Mode er en branche med kun én konstant: forandring. For ikke så længe siden revolutionerede fast fashion detailhandlen ved at fordoble produktionen. Nu står brands over for en anden form for disruption: produkter, de allerede har solgt, får et nyt liv uden dem. Den infrastruktur, der bygges op omkring dette andet liv, er det, der har gjort det muligt for dette marked at udvikle sig så hurtigt. Denne infrastruktur er AI, og B2B-engroslaget – der forbinder udbuddet af genbrugsvarer med efterspørgslen i detailhandlen – er dér, hvor transformationen sker først og hurtigst.

Hvad dataene fortæller os

Før vi undersøger teknologien, er det værd at forstå omfanget af den adfærdsændring, der allerede er i gang.

På tværs af luksus- og high-street-brands overgår søgninger efter genbrugsvarer nu konsekvent søgninger efter nye varer. For eksempel viser en sammenligning af "Mango Vinted" eller "Zara Vinted" med "Mango ny kollektion" eller "Zara ny kollektion", at søgninger på genbrugsvarer har en 4-6 gange højere søgevolumen gennem 2024 og ind i 2026, hvor Vinted-søgninger nåede deres højeste popularitet i midten af 2025, mens søgninger efter nye kollektioner forblev en brøkdel af dette.

På luksusniveau overgår søgninger efter vintage Hermès markant søgninger efter nye tasker – mere end en fordobling på deres seneste højdepunkt – mens selv hos Chanel, hvor søgninger efter nye og vintage varer havde fulgtes ad i årevis, nåede interessen for vintage næsten paritet med nye varer i begyndelsen af 2026.

Google Trends måler søgeinteresse på en skala fra 0 til 100, hvor 100 repræsenterer den højeste popularitet for et søgeord i den valgte periode.

Hvad disse data viser, er, at forbrugernes intentioner omkring genbrug har ændret sig fundamentalt – folk starter deres moderejse med pre-loved, de ender ikke der som en nødløsning – og for brands er dette et signal om, hvor de skal være til stede, og hvilken infrastruktur de skal opbygge for at deltage i det marked.

Ikke kun det, men måden folk taler om genbrug på, har ændret sig lige så meget som det, de søger efter. Før 2020 var det dominerende sprog negativt: genbrugsbutik, aflagt tøj, kompromis, stigma; i 2024-2026 var dette ordforråd næsten fuldstændigt erstattet af sproget om identitet, aspiration og opdagelse: pre-loved, vintage-fund, kurateret, unikt – hvilket bekræfter skiftet i den kulturelle opfattelse, ifølge min analyse af mediedækning, markedsrapporter og forbrugerfællesskaber før og efter Covid.

Globalt forventes salget af genbrugstøj at nå 289 milliarder dollars i år – en vækst på 105 procent siden 2021 – og udvider sig dobbelt så hurtigt som det samlede tøjmarked, ifølge ThredUp Annual Resale Report 2026. Og AI-laget ser ud til at have accelereret denne vækst yderligere. Søgeinteressen for "AI shopping" var reelt set nul på tværs af alle markeder indtil midten af 2024, begyndte at stige i slutningen af 2024, da generative AI-værktøjer blev mainstream, og steg derefter kraftigt fra juni 2025 og frem, med en vækst på over 3.000 procent på to år, før den fastholdt et niveau tæt på toppen.

Men det mest slående fund i dataene er korrelationen mellem de to. Både "AI shopping" og "secondhand clothing" var reelt set flade i fire på hinanden følgende år. Begge begyndte at røre på sig i samme måned – juli 2025 – steg samtidigt i august 2025 og har fastholdt høje niveauer lige siden. Dataene tyder på, at AI ikke blot var et tilfælde, der faldt sammen med accelerationen inden for genbrug, men kan have spillet en betydelig rolle i at muliggøre dens vækst i stor skala.

