KI-gestützte Lieferkettentransparenz und CO₂-Footprint-Nachverfolgung

Das echte Ausmaß des Problems

Wer glaubt, die Modeindustrie weiß, woher ihre Produkte kommen, irrt. Viele Marken kennen ihre Tier-1-Lieferanten — die Produktionsstätten, bei denen sie direkt einkaufen. Aber schon Tier 2 (Webereien, Spinnereien, Farbstoff-Lieferanten) ist für die meisten Labels eine Blackbox. Tier 3 (Rohfaseranbieter, Baumwollfarmen, Chemikalienproduzenten) ist es fast immer.

Das ist kein Organisationsversagen. Es ist eine strukturelle Eigenheit globaler Textillieferketten: Über 60 % der deutschen Modemarken haben keine systematische Übersicht ihrer Tier-2-Lieferanten — und das obwohl genau dort ein Großteil der Emissionen entsteht.

Wie groß das Problem quantitativ ist, hat McKinsey gemeinsam mit Made2Flow in einer Analyse von mehr als 9.000 Lieferanten untersucht: Tier-2-Produktion ist für 45 bis 70 Prozent der Scope-3-Emissionen einer Modemarke verantwortlich — also für den dominanten Teil des gesamten Klimafußabdrucks. Gleichzeitig variiert die Emissionsintensität innerhalb eines einzelnen Landes zwischen Lieferanten um bis zu 123 Prozentpunkte: Die besten Produzenten liegen 39 Prozent unter dem Länderdurchschnitt, die schlechtesten 84 Prozent darüber. Wer seine Lieferanten nicht kennt, kann diesen Hebel nicht nutzen.

Zahlen, die das konkret fassen:

• Ein handelsübliches T-Shirt verursacht 6–11 kg CO₂e über seinen Lebenszyklus — davon stammen ca. 70 Prozent aus Tier-2-Stufen (Spinnerei, Weberei, Färberei)
• Eine traditionelle Lifecycle-Analyse (LCA) für einen Artikel kostet 10.000–20.000 Euro und dauert 4–8 Wochen — eine Kollektion mit 200 Artikeln ist damit schlicht nicht skalierbar
• Scope-3-Emissionen machen bei Modemarken typisch 90–97 Prozent des gesamten CO₂-Fußabdrucks aus — und sind nach CSRD ab 2025 für viele Marken meldepflichtig

Das Kern-Dilemma: Die Daten, die für glaubwürdiges CO₂-Reporting benötigt werden, liegen nicht beim Label selbst. Sie liegen bei Lieferanten in Bangladesch, Pakistan und Vietnam — die oft weder Kapazität noch Anreiz haben, diese Daten strukturiert zu erheben und weiterzugeben.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Zahlen zum LCA-Aufwand (ohne KI) beruhen auf Branchenangaben aus dem Carbonfact-LCA-Leitfaden für Mode sowie auf Erfahrungswerten aus Projekten bei mittelgroßen Modemarken. Der Vergleichswert mit KI gilt nur, wenn die Lieferantendaten tatsächlich vorliegen — was erfahrungsgemäß in den ersten 6–12 Monaten erst schrittweise der Fall ist.

Einschätzung auf einen Blick

Zeitersparnis — begrenzt (2/5)
Die KI selbst rechnet schnell — ein Carbonfact oder Made2Flow kann aus vorhandenen Stoff- und Produktionsdaten in Stunden eine Emissions-Bilanz erstellen, wofür externe Berater Wochen brauchen würden. Das Problem liegt nicht in der Berechnungsgeschwindigkeit, sondern im Datenaufbau: Lieferanten müssen kontaktiert, eingebunden und begleitet werden. Bis die Datenbasis für eine ganze Kollektion steht, vergehen realistisch 6–12 Monate. Der Reporting-Aufwand danach ist tatsächlich deutlich geringer — aber der erste Aufbau kostet Zeit, die sich nicht KI-mäßig wegdrücken lässt.

Kosteneinsparung — begrenzt (2/5)
Direkter Kostenhebel ist das nicht. Die Investition zahlt sich aus durch vermiedene Compliance-Risiken (Bußgelder, Abmahnungen nach EU Green Claims), bessere Lieferantenauswahl auf Basis von Emissionsdaten und Vorbereitung auf den Digital Product Passport — aber keines davon ist kurzfristig als Euro-Einsparung buchbar. Langfristig kann die Lieferantenauswahl nach Emissionsintensität die Produktionskosten sogar senken: McKinsey und Made2Flow zeigen, dass die emissionsärmsten Tier-2-Lieferanten oft gleichzeitig energie-effizienter arbeiten.

