BERLIN / LONDON (IT BOLTWISE) – Die Berliner Startup Reverse.fashion hat sieben Millionen eingeworben, um seine KI-gestützte Sortierlösung für gebrauchte Textilien zu skalieren. Das System erkennt anhand von Bildern und Analytik präzise Merkmale wie Zustand, Marke, Größe und Materialzusammensetzung. Mit dem zusätzlichen Kapital kann das Unternehmen sowohl weitere Piloten absichern als auch in den kommerziellen Markteintritt gehen. Der Timing-Druck steigt: Neue EU-Regeln sollen ab dem 19. Juli große Vernichter für unverkaufte Ware stoppen.
Reverse.fashion, ein Startup aus Berlin, hat siebenstelliges Kapital von einem der aktivsten Seed-Investoren in Deutschland eingesammelt, um seine KI-gestützte Textilsortierung in Richtung breiter Marktreife zu treiben. Laut Mitteilung handelt es sich um eine Investition in siebenstelliger Höhe, wobei die exakte Summe nicht offengelegt wurde. Der Schritt verlängert die Pre-Seed-Phase und schafft damit finanziellen Spielraum für die nächsten technischen und kommerziellen Meilensteine. Für die Circular-Economy-Logik ist das vor allem deshalb relevant, weil das Sortieren von wiederverwertbaren Kleidungsstücken in der Praxis häufig noch ein Engpass ist – manuell durch spezialisierte Kräfte oder nur teilweise automatisiert.
Technisch setzt Reverse.fashion auf eine KI, die Textilien aus einem Haufen aussortierbarer Altware erkennt und anschließend digital klassifiziert. In der Beschreibung des Produkts geht es nicht um eine einzelne Etikettenfrage, sondern um ein Bündel von Merkmalen: Zustand, Stil, Marke, Größe und Materialzusammensetzung sollen präzise erfasst werden. Genau diese Mehrdimensionalität ist der Unterschied zu einfachen Bildklassifikatoren, die oft nur Kategorien wie „T-Shirt“ versus „Hose“ beherrschen. Der Ansatz zielt darauf ab, Textilien so zu strukturieren, dass sie als verwertbare Input-„Feedstock“ für nachgelagerte Prozesse nutzbar werden – etwa für Wiederverwendung, Upcycling oder eine materialbasierte Sortierung für Recycling.
In der Produktlinie nennt Reverse.fashion zwei KI-gestützte Bausteine. Line.sort ist dabei als Automationsstrecke gedacht, die den Feedstock in einem Schritt in Richtung Produktfluss einsortiert. Co.sort ergänzt das Setup an der Stelle, an der Menschen typischerweise noch final entscheiden: Das System soll schnelle Style-Analysen liefern und „Fraction“-Empfehlungen ausgeben, die anschließend durch Sortierpersonal verifiziert werden. Damit adressiert das Startup nicht nur die Erkennungsgenauigkeit, sondern auch die operative Realität in Betrieben: Produktivität entsteht nicht allein durch bessere Erkennung, sondern durch kürzere Durchlaufzeiten, stabilere Entscheidungen und weniger Nacharbeit. Die Zielrichtung: bessere Sortierqualität und höhere Durchsätze bei gleichzeitig nachvollziehbarer Datenbasis.
Der wirtschaftliche Hebel wird in den Aussagen zu den Effekten sichtbar: Reverse.fashion nennt als Ergebnis eine Steigerung der Produktivität der Kunden um etwa 40 Prozent sowie eine Umsatzsteigerung von rund 20 Prozent. Solche Zahlen sind in der Circular-Economy-Softwarebranche besonders wichtig, weil die Zahlungsbereitschaft selten aus „Nice-to-have“-Automatisierung kommt, sondern aus messbarer Wertschöpfungskette – also aus dem, was am Ende beim Weiterverkauf, bei der Wiederverwendung oder beim Rohstoff-Output hängen bleibt. Für IT-Entscheider ist das auch deshalb relevant, weil KI-Systeme hier nicht nur als „Modell“ gedacht sind, sondern als Teil eines Betriebsprozesses. Genau deshalb lohnt der Blick auf die Infrastruktur: Wer Sortierung digitalisiert, braucht saubere Übergaben zwischen Frontend (Eingabe/Scans), Backend-Logik (Modell- und Regelentscheidungen) und operativer Integration in bestehende Linien.
Der Markt bekommt zudem politischen Rückenwind – und zwar mit klarer Zeitlinie. Hintergrund ist, dass neue EU-Regeln ab dem 19. Juli gelten und große Unternehmen daran hindern sollen, unverkaufte Bekleidung, Accessoires und Schuhe zu vernichten. Für mittelgroße Unternehmen wird eine vergleichbare Verpflichtung auf 2030 erwartet. Diese Verschiebung ist für Sortier- und Rücknahmestrukturen ein echter Taktgeber: Wenn Vernichtung weniger möglich ist, steigt der Druck, Ware in verwertbare Kanäle zu lenken. Damit wird intelligente Klassifizierung von Altware zu einem Wettbewerbsvorteil, weil sie darüber entscheidet, wie viel der Ware überhaupt in sinnvolle Wiederverwendungswege kommt. Reverse.fashion positioniert sich genau dort und nutzt das Timing als Beschleuniger für den Markteintritt.
