Die Modebranche kennt nur eine Konstante: den Wandel. Noch vor wenigen Jahren revolutionierte Fast Fashion den Handel, indem die Produktionsmengen verdoppelt wurden. Heute stehen Marken vor einer anderen Form der Disruption: Produkte, die sie bereits verkauft haben, erhalten ohne ihr Zutun ein zweites Leben.

Möglich wird diese rasante Entwicklung durch die Infrastruktur, die rund um den Secondhand-Markt entsteht. Der entscheidende Treiber dabei ist Künstliche Intelligenz. Besonders im B2B-Großhandelssegment, das das Angebot gebrauchter Ware mit der Nachfrage des Handels verbindet, vollzieht sich dieser Wandel derzeit am schnellsten.

Was uns die Daten sagen

Bevor man die technologischen Entwicklungen betrachtet, lohnt sich ein Blick auf das Ausmaß des bereits stattfindenden Verhaltenswandels.

Über Luxus- und Massenmarktmarken hinweg übertreffen Suchanfragen nach Secondhand-Produkten mittlerweile regelmäßig jene nach Neuware. So liegen etwa Suchanfragen wie „Mango Vinted“ oder „Zara Vinted“ im Vergleich zu „Mango neue Kollektion“ oder „Zara neue Kollektion“ im Zeitraum von 2024 bis 2026 vier- bis sechsmal höher. Besonders deutlich zeigte sich dieser Trend Mitte 2025, als die Suchanfragen nach Vinted ihren Höhepunkt erreichten, während das Interesse an neuen Kollektionen deutlich dahinter zurückblieb.

Im Luxussegment übertreffen die Suchanfragen nach Vintage-Artikeln von Hermès die nach neuen Taschen deutlich. Sie haben sich auf ihrem jüngsten Höhepunkt mehr als verdoppelt. Sogar bei dem französischen Luxusmodehaus Chanel, wo die Suchen nach neuen und Vintage-Produkten jahrelang eng beieinander lagen, erreichte das Interesse an Vintage Anfang 2026 fast das Niveau von Neuware.

Google Trends misst das Suchinteresse auf einer Skala von null bis 100, wobei 100 die höchste Beliebtheit eines Suchbegriffs im ausgewählten Zeitraum darstellt.

Diese Daten zeigen, dass sich die Kaufabsicht der Konsument:innen in Bezug auf Secondhand grundlegend verschoben hat. Die Menschen beginnen ihre modische Reise bei Pre-loved-Artikeln und sehen sie nicht etwa als Ausweichmöglichkeit. Für Marken ist dies ein Signal dafür, wo sie präsent sein müssen und welche Infrastruktur sie aufbauen müssen, um an diesem Markt teilzunehmen.

Nicht nur das Suchverhalten hat sich geändert, sondern auch die Art und Weise, wie über Secondhand gesprochen wird. Vor 2020 war die vorherrschende Sprache negativ: Wohltätigkeitsladen, gebraucht, Kompromiss, Stigma. In den Jahren 2024 bis 2026 wurde dieses Vokabular fast vollständig durch Begriffe ersetzt, die Identität, Anspruch und Entdeckung ausdrücken: Pre-loved, Vintage-Fund, kuratiert, unnachahmlich. Dies bestätigt den Wandel in der kulturellen Wahrnehmung, wie meine Analyse von Medienberichten, Marktstudien und Verbraucher:innen-Communitys vor und nach Covid zeigt.

Weltweit wird prognostiziert, dass der Umsatz mit Secondhand-Kleidung in diesem Jahr 289 Milliarden US-Dollar erreichen wird. Das entspricht einem Wachstum von 105 Prozent seit 2021. Laut dem ThredUp Annual Resale Report 2026 wächst dieser Markt doppelt so schnell wie der gesamte Bekleidungsmarkt.

Die KI-Ebene scheint dieses Wachstum weiter beschleunigt zu haben. Das Suchinteresse an ‚KI-Shopping‘ lag bis Mitte 2024 in allen Märkten praktisch bei null. Es begann Ende 2024 zu steigen, als generative KI-Tools den Mainstream erreichten. Ab Juni 2025 schnellte es in die Höhe, wuchs innerhalb von zwei Jahren um über 3.000 Prozent und hielt sich seitdem auf einem Niveau nahe dem Höchststand.