Schnelle Umsetzung — kaum möglich (1/5)
Das ist die schwächste Seite dieses Anwendungsfalls — und es wäre unehrlich, das zu verschweigen. Lieferkettentransparenz braucht Lieferantenbereitschaft, Datenerhebungsverträge, plattform-technisches Onboarding und mehrere Iterationen. Wer kurzfristig ein Ergebnis braucht, ist falsch hier. Wer jetzt anfängt, kann in 12–18 Monaten eine stabile Datenbasis vorweisen.

ROI-Sicherheit — gering (2/5)
Der ROI hängt nahezu vollständig davon ab, ob Lieferanten mitmachen. Ein Lieferant, der seine Energie- und Materialdaten nicht teilt, lässt keine genaue Berechnung zu — und das Ergebnis ist dann nicht besser als ein Branchendurchschnitt. Wo Lieferantendaten fließen, ist der Nutzen klar und messbar. Wo sie nicht fließen, ist die Plattform teuer und der Mehrwert gering.

Skalierbarkeit — begrenzt (2/5)
Jede Marke wächst mit neuen Produktlinien oder Lieferanten — und jeder neue Lieferant durchläuft erneut den Datenerhebungsprozess. Das ist keine reine Software-Skalierung, sondern ein Netzwerk-Aufbau. Plattformen wie Made2Flow, die bereits 14.000+ Lieferanten im Netzwerk haben, reduzieren diesen Aufwand für Lieferanten, die bereits registriert sind — aber für neue Lieferanten bleibt der manuelle Erstaufwand.

Alle Richtwerte stark abhängig von Lieferantenstruktur, Anzahl direkter Produzenten und Bereitschaft zur Datenteilung.

Was die KI konkret macht

Der technische Ansatz kombiniert drei Funktionsbausteine:

1. Intelligente Dokumentenextraktion
Lieferanten laden Dokumente hoch — Audits, Energieabrechnungen, Materialspezifikationen, Zertifikate. Eine KI-Agent-gestützte Extraktions-Engine liest diese Dokumente und strukturiert die relevanten Datenpunkte: Materialien und Gewichtsanteile, Produktionsprozesse, Energiequellen. Was früher ein Compliance-Mitarbeitender manuell aus PDF-Anhängen heraustippen musste, passiert jetzt automatisch.

2. KI-gestütztes Lückenfüllen (Gap-Filling)
In der Praxis liefert kein Lieferant vollständige Daten. Carbonfact hat dafür eine Machine Learning-Komponente entwickelt, die auf über 50 Millionen LCA-Datenpunkten trainiert wurde: Sie schließt fehlende Werte durch statistische Modelle — wenn ein Lieferant „Baumwolle aus Bangladesch” angibt, aber keine Spinnerei-Details, rechnet das Modell mit validierten Benchmark-Werten für diesen Kontext. Der Unterschied zu einem manuellen Branchendurchschnitt: Das Gap-Filling ist material- und länderspezifisch, nicht generisch.

3. Emissionsberechnung auf Produktebene
Auf Basis der gesammelten Lieferantendaten werden CO₂e-Werte per Artikel berechnet — nach GHG Protocol und ESRS-E1-Kategorisierung. Das Ergebnis: Ein CO₂-Wert pro SKU, der für den CSRD-Bericht, die Produktseite oder den Digital Product Passport exportiert werden kann.

Was die Plattform nicht tut: Sie kann nicht verifizieren, ob die Angaben eines Lieferanten korrekt sind. Selbstauskünfte bleiben Selbstauskünfte. Plattformen wie Made2Flow arbeiten mit Validierungsprotokollen, die Plausibilitätschecks und Stichprobenaudits einschließen — aber eine externe Prüfung (Third-Party-Audit) ersetzt das nicht.

