
Online-Anzugkonfigurator - der Kunde kommt bereits entschieden in den Showroom
Kunde: Signor Leone
Branche: Mode & FashionTech
Business Intelligence
Der Kunde gibt seine Maße an, wählt Stoff und Kragen – und der Schneider fertigt nur für ihn. Ein Made-to-Measure-Konfigurator für Kleidung verändert nicht nur den Vertriebskanal, sondern das Betriebsmodell des Unternehmens. Erfahren Sie, wie man ihn plant, welche Architektur passt und wann sich die Investition lohnt.
Tomasz Kozon
CEO
18. Sept. 2026
Der Kunde besucht die Website, wählt ein Hemd, gibt seine Maße an und erhält nach einigen Wochen ein auf ihn zugeschnittenes Kleidungsstück. Klingt einfach. In der Praxis stehen zwischen dem Konfigurator und dem fertigen Produkt mehrere ernsthafte Probleme: Wie erfasst man die Maße so, dass der Kunde sie nicht verwechselt? Wie zeigt man das Produkt vor dem Nähen? Wie übergibt man die Bestellung an die Schneiderei, ohne sie manuell abzutippen? Ein Made-to-Measure-Konfigurator für Kleidung kann diese Probleme lösen – oder sie verschärfen, wenn er schlecht konzipiert ist.
Ein klassischer Online-Shop für Kleidung verkauft Größen. Der Kunde wählt S, M oder L. Eventuell eine Farbe. Ein Made-to-Measure-Konfigurator verkauft Kleidung, die an einen konkreten Körper angepasst ist – der Kunde gibt Brustumfang, Ärmellänge, Figurtyp an, wählt Stoff, Kragenschnitt und Knopfart. Das Ergebnis ist eine Produktionsspezifikation: ein einzigartiger Datensatz, mit dem der Schneider ein einziges, konkretes Exemplar fertigt. Aus Sicht der Systeme ist das eine grundlegende Veränderung. Im klassischen E-Commerce hat ein Produkt eine SKU. Im Made-to-Measure ist jede Bestellung eine neue, einmalige SKU – generiert durch die Konfiguration, nicht manuell im Panel eingetragen. Das verändert die Art, wie Daten gespeichert, Bestellstatus verwaltet, Preise berechnet und Rücksendungen bearbeitet werden.
Unternehmen entscheiden sich aus verschiedenen Gründen für einen Konfigurator. Premiummarken wollen über Standardgrößen hinausgehen. B2B-Bekleidungshersteller – für Uniformen, Arbeitskleidung, Corporate Wear – haben dieses Betriebsmodell schlicht von Anfang an. Im zweiten Fall ist der Konfigurator kein Wettbewerbsvorteil, sondern eine Voraussetzung.

Kunde: Signor Leone
Branche: Mode & FashionTech

Kunde: GrowTent
Branche: AgroTech
Drei Fragen, die man sich vor Projektstart stellen sollte.
Erstens: Rechtfertigt das Produkt den höheren Aufwand des Kunden? Der Käufer muss mit dem Maßband dastehen und ein gutes Dutzend Maße angeben. Das dauert. Wenn ein Hemd ca. 10 € kostet, ist dieser Aufwand vermutlich zu hoch. Bei ca. 110 € oder mehr ist der Umfang des Engagements gerechtfertigt, weil der Kunde ohnehin etwas Hochwertiges gesucht hat.
Zweitens: Ist die Produktion bereit? Der Konfigurator sammelt Daten. Jemand muss sie entgegennehmen und etwas damit anfangen. Wenn hinter dem E-Commerce eine Manufaktur steht, die auf Bestellung näht – gut. Wenn hinter dem E-Commerce ein Lager mit Fertiggrößen XS–XXL steht – ist der Konfigurator eine Fiktion.
Drittens: Ist das Unternehmen anfangs auf Reklamationen vorbereitet? Kunden geben falsche Maße an. Nicht aus böser Absicht – sie wissen schlicht nicht, wie man misst. Die ersten Monate jeder Made-to-Measure-Implementierung erfordern den Umgang mit solchen Fällen. Fehlende Verfahren und Ressourcen verwandeln den Konfigurator in eine Problemquelle.