Der auffälligste Befund in den Daten ist jedoch die Korrelation zwischen den beiden. Sowohl ‚KI-Shopping‘ als auch ‚Secondhand-Kleidung‘ stagnierten vier Jahre in Folge. Beide begannen sich im selben Monat zu bewegen, im Juli 2025, stiegen im August 2025 gleichzeitig an und halten sich seitdem auf hohem Niveau. Die Daten deuten darauf hin, dass KI kein bloßer Zufall bei der Beschleunigung des Secondhand-Marktes war, sondern möglicherweise eine wesentliche Rolle bei dessen skalierbarem Wachstum gespielt hat.

Warum Secondhand ohne KI nicht skalieren kann – das Problem der B2B-Infrastruktur

Der Wandel im Verbraucher:innenverhalten ist offensichtlich und durch Daten belegt. Weniger sichtbar, aber kommerziell wichtiger, ist das Infrastrukturproblem, das die Skalierung von Secondhand historisch erschwert hat. Deshalb ist KI hier keine optionale Ebene, sondern eine strukturelle Notwendigkeit.

Der Resale-Markt ist bekanntermaßen komplex. Plattformen müssen riesige, unvorhersehbare Bestände verwalten, die sich in Qualität, Größe und Echtheit unterscheiden. Diese Komplexität hat im Neuwarenhandel keine Entsprechung. Um die operativen Abläufe zu verstehen, sprach ich mit Sanket Agarwal, Mitbegründer von Fleek. Fleek ist eine der am schnellsten wachsenden KI-Plattformen im Secondhand-Großhandel und eine der Hauptbeschaffungsplattformen für Vinted-Wiederverkäufer:innen. Er half mir zu verstehen, warum die B2B-Ebene dieses Marktes eine grundlegende technologische Neugestaltung erforderte.

Das Kernproblem, wie Agarwal erklärt, ist eines der Skalierung, für das es im traditionellen Modegeschäft keine Entsprechung gibt: „Im klassischen Einzelhandel haben Geschäfte normalerweise einige definierte SKUs. Im Secondhand-Bereich gibt es jedoch eine so große Vielfalt an Epochen, Marken, Stilen und Abnutzungsgraden, dass es zu Millionen bis Milliarden von SKUs kommt. Im Wesentlichen ist jedes Stück ein Unikat, selbst wenn es sich um dieselbe Marken-SKU handelt“. Genau diese Einzigartigkeit macht es so schwierig, jeden einzelnen Artikel zu kategorisieren, zu bepreisen und einer:m Käufer:in zuzuordnen. Im Gegensatz zu Amazon oder Asos, wo KI auf strukturierten, konsistenten Produktkatalogen arbeitet, gibt es im Secondhand-Großhandel keine gemeinsamen Produktdaten. Es gibt keine standardisierten SKUs und keine Taxonomie, die den Zustand mit der Kaufabsicht verbindet. Das hat die Skalierung so schwer gemacht und macht KI hier so transformativ.

Über das Problem der Einzigartigkeit hinaus haben Wiederverkäufer:innen mit Variablen wie uneinheitlicher Beleuchtung auf Fotos oder Abnutzungsmustern zu kämpfen. Die Authentifizierung erfordert in der letzten Phase menschliches Fachwissen, selbst wenn KI den ersten Scan übernimmt. Die Preisgestaltung ist ein ständiges Kalibrierungsproblem. Darüber hinaus ist die traditionelle Lieferkette im Secondhand-Großhandel nicht nur unübersichtlich, veraltet und unglaublich komplex. Sie basierte auch auf persönlichen Beziehungen – Vertrauen zwischen Käufer:innen und Verkäufer:innen, das über Jahre des informellen Handels aufgebaut wurde.