Tier-Kartierung: Was KI leisten kann — und wo die Daten aufhören

Der Begriff „Lieferkettentransparenz” klingt binär — entweder du weißt, woher dein Produkt kommt, oder nicht. Tatsächlich gibt es fünf Tiers, die unterschiedlich gut zugänglich sind:

Was KI hier leisten kann: Plattformen mit großen Lieferanten-Netzwerken (Made2Flow: 14.000+, Retraced: 25.000+) haben oft Daten über Tier-2-Lieferanten, weil andere Marken bereits mit denselben Produzenten arbeiten. Das Netzwerk-Effekt-Prinzip: Je mehr Brands eine Plattform nutzen, desto vollständiger wird die kollektive Wissensbasis über gemeinsame Lieferanten.

Was KI nicht leisten kann: Einen Tier-2-Lieferanten zur Datenteilung zwingen. Die eigentliche Barriere ist nicht technisch, sondern kommerziell und kulturell — viele Tier-2-Produzenten sehen keinen Anreiz, Energieverbrauch und Prozessdetails zu teilen, wenn keine direkte Vertragsbeziehung mit der Marke besteht. Plattformen bauen deshalb Anreizsysteme auf (Zertifikate, bevorzugte Lieferantenauswahl, vereinfachte CSRD-Dokumentation für Lieferanten selbst) — aber das dauert.

Realistisch nach 12 Monaten: 60–80 % der Hauptartikel mit verifizierten Tier-1-Daten und Tier-2-Schätzwerten; Tier 3 und tiefer meist über Branchendatenbanken abgebildet.

Der Digital Product Passport: Warum heute entscheidet, was 2027 sichtbar wird

Die Europäische Union hat mit der ESPR (Ecodesign for Sustainable Products Regulation) einen Mechanismus geschaffen, der die Textilbranche strukturell verändern wird: der EU Digital Product Passport.

Zeitplan für Mode und Textil:

• Juli 2026: EU-DPP-Registry geht live (zentraler Index für Produkt-IDs)
• Mitte 2027: Erste DPP-Pflicht für Textilartikel
• Ende 2027: Textiles Delegated Act (spezifische Datenanforderungen für Apparel) erwartet
• Bis 2029: ca. 18 Monate Umsetzungsfrist nach Delegated Act

Der DPP verlangt auf Produktebene: Materialzusammensetzung, Herstellungsland, CO₂-Footprint (oder zumindest Lifecycle-Hotspots), Reparierbarkeitsinformationen und Recyclierbarkeit. Nicht als Schätzwert, sondern als verifizierte, maschinenlesbare Daten — pro SKU, persistent über den Produktlebenszyklus.

Der entscheidende Punkt: Wer jetzt (2025–2026) beginnt, eine Lieferketten-Datenbasis aufzubauen, hat die 12–18 Monate, die der Aufbau realistisch dauert, hinter sich, wenn die DPP-Pflicht scharf wird. Wer wartet, muss 2027 unter Zeitdruck aufbauen — während gleichzeitig alle anderen dasselbe tun und Lieferanten-Kapazitäten knapp werden.

Das ist kein Argument für Panik, aber ein Argument für frühzeitigen Start. Die Dateninfrastruktur, die für CSRD-Scope-3-Reporting gebraucht wird, ist weitgehend dieselbe, die für den DPP benötigt wird. Wer sie einmal aufbaut, erhält sie mehrfach.

Konkrete Werkzeuge — was wann passt

Die richtigen Werkzeuge hängen von Unternehmensgröße, Lieferantenstruktur und primärem Anwendungsziel ab.

Carbonfact — wenn CO₂-Berechnung im Vordergrund steht
Carbonfact ist die tiefste Carbon-Accounting-Plattform für Apparel und Footwear. Über 150.000 textil-spezifische Emissionsfaktoren, KI-gestütztes Gap-Filling und direkter Export für CSRD, SBTi und Digital Product Passports. Kunden wie Ganni, Marc O’Polo, On und Armed Angels arbeiten damit. Kein öffentliches Pricing — Einstieg für kleinere Brands ab ca. 200 €/Monat, Konzernlizenzen deutlich höher. Empfehlenswert für Brands, die primär eine valide CO₂-Bilanz pro Artikel brauchen.

Made2Flow — wenn Lieferkettentiefe wichtiger ist als CO₂-Kalkulation
Made2Flow hat den Schwerpunkt auf Datenhebung und -validierung in der Tiefe der Lieferkette. Das Netzwerk von 14.000+ Lieferanten und die Kooperation mit McKinsey für Tier-2-Analysen machen es zur ersten Wahl für Brands, die wirklich wissen wollen, wer hinter ihren Tier-1-Produzenten steht. Preise auf Anfrage.

