Mode is een industrie met slechts één constante: verandering. Niet lang geleden zorgde fast fashion voor een revolutie in de retail door de productie te verdubbelen. Nu worden merken geconfronteerd met een ander soort disruptie: een tweede leven voor reeds verkochte producten, zonder hun tussenkomst. De infrastructuur die rond dat tweede leven wordt gebouwd, heeft de snelle evolutie van deze markt mogelijk gemaakt. Die infrastructuur is AI. De B2B-groothandelslaag – die het tweedehands aanbod verbindt met de vraag vanuit de retail – is waar die transformatie het eerst en het snelst plaatsvindt.

Wat de data ons vertelt

Voor een analyse van de technologie is het belangrijk de omvang van de huidige gedragsverandering te begrijpen.

Zowel bij luxe- als high-streetmerken overtreffen zoekopdrachten naar tweedehands nu consequent de zoekopdrachten naar nieuw. Vergelijkingen van zoektermen zoals “Mango Vinted” of “Zara Vinted” met “Mango nieuwe collectie” of “Zara nieuwe collectie” tonen dit aan. De zoekvolumes voor tweedehands liggen gedurende 2024 en tot in 2026 vier tot zes keer hoger. Zoekopdrachten naar Vinted bereikten medio 2025 een piek in populariteit, terwijl zoekopdrachten naar nieuwe collecties slechts een fractie daarvan bleven.

Op luxeniveau overtreffen zoekopdrachten naar vintage Hermès die naar nieuwe tassen aanzienlijk. Op het recente hoogtepunt was dit zelfs meer dan een verdubbeling. Zelfs bij Chanel, waar zoekopdrachten naar nieuw en vintage jarenlang dicht bij elkaar lagen, bereikte de interesse in vintage begin 2026 bijna hetzelfde niveau als die in nieuw.

Google Trends meet de zoekinteresse op een schaal van 0 tot 100, waarbij 100 de piekpopulariteit van een zoekterm gedurende de geselecteerde periode vertegenwoordigt.

Deze data toont een fundamentele verschuiving in de intentie van de consument rond tweedehands. Mensen beginnen hun mode-zoektocht bij preloved en zien het niet langer als een B-keus. Voor merken is dit een signaal over waar ze aanwezig moeten zijn en welke infrastructuur ze moeten bouwen om in die markt te kunnen participeren.

Niet alleen de zoektermen, maar ook de manier waarop mensen over tweedehands praten is veranderd. Vóór 2020 was de taal overwegend negatief: kringloopwinkel, afdankertje, compromis, stigma. Tussen 2024 en 2026 is dat vocabulaire bijna volledig vervangen door de taal van identiteit, aspiratie en ontdekking: preloved, vintage vondst, gecureerd, uniek. Dit bevestigt de verschuiving in culturele perceptie, volgens mijn analyse van media-aandacht, marktrapporten en consumentencommunities voor en na Covid.

Wereldwijd zal de verkoop van tweedehands kleding dit jaar naar verwachting 289 miljard dollar bereiken. Dit is een groei van 105 procent ten opzichte van 2021. De markt groeit twee keer zo snel als de totale kledingmarkt, volgens het ThredUp Annual Resale Report 2026. De AI-laag lijkt deze groei verder te hebben versneld. De zoekinteresse in “AI shopping” was tot medio 2024 in alle markten vrijwel nul. Deze begon eind 2024 toe te nemen toen generatieve AI-tools mainstream werden. Vanaf juni 2025 steeg de interesse sterk, met een groei van meer dan 3.000 procent in twee jaar, voordat het niveau stabiliseerde nabij de piek.

De meest opvallende bevinding in de data is echter de correlatie tussen de twee. Zowel “AI shopping” als “secondhand clothing” bleven vier opeenvolgende jaren vrijwel vlak. Beide begonnen in dezelfde maand te bewegen – juli 2025 – en stegen gelijktijdig in augustus 2025, waarna ze sindsdien op een verhoogd niveau zijn gebleven. De data suggereert dat AI geen toevallige samenloop was met de versnelling van tweedehands, maar mogelijk een belangrijke rol heeft gespeeld in het mogelijk maken van de groei op grote schaal.

Waarom tweedehands niet kan schalen zonder AI – het B2B-infrastructuurprobleem

De verschuiving bij de consument is duidelijk en wordt ondersteund door data. Wat minder zichtbaar is – en commercieel belangrijker – is het infrastructuurprobleem dat schaalvergroting van tweedehands historisch gezien zo moeilijk heeft gemaakt. Daarom is AI hier geen optionele laag, maar een structurele vereiste.

De resale markt is notoir complex. Platforms moeten een enorme, onvoorspelbare voorraad beheren die varieert in kwaliteit, maat en authenticiteit. De complexiteit hiervan kent geen equivalent in de reguliere retail. Om de operationele kant te begrijpen, sprak ik met Sanket Agarwal, medeoprichter van Fleek. Fleek is een van de snelst groeiende AI-platforms in de tweedehands groothandel en een van de belangrijkste inkoopplatforms voor Vinted-verkopers. Hij hielp me te begrijpen waarom de B2B-laag van deze markt een fundamentele technologische vernieuwing vereiste.

