
Der Modevertrieb muss ein wechselndes Sortiment an Bekleidungsartikeln so schnell handhaben, dass Versandfristen eingehalten werden. ABB Robotics zeigt, wie Fortschritte bei der KI-gestützten robotergestützten Beschickung dazu beitragen, die Variabilität zu bewältigen, durch die dieser entscheidende Prozessschritt bislang auf manuelle Arbeit angewiesen war. Die scheinbar grenzenlose Auswahl und immer schnellere Lieferung, die Bekleidungskunden heute genießen, setzen Distributions- und Logistikbetriebe zunehmend unter Druck, mit der Bearbeitung steigender Auftragszahlen Schritt zu halten.
Für Bekleidungsdistributoren hängt die Leistung in der Hochsaison davon ab, Aufträge schnell und fehlerfrei abzuschließen. Aktionen zum Black Friday und Cyber Monday, die zunehmend zur ‚Black Week‘ zusammengefasst werden, bündeln die Nachfrage in einem kurzen Zeitfenster. Weihnachten bringt zusätzlich feste Liefertermine mit sich. Der daraus entstehende Zeit- und Ressourcendruck führt dazu, dass selbst ein Distributionszentrum mit reichlich Sortierkapazität Schwierigkeiten bekommen kann, wenn seine Beschickungsprozesse den Sorter nicht gleichmäßig versorgen.
16,9 Bestellungen pro Sekunde
Eine Vorstellung vom Ausmaß dieser zusätzlichen Nachfrage vermitteln die Zahlen von Adobe Analytics: Über das Cyber Weekend 2025 wurden im britischen Onlinehandel 3,8 Milliarden Pfund ausgegeben, davon 1,16 Milliarden Pfund am Black Friday. In den USA erreichte der Onlineumsatz mit Bekleidung am Cyber Monday 2,6 Milliarden US-Dollar, ein Plus von 5,2% gegenüber dem Vorjahr. Die Plattform für Lieferdatenanalyse Ingrid meldete für die Black Week 2025 durchschnittlich 5,5 Bestellungen pro Sekunde, etwa das 1,8-Fache ihrer üblichen Rate. Am Sonntag vor dem Cyber Monday wurden 16,9 Bestellungen pro Sekunde erreicht. Diese Zahlen erfassen zwar den Auftragseingang über alle E-Commerce-Kunden der Plattform hinweg und beziehen sich weder ausschließlich auf Bekleidung noch auf den physischen Sortierdurchsatz. Sie zeigen dennoch, wie stark das Bestellaufkommen über das übliche Niveau im Einzelhandel steigen und damit den Druck auf die Auftragsabwicklung erhöhen kann.
Auch die Vorweihnachtszeit erzeugt anhaltenden Druck. Der Logistikdienstleister GXO meldete 2023 für einen Modekunden im Weihnachtsgeschäft einen Anstieg des Warenausgangsvolumens um 42% auf 5,1 Millionen Einheiten im Dezember. Kleinere Marken verzeichneten Nachfragespitzen von 50 bis 100%. Die Notwendigkeit, solche Spitzen bewältigen zu können, zeigt, warum Distributoren sowohl für anhaltende Mehrmengen als auch für mögliche starke Ausschläge durch Verkaufsaktionen planen müssen.
Zusätzliches Personal einzustellen, um zusätzliche Nachfrage zu bewältigen, ist nicht immer eine verlässliche Lösung. Eine Descartes-Studie aus dem Jahr 2024 unter 1.000 Entscheidungsträgern aus Lieferkette und Logistik in Europa und Nordamerika ergab, dass 76% mit deutlichem Arbeitskräftemangel konfrontiert waren. Rund 42% gaben an, dass der Personalmangel die Leistung in der Hochsaison sehr stark oder extrem stark beeinträchtige. Das verdeutlicht die Grenzen einer Strategie, die auf zusätzliche Arbeitskräfte setzt.