Hvorfor genbrugsmarkedet ikke kan skalere uden AI – B2B-infrastrukturproblemet

Forbrugerskiftet er tydeligt og understøttet af data. Hvad der er mindre synligt – og hvad der betyder mere kommercielt – er det infrastrukturproblem, der historisk har gjort genbrug så svært at skalere – og hvorfor AI ikke er et valgfrit lag her, men et strukturelt krav.

Markedet for resale er notorisk komplekst. Platforme skal håndtere et enormt, uforudsigeligt lager, der varierer i kvalitet, størrelse og autenticitet, med en kompleksitet, der ikke har nogen pendant i ny detailhandel. For at forstå, hvordan alt dette ser ud operationelt, talte jeg med Sanket Agarwal, medstifter af Fleek, en af de hurtigst voksende AI-platforme inden for engros-genbrug og en af de primære sourcing-platforme for Vinted-forhandlere. Han hjalp mig med at forstå præcis, hvorfor B2B-laget af dette marked krævede en fundamental teknologisk genopbygning.

Kerneudfordringen, som Sanket forklarer, er et spørgsmål om skala uden sidestykke i den traditionelle modebranche: "I klassisk detailhandel har butikker normalt et par definerede SKU'er, men inden for genbrug er der så stor en variation af tidsperioder, mærker, stilarter og slid, at det fører til millioner til milliarder af SKU'er – i bund og grund er hver enkelt vare unik, selvom det er den samme brand-SKU". Og netop denne unikhed gør hver enkelt vare så svær at kategorisere, prissætte og matche med en køber. I modsætning til Amazon eller Asos, hvor AI opererer på strukturerede, konsistente produktkataloger, har engros-genbrug ingen delte produktdata, ingen standardiserede SKU'er, ingen taksonomi, der forbinder tilstand med købsintention, hvilket er det, der har gjort det så svært at skalere, og præcis det, der gør AI så transformerende her.

Ud over unikhedsproblemet kæmper forhandlere med variabler som inkonsistent belysning på billeder eller slidmønstre. Autentificering kræver menneskelig ekspertise i den sidste fase, selv når AI håndterer den indledende scanning. Prissætning er et konstant kalibreringsproblem. Og oven i alt dette er den traditionelle engros-forsyningskæde for genbrugsvarer ikke kun rodet, forældet og utroligt kompleks, men den blev bygget på personlige relationer – tillid mellem købere og sælgere opbygget over mange års uformel handel.

Det er her, Fleek kommer ind i billedet. Platformen blev grundlagt i november 2021, født ud af et problem, medstifter Abhi Arora opdagede i Brick Lane, Londons centrum for vintage-mode, under pandemien: forsyningskæden for genbrug var bygget på kaos. Pre-loved tøj indsamlet i vestlige lande – omkring 90 procent af alle donationer globalt – sendes i store mængder til sorteringscentre i Pakistan, Indien og på tværs af Afrika, hvor det håndsorteres og sælges tilbage til vestlige forhandlere, hvad enten det er genbrugsbutikker eller de grossister, der forsyner Vinted-sælgere. Håndsorteringen var kedelig og unøjagtig, og jo mere detaljeret og præcis sorteringen er, jo bedre sælger tøjet – så indsatsen for at gøre det forkert var høj. Forhandlere anede ofte ikke, hvad de fik, transaktioner foregik over WhatsApp-grupper og uformelle netværk, hvor tillid var alt og gennemsigtighed næsten intet, og kun en meget lille brøkdel af disse donationer nåede nogensinde tilbage til at blive solgt igen på vestlige markeder. Systemet var ineffektivt og strukturelt ødelagt.

Som Abhi nævnte i et interview for The Industry.Fashion, blev platformen bygget til at arbejde direkte med disse engrosleverandører, så lageret bliver listet, kategoriseret, prissat og solgt gennem Fleeks eget system. En forhandler i London, Paris eller New York kan gennemse kuraterede bundles eller håndplukke varer via videoopkald og afgive en ordre. Den ordre går gennem et af Fleeks kvalitetskontrolcentre, hvor varerne kontrolleres for kvalitet og ægthed, og derefter sendes den til køberen.