Branchen, in denen das regelmäßig funktioniert: Premium- und Luxusmode, Hemden und Anzüge, B2B-Arbeitskleidung, maßgeschneiderte Sportbekleidung. Branchen, in denen es sich meist nicht lohnt: Fast Fashion, einfache Alltagskategorien, Shops mit sehr breitem, flachem Sortiment.
Ein Konfigurator kann wie ein langes Formular oder wie eine Abfolge von Bildschirmen aussehen, bei der jeder Schritt eine einzelne Entscheidung betrifft. Die zweite Variante funktioniert besser. Der Kunde wird nicht von der Menge an Feldern erschlagen, und jede Entscheidung hat einen visuellen Kontext.
Typischer Ablauf: zuerst die Wahl des Basisstils (Schnitt, Modell), dann Stoff- und Farbwahl, anschließend Detailoptionen (Kragen, Manschetten, Taschen), danach die Maße und am Ende eine Zusammenfassung mit Preis.
Die Maße sind der wichtigste und schwierigste Schritt. Hier passieren die meisten Abbrüche. Eine Anleitung in Form einer Illustration oder eines kurzen Videos, das zeigt, wie man misst, reduziert Fehler und Abbrüche. Gutes UX-Design an dieser Stelle ist keine Ästhetik – es hat direkten Einfluss auf die Konversion. Die Produktvorschau entscheidet über die Qualität des Kundenerlebnisses, erfordert aber nicht zwangsläufig eine dreidimensionale Visualisierung. 2D – eine einfache Fotografie mit Stoffaustausch – reicht in den meisten Fällen aus. 3D mit Echtzeit-Rendering beeindruckt, verlängert aber die Ladezeit und erhöht die Implementierungskosten. Sinnvoll ist das, wenn das Produkt visuell komplex ist und das Budget es rechtfertigt.
Eines darf man nicht auslassen: die Möglichkeit, zu einer unvollendeten Konfiguration zurückzukehren. Der Kunde beendet nicht immer in einer Sitzung – Premiumkäufe erfordern Bedenkzeit. Das Speichern des Konfigurationsstands per Link oder nach Anmeldung ist Standard, keine Premiumfunktion.
Ein Konfigurator besteht aus mehreren Schichten, die zusammenspielen müssen.
Die Präsentationsschicht ist in der Regel React oder Next.js, das die Navigation zwischen Schritten, den Konfigurationszustand und dynamische Vorschauen bedient. Next.js bietet zusätzlich SSR, was für SEO dynamisch generierter Produktseiten wichtig ist.
Das Produktdatenmodell ist die größte Komplexität auf der Backend-Seite. Jede Option – Stoff, Farbe, Schnitt, Detail – kann einen eigenen Basispreis oder Modifikator haben. Im einfachen Ansatz wird das in Regeltabellen gehalten. Im fortgeschritteneren – in einer CPQ-Engine (Configure, Price, Quote), die es erlaubt, Geschäftsregeln ohne Programmierung zu definieren: „Wenn Seidenstoff, dann nur diese Farben verfügbar; wenn Slim-Schnitt, Preis höher um X.“
Die Validierung der Maße sollte zweistufig erfolgen: auf der Frontend-Seite (Wertebereiche, sinnvolle Werte) und auf der Serverseite (Cross-Check zwischen Maßen, Erkennung offensichtlicher Fehler – etwa Hüftumfang 40 cm kleiner als Brustumfang). Das Konfigurationsergebnis ist keine Bestellung im klassischen Sinne. Es ist ein Produktionsdokument – eine Datei mit Parametern, die ins System der Schneiderei fließt. Ihr Format hängt von den Werkzeugen des Herstellers ab.
Der Konfigurator kann Daten perfekt erfassen – aber wenn diese Daten als PDF in der Schneiderei ankommen, das ein Mitarbeiter ausdruckt und in Excel abtippt, ist die Automatisierung eine Fiktion. Diese Integration entscheidet in der Praxis darüber, ob die Implementierung funktioniert. Verschiedene Unternehmen lösen das unterschiedlich. Kleine Manufakturen akzeptieren oft eine Spezifikation im JSON- oder CSV-Format, die der Shop generiert. Größere Betriebe haben ERP-Systeme mit einem Modul für Produktionsaufträge – und dann ist eine Integration per API erforderlich. Es gibt auch dedizierte Plattformen für die Fashion-Tech-Branche mit fertigen Konnektoren zwischen E-Commerce und Produktion.