Retraced — wenn Compliance-Dokumentation Priorität hat
Retraced ist stärker auf LkSG- und CSRD-Compliance-Dokumentation ausgerichtet als auf CO₂-Footprint-Berechnung. Für Brands, die LkSG-Pflichten dokumentieren und gleichzeitig Transparenz über die Lieferkette aufbauen wollen, ist Retraced ein gut kombinierter Einstieg. Deutsches Unternehmen, EU-Hosting, 150+ Marken und 25.000+ Lieferanten im Netzwerk. Ab mittlerem vierstelligem Jahresbetrag.

Tanso — für den CSRD-Report, nicht für Produkt-LCAs
Tanso (München) ist das stärkste deutsche Tool für CSRD-konforme CO₂-Bilanzierung auf Unternehmensebene — für Scope 1, 2 und aggregiertes Scope 3. Für Produkt-spezifische LCAs ist Carbonfact oder Made2Flow geeigneter, aber für den übergreifenden Nachhaltigkeitsbericht inklusive ESRS-Datenpunkte ist Tanso die komfortablere Wahl für deutschsprachige Teams.

ChatGPT / Claude als Einstieg ohne Plattformlizenz
Wenn keine Plattform-Investition möglich oder gewünscht ist, kann ein LLM für den operativen Einstieg sinnvoll sein: Lieferantenfragebögen erstellen, existierende Dokumente auswerten, erste Emissions-Schätzwerte nach GHG-Protokoll-Logik berechnen. Das ersetzt keine validierte Datenbasis, aber es hilft, die Datenlücken zu verstehen und die richtigen Fragen zu stellen — bevor man eine Plattformauswahl trifft.

Zusammenfassung: Wann welcher Ansatz

• Primär CO₂-Kalkulation auf Artikelebene → Carbonfact
• Primär Tiefentransparenz und Lieferanten-Netzwerk → Made2Flow
• Primär LkSG-Compliance-Dokumentation → Retraced
• Primär CSRD-Unternehmensreport auf Deutsch → Tanso
• Kein Budget, Test ohne Commitment → LLM für Einstiegsauswertung

Datenschutz und Datenhaltung

Die Daten in diesem Use Case sind überwiegend Lieferanten-Unternehmensdaten, nicht personenbezogene Kundendaten — damit ist das DSGVO-Risiko im Vergleich zu anderen KI-Anwendungen überschaubar. Trotzdem gibt es relevante Punkte:

• Lieferanten-Stammdaten: Produktionsstätten-Adressen, Kapazitäten und Energieverbrauchsdaten können Geschäftsgeheimnisse enthalten. Stelle sicher, dass im Lieferanten-Vertrag oder Onboarding-Prozess geregelt ist, wofür die Daten genutzt werden — und dass die Plattform keine Daten an Drittunternehmen weitergibt.
• EU-Hosting: Carbonfact (Frankreich/AWS Paris), Retraced (Deutschland), Made2Flow (EU) und Tanso (Deutschland) — alle vier Empfehlungen halten Daten in der EU. Für DACH-Unternehmen vereinfacht das die interne IT-Freigabe erheblich.
• AVV nach Art. 28 DSGVO: Auch wenn keine personenbezogenen Daten im Vordergrund stehen, schreibt DSGVO bei Cloud-Verarbeitung einen Auftragsverarbeitungsvertrag vor. Alle genannten Anbieter stellen AVV bereit — aktiv anfordern vor Produktivbetrieb.
• Lieferanten-Datenweitergabe: Wenn ein Lieferant Energie- und Produktionsdaten teilt, liegt es in deiner Verantwortung, diese Daten nicht ungenehmigt an Dritte (z. B. Wettbewerber) weiterzugeben. Klare Datennutzungsverträge mit Lieferanten sind Pflicht.