Hier kommt Fleek ins Spiel. Die Plattform wurde im November 2021 gegründet. Sie entstand aus einem Problem, das Mitbegründer Abhi Arora während der Pandemie in der Brick Lane, Londons Zentrum für Vintage-Mode, entdeckte: Die Secondhand-Lieferkette war auf Chaos aufgebaut. In westlichen Ländern gesammelte Pre-loved-Kleidung – etwa 90 Prozent aller Spenden weltweit – wird in großen Mengen an Sortierzentren in Pakistan, Indien und ganz Afrika verschifft. Dort wird sie von Hand sortiert und an westliche Wiederverkäufer:innen zurückverkauft, seien es Secondhand-Läden oder die Großhändler:innen, die Vinted-Verkäufer:innen beliefern. Die manuelle Kategorisierung war mühsam und ungenau. Je granularer und genauer die Einstufung, desto besser verkauft sich die Kleidung – das Risiko, Fehler zu machen, war also hoch. Wiederverkäufer:innen wussten oft nicht, was sie bekamen. Transaktionen fanden über WhatsApp-Gruppen und informelle Netzwerke statt, in denen Vertrauen alles und Transparenz fast nichts war. Nur ein sehr kleiner Teil dieser Spenden wurde jemals wieder auf westlichen Märkten verkauft. Das System war ineffizient und strukturell fehlerhaft.

Wie Arora in einem Interview für The Industry.Fashion erwähnte, wurde die Plattform entwickelt, um direkt mit diesen Großhändler:innen zusammenzuarbeiten. Die Bestände werden über das eigene System von Fleek gelistet, kategorisiert, bepreist und verkauft. Ein:e Wiederverkäufer:in in London, Paris oder New York kann kuratierte Pakete durchsuchen oder Artikel per Videoanruf von Hand auswählen und eine Bestellung aufgeben. Diese Bestellung durchläuft eines der Qualitätskontrollzentren von Fleek, wo die Artikel auf Qualität und Echtheit geprüft und dann an die:den Käufer:in versandt werden.

Wie materialisiert sich KI auf Fleek?

Fleek hat das gesamte Beschaffungserlebnis von Grund auf neu aufgebaut. „Bei Fleek mussten wir unser gesamtes Such- und Entdeckungserlebnis neu gestalten, das jetzt von einer KI-gestützten Suchtechnologie angetrieben wird. Wir nutzen CLIP-Embeddings*, um semantische Eigenschaften von Mode wie ‚Verzierungen‘ oder ‚Pilz-Print‘ zu definieren – eine viel schwierigere Aufgabe für Modelle vor der LLM**-Ära“. Ein:e Käufer:in kann nun nach Stimmung, Stil oder ästhetischer Referenz suchen anstatt nach Produktspezifikationen. Das entspricht der Art und Weise, wie Menschen tatsächlich über Secondhand denken. Darüber hinaus gibt die Plattform eine Preisschätzung ab, wickelt Transaktionen ab, optimiert die Lieferkette, verwaltet Rückerstattungen und schafft auf beiden Seiten Vertrauen. Die kommerziellen Ergebnisse sind sichtbar: „Mehr als eine Verdopplung des Umsatzes von 2024 auf 2025“. Die Plattform verbindet über 10.000 Wiederverkäufer:innen mit mehr als 1.000 Großhändler:innen in 70 Ländern und hat insgesamt 50 Millionen US-Dollar an Finanzmitteln erhalten, unterstützt von Investor:innen wie Andreessen Horowitz und Y Combinator. Agarwal äußert sich direkt zur Chance für Einzelhändler:innen, die noch zögern: „Heute sucht jede:r zweite nach Secondhand – das ist gut für die Umwelt und gut für das Geschäft. Wir sehen bereits, dass die Kund:innen von Fleek Secondhand- und Neuware nebeneinander verkaufen“.

*(CLIP steht für Contrastive Language-Image Pre-training – es ist ein von OpenAI entwickeltes Modell, das auf Hunderten von Millionen von Bild- und Textpaaren gleichzeitig trainiert wurde. Dadurch lernte es, die Beziehung zwischen visuellen Inhalten und Sprache zu verstehen. Die traditionelle Bilderkennung fragt: „Welches Objekt ist das?“ – sie erkennt eine Tasche, einen Schuh, eine Jacke. CLIP geht weiter – es versteht das Gefühl und den Charakter dessen, was es sieht. Anstatt also nur „Jacke“ zu erkennen, kann es „übergroße japanische Streetwear-Jacke aus den 90ern mit Acid-Waschung“, „Pilz-Print“ oder „verzierte Abendgarderobe“ verstehen).

**(LLM steht für Large Language Model – die Art von KI, die Tools wie ChatGPT, Claude und Gemini antreibt).

Was das für Ihr Unternehmen bedeutet

Secondhand gab es schon vor der KI. Aber ohne die Infrastruktur, um Bestände in großem Umfang zu beschaffen, zu authentifizieren, zu bewerten und zu bepreisen, konnte die Nachfrage nicht effizient bedient werden. Was Fleek auf Großhandelsebene beweist, ist, dass das kommerzielle Volumen folgt, wenn man die strukturellen Hürden beseitigt.