Die Sache wird komplizierter, wenn das Unternehmen an mehreren Standorten produziert oder Subunternehmer einsetzt. Dann reicht ein einzelner Integrationspunkt nicht – es braucht ein Routing der Bestellungen, das freie Produktionskapazitäten berücksichtigt.
Ein guter erster Schritt bei komplexer Produktionsintegration ist ein Konfigurator, der eine standardisierte Spezifikation als PDF erzeugt, mit der die Produktionsabteilung manuell arbeitet. Damit lässt sich das Verkaufsmodell testen, ohne eine API-Integration – und entscheiden, ob die Automatisierung dieser Phase überhaupt Priorität hat.
Der Werkzeugmarkt für Made-to-Measure in der Mode ist nach wie vor eine Nische. Es gibt keine eine, offensichtliche Lösung.
Eine fertige CPQ-Engine ist sinnvoll bei hoher Regelkomplexität: Dutzende Optionen, bedingte Preise, B2B-Rabatte, Rabattcodes. CPQ ist Software, die für die Konfiguration, Preisermittlung und den Verkauf komplexer Produkte konzipiert ist – sie hält Geschäftsregeln außerhalb des Codes, was Änderungen ohne Entwickler erleichtert. Nachteile: höhere Lizenz- und Implementierungskosten. PIM (Product Information Management) ist sinnvoll bei einem großen, veränderlichen Katalog an Produktoptionen – Dutzenden Stoffen, Farben, Modellen, die sich saisonal ändern. PIM verwaltet Produktdaten unabhängig vom E-Commerce, was Aktualisierungen vereinfacht.
Eine eigene Implementierung ist die beliebteste Wahl für kleine und mittlere Unternehmen. Die Konfiguration in der Datenbank beschrieben, die Logik in der API, das Frontend in React oder Next.js. Das gibt volle Kontrolle und niedrigere Einstiegskosten, erfordert aber Wartung durch das eigene Team oder ein Software-Haus.
Vor der Entscheidung lohnt es sich, SaaS-Plattformen zu prüfen, die auf die Modebranche ausgerichtet sind – einige verbinden Konfigurator, Produktionsverwaltung und Bestellungen an einem Ort. Nachteile sind in der Regel die Abhängigkeit von einem Anbieter und Einschränkungen bei nicht standardisierten Anforderungen.

Ein Fehler, der regelmäßig vorkommt: Das Unternehmen bestellt einen vollständigen Konfigurator mit 3D-Rendering, allen Optionen und ERP-Integration. Nach einem halben Jahr und einem erheblichen Budget stellt sich heraus, dass Kunden die Konfiguration im Maßschritt abbrechen, weil die Anleitung unverständlich ist.
Die richtige Reihenfolge beginnt mit einem Product-Discovery-Workshop. Bevor die Gestaltung beginnt, lohnt es sich, folgende Fragen zu beantworten: Wer sind die Kunden und wie kaufen sie heute Maßkleidung? An welcher Stelle im Prozess verlieren sie die Sicherheit? Was ist für sie wichtiger – die Produktvisualisierung oder die einfache Eingabe der Maße?
Die Antworten auf diese Fragen formen das MVP. Eine minimal rentable Implementierung eines Konfigurators ist oft ein einfaches Formular mit Optionsauswahl und einem Feld für die Maße, eine Bestätigungsseite mit Zusammenfassung sowie Bestellungen, die teilweise manuell bearbeitet werden. Das reicht aus, um zu prüfen, ob Kunden kaufen und wo Probleme auftreten – bevor das Budget für eine vollständige Lösung ausgegeben wird.
Eine Iteration nach dem Start ist günstiger als der Umbau eines fertigen Systems. Das sollte man bei der Planung des Umfangs der ersten Etappe berücksichtigen.
Ein Made-to-Measure-Konfigurator amortisiert sich nicht sofort. Es ist eine Veränderung des Betriebsmodells, nicht nur eine Verkaufsfunktion.