Was es kostet — realistisch gerechnet

Plattformkosten (jährlich)

• Carbonfact: ab ca. 2.400 €/Jahr für kleinere Marken, für mid-market Lizenzen 10.000–25.000 €/Jahr und mehr
• Made2Flow: Preise auf Anfrage; vergleichbare Größenordnung mit Carbonfact
• Retraced: mittlerer vierstelliger Jahresbetrag
• Tanso: Preise auf Anfrage; richtet sich an Industrieunternehmen mit CSRD-Pflicht

Interner Aufwand (Einmalig und laufend)

• Initiale Lieferanten-Datenerhebung: 2–4 Monate intensive Arbeit (intern 0,25–0,5 Vollzeitstellen, plus Plattform-Support)
• Lieferanten-Onboarding und -begleitung: erfahrungsgemäß 3–8 Stunden pro Lieferant, sinkend ab dem zweiten Onboarding-Zyklus
• Laufende Datenpflege: 1–2 Tage pro Kollektion, wenn die Basis einmal steht

Wie der ROI tatsächlich entsteht
Der direkte ROI ist schwer zu beziffern, weil er aus mehreren Quellen kommt:

1. Compliance-Vermeidung: Ein fehlerhafter Nachhaltigkeits-Claim kann nach EU Green Claims Directive (2024 verabschiedet, Umsetzung national 2026) mit Bußgeldern bis 4 % des Jahresumsatzes bestraft werden. Wer 50 Mio. Euro Umsatz macht und wegen unverifizierten CO₂-Angaben abgemahnt wird, riskiert bis zu 2 Mio. Euro.
2. Lieferantenoptimierung: McKinsey und Made2Flow zeigen, dass Brands, die Emissionsintensität in ihre Lieferantenauswahl einbeziehen, Scope-3-Emissionen um 20–50 % reduzieren können — mit annähernd gleichem Preis. Das ist ein doppelter Gewinn.
3. Reporting-Effizienz: Wenn einmal eine Datenbasis steht, sinkt der Aufwand für den jährlichen CSRD-Scope-3-Bericht deutlich — aus 3–4 Wochen manueller Zusammenstellung werden 2–3 Arbeitstage.

Vier typische Einstiegsfehler

1. Mit allen Lieferanten gleichzeitig starten.
Der Reflex: Alle 40 oder 60 Lieferanten auf einmal ins Onboarding-Programm aufnehmen. In der Praxis überlastet das das Lieferanten-Beziehungsteam, die Lieferanten selbst reagieren nicht auf Massenanfragen — und sechs Monate später liegt der Fortschritt bei 20 %. Besser: Mit den 10–15 volumenstärksten oder risikobehaftetsten Lieferanten starten. Lerne, was den Onboarding-Prozess verhindert, bevor du skalierst.

2. Den Business Case nur auf Compliance bauen.
„Wir müssen das tun, weil LkSG / CSRD es verlangt” ist kein Motivationstreiber für Lieferanten — und auch intern kein besonders kraftvoller Treiber für Budget. Der stärkere Pitch, intern und extern: bessere Einkaufsentscheidungen, echte Differenzierung in der Kundenkommunikation und Vorbereitung auf eine regulatorische Entwicklung, die mehrere EU-Direktiven gleichzeitig betrifft.

3. Selbstauskunft-Daten unkritisch übernehmen.
Das ist der gefährlichste Fehler — und er passiert still. Eine UCLA-Anderson-Studie zu Carbon Disclosures zeigt: Unternehmen tendieren dazu, ungünstige Lieferantendaten wegzulassen und günstige zu betonen. Ein System, das Selbstauskünfte sammelt, ohne Plausibilitätschecks oder Stichprobenaudits, produziert eine Datenbasis, die rechtlich verwundbar ist. Wähle Plattformen mit Validierungslogik — und kommuniziere in Nachhaltigkeitsberichten transparent, welcher Anteil der Daten primäre Messwerte vs. geschätzte Werte ist.

4. Den Zeitrahmen unterschätzen.
Das passiert nicht aus Nachlässigkeit, sondern weil Lieferketten-KI auf Demo-Videos immer schnell aussieht. Die Demo zeigt immer eine vollständige Datenbasis, weil der Anbieter Demonstrationsdaten hochgeladen hat. Die Realität: Lieferanten anschreiben, nachhaken, technischen Support leisten, Dokumente in nicht-standardisiertem Format nachbearbeiten — das kostet 6–12 Monate reales Projektmanagement, bevor ein verlässliches Bild entsteht.

Was mit der Einführung wirklich passiert — und was nicht

Die größte Überraschung bei Lieferkettenplattformen ist, dass das eigentliche Problem gar nicht technischer Natur ist. Die Software funktioniert. Was nicht automatisch funktioniert: die menschliche Komponente.