Hvordan materialiserer AI sig på Fleek?

Fleek genopbyggede hele sourcing-oplevelsen fra bunden. "Hos Fleek måtte vi gentænke hele vores søge- og opdagelsesoplevelse, som nu er drevet af en AI-first søgeteknologi. Vi udnytter CLIP-embeddings* til at definere semantiske egenskaber ved mode såsom 'udsmykninger' eller 'svampeprint' – en meget sværere opgave for modeller før LLM**". En køber kan nu søge efter stemning, stil eller æstetisk reference i stedet for produktspecifikation – den måde, folk rent faktisk tænker på genbrug. Ikke nok med det, platformen giver et prisoverslag, håndterer transaktioner, strømliner forsyningskæden, administrerer refusioner og skaber tillid i begge ender. De kommercielle resultater er synlige: “mere end en fordobling af salget fra 2024 til 2025”, forbinder over 10.000 forhandlere med mere end 1.000 grossister i 70 lande, og har rejst 50 millioner dollars i samlet finansiering, bakket op af investorer som Andreessen Horowitz og Y Combinator. Sanket er direkte omkring muligheden for detailhandlere, der stadig sidder på sidelinjen: "I dag leder hver anden person efter genbrug – det er godt for miljøet og godt for forretningen. Vi ser allerede Fleeks kunder sælge genbrugs- og førstegangstøj side om side".

*(CLIP står for Contrastive Language-Image Pre-training – det er en model udviklet af OpenAI, der blev trænet på hundreder af millioner af billed- og tekstpar samtidigt, så den lærte at forstå forholdet mellem visuelt indhold og sprog. Traditionel billedgenkendelse spørger "hvilket objekt er dette?" – den genkender en taske, en sko, en jakke. CLIP går videre – den forstår følelsen og karakteren af det, den ser. Så i stedet for blot at genkende "jakke," kan den forstå "oversized 90'er japansk streetwear-jakke med acid wash" eller "svampeprint" eller "udsmykket aftentøj”).

**(LLM står for Large Language Model – den type AI, der driver værktøjer som ChatGPT, Claude og Gemini).

Hvad dette betyder for din virksomhed

Genbrug eksisterede før AI – men uden infrastrukturen til at source, autentificere, klassificere og prissætte lager i stor skala, havde efterspørgslen ingen steder at gå hen effektivt. Hvad Fleek beviser på engrosniveau er, at når man fjerner den strukturelle friktion, følger det kommercielle volumen med.

Når det er sagt, er udfordringerne ikke forsvundet. Logistikken er fortsat kompleks og omkostningstung – genbrugsvarer kan ikke genopfyldes, og kvaliteten af, hvordan en vare præsenteres, påvirker stadig klassificeringsnøjagtigheden og medfører returneringer. Konsistens i stor skala er svær at garantere, selv med computer vision. Autentificering i den sidste fase kræver stadig menneskelig ekspertise. Marginerne i hele branchen er fortsat under pres, og de fleste store resale-platforme er stadig på vej mod rentabilitet snarere end at være der. AI forbedrer alle disse problemer betydeligt – men den eliminerer dem ikke, og brands, der går ind i området uden en klar operationel strategi, vil sandsynligvis finde det sværere, end markedstallene antyder.