Ein Grund für diesen Arbeitskräftemangel ist die ungünstige Ergonomie von Anlagen zur Handhabung und Distribution von Bekleidung. „Die anspruchsvollen Tätigkeiten beim Verpacken und Sortieren von Bekleidung sind ein Grund dafür, dass viele Unternehmen häufig Schwierigkeiten haben, Personal zu finden und zu halten“, sagt Ruben Aparicio, Global Logistics Portfolio Manager bei ABB Robotics. „Die Notwendigkeit, große Warenmengen wiederholt, schnell und über längere Zeiträume zu handhaben, kann manuell tätige Mitarbeitende körperlich erheblich belasten und ihr Wohlbefinden sowie ihre Produktivität beeinträchtigen. Aufgaben wie das Eintüten, Greifen, Beladen und Stehen an Stationen über ganze Schichten hinweg können verschiedene Körperbereiche beanspruchen. Häufig gemeldete Beschwerden sind Überlastungen der Handgelenke, Rücken- und Schulterschmerzen sowie Belastungen der Beine und Füße.“
Die Herausforderungen der automatisierten Beschickung
Bei der Beschickung werden einzelne Artikel vereinzelt, identifiziert und dem Sorter bereitgestellt. Sie verbindet eingehende Produkte mit Anlagen, die diese für die Zusammenstellung von Aufträgen oder die Weiterleitung gruppieren. Eine ungleichmäßige Beschickung lässt Hochgeschwindigkeitssortieranlagen warten, während sich die Arbeit vorgelagert staut.
„Modeartikel bringen besondere Schwierigkeiten mit sich“, erklärt Aparicio. „Die Anlagen verarbeiten dünne Hemden, voluminöse Strickwaren und kleine Accessoires in Polybeuteln unterschiedlicher Abmessungen und Stärken. Flexible Beutel verformen sich, überlappen oder verhaken sich ineinander. Glänzende Oberflächen reflektieren Licht, transparente Verpackungen verschwimmen mit ihrer Umgebung, Falten verdecken Etiketten und Artikel kommen in unvorhersehbaren Ausrichtungen an.“
Diese Variabilität mit herkömmlicher Automatisierung zu bewältigen, war bislang schwierig. Während manuelle Bedienpersonen die Situation beurteilen und sich anpassen, benötigt konventionelle Automatisierung eine vorhersehbare Geometrie und Bereitstellung. Ein schneller Roboterarm allein kann weder überlappende Beutel unterscheiden noch einen sicheren Greifpunkt finden oder bestätigen, dass nur ein Artikel angehoben wurde.
Die Folgen reichen über einen fehlgeschlagenen Greifvorgang hinaus. Fehlgriffe erfordern Wiederholungsversuche oder manuelles Eingreifen. Mehrfachentnahmen und unlesbare Etiketten können eine Prüfung und erneute Bearbeitung nötig machen. Ausnahmen können die Beschickung unterbrechen, Warteschlangen verlängern und Sortierkapazität ungenutzt lassen. Im schlimmsten Fall hält ein verspätetes Kleidungsstück einen gesamten Auftrag mit mehreren Artikeln auf. Dadurch können Überstunden entstehen oder der Versand in das nächste Zeitfenster rutschen.
Neue Perspektiven für die Beschickung
KI-gestützte maschinelle Bildverarbeitung löst das Wahrnehmungsproblem, das diesen Unterbrechungen zugrunde liegt. Trainierte Modelle unterscheiden Verpackungen auch bei unübersichtlicher Bereitstellung und identifizieren geeignete Greifpunkte. Sie helfen außerdem, fehlgeschlagene Greifvorgänge und Mehrfachentnahmen zu erkennen und das Ergebnis zu überprüfen, bevor ein Artikel den Sorter erreicht.
Die Beschickung beruht auf einer zuverlässigen Folge erfolgreicher Einzelartikelübergaben. Erfolgreiche Automatisierung muss den repräsentativen Produktmix zuverlässig handhaben, unsichere Fälle für ein Eingreifen erkennen und sicherstellen, dass die Wege zur Ausnahmebehandlung ausreichend Kapazität haben, damit kein neuer Engpass entsteht.
