Was wirklich hinter „Artikel, die dir gefallen könnten“ steckt: Die zwei Seiten von KI-Empfehlungen

Kaum fünf Minuten gestöbert und schon lagen drei Artikel im Warenkorb – „KI-Empfehlungen“ sei Dank. Eigentlich wollte ich nur ein Hemd, aber „Das könnte dir auch gefallen“ führte mich direkt zu einem Cardigan und einem Schal. Wenn man bedenkt, dass 35 % des Umsatzes von Amazon auf Empfehlungsalgorithmen zurückzuführen sind (McKinsey), ergibt das plötzlich alles Sinn, oder?

Wie Algorithmen deine Gedanken lesen

Warum fühlen sich KI-Empfehlungen oft so unheimlich präzise an? Liest die KI etwa deine Gedanken?

Tatsächlich liest sie nicht deine Gedanken – sie liest dein Verhalten.

Eine KI sammelt im Wesentlichen drei Arten von Signalen. Erstens: Verhaltenssignale. Was klickst du an? Wie lange verweilst du auf einer Seite? Wonach suchst du und was kaufst du am Ende? Allein in einer einzigen Session werden Dutzende solcher Datenpunkte gesammelt. Zweitens: Produktmerkmale. Farbe, Material, Passform, Marke und Preisklasse. Drittens: Kontextbezogene Informationen. Tageszeit, Wetter, Standort und das Gerät, das du benutzt.

Durch die Kombination dieser drei Faktoren berechnet die KI die Wahrscheinlichkeit, dass dir ein bestimmter Artikel gefallen könnte. Sie identifiziert, was Menschen mit ähnlichen Verhaltensmustern gut fanden – ein Prozess, der als „Collaborative Filtering“ bezeichnet wird.

In letzter Zeit hat sich dies durch den Aufstieg von dialogorientierter KI noch weiterentwickelt. KI kann nun Fragen in natürlicher Sprache verstehen, wie zum Beispiel: „Was soll ich zu einem entspannten Wochenend-Brunch anziehen?“ und kontextbezogene Empfehlungen geben. Studien zeigen, dass dieser Ansatz zu einer noch höheren Kundenzufriedenheit führt als herkömmliche Methoden.

Obwohl die Technologie an sich beeindruckend ist, liegt das eigentliche Problem an einer anderen Stelle.

Das Design hinter dem Komfort

Je präziser die KI-Empfehlungen in Online-Shops werden, desto mehr kaufen wir. Das ist kein Zufall, sondern System.

Betrachten wir die wichtigste Erfolgskennzahl für einen Empfehlungsalgorithmus: die Conversion-Rate – also der Prozentsatz der Empfehlungen, die tatsächlich zu einem Kauf führen. Das Ziel des Algorithmus ist es, diese Zahl nach oben zu treiben. Mit anderen Worten: Er ist darauf optimiert, dich zum „Kaufen“ zu bewegen, und nicht unbedingt dazu, dir zu zeigen, was du wirklich brauchst.

Dabei kommen verschiedene psychologische Taktiken zum Einsatz:

Die Filterblase. Die KI zeigt dir konsequent Stile, die dir bereits gefallen. Das ist zwar bequem, kann aber dazu führen, dass dein Stil stagniert und du seltener die Chance hast, etwas Neues auszuprobieren.

Künstliche Dringlichkeit. Botschaften wie „Nur für 24 Stunden“, „3 Personen sehen sich das gerade an“ oder „Fast ausverkauft“ zwingen uns zu schnellen Entscheidungen. Artikel, an denen du vielleicht vorbeigegangen wärst, wenn du Zeit zum Nachdenken gehabt hättest, landen so aus einem Gefühl der Dringlichkeit im Warenkorb.

Passive Datenerhebung. Es werden Daten darüber gesammelt, wie viele Sekunden du einen Artikel betrachtest oder wie schnell du scrollst. Diese Daten fließen direkt zurück in den Algorithmus, um einen Feed zu erstellen, dem man immer schwerer widerstehen kann.

Das ist nicht per se schlecht. Gute Empfehlungen können dir helfen, neue Marken zu entdecken oder Artikel zu finden, die du wirklich brauchst. Es gibt jedoch einen gewaltigen Unterschied dazwischen, zu verstehen, wie dieses System funktioniert, und ihm blind ausgeliefert zu sein.

Wenn du die Mechanismen verstehst, kannst du deinen eigenen Filter aufbauen.