Hvad AI gør, er at gøre disse udfordringer håndterbare – ikke fjerne dem helt, men strukturere dem nok til at bygge en skalerbar forretning ovenpå. Den opererer nu på tværs af alle lag i resale-stakken – ved sourcing bruger platforme som Fleek computer vision og semantisk søgning til at gøre store mængder genbrugslager opdagelige i stor skala; på brand-niveau håndterer Resale-as-a-Service-platforme som ThredUp modtagelse, klassificering, fotografering, prissætning og ordrebehandling ved hjælp af AI-automatisering, hvilket gør det muligt at lancere et resale-program uden at bygge noget fra bunden. Autentificering, historisk set den største barriere for tillid til genbrug, håndteres af computer vision-modeller, der sorterer mistænkelige varer, før menneskelige eksperter gennemgår dem. Dynamiske prissætningsalgoritmer erstatter det gætværk, der gjorde genbrugsmarginer uforudsigelige. Den kommercielle case er allerede bevist: Aymeric Déchin, CEO for Faume, fortalte Vogue Business, at kunder, der bruger et mærkes bytte-service, viser 20 procent lavere kundeafgang sammenlignet med dem, der ikke gør. Samlet set gør disse kapabiliteter noget mere betydningsfuldt end at optimere individuelle transaktioner; de normaliserer genbrug som en pålidelig, troværdig kanal for både brands og forbrugere, og Fleek er kun ét eksempel på det.

Det regulatoriske lag accelererer alt dette. EU's Ecodesign for Sustainable Products Regulation kræver, at ethvert modebrand, der sælger i Europa, skal vedhæfte et Digitalt Produktpas (DPP) til hvert stykke tøj fra 2028 – en maskinlæsbar identitet, der registrerer materialer, oprindelse og ejerskabshistorik. For AI er dette transformerende: et stykke tøj med et pas kan autentificeres, klassificeres og prissættes automatisk, fordi dataene allerede er der.

En tredjedel af branchens ledere kaldte resale en prioritet for 2026, ifølge BoF/McKinsey State of Fashion 2026. Det hul – mellem hvor forbrugeren allerede er, hvordan AI accelererer det, og hvor det meste af branchen stadig er fokuseret (nye varer) – er muligheden, og den lukker sig hurtigt. Hvis du stadig behandler genbrug som sekundært – eller AI som valgfrit – er dataene klare: du er ikke bagud i forhold til trenden, du er bagud i forhold til forbrugeren.

Kilder:
-The Guardian — Sarah Butler, “Secondhand Clothes Sales Forecast to Hit $289bn as AI Helps Shoppers Find Deals,” 2 April 2026.
-Retail Dive — Tatiana Walk-Morris, “US Resale Market Expected to Surpass $78 Billion by 2030,” 3 April 2026.
-Adobe — Vivek Pandya, “Generative AI-Powered Shopping Rises with Traffic to Retail Sites,” 21 August 2025.
-Modaes — “Inditex 2025 results: eight critical takeaways to watch,” C. De Agenlis / T. Alonso, 12 March 2026.
-Retail Boss — “Inditex Q1 2026 Results: Zara’s Best Quarter Yet,” Jenel Alvarado, 3 June 2026.
-Vinted Newsroom — “Financial Results 2025,” 2026.
-UNECE (United Nations Economic Commission for Europe) — UNECE and ECLAC propose measures to reduce environmental and health impacts of global trade of second-hand clothes’, 15 July 2024
-TheIndustry.fashion — “The Interview: Co-founder Abhi Arora on Building Second-Hand Wholesale Marketplace Fleek,” Camilla Rydzek, 16 April 2026.
-WWD — “How Vestiaire Is Using AI to Scale Its Business and Improve Customer Service, by Lisa Lockwood, June 14, 2024.
-The Impression — Vestiaire Collective Expands AI Capabilities With New Executive Hires.
-Vogue — “The Innovations Driving the Resale Renaissance,” byt Maghan McDowell November 19, 2024.
-GWI — How the circular economy is transforming fashion: Sustainable trends & insights by Stephanie Harlow, Senior Trends Analyst.
-McKinsey & Company — The State of Fashion 2026: When the rules change, November 17, 2025 by -Trellis — Circular boom(let): Resale and reuse surge as new fashion turnover slows, by Elsa Wenzel November 21, 2025 (Updated on November 24, 2025)
-Barclays Insights — The pulse of fashion: How the growth of the resale market has changed the game for retailers, by Melissa Pendlebury and Isabella Clough, April 2, 2026.
-Fashionista — “Fashion Resale Tech: AI and the Future of Evolution,” by Emma Raydar, June 4, 2025.