Het kernprobleem, zoals Sanket uitlegt, is een schaalprobleem zonder equivalent in de traditionele mode-industrie: “In de klassieke retail hebben winkels meestal een paar gedefinieerde SKU's, maar in tweedehands is er zo'n grote verscheidenheid aan tijdperken, merken, stijlen en slijtage dat dit leidt tot miljoenen tot miljarden SKU's – in wezen is elk stuk uniek, zelfs als het dezelfde merk-SKU is”. Die uniciteit maakt het juist zo moeilijk om elk item te categoriseren, te prijzen en te koppelen aan een koper. In tegenstelling tot Amazon of Asos, waar AI werkt met gestructureerde, consistente productcatalogi, heeft de tweedehands groothandel geen gedeelde productdata, geen gestandaardiseerde SKU's en geen taxonomie die de staat van een item koppelt aan de intentie van de koper. Dit heeft schaalvergroting zo moeilijk gemaakt en is precies wat AI hier zo transformerend maakt.

Naast het uniciteitsprobleem worstelen wederverkopers met variabelen zoals inconsistente belichting op foto's of slijtagepatronen. Authenticatie vereist menselijke expertise in de laatste fase, zelfs wanneer AI de eerste scan uitvoert. Prijsstelling is een constant kalibratieprobleem. Bovendien is de traditionele groothandelsketen voor tweedehands niet alleen rommelig, verouderd en ongelooflijk complex, maar ook gebouwd op persoonlijke relaties – vertrouwen tussen kopers en verkopers dat in jaren van informele handel is opgebouwd.

Hier komt Fleek in beeld. Het platform werd opgericht in november 2021, voortkomend uit een probleem dat medeoprichter Abhi Arora ontdekte in Brick Lane, het vintage modecentrum van Londen, tijdens de pandemie: de toeleveringsketen voor tweedehands was gebouwd op chaos. Preloved kleding verzameld in westerse landen – ongeveer 90 procent van alle donaties wereldwijd – wordt in bulk verscheept naar sorteercentra in Pakistan, India en heel Afrika. Daar wordt het met de hand gesorteerd en terugverkocht aan westerse wederverkopers, of het nu tweedehandswinkels zijn of de groothandels die Vinted-verkopers bevoorraden. De handmatige categorisering was vervelend en onnauwkeurig. Hoe gedetailleerder en nauwkeuriger de sortering, hoe beter de kleding verkoopt, dus de risico's van fouten waren groot. Wederverkopers wisten vaak niet wat ze kregen. Transacties vonden plaats via WhatsApp-groepen en informele netwerken waar vertrouwen alles was en transparantie bijna niets. Slechts een zeer klein deel van die donaties werd ooit weer doorverkocht op westerse markten. Het systeem was inefficiënt en structureel kapot.

Zoals Abhi vermeldde in een interview voor The Industry.Fashion, is het platform gebouwd om rechtstreeks met deze groothandelsleveranciers samen te werken. Voorraad wordt via Fleek's eigen systeem aangeboden, gecategoriseerd, geprijsd en verkocht. Een wederverkoper in Londen, Parijs of New York kan door gecureerde bundels bladeren of items met de hand uitkiezen via een videogesprek en een bestelling plaatsen. Die bestelling gaat door een van Fleek's kwaliteitscontrolecentra, waar items worden gecontroleerd op kwaliteit en authenticiteit, en wordt vervolgens naar de koper verzonden.

Hoe materialiseert AI zich op Fleek?

Fleek heeft de hele inkoopervaring vanaf de basis opnieuw opgebouwd. “Bij Fleek moesten we onze hele zoek- en ontdekkingservaring opnieuw vormgeven, die nu wordt aangedreven door AI-first zoektechnologie. We maken gebruik van CLIP-embeddings* om semantische eigenschappen van mode te definiëren, zoals ‘versieringen’ of ‘paddenstoelenprint’ – een veel moeilijkere taak voor pre-LLM**-modellen”. Een koper kan nu zoeken op sfeer, stijl of esthetische referentie in plaats van op productspecificatie – de manier waarop mensen daadwerkelijk over tweedehands denken. Daarnaast geeft het platform een prijsinschatting, handelt het transacties af, stroomlijnt het de toeleveringsketen, beheert het terugbetalingen en biedt het vertrouwen aan beide kanten. De commerciële resultaten zijn zichtbaar: “een meer dan verdubbeling van de omzet van 2024 tot 2025”, het verbinden van meer dan 10.000 wederverkopers met meer dan 1.000 groothandels in 70 landen, en het ophalen van 50 miljoen dollar aan totale financiering, gesteund door investeerders als Andreessen Horowitz en Y Combinator. Sanket is direct over de kansen voor retailers die nog aan de zijlijn staan: “Vandaag de dag zoekt een op de twee personen naar tweedehands – het is goed voor het milieu en goed voor de zaken. We zien al dat de klanten van Fleek tweedehands en nieuwe kleding naast elkaar verkopen”.