Lieferanten-Onboarding als Kernaufgabe:
Besonders in Asien bedeutet der Aufbau einer digitalen Datenbasis für viele Tier-2-Lieferanten einen echten Kulturwandel — Daten über Energieverbrauch und Produktionsprozesse gelten als sensibel. Viele Lieferanten fragen zuerst: „Werden diese Daten an unsere anderen Kunden weitergegeben?” oder „Kann das unsere Position im Preisverhandlungsprozess schwächen?” Das sind legitime Sorgen, die den Onboarding-Prozess verlangsamen.

Was wirklich hilft:
Lieferanten-Workshops statt E-Mail-Kampagnen. Wenn eine Marke persönlich erklärt, warum die Datentransparenz beiden Seiten nützt (Lieferanten profitieren von einem „Emissionsausweis” als Wettbewerbsvorteil gegenüber anderen Brands), steigt die Beteiligung deutlich. Made2Flow und Retraced bieten dafür Onboarding-Support an — trotzdem liegt die eigentliche Überzeugungsarbeit beim Label.

Was nicht passiert:
Vollständige Transparenz in Jahr 1. Ein realistisches Ziel für das erste Jahr: 50–60 % der Hauptartikel mit einem verifizierten oder plausibilisierten CO₂-Wert. Der Rest wird durch Industrie-Benchmarks ergänzt — was besser als gar nichts ist, aber nicht besser als nötig kommuniziert werden sollte.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Unsere Lieferanten teilen solche Daten nicht.”
Das ist zunächst oft wahr — aber es wird besser, wenn die Rahmenbedingungen stimmen. Plattformen mit etablierten Lieferanten-Netzwerken (Made2Flow: 14.000+) haben für viele Fabrikhersteller bereits den Weg geebnet. Und: Lieferanten, die sich als nachhaltig positionieren wollen, sehen in einer verifizierten Emissionsbilanz einen Wettbewerbsvorteil für die Zusammenarbeit mit anderen Marken. Der Einstieg ist mühsam — nach 12 Monaten ist die Akzeptanzrate erfahrungsgemäß deutlich höher als zu Beginn.

„Branchendurchschnitte reichen für unsere Nachhaltigkeitskommunikation.”
Für den Moment möglicherweise — aber nicht mehr lange. Die EU Green Claims Directive verlangt, dass Umweltaussagen auf verifizierbaren Daten basieren. Ein Branchendurchschnitt, der nicht auf die eigene Produktion zurückzuführen ist, ist eine nicht verifizierbare Aussage — und damit rechtlich angreifbar. Wer heute nicht anfängt, hat 2026/2027 unter Zeitdruck aufzuholen.

„Das lohnt sich für uns erst, wenn die Regulatorik scharf wird.”
Das stimmt aus ROI-Sicht möglicherweise — aber es ignoriert den Aufbau-Zeitbedarf. Wenn die DPP-Pflicht 2027/2028 scharf wird und gleichzeitig alle anderen anfangen, werden Lieferanten-Onboarding-Kapazitäten und Plattform-Implementierungspartner knapp. Wer 12 Monate vor dem Pflichttermin startet, startet zu spät. Wer 24–30 Monate vorher startet, hat Zeit zum Lernen.

Woran du merkst, dass das zu dir passt

Das passt:

• Du bist von LkSG-Berichtspflichten betroffen (über 1.000 Mitarbeitende seit 2024) oder bereitest dich auf zukünftige Pflichten vor
• Ihr wollt CO₂-Angaben auf Produktseiten ausweisen — und diese Zahlen sollen nicht aus einer Branchen-Excel stammen, sondern aus eurer echten Lieferkette
• Ihr habt mehr als 20 direkte Lieferanten, von denen ihr über Tier 2 wenig wisst
• Ihr bereitet euch auf CSRD-Reporting (Scope 3) vor und braucht eine strukturierte Datenbasis
• Ihr wollt in 2–3 Jahren für den EU Digital Product Passport vorbereitet sein

Drei harte Ausschlusskriterien — wer es (noch) lassen sollte:

1. Unter 250 Mitarbeitenden und unter 40 Mio. Euro Jahresumsatz. Weder LkSG noch CSRD gelten für dich in absehbarer Zeit, der EU DPP kommt für die meisten kleinen Marken nach 2029. Die Investition in eine vollwertige Lieferkettenplattform ist für diese Größe nicht verhältnismäßig — ein gut gepflegtes Lieferantenverzeichnis mit Zertifikat-Nachverfolgung in Notion oder Excel reicht zunächst.

