Von Redaktion, Fotos: Katharina Dubno
Linda Lewand hat ihre Bachelorarbeit an der DHBW Heilbronn einer KI-gestützten Retourenprognose gewidmet. Für die Arbeit hat sie den Förderpreis der Wilhelm-Lorch-Stiftung erhalten. Ihr Modell läuft bereits beim Modeunternehmen s.Oliver. Damit gehört sie zu den acht Preisträgern des Jahres 2026.
Die meisten Bachelorarbeiten verschwinden nach der Abgabe im Archiv. Die Thesis von Linda Lewand läuft stattdessen im Tagesgeschäft eines Modeunternehmens mit. Die Absolventin der DHBW Heilbronn hat im Studienangebot BWL-Handel-Fashion Management ein KI-Modell entwickelt, das Rücksendungen vorhersagt. Dafür erhielt sie den Förderpreis der Wilhelm-Lorch-Stiftung.
Acht Preise für den Nachwuchs
Die Wilhelm-Lorch-Stiftung fördert seit mehr als drei Jahrzehnten Talente in der Modebranche. Für 2026 vergab sie acht Preise im Wert von je 5.000 Euro an junge Nachwuchskräfte sowie an eine Hochschule. Zu diesen acht Preisträgerinnen und Preisträgern zählt auch Linda Lewand.
Eine KI-gestützte Retourenprognose im Praxiseinsatz
Im Modehandel sind Retourenquoten von über 50 Prozent Alltag. Für die Unternehmen bedeutet das hohe Kosten und eine komplexe Planung von Personal und Lager. Wer früh weiß, welche Rücksendungen kommen, kann vorausschauend steuern statt nur reagieren. Genau hier setzte Lewand an.
Ihr Modell ist bereits im Einsatz, und zwar bei ihrem ehemaligen Dualen Partner s.Oliver. Damit erstellt das Unternehmen zuverlässige wöchentliche Retourenprognosen. So lässt sich das Retourenmanagement datenbasiert und bedarfsgerecht steuern. Zugleich kann s.Oliver die Profitabilität des Online-Shops realistischer einschätzen.
Sieben Millionen Datensätze und ein überraschender Befund
Für ihr Projekt wertete Lewand mehr als sieben Millionen anonymisierte Bestell- und Kundendatensätze aus. Geht eine neue Bestellung ein, sucht das Modell nach Mustern. Es prüft etwa die Höhe des Rabatts, frühere Retouren in der Kundenhistorie sowie verschiedene Produkt- und Bestellmerkmale. Daraus berechnet die KI in Sekunden, ob und wie viel voraussichtlich zurückkommt.
Für die Thesis verglich Lewand mehrere KI-Modelle. Auf Basis des XGBoost-Modells entwickelte sie schließlich ein besonders schnelles und treffsicheres Verfahren. Dabei zeigte sich der prozentuale Preisnachlass als einer der stärksten Hebel für die Retourenquote. Höhere Rabatte gingen tendenziell mit einer geringeren Rücksendequote einher, anders als oft vermutet. Dieses Wissen kann dem Unternehmen helfen, seine Rabatt- und Preisstrategie gezielter auszurichten.
Vom Bildungscampus nach Lissabon
Ihre Begeisterung für Zahlen vertiefte Lewand schon im Studium. Neben dem betriebswirtschaftlichen Handwerk im Produkt- und Modemanagement beschäftigte sie sich mit Data Science und der Programmiersprache Python. Für sie gehören harte Daten, analytisches Denken und kreatives Gespür in der Mode längst zusammen. Durch den Wechsel von Theorie- und Praxisphasen bei s.Oliver konnte sie ihr Wissen zugleich direkt anwenden.
Auch beruflich geht es weiter. Lewand absolviert einen Master in International Business Development an der ESB Business School. Ab September folgt ein Auslandssemester an der Nova School of Business and Economics in Lissabon. Ihre Zukunft sieht sie im Consulting, wo sie Modeunternehmen mit ihrem Faible für Zahlen und Data Science beraten möchte. Erste Erfahrung sammelt sie bereits im Vorstand der studentischen Initiative ESB Student Consulting.