Inditex hat in seinem Jahresbericht 2025 erstmals konkrete Zahlen zu seiner KI-gestützten Bestandsoptimierung veröffentlicht: 34 % Kostenreduktion im Lagermanagement durch proprietäre Nachfrageprognose-Modelle. Für Pricing- und Category-Manager ist das kein Technologie-Artikel – sondern ein strategischer Blaupause.
Die Veröffentlichung des Inditex-Jahresberichts 2025 enthält eine Zahl, die in der Modebranche für Aufregung sorgt: 34 Prozent Kostenreduktion im Bestandsmanagement durch KI-Nachfrageprognose. Bei einem Konzern mit einem Nettoumsatz von über 38 Milliarden Euro und mehr als 5.800 Filialen weltweit entspricht das einem dreistelligen Millionenbetrag an jährlichen Einsparungen.
Wie Zaras Demand-Forecasting-System funktioniert
Das System, das Inditex unter dem Schlagwort „Integrated Demand Management" zusammenfasst, verarbeitet nach eigenen Angaben mehr als 150 Variablen pro Produkt und Standort. Dazu gehören historische Verkaufsdaten, Wetterdaten für lokale Standorte, Social-Media-Trendanalysen, Retourenquoten, Preispositionierung der Wettbewerber und sogar lokale Veranstaltungskalender.
Der entscheidende Unterschied zu klassischen Forecasting-Ansätzen: Das System arbeitet nicht mit aggregierten Kategorie-Prognosen, sondern auf SKU-Standort-Ebene. Ein schwarzes Kleid wird nicht pauschal für „Europa" prognostiziert, sondern für den Zara-Flagshipstore in der Münchener Kaufingerstraße separat von der Filiale im Berliner Sony Center – weil Kundenbasis, Preissensitivität und Wettbewerbsumfeld sich unterscheiden.
RFID als Datenbasis für präzise Prognosen
Die Grundlage für diesen Präzisionsgrad ist Inditex' flächendeckende RFID-Implementierung. Seit 2020 trägt jedes einzelne Kleidungsstück in allen Inditex-Filialen weltweit einen RFID-Chip. Das bedeutet: Echtzeit-Bestandskontrollen auf Artikelebene, lückenlose Sichtbarkeit zwischen Lager, Verkaufsfläche und Umkleidekabine sowie automatische Nachfüll-Signale ohne manuelle Inventur.
Für das Demand-Forecasting-Modell ist RFID der Datengenerator, den klassische Händler nicht haben: Wenn ein Artikel zweimal in die Umkleide genommen wird, ohne gekauft zu werden, ist das ein Signal. Wenn Größe M schneller dreht als Größe L, passt das Modell die Nachfolgebestellung automatisch an. Diese Granularität ist der eigentliche Wettbewerbsvorteil.
34 %: Was die Zahl konkret bedeutet
Die im Jahresbericht ausgewiesene Reduktion der Lagerkosten um 34 Prozent setzt sich aus mehreren Komponenten zusammen:
- Weniger Überbestand: Präzisere Prognosen reduzieren die Sicherheitsbestände, die Händler traditionell als Puffer einplanen. Weniger Puffer bedeutet weniger Kapitalbindung und weniger Abschriften.
- Schnellere Lagerumschlagsrate: Inditex kommuniziert, dass die Umschlagshäufigkeit im Vergleich zu 2022 signifikant gestiegen ist – Ware wird schneller verkauft und weniger Lagerfläche belegt.
- Reduzierte Markdowns: Wer weniger Überbestand produziert, braucht weniger Preissenkungen, um Saisons zu räumen. Das schützt die Bruttomarge direkt.
- Optimierte Lieferketten-Taktung: Die Produktion in Spanien, Portugal und Marokko – rund 57 % der Inditex-Fertigung – ermöglicht kürzere Reaktionszeiten. Das KI-Modell kommuniziert Nachsteuerbedarf früher, sodass Kleinserien gezielt nachproduziert werden können.
Was andere Retailer daraus ableiten können
Das Inditex-Modell ist in seiner Vollausprägung auf mittelständische Händler nicht direkt übertragbar – die RFID-Investition allein übersteigt die Budgets vieler Unternehmen. Aber die strategische Logik ist skalierbar:
1. SKU-Level-Granularität ist der Hebel: Wer Forecasting auf Kategorie-Ebene macht, verliert die Signal-Qualität, die Lageroptimierung erst ermöglicht. Auch ohne RFID kann POS-Daten auf Artikelebene ausgewertet werden – die meisten Händler nutzen diese Möglichkeit nicht vollständig.
2. Markdowns sind ein Forecasting-Problem: Wer regelmäßig hohe Abschriften braucht, hat ein Prognose-Problem – kein Abschriften-Problem. Das ist eine Perspektivverschiebung, die Category Manager intern kommunizieren müssen.
3. Near-Sourcing reduziert Forecast-Horizont: Inditex produziert nahe am Markt, weil das die benötigte Forecast-Präzision reduziert. Kürzere Lieferzeiten bedeuten, dass Prognosen weniger weit in die Zukunft reichen müssen – und damit präziser sein können.