*(CLIP staat voor Contrastive Language-Image Pre-training – het is een model ontwikkeld door OpenAI dat tegelijkertijd is getraind op honderden miljoenen beeld- en tekstparen, waardoor het de relatie tussen visuele content en taal heeft leren begrijpen. Traditionele beeldherkenning vraagt “welk object is dit?” – het herkent een tas, een schoen, een jas. CLIP gaat verder – het begrijpt het gevoel en het karakter van wat het ziet. Dus in plaats van alleen “jas” te herkennen, kan het “oversized Japanse streetwear-jas uit de jaren 90 met acid wash” of “paddenstoelenprint” of “versierde avondkleding” begrijpen).

**(LLM staat voor Large Language Model – het type AI dat tools als ChatGPT, Claude en Gemini aandrijft).

Wat dit betekent voor uw bedrijf

Tweedehands bestond al voor AI. Maar zonder de infrastructuur om voorraad op grote schaal in te kopen, te authenticeren, te sorteren en te prijzen, kon de vraag nergens efficiënt naartoe. Wat Fleek op groothandelsniveau bewijst, is dat wanneer je de structurele frictie wegneemt, het commerciële volume volgt.

Dat gezegd hebbende, zijn de uitdagingen niet verdwenen. Logistiek blijft complex en kostbaar – tweedehands items kunnen niet worden aangevuld, en de kwaliteit van de presentatie van een item beïnvloedt nog steeds de nauwkeurigheid van de sortering en leidt tot retourzendingen. Consistentie op grote schaal is moeilijk te garanderen, zelfs met computer vision. Authenticatie in de laatste fase vereist nog steeds menselijke expertise. De marges in de hele sector staan onder druk, en de meeste grote resale-platforms zijn nog op weg naar winstgevendheid in plaats van dat ze er al zijn. AI verbetert al deze problemen aanzienlijk, maar elimineert ze niet. Merken die de markt betreden zonder een duidelijke operationele strategie zullen het waarschijnlijk moeilijker hebben dan de marktcijfers suggereren.

Wat AI doet, is die uitdagingen beheersbaar maken – niet volledig laten verdwijnen, maar voldoende structureren om er een schaalbaar bedrijf op te bouwen. Het is nu actief in elke laag van de resale-keten. Bij de inkoop gebruiken platforms als Fleek computer vision en semantisch zoeken om grote hoeveelheden tweedehands voorraad op grote schaal vindbaar te maken. Op merkniveau verwerken Resale-as-a-Service-platforms zoals ThredUp de inname, sortering, fotografie, prijsstelling en afhandeling met behulp van AI-automatisering. Dit maakt het mogelijk om een resale-programma te lanceren zonder iets vanaf nul op te bouwen. Authenticatie, historisch gezien de grootste vertrouwensbarrière in tweedehands, wordt afgehandeld door computer vision-modellen die verdachte items selecteren voordat menselijke experts ze beoordelen. Dynamische prijsalgoritmen vervangen het giswerk dat de marges van tweedehands onvoorspelbaar maakte. De commerciële casus is al bewezen: Aymeric Déchin, CEO van Faume, vertelde Vogue Business dat klanten die gebruikmaken van de inruilservice van een merk 20 procent minder klantverloop vertonen dan degenen die dat niet doen. Gezamenlijk doen deze capaciteiten iets belangrijkers dan het optimaliseren van individuele transacties; ze normaliseren tweedehands als een betrouwbaar kanaal voor zowel merken als consumenten, en Fleek is daar slechts één voorbeeld van.

De regelgeving versnelt dit alles. De Ecodesign for Sustainable Products Regulation van de EU vereist dat elk modemerk dat in Europa verkoopt vanaf 2028 een Digitaal Productpaspoort (DPP) aan elk kledingstuk toevoegt. Dit is een machineleesbare identiteit die materialen, herkomst en eigendomsgeschiedenis vastlegt. Voor AI is dit transformerend: een kledingstuk met een paspoort kan automatisch worden geauthenticeerd, gesorteerd en geprijsd, omdat de data al aanwezig is.

Een derde van de leidinggevenden in de sector noemde resale een prioriteit voor 2026, volgens BoF/McKinsey State of Fashion 2026. Die kloof – tussen waar de consument al is, hoe AI dit versnelt, en waar het grootste deel van de industrie nog steeds op gericht is (nieuw) – is de kans, en die wordt snel kleiner. Als u tweedehands nog steeds als secundair behandelt – of AI als optioneel – zijn de data duidelijk: u loopt niet achter op de trend, u loopt achter op de consument.

Bronnen:
-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.