Der Fashion Inductor von ABB Robotics setzt diesen Ansatz für Bekleidungsartikel und Accessoires in Polybeuteln um. Die KI-Bildverarbeitung identifiziert einen Artikel, wählt einen Greifpunkt und unterstützt das Vereinzeln, Anheben und Überprüfen des Greifvorgangs vor der Ablage. Erfolgreich gehandhabte Artikel gelangen zum Sorter. Unsichere oder erfolglose Fälle werden als Alarme gemeldet und liefern potenzielles Material für das Nachtrainieren der KI-Modelle.
Das System kann bis zu 1.300 Artikel pro Stunde mit einer Genauigkeit von mehr als 99,5% greifen. Die Leistung hängt vom Produktmix, der Bereitstellung, der Greif- und Bildverarbeitungsleistung, der Häufigkeit von Ausnahmen und der Kapazität des Gesamtbetriebs ab.
Mit wechselnden Modetrends Schritt halten
Da sich Modesortimente und Verpackungen ständig ändern, muss die Automatisierung dies ebenfalls können. Deshalb müssen Modelle anhand neuer Produkte und schwieriger Artikelanordnungen bewertet und an neue Anforderungen angepasst werden.
Dazu muss sich der Roboter mit repräsentativen Beispielen der Bekleidungsartikel und Verpackungen der Kunden trainieren lassen, einschließlich überlappender Beutel, Falten und ungünstiger Ausrichtungen. Der für den Fashion Inductor entwickelte AI Robot Trainer von ABB Robotics stellt ein Basismodell für Modeartikel in Polybeuteln bereit, das sich mit Kundenbildern verfeinern lässt.
Das Werkzeug macht es überflüssig, Modelle von Grund auf neu zu entwickeln. Es hilft außerdem, Produkte und Bereitstellungsformen zu erkennen, die zu fehlgeschlagenen Greifvorgängen oder wiederholtem Eingreifen führen. Die gewonnenen Daten bilden die Grundlage für Verbesserungen, die vor der Bereitstellung offline entwickelt und getestet werden können. So lassen sich Verbesserungen umsetzen, ohne den laufenden Betrieb der Auftragsabwicklung zur Testumgebung zu machen.
Die tatsächliche Leistung messen
Die nominelle Beschickungsgeschwindigkeit hilft zwar dabei, die Leistung einer Anlage einzuschätzen. Sie sagt jedoch nicht aus, wie viele Aufträge ein Distributionszentrum abschließen wird. Die Leistung muss über einen längeren Betrieb hinweg am tatsächlichen Sortiment gemessen werden – einschließlich Wiederholungsversuchen, Wiederaufnahme nach Ausnahmen, manuellen Eingriffen und Stillstandszeiten.
Distributoren sollten bei der Bewertung die Ergebnisse einzelner Greifvorgänge mit dem gesamten Materialfluss verknüpfen. Ein zuverlässiger Beschickungsprozess schafft nur dann einen Mehrwert, wenn Ausnahmebehandlung, Sortierung und Verpackung während des gesamten täglich verfügbaren Versandzeitfensters dasselbe Tempo aufrechterhalten können.
„Der entscheidende Maßstab ist, ob mehr Aufträge innerhalb des Versandzeitfensters das Lager verlassen und dabei Überstunden sowie der Personalaufwand zur Behebung von Störungen beherrschbar bleiben“, fasst Aparicio zusammen. „KI-Bildverarbeitung liefert die Wahrnehmungsfähigkeit, die nötig ist, um die Handhabung variabler Modeartikel zu automatisieren. AI Robot Trainer unterstützt die wiederholbare Vorbereitung, Erprobung, Bereitstellung und Verbesserung der Modelle. Zusammen können sie einen gleichmäßigeren Produktfluss, eine bessere Nutzung der installierten Sortierkapazität und einen Beschickungsprozess ermöglichen, der sich an wechselnde Modetrends anpasst.“
Weitere Informationen zum Fashion Inductor mit AI Robot Trainer: https://www.abb.com/global/en/areas/robotics/solutions/functional-modules/item-picking-family/fashion-inductor.















