Grössentabellen über alle Styles hinweg datenbasiert vereinheitlichen
Uneinheitliche Grössentabellen verleiten Kundinnen und Kunden dazu, mehrere Grössen zu bestellen. Ein praktisches Vorgehen: Kleidungsmasse prüfen, Retourendaten nutzen und die Erkenntnisse an Design und Passform zurückspielen.
DAS WICHTIGSTE Zusammenfassung der Redaktion
- Zalando gibt an, dass Grösse und Passform im europäischen Online-Modehandel für bis zu die Hälfte der Retouren verantwortlich sein können und dass die Retourenquote bei Jeans 65 % erreichen kann.
- Grössenabweichungen entstehen schon vorgelagert: Eine Studie von 2025 im Journal of Textile and Apparel, Technology and Management hält fest, dass Marken ihre Grössentabellen nach eigenem Verständnis aufbauen und es keine Standardtabelle gibt.
- Retourendaten mit Gründen wie «zu