den Ansatz zu demonstrieren, baute McLellan für seinen Vortrag einen einfachen Prototyp. Mithilfe von KI habe das weniger als eine Stunde gedauert und praktisch nichts gekostet. Damit ist ein möglicher Ausgangspunkt skizziert, aber noch kein voll funktionsfähiges, branchenweites Berichtssystem geschaffen.

Zum Start bevorzugt er einen nachvollziehbaren Prozess, bei dem die Unternehmen die ausgelesenen Angaben vor der Übermittlung prüfen und freigeben. Autonomere KI-Agenten könnten den Aufwand später weiter senken. Sie setzten aber mehr Vertrauen in das System voraus.

Vertrauen vor Technologie

Die größere Hürde ist es, konkurrierende Unternehmen zur Teilnahme zu bewegen. Angaben zu Mengen, Abnehmer:innen, Qualitätsstufen und Preisen sind geschäftlich sensibel. Inhaber:innen haben daher berechtigte Bedenken, wer darauf zugreifen könnte.

„Inhaber:innen befürchten völlig zu Recht, dass geteilte Daten von der Konkurrenz eingesehen oder gegen sie verwendet werden könnten – oder ihnen schlicht entgleiten“, sagte McLellan.

Sein Ansatz sieht vor, so wenige Informationen wie möglich zu erfassen und identifizierende Angaben schon an der Quelle zu entfernen. Zudem sollen die teilnehmenden Unternehmen selbst entscheiden, für welche Projekte ihre Daten genutzt werden dürfen. Ein Unternehmen könnte etwa erlauben, dass seine Angaben in die politische Interessenvertretung einfließen, ohne einem Branchen-Benchmarking zuzustimmen.

McLellan spricht von einer „Bill of Rights for Data Owners“, einer Art Grundrechtecharta für Dateneigentümer:innen. Dazu gehöre auch, dass Unternehmen ihre Daten zurückziehen können. Außerdem sollen möglichst wenige Kopien entstehen, damit die Kontrolle tatsächlich gewahrt bleibt.

Als Organisator böte sich aus seiner Sicht ein Verband oder eine gemeinnützige Organisation an. Die Teilnahme solle aber auf klarer Governance beruhen, nicht allein auf dem Ruf der Institution. Er plädiert für eine schriftliche Charta, unabhängige Kontrolle und Regeln, die verhindern, dass größere Unternehmen dominieren.

Besondere Dringlichkeit sieht McLellan bei der erweiterten Herstellerverantwortung – kurz EPR für Extended Producer Responsibility – sowie bei Entscheidungen über Textilexporte. Unternehmen benötigten Belege über ihre Aktivitäten, wenn diese in politischen Debatten und Finanzierungsfragen angemessen berücksichtigt werden sollen, argumentiert er.

„Wer Geld aus EPR-Systemen erhält, ist eine wirtschaftliche Frage. Ob Exportmärkte offen bleiben, ist eine Frage der Nachfrage“, sagte er. „Wohin Infrastrukturgelder fließen, hängt davon ab, von welchen Mengen man ausgeht.“

In Deutschland nimmt das Thema gerade Gestalt an. Mit der im Oktober 2025 in Kraft getretenen EU-Richtlinie 2025/1892 ist eine erweiterte Herstellerverantwortung für Textilien erstmals verbindlich vorgegeben. Hierzulande soll sie bis zum 17. Juni 2027 mit einem Textilgesetz umgesetzt werden. Nach den Eckpunkten, die das Bundesumweltministerium Ende März vorgelegt hat, sollen die neuen Organisationen für Herstellerverantwortung jährlich über die gesammelten und verwerteten Mengen an Alttextilien berichten. Wer sortierte Gebrauchttextilien exportiert, soll unter anderem eine Kopie der Rechnung oder des Kaufvertrags sowie einen Nachweis über die vorangegangene Sortierung vorlegen. Das ist genau jene Art von Dokumenten, die McLellan auswerten will.

Eine Datenkooperation würde den wirtschaftlichen Druck auf den Sektor allerdings nicht beseitigen. Frachtkosten, Engpässe in der Infrastruktur, Störstoffe und die Marktnachfrage seien echte Hürden, räumt McLellan ein. „Daten allein sortieren keinen einzigen Ballen“, sagte er. Es gehe vielmehr darum, der Branche mehr Gewicht zu geben, wenn über genau diese Probleme entschieden wird.

Auch KI muss überprüft werden

Wer KI nutzt, um regulatorische Nachweise zu erstellen, geht Risiken ein. McLellan warnt, Systeme könnten Dokumente falsch lesen, Einheiten verwechseln oder fehlende Angaben erfinden. Ein Fehler, der sich über viele Einreichungen wiederholt, könnte das Vertrauen in den gesamten Datensatz untergraben.

Deshalb müsse jeder Eintrag auf ein Originaldokument rückführbar bleiben, das beim jeweiligen Unternehmen liegt. Eine menschliche Freigabe vor der Übermittlung und Prüfungen auf Auffälligkeiten sollen zusätzlich absichern.

Ein weiteres Risiko sieht er darin, dass die Branche schlecht dokumentiert bleibt, während KI-Systeme zunehmend bestimmen, wie Menschen sich über sie informieren. Fehlt eine breitere Datenbasis, könnten einzelne, begrenzte Studien unverhältnismäßig großen Einfluss gewinnen.

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

Er plädiert für kollektive Sichtbarkeit, ohne dass Unternehmen die Kontrolle über ihre Daten abgeben. KI könnte das Zusammentragen der Nachweise erleichtern. Doch Unternehmen brauchen einen Grund, sich zu beteiligen, und die Gewissheit, dass ihnen daraus keine Nachteile entstehen.