Zu verfolgende Kennzahlen: Abschlussquote der Konfiguration (wie viele Personen, die begonnen haben, die Bestellung abgeschlossen haben), durchschnittlicher Bestellwert im Vergleich zum Shop mit Standardgrößen, Rückgabe- und Reklamationsquote, NPS der Kunden nach Erhalt des Produkts. Die Rückgabequote sollte niedriger sein als bei Standardgrößen – ist sie es nicht, liegt das Problem in der Art der Maßerfassung, und dort muss die Ursache gesucht werden.
Die typische Zeit, nach der sich das Modell ehrlich bewerten lässt, sind 6–12 Monate nach dem Start. Früher ist die Stichprobe zu klein.
Im B2B – bei Firmen- oder Arbeitskleidung – verkürzt der Konfigurator oft auch die Bearbeitungszeit für Folgebestellungen. Die Maßdaten der Kunden sind gespeichert, der Reorder ist eine Sache weniger Klicks. Das führt zu Loyalität und wiederkehrenden Käufen, unabhängig vom Wert der einzelnen Bestellung.
Wenn Sie beurteilen möchten, wie ein Konfigurator im Kontext Ihres Geschäfts aussehen könnte und womit Sie beginnen sollten, schreiben Sie uns über die Seite zur E-Commerce-Leistung. Wir beginnen mit einem Gespräch über den Prozess, nicht mit einem Angebot.
FAQ
Blog
Moderne Unternehmen bieten immer häufiger Produkte und Leistungen mit hoher Komplexität an, die eine individuelle Konfiguration und Preisgestaltung erfordern. Traditionelle Methoden der Angebotserstellung – auf Basis von Tabellenkalkulationen und manuellen Berechnungen – werden ineffizient, fehleranfällig und zeitaufwendig. Als Antwort auf diese Herausforderungen entstanden CPQ-Systeme (Configure, Price, Quote), die den Prozess der Erstellung von Verkaufsangeboten automatisieren und die Arbeit…
Ein Product-Discovery-Workshop ist ein zentrales Element im Prozess der Gestaltung und Entwicklung neuer Produkte. Er ermöglicht es Teams, die Bedürfnisse der Nutzer tiefgreifend zu verstehen und potenzielle Lösungen zu identifizieren. Effektiv durchgeführte Workshops erhöhen nicht nur die Erfolgschancen des Produkts, sondern schaffen auch eine gemeinsame Vision und Engagement innerhalb des Teams.
MVP, also Minimum Viable Product, ist ein Begriff, der in der IT-Branche immer populärer wird. Er bezeichnet die einfachste und grundlegendste Version eines Produkts, die bereit ist, auf dem Markt veröffentlicht zu werden. Ein MVP ist besonders wichtig, weil es ermöglicht, eine Idee schnell und effizient zu überprüfen und Feedback von potenziellen Kunden einzuholen.
Künstliche Intelligenz in der Hotellerie ist heute ein Set konkreter Werkzeuge für jede Etappe der Gästereise, von Fragen vor der Buchung bis zu Bewertungen nach der Abreise. Wir teilen sie in drei Gruppen: das, was sich bereits rechnet, das, was Vorbereitung erfordert, und das, was vorerst vor allem ein Versprechen ist.
Der Großhandelskunde möchte seinen Preis, den Lieferstatus und die Rechnung selbst einsehen, statt auf den Rückruf eines Vertriebsmitarbeiters zu warten. Wir erläutern, was Geschäftskunden vom Self-Service erwarten, was im Hintergrund funktionieren muss und wann sich ein solches Portal nicht rechnet.
Die SPA- und Wellness-Branche in Polen wächst von Jahr zu Jahr, und mit ihr steigen die Erwartungen der Kunden, die Behandlungen in drei Klicks buchen, online bezahlen und ihr Abo in der App auf dem Handy haben möchten. Ein Papierkalender und Excel reichen schon beim zweiten Kabinett und dritten Mitarbeiter nicht mehr aus, und jede nicht angenommene Buchung nach Feierabend ist tatsächlicher Umsatz, der zur Konkurrenz wandert.