2. Kein direktes Verhältnis zu den Produktionsstätten — Einkauf ausschließlich über Agenten.
   Wenn ihr alle Textilien über Zwischenhändler einkauft, ohne direkten Kontakt zur produzierenden Fabrik, fehlt die Grundlage für Lieferkettentransparenz. Die Fabrikdaten, die ihr braucht, liegen beim Agenten, der meist kein Interesse hat, sie weiterzugeben. Zuerst Direktbeziehungen zu den wichtigsten Produzenten aufbauen — dann Transparenz-Tool.

3. Keine internen Kapazitäten für das Lieferanten-Onboarding.
   Eine Plattformeinführung ohne jemanden, der die Lieferantenkommunikation aktiv betreibt, ist Geldverschwendung. Das Tool sammelt keine Daten selbst — es strukturiert Daten, die jemand erheben muss. Wenn keine Kapazität für 2–4 Monate intensives Lieferanten-Management vorhanden ist, lohnt sich der Start nicht.

Das kannst du heute noch tun

Der einfachste Einstieg kostet nichts: Erstelle einen strukturierten Lieferanten-Fragebogen mit einem LLM — das dauert 30 Minuten und gibt dir zum ersten Mal ein Bild davon, wie vollständig deine aktuellen Lieferantendaten sind.

Schick den Fragebogen an drei deiner wichtigsten Direktlieferanten. Was du dann weißt: Wie auskunftsbereit deine Lieferanten sind, welche Daten fehlen, und ob der Aufwand für eine vollständige Plattformeinführung verhältnismäßig ist.

Hier ist ein Prompt, der dir einen sofort nutzbaren Lieferanten-Fragebogen für CO₂-Basisdaten erstellt:

Quellen & Methodik

• McKinsey + Made2Flow (2024): „Sustainable style: How fashion can reduce Tier 2 emissions.” Analyse von primären Lieferantendaten für mehr als 9.000 Lieferanten — Basis für Aussagen zu Tier-2-Emissionsanteilen (45–70 %) und Varianz zwischen Best/Worst-in-Class (± 39 % / +84 %). URL: mckinsey.com/industries/retail/our-insights/sustainable-style-how-fashion-can-reduce-tier-2-emissions
• Carbonfact (2024): LCA-Plattform-Dokumentation und Blogartikel zu Aufwand und Kosten traditioneller LCAs für Modeprodukte. Made2Flow gewann den Just-Style Environmental Award 2025 für Supply-Chain-Dekarbonisierung. Quelle: carbonfact.com/lca-for-fashion
• EU ESPR / Digital Product Passport (2025/2026): Verordnung (EU) 2024/1781, Ecodesign for Sustainable Products Regulation. DPP-Registry-Launch Juli 2026, Textiles Delegated Act erwartet Ende 2027. Quellen: green-forum.ec.europa.eu und Intertek-Leitfaden 05/2025.
• CSRD / ESRS-E1: EU-Berichtspflichten für Scope-3-Emissionen. Ab Geschäftsjahr 2025 für große Unternehmen (>500 Mitarbeitende), ab 2026 für mittelgroße Unternehmen (>250 Mitarbeitende und >50 Mio. € Umsatz).
• UCLA Anderson Review: „Carbon Disclosures: Unflattering Supply Chain Data Omitted” — Nachweis, dass selbstgemeldete Lieferketten-Emissionsdaten systematisch verzerrt sind. anderson-review.ucla.edu
• WEF (2023): „Emissions Measurement in Supply Chains: Business Realities and Challenges” — Dokumentation von Datenverfügbarkeitsproblemen und Implementierungsverzögerungen. weforum.org
• Preisangaben Carbonfact: Marktübliche Spannen laut Anbieter-Angaben (Stand Mai 2026) — kein öffentliches Pricing, Schätzwerte aus Marktrecherche.
• CO₂-Werte T-Shirt / Jacke: Textil+Mode Verband (textil-mode.de), eigene Berechnungen auf Basis GHG-Protocol-Methodik und Higg-Branchendaten.

Du willst wissen, welche Lieferkettendaten in eurem Kontext realistisch erhebbar sind und welche Plattform dafür passt? Meld dich — das klären wir gemeinsam in einem kurzen Gespräch.