JD.coms Retail-Sparte hat erstmals öffentlich seine interne KI-Architektur für den E-Commerce offengelegt. Sie nennen es Oxygen. Das ist keine Produktankündigung — es ist eine Plattform, die die strukturelle Logik zeigt, nach der Produkte, Händler-Tools und Fulfillment über eine einheitliche KI-Schicht geleitet werden.

Das Timing ist kein Zufall. Das erscheint in derselben Woche, in der 36Kr berichtet, dass Alibaba seinen Commerce-Stack um das Konzept des Tokens herum neu aufbaut. Zwei Plattformen. Eine Woche. Dieselbe architektonische Erkenntnis: Das neue Organisationsprinzip des Handels ist KI-Infrastruktur, kein Produktkatalog. Das ist kein Zufall — es ist ein Rennen darum, wessen Infrastruktur im nächsten Jahrzehnt zur Abhängigkeitsschicht für Händler wird.

Was Oxygen strategisch bedeutet: JD macht seine KI-Architektur für die Außenwelt lesbar. Das ist entweder ein Recruiting-Signal, ein Hinweis darauf, dass JD Händler will, die gegen diese Infrastruktur bauen — oder beides. Vergleich dazu Amazons Architektur — eine Black Box, verpackt in einer Preisstruktur. JD veröffentlicht den Bauplan. Das ist eine andere Wettbewerbshaltung, und die westlichen Plattformen sollten aufmerksam sein.

Das ist der wichtigste Beitrag im heutigen Feed. 36Krs Exklusivbericht: Seit dem 1. April — dem Beginn von Alibabas neuem Geschäftsjahr — lautet das zentrale OKR der China-E-Commerce-Gruppe KI-Tool-Bindungsrate auf Händlerseite und KI-gesteuertes GMV-Wachstum. Die strukturelle These: Commerce um den Token herum neu aufbauen — die Recheneinheit von KI-Modellen — statt um SKUs oder Suchanfragen.

Wenn die primäre Kennzahl einer Plattform von GMV auf KI-Tool-Bindung wechselt, misst die Plattform, ob Händler abhängig von ihrem KI-Stack werden. Abhängigkeit ist ein beständigerer Burggraben als der Preis. Das ist Lock-in durch Design — nicht über Netzwerkeffekte des Marktplatzes, sondern über Software-Bindung. Wenn deine Preis-KI, deine Content-KI und deine Nachfrageprognose-KI alle auf der Infrastruktur derselben Plattform laufen, verlässt du diese Plattform nicht. Das ist das Spiel.

Wir haben Alibabas ¥10-Milliarden-Gewinneinbruch als Investitionsthese in finanziellen Begriffen behandelt. Dieser 36Kr-Beitrag zeigt, wie diese These im Organigramm aussieht. Er verbindet sich direkt mit Meituans MTGR-Framework, das Produkte als Token behandelt — dieselbe architektonische Metapher organisiert jetzt Chinas größte Commerce-Plattform. Zwei der drei größten Akteure im chinesischen E-Commerce spielen dasselbe konzeptionelle Playbook. Der dritte beobachtet.

Alibabas Mitarbeiterzahl sank im Jahresvergleich um 34 %, während das Unternehmen seine KI-Transformation beschleunigt. Ein koreanisches Tech-Medium rahmt das nicht als Entlassungsgeschichte, sondern als strategische Kennzahl — der KI-Stack erledigt mehr Arbeit mit weniger Menschen.

Die Rechnung ist nüchtern: Alibaba hat einen Gewinneinbruch von ¥10 Milliarden auf die KI-Investitionsthese hingenommen. Die Headcount-Daten zeigen, was diese These einbringt: eine Plattform, die ein Drittel weniger Menschen benötigt, um im gleichen oder größeren Maßstab zu operieren. Modemarken, die eigene KI-Transformationsprogramme modellieren, sollten auf dieses Verhältnis schauen — nicht auf die Pressemitteilungsversion. Die Pressemitteilungsversion sagt, KI ergänzt deine Belegschaft. Die Alibaba-Version sagt, KI ersetzt etwa ein Drittel davon.

极睿科技 (JiRui Technology) schloss eine Series-A-Runde über 100 Mio. RMB+ unter Führung von Sequoia China ab — die dritte Finanzierungsrunde in zwei Jahren. Der Gründer ist ein in den 1990ern geborener Tsinghua-Absolvent, der KI speziell für Fashion-Retail-Lieferketten entwickelt.

