Selfwear

Mode funktioniert seit hundert Jahren in derselben Reihenfolge: erst produzieren, dann verkaufen, den Rest abschreiben. Der Online-Shop hat daran nichts geändert – er ist ein Regal mit Suchfunktion. Das Beste, was ein Empfehlungssystem kann, ist die wahrscheinlichste Annäherung im Bestand nach vorne zu schieben. Wenn dein Stück nicht existiert, bekommst du das Nächstbeste – und die Retoure gleich mit.

Selfwear dreht die Reihenfolge um: „Sell first. Then make. Or never make." Kleidung, die mit einer Person entsteht – aus ihrem Geschmack, ihrem Körper, ihrem Zögern – und erst gefertigt wird, wenn sie bezahlt ist. Für die Marke heißt das: kein Lagerrisiko, kein Abverkauf, keine strukturellen Retouren. Für die Kundin: ein Stück, das sich ihr anpasst, nicht umgekehrt.

Der Weg dorthin hat zwei Geschwindigkeiten. Die volle Vision – generieren statt auswählen – braucht Fertigung auf Abruf. Aber dieselbe Engine kann schon heute etwas anderes: einen bestehenden Katalog so lesen, als wäre er für eine Person gemacht. Dort beginnt die Arbeit mit Marken.

Eine Engine, die Geschmack liest – zwei Arten, ihn zu beantworten.

Der Kern: Empathy Engine

• Parameter Flow statt Profil — eine lebende Beschreibung des Geschmacks: Farbidentität (Verteilung über Farbfamilien mit Lernrate und Decay), Formidentität (strukturelle Dimensionen mit Mittelwert und Varianz – die Varianz zeigt, was wirklich wichtig ist), Body Identity (Geometrie aus wenigen Smartphone-Fotos)
• Sechs Engagement-Signale statt eines binären Klicks: Impression, Quality Impression (1,5 Sek. Verweildauer), Click, Hero Selection, Dismissal, Revisit – Pausen, Zögern und Ablehnung zählen mit
• Convergence Tracking — nach stabilen Zyklen wechselt das System vom Erkunden, was resonieren könnte zum Zeigen, was es weiß
• Local-First & Privacy by Design — die intimste Karte des Geschmacks bleibt auf dem Gerät

Modus 1 — Selfwear: generieren statt auswählen

• Co-Creation innerhalb der Codes der Marke: ihre Materialien, ihr Geschmack, ihr Versprechen – auf eine Person gerichtet
• Parameter aus dem Browsen + Geometrie aus dem Scan = ein Generative Brief. Bei Hero Selection friert der Brief ein und wird zur Fertigungsanweisung
• Eine flexible Produktionszelle baut genau ein Stück – bezahlt, bevor es existiert. Kein SKU, kein Lager, keine Charge

Modus 2 — Katalog-Engine: der Bestand, gelesen wie für eine Person (in Erprobung)

• Dieselbe Engine auf einem realen Markenkatalog: Pilot mit dem Sortiment eines europäischen Fair-Fashion-Labels, 2.493 Artikel
• KI-gestützte Feature-Extraktion aus Produktbildern und -daten – jedes Stück wird zu einem Punkt im Farb- und Formraum
• Farbe und Form getrennt gemessen (Named-Block PCA: Formblock 6D + Farbblock 2D) statt in einer Zahl vermischt, die heimlich fast nur Farbe war. Ergebnis: Der Anteil des Silhouetten-Signals stieg von 7,8 % auf 37,2 %; das Viertel des Katalogs, das bei vielseitigem Geschmack als „gleich schlecht passend" durchfiel, ist behoben
• Produktregel daraus: Farbe darf Kategorien kreuzen (Schuh und Hemd im selben Terrakotta), Form bleibt in ihrer Familie – kein „klobiger Schuh → klobiger Mantel"
• Neue Produktlinien (z. B. Sneaker) brauchen nur ein Re-Fit des Formblocks, keine neue Architektur
• Offen: qualitativer Feel-Test mit echten Feeds, bevor der Modus breiter ausgerollt wird