Damit verschärft sich aber auch der Wettbewerb. Neben KI-Startups, die vor allem auf Bild- und Materialklassifikation setzen, existieren etablierte Akteure im Bereich Testing, Audit und industrielle Qualitätsprüfung, die historisch stark in Entsorgungs- und Rücknahmeprozesse eingebunden sind – etwa internationale Prüf- und Inspektionskonzerne wie SGS oder Bureau Veritas. Auch wenn deren Kernkompetenz nicht primär „Sortierautomationslinie“ ist, konkurrieren sie um Budgets und um Vertrauen in messbare Qualität. Gleichzeitig arbeiten Plattformen und Recycling-/Sortierdienstleister an eigenen Verfahren, um Materialfraktionen zu erhöhen. Branchenanalysten erwarten daher weniger „Entweder-Oder“-Plattformen, sondern hybride Setups: KI liefert Vorentscheidungen, menschliche Sortierung oder Qualitätsprüfung bleibt die letzte Instanz – zumindest in der ersten Skalierungsphase.
Aus der Investment-Perspektive ist der Schritt konsistent: Das Kapital wird als Verlängerung der Pre-Seed-Phase beschrieben und soll den Übergang nach der Pilotierungsphase hin zum kommerziellen Markt unterstützen. Der Investor äußert, dass regulatorische Anforderungen wie EPR (Extended Producer Responsibility) und EU-Mandate die Transformation in der Textilindustrie antreiben und Reverse.fashion dabei einen Engpass adressiert. Für die Branche bedeutet das: KI wird in der Kreislaufwirtschaft zunehmend als betriebswirtschaftliche Optimierung verstanden – nicht nur als Forschungsthema. Das ist auch historisch betrachtet ein Fortschritt: In den vergangenen Jahren sind mehrere Wellen von „Computer Vision“-Ansätzen in der Logistik gestartet, doch erst mit besseren Datenpipelines, robusteren Modellarchitekturen und niedrigeren Betriebskosten wurden solche Systeme zuverlässig im Betrieb einsetzbar.
Für die nächsten Monate nennt HTGF, dass Reverse.fashion Projekte weiterführt, die bereits mit co.sort laufen, während parallel line.sort neu gestartet wird. Genau diese Parallelisierung ist entscheidend, weil Betriebe meist nicht von heute auf morgen umstellen: Während eine Seite die operativen Kernprozesse absichert, baut die andere den Skalierungskorridor. Für Entwickler und IT-Teams heißt das: Die Integration in bestehende Sortieranlagen und Workflows muss mitwachsen. Wer in diesem Umfeld erfolgreich ist, braucht neben dem Modell auch MLOps-disziplinierte Prozesse wie Modellmonitoring, Drift-Erkennung und die saubere Versionierung von Trainingsdaten – insbesondere, wenn sich Materialzusammensetzungen, Labels und Qualitätsstandards über Zeit verändern.
Regulatorisch bleibt die Lage damit ein zweischneidiges Schwert: Einerseits entsteht durch das Vernichtungsverbot ein unmittelbarer Business Case, andererseits steigen Compliance-Erwartungen an Nachverfolgbarkeit und Datenqualität. Wenn Unternehmen gegenüber Aufsichtsbehörden oder Partnern belegen müssen, was mit Altware passiert ist, wird die digitale Klassifizierung Teil der Auditfähigkeit. Reverse.fashion kann hier profitieren, sofern das System neben der Klassifikation auch konsistente Nachweise über Entscheidungen, Unsicherheiten und Korrekturschleifen liefert. In der Zukunft ist zu erwarten, dass sich solche Systeme stärker in EPR-Reporting, Rücknahmelogiken und Lieferkettenprozesse einklinken – damit steigt die Relevanz von KI-gestützter Sortierung über den Maschinenraum hinaus.
Für den weiteren Ausbau zeichnet sich damit eine klare Produktentwicklung ab: vom Pilotbetrieb hin zu skalierbaren Linien, die nicht nur „sortieren“, sondern auch qualitativ stabile Fraktionen erzeugen. Wenn Reverse.fashion line.sort über den Markt ausrollt, wird die wichtigste Frage weniger die reine Modellperformance sein, sondern die Frage, wie gut die Lösung unter realen Bedingungen funktioniert – von Licht-/Kameravarianten über Stoffunterschiede bis hin zu chaotischen Haufen-Inputs. Wer diese Faktoren überbrückt, kann in der Kreislaufwirtschaft zum infrastrukturellen Baustein werden. Insgesamt deutet die Investitionsrunde darauf hin, dass KI in der Textilsortierung vom Experiment zur Prozesskomponente reift – und damit neue Entwickler- und Integrationsmöglichkeiten für Unternehmen mit Fokus auf Effizienz, Skalierung und Nachweissicherheit schafft.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Reverse.fashion sammelt siebenstelliges VC-Investment für KI-Textilsortierung" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Reverse.fashion sammelt siebenstelliges VC-Investment für KI-Textilsortierung" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Reverse.fashion sammelt siebenstelliges VC-Investment für KI-Textilsortierung« bei Google Deutschland suchen, bei Bing oder Google News!