Was JiRui tatsächlich macht: KI-generierte Inhalte, die die Produktentdeckung für E-Commerce-Händler antreiben, mit berichteten Ergebnissen im zweistelligen Millionen-RMB-Bereich bei monatlichen GMV-Zuwächsen. Das ist keine generische Bild-KI. Sie ist vertikal auf Mode spezialisiert, mit in das Modell eingebauten Lieferkettendaten — zu wissen, welche Styles zu welcher Marge verfügbar sind, bestimmt, was wem angezeigt wird. Der Content und der Bestand sind keine getrennten Probleme. JiRui behandelt sie als eines.

Dass Sequoia China führt, ist das Signal. Das ist keine spekulative Infrastruktur. JiRui hat Händler-Traktion und eine verteidigbare These: KI-generierter Produktcontent als letzte Meile der Lieferkette. Vergleich das mit dem Katalog-Taxonomie-Engpass, über den wir geschrieben haben — JiRui baut die Schicht, die die Lücken füllt, die handkuratierte Kataloge offenlassen.

Die chinesische Tech-Presse berichtet darüber, dass 数字替身 (digitale Doubles) in kommerziellem Maßstab in die Mode einziehen — KI-generierte virtuelle Models werden nun in Produktbildern eingesetzt, ohne dass ein Regulierungsrahmen Schritt halten kann. Technologie schreitet schnell voran, Regulierung noch nicht: Das ist die Schlagzeile, wörtlich.

Das ist der bodennahe Hintergrund zum heutigen Stück AI Mannequin Arrives With a French Accent. Der chinesische Markt setzt KI-Models in der Produktfotografie länger und in größerem Maßstab ein als jeder westliche Markt — niedrigere Kosten, schnellere Iteration und ein regulatorisches Vakuum, das der EU AI Act irgendwann schließen wird, aber noch nicht hat.

Das praktische Risiko ist nicht philosophischer Natur. Verbraucher nehmen KI-generierte Bilder zunehmend wahr, und die erste grenzüberschreitende Marke, die ohne Compliance-Rahmen in einen KI-Avatar-Streit gerät, wird den Präzedenzfall setzen. Die Technologie hat sich schneller bewegt als jede Compliance-Schicht. Das ist nicht einzigartig für Mode. Hier ist es nur am sichtbarsten, weil in der Mode der Avatar das Produkt ist.

Das KI-E-Commerce-Startup Spangle hat eine Series-A-Runde über $15 Mio. bei einer Bewertung von $100 Mio. abgeschlossen. Sechs Mitarbeiter. Das Produkt: Produktseiten, die sich für jeden Besucher neu konfigurieren — KI-geformt statt statisch.

Die skeptische Sichtweise: teures A/B-Testing mit besserem Narrativ. Die optimistische Sichtweise: Shopify ist eine Plattform, Spangle ist eine Spezifikation — und manchmal gewinnt die Spezifikation, weil sie schneller auf eine Sache setzt, als die Plattform liefern kann. Das heutige Stück über Cold-Start-Recommendation-Erklärbarkeit behandelt, was passiert, wenn man dem Empfehlungs-Layer Transparenz hinzufügt. Spangle ist die extreme Version dieser These: nicht nur Empfehlungen, die sich erklären, sondern Seiten, die sich selbst neu konfigurieren.

Das Finanzierungsmultiple (sechs Mitarbeiter, $100-Mio.-Bewertung) verrät, was der Markt bepreist: die These, nicht die Traktion. Das ist fürs Erste in Ordnung. Die Frage ist, ob Spangle bis zur nächsten Runde genug Händlerdaten hat, um sich von Shopifys Personalisierungsschicht abzuheben. Die Antwort auf diese Frage wird darüber entscheiden, ob das ein Unternehmen ist oder ein Feature.

Canva hat Simtheory (agentische KI) und Ortto (Marketing-Automation und Customer Engagement) gleichzeitig übernommen. Die These: Canva baut den Design-to-Distribution-Stack für mittelständische Marken.

Für Mode im Besonderen bedeutet die Kombination, dass eine Marke theoretisch eine Kampagne gestalten, ihre Verbreitung automatisieren und die Auslieferung personalisieren könnte, ohne eine Plattform zu verlassen. Das ist eine direkte Bedrohung für die Adobe-→-Salesforce-→-Klaviyo-Kette, die sich die meisten mittelständischen Modemarken selbst zusammenstellen — zu erheblichen Kosten und mit Integrationsaufwand, den nur die größten Teams stemmen können.