Dennoch sind die Herausforderungen nicht verschwunden. Die Logistik bleibt komplex und kostspielig. Secondhand-Artikel können nicht nachbestellt werden, und die Qualität der Präsentation eines Artikels beeinflusst immer noch die Genauigkeit der Bewertung und führt zu Rücksendungen. Konsistenz in großem Maßstab ist selbst mit Computer Vision schwer zu gewährleisten. Die Authentifizierung in der letzten Phase erfordert nach wie vor menschliches Fachwissen. Die Margen in der gesamten Branche stehen weiterhin unter Druck, und die meisten großen Resale-Plattformen sind noch auf dem Weg zur Rentabilität, anstatt sie bereits erreicht zu haben. KI verbessert all diese Probleme erheblich, aber sie beseitigt sie nicht. Marken, die ohne eine klare operative Strategie in diesen Bereich einsteigen, werden es wahrscheinlich schwerer haben, als die Marktzahlen vermuten lassen.

Was KI tut, ist, diese Herausforderungen beherrschbar zu machen. Sie verschwinden nicht vollständig, werden aber so strukturiert, dass man ein skalierbares Geschäft darauf aufbauen kann. KI ist mittlerweile auf jeder Ebene des Resale-Stacks im Einsatz. Bei der Beschaffung nutzen Plattformen wie Fleek Computer Vision und semantische Suche, um große Mengen an Secondhand-Beständen auffindbar zu machen. Auf Markenebene übernehmen Resale-as-a-Service-Plattformen wie ThredUp die Annahme, Bewertung, Fotografie, Preisgestaltung und Abwicklung mithilfe von KI-Automatisierung. Dies ermöglicht es, ein Resale-Programm zu starten, ohne alles von Grund auf neu aufbauen zu müssen. Die Authentifizierung, historisch die größte Vertrauensbarriere im Secondhand-Bereich, wird von Computer-Vision-Modellen übernommen, die verdächtige Artikel vorsortieren, bevor menschliche Expert:innen sie überprüfen.

Dynamische Preisalgorithmen ersetzen das Rätselraten, das die Margen im Secondhand-Handel unvorhersehbar machte. Der kommerzielle Erfolg ist bereits bewiesen: Aymeric Déchin, Chief Executive Officer (CEO) von Faume, sagte gegenüber Vogue Business, dass Kund:innen, die den Inzahlungnahme-Service einer Marke nutzen, eine um 20 Prozent geringere Abwanderungsrate aufweisen als diejenigen, die dies nicht tun. Zusammengenommen bewirken diese Fähigkeiten mehr als nur die Optimierung einzelner Transaktionen. Sie normalisieren Secondhand als einen zuverlässigen, vertrauenswürdigen Kanal für Marken und Konsument:innen, und Fleek ist nur ein Beispiel dafür.

Die regulatorische Ebene beschleunigt all dies. Die EU-Verordnung für umweltgerechtes Design nachhaltiger Produkte (Ecodesign for Sustainable Products Regulation, ESPR) schreibt vor, dass jede Modemarke, die in Europa verkauft, ab 2028 jedem Kleidungsstück einen Digitalen Produktpass (DPP) beifügen muss. Dieser Pass ist eine maschinenlesbare Identität, die Materialien, Herkunft und Besitzgeschichte aufzeichnet. Für die KI ist dies transformativ: Ein Kleidungsstück mit einem Pass kann automatisch authentifiziert, bewertet und bepreist werden, da die Daten bereits vorhanden sind.

Ein Drittel der Führungskräfte der Branche bezeichnete Resale als eine Priorität für 2026, so der BoF/McKinsey State of Fashion 2026. Diese Lücke – zwischen dem, wo die Konsument:innen bereits sind, wie KI dies beschleunigt, und worauf sich der Großteil der Branche noch konzentriert (Neuware) – ist eine Chance, und sie schließt sich schnell. Wenn Sie Secondhand immer noch als zweitrangig oder KI als optional betrachten, sind die Daten eindeutig: Sie liegen nicht hinter dem Trend, Sie liegen hinter den Konsument:innen.