Dein Kleiderschrank als Filter

Die KI eines Online-Shops weiß zwar, was du „gekauft“ hast, aber sie weiß nicht, was du „besitzt“. Sie hat keine Ahnung, wie oft du ein bestimmtes Teil getragen hast, ob du bereits etwas Ähnliches hast oder ob dieser neue Artikel überhaupt zum Rest deiner Garderobe passt.

Hier fungieren deine digitalen Kleiderschrank-Daten als Filter.

Wenn du eine Empfehlung siehst, öffne deinen digitalen Kleiderschrank und frage dich: „Habe ich bereits einen ähnlichen Strickartikel in meinem Kleiderschrank?“ „Wenn ich das kaufe, kann ich damit mindestens 3 verschiedene Outfits mit meiner vorhandenen Kleidung zusammenstellen?“ „Habe ich bereits genug in dieser Kategorie?“

Um diese Fragen zu beantworten, brauchst du echte Daten über deine Garderobe. Wenn du dich nur auf dein Gedächtnis verlässt, tappst du leicht in die Falle und denkst: „Ich glaube nicht, dass ich so etwas schon habe.“

Während die KI der Verkaufsplattformen darauf ausgelegt ist, dich zum „Kaufen“ zu animieren, helfen dir deine Kleiderschrank-Daten dabei, „festzustellen, ob du es wirklich brauchst“. Wenn du beides zusammen nutzt, kannst du endlich einen bewussten und unabhängigen Konsum erreichen.

Aber das jedes Mal manuell zu machen, ist mühsam. Du brauchst einen systematischeren Ansatz.

Die 5-Sekunden-Regel für Empfehlungen

Du brauchst keine tiefgehende Analyse für jede Empfehlung. Probiere einfach diesen 5-Sekunden-Check:

„Werde ich in 48 Stunden immer noch an diesen Artikel denken?“

Impulskäufe zeichnen sich durch ein Gefühl der sofortigen Dringlichkeit aus. Wenn du dir eine 48-stündige Abkühlphase gönnst, bleiben die Dinge, die du wirklich brauchst, in deinem Kopf, während die bloßen Impulse ganz natürlich verblassen.

Noch effektiver wird es mit einem weiteren Schritt: „Kann ich diesen Artikel mit mindestens 3 vorhandenen Artikeln in meinem Kleiderschrank kombinieren?“ Nur Teile, die diesen Test bestehen, bleiben Kaufkandidaten. Wenn dir nicht mindestens 3 Outfits einfallen, wird dieses Teil wahrscheinlich als Schrankhüter enden.

Schon diese zwei Schritte – die 48-Stunden-Pause und der 3-Outfit-Test – können die überwiegende Mehrheit unnötiger Käufe herausfiltern.

KI-Empfehlungen sind ein großartiges Werkzeug, aber Werkzeuge sind nur für diejenigen nützlich, die wissen, wie man sie bedient. Wenn du verstehst, wie Algorithmen funktionieren, und deine eigenen Kleiderschrank-Daten als Filter nutzt, ist die KI nicht länger etwas, das dich dazu bringt, „mehr zu kaufen“, sondern etwas, das dir hilft, „besser zu kaufen“.

❓ FAQ

Q: Sollte ich KI-Empfehlungen komplett ignorieren?
A: Nein. KI-Empfehlungen sind nützlich, um Neues zu entdecken. Es ist jedoch wichtig, sich anzugewöhnen, diese Empfehlungen mit den eigenen Kleiderschrank-Daten abzugleichen, um zu entscheiden, ob man sie „wirklich braucht“.

Q: Wie kann ich der Filterblase entkommen?
A: Suche gelegentlich ganz bewusst nach Stilen außerhalb deiner üblichen Vorlieben oder lass dich von den Outfits deiner Freunde inspirieren. Auch die Nutzung der KI-Styling-Funktion von Acloset für neue Kombinationsvorschläge ist ein guter Weg, um den eigenen Horizont zu erweitern.

Q: Kann ich KI-Empfehlungen innerhalb von Acloset filtern?
A: Da Acloset Outfits basierend auf dem Kleiderschrank empfiehlt, den du bereits besitzt, konzentrieren sich die Vorschläge darauf, wie gut Dinge zu deiner vorhandenen Kleidung passen. Dies unterscheidet sich grundlegend von den kaufgetriebenen Empfehlungen der meisten Online-Shops.

Quellen & Referenzen:

McKinsey & Company, „The State of Fashion“, 2024-2025
ThredUp, „Resale Report“, 2025
WRAP UK, „Valuing Our Clothes“, 2023

Veröffentlicht vom Acloset Magazine Team.