Das Timing verbindet sich mit ByteDance Seedance, das Produktionskosten auf Bruchteile eines Dollars pro Sekunde drückt. Günstiges Creative ist nur mächtig, wenn man die Distributionsinfrastruktur hat, um es im Maßstab einzusetzen. Canva hat diese Infrastruktur soeben erworben. VC hat Mode bereits nach Software-Maßstäben neu bewertet — Canvas Doppelakquisition bestätigt, dass der Markt für Creative-Tools dieselbe Logik verfolgt. Die Integration ist das Produkt.

Modern Retails KI-im-Laden-Rundschau erscheint an demselben Tag, an dem unsere Analyse von Googles Aritzia-KI-Anzeigenergebnis online geht. Die zentrale Beobachtung der Rundschau — kein einziger KI-Anwendungsfall passt für den gesamten stationären Handel — ist zutreffend und zugleich leicht ausweichend. Der härtere Punkt: Verschiedene Ladenformate erfordern grundlegend unterschiedliche KI-Architekturen, und die meisten Händler setzen denselben Chatbot unabhängig vom Format ein.

Das Ladengeschäft wird zu einem KI-Betriebssystem — aber das ist keine einheitliche Transformation. Pumas Las-Vegas-Concierge ist Neuheit. Home Depots Magic Apron ist operativ. Der Unterschied liegt darin, ob KI Reibung für den Kunden reduziert oder Daten für den Händler generiert. Bei den meisten Händlern versucht sie derzeit beides und optimiert für keines von beidem.

WantedLabs 2026 AX Insight Report (Korea): 92 % der Arbeitnehmer nutzen KI für ihre Arbeit. Nur 5 % der Unternehmen haben die unternehmensweite KI-Implementierung abgeschlossen. 97 % glauben, dass die KI-Transformation ihr Geschäftsumfeld beeinflussen wird.

Diese Lücke — zwischen persönlicher KI-Nutzung und unternehmensweitem KI-Einsatz — ist die zentrale Spannung in jedem „KI transformiert den Handel"-Konferenzvortrag, die unausgesprochen bleibt. Arbeitnehmer nutzen KI, weil die Tools sofort nützlich sind. Unternehmen setzen nicht im Unternehmensmaßstab ein, weil die Integration schwierig ist, Compliance unklar ist und die ROI-Rahmenwerke, die Vorstände benötigen, noch nicht existieren.

Das ist keine koreanische Zahl. Sie ist universell. Auf dem Shoptalk Spring wurden Händler aufgefordert, Ergebnisse zu beweisen statt Pläne anzukündigen. Das 92%/5%-Verhältnis ist genau der Grund, warum so wenige das können. Unterdessen zeigt das heutige Stück über das Kaufverhalten der brasilianischen Generation Z, dass Verbraucher die Unternehmenslücke vollständig überholt haben — junge Käufer nutzen bereits KI für Kaufentscheidungen, während die Unternehmen, die an sie verkaufen, noch im Governance-Ausschuss sitzen. 92 % deiner Mitarbeiter führen Experimente durch. 5 % deiner Unternehmen haben die Dateninfrastruktur, um zu wissen, was sie gefunden haben.

Die koreanische Local-Commerce-Plattform Daangn hat „말로 쓰기" (Schreiben per Sprache) gestartet: KI stellt Fragen zu deinem Besuchserlebnis, du antwortest per Sprache, KI schreibt die Bewertung. Ergebnisse: 43 % mehr Bewertungswiederverwendung, 40 % Verbesserung bei Qualitätsbewertungen.

Die Schnittstellenbarriere für Bewertungen ist das schmutzige Geheimnis des E-Commerce. Die meisten Bewertungen sind entweder nur Sterne oder drei Wörter ohne Inhalt. Gesprächliche Erfassung beseitigt diese Reibung — und die Fähigkeit der KI, Nachfragen zu stellen, erfasst Spezifika (Passform, Textur, Langlebigkeit, Anlass), die unaufgeforderte Bewerter konsequent weglassen. Man kann nicht empfehlen, was man nicht kennt. Und man kennt es nicht, weil es niemand aufgeschrieben hat.

Mode ist der Bereich, wo das am meisten zählt. Poshmark hat sein gesamtes Redesign auf Kuration ausgerichtet. Gesprächliche Bewertungserfassung ist der Input-Layer, der Kuration im Maßstab ermöglicht. Bessere Bewertungen → bessere Empfehlungen → bessere Entdeckung. Das ist ein Schwungrad, das mit einem Sprach-Prompt beginnt, und der 40%ige Qualitätsgewinn deutet darauf hin, dass die KI bessere Fragen stellt, als der durchschnittliche Bewerter von sich aus einbringt.

Foot Locker ist jetzt auf DoorDash für On-Demand-Lieferung verfügbar. Die Logistikgeschichte ist offensichtlich. Das Kategoriesignal ist wichtiger: Footwear ist jetzt ein Convenience-Kauf für ein Käufersegment, das groß genug ist, dass Foot Locker dafür optimiert.

Myntra M-Now hat innerhalb eines Jahres 10 % der Bestellungen in aktiven indischen Märkten erfasst, indem Bekleidung als Convenience-Kategorie behandelt wurde. DoorDash berichtet, dass bereits mehr als ein Drittel seiner monatlich aktiven Nutzer Einzelhandel und Lebensmittel einkauft. Foot Locker wandelt keine Sneaker-Kauferwägung in Impulskäufe um. Es erfasst Convenience-Absicht, die nie einen Sneaker-Laden betreten hätte — Menschen, die ein bestimmtes Paar heute brauchen, nicht ein Einkaufserlebnis.

Die Inventarbeschränkung ist die Geschichte, die im nächsten Quartal auftauchen wird. On-Demand-Lieferung funktioniert nur für SKUs, die innerhalb eines vertretbaren Fulfillment-Radius vorgehalten werden können. Dieses kuratierte Subset wird uns verraten, welche Sneaker der Markt als Convenience-Produkte eingestuft hat und welche noch den Laden erfordern. Das ist tatsächlich nützliche Wettbewerbsintelligenz darüber, wohin sich die Kategorie entwickelt.

Henkel übernimmt Olaplex für 1,4 Milliarden Dollar. Standardmäßige Übernahmesprache vom CEO: Produktinnovation beschleunigen, Reichweite ausbauen. Die interessante Ebene ist, was Henkel tatsächlich in den Deal einbringt.

Henkel verfügt über die F&E-Infrastruktur — einschließlich KI-gestützter Formulierungstools — um Bond-Repair-Chemie im industriellen Maßstab zu betreiben. Olaplex hat die Kultanhängerschaft und das Patentportfolio. Die Kombination ist eine Vorlage dafür, wie Premium-Beauty-KI aussieht, wenn man sowohl die Dateninfrastruktur als auch das Verbrauchervertrauen hat. Eines ohne das andere produziert entweder teure Wissenschaft, die niemand kauft, oder eine Marke ohne Verteidigbares darunter.

Das Muster ist beobachtenswert: Europäische Beauty-Konzerne (Henkel, L'Oréal, Beiersdorf) übernehmen kategoriendefinierende Marken und wenden KI-F&E-Infrastruktur auf sie an. Das ist langsamer und kapitalintensiver als das amerikanische CPG-Roll-up-Playbook, aber die Margenstruktur von Premium-Haarpflege gibt ihm Raum zum Kompoundieren. Die Frage für Olaplex-Loyalisten: Beschleunigt Henkels Größe die Innovation oder schleift sie die Kanten ab, die die Marke interessant gemacht haben?

Tubi ist jetzt eine native App innerhalb von ChatGPT. Medienbranche-Schlagzeile: OpenAI wird ein Unterhaltungs-Hub. Einzelhandelsbranche-Schlagzeile: Die Entdeckungsschnittstelle für Content und Commerce konvergiert im selben Container.

Sephoras ChatGPT-App startete an demselben Tag, an dem OpenAI sich von Instant Checkout zurückzog. Das Muster: Der Commerce, der innerhalb von ChatGPT funktioniert, ist nicht transaktional — er ist Entdeckung. Tubis Inhaltsbibliothek wird nach Geschmack und Anlass kuratiert. Mode wird nach Geschmack und Anlass kuratiert. Das nächste Tubi innerhalb von ChatGPT wird ein Mode-Entdeckungserlebnis sein, kein Produkt-Feed.

Es gibt eine strukturelle Lesart, die sich mit südostasiatischem Video-Commerce verbindet. Der Westen versucht immer wieder, Checkout in Unterhaltungsformate einzubetten — und scheitert immer wieder. ChatGPT macht das Umgekehrte — es bettet Unterhaltung in die Schnittstelle ein, wo Kaufabsicht bereits entsteht. Das ist die Architektur, die tatsächlich funktioniert, und Tubi hat gerade demonstriert, dass sie im Verbrauchermaßstab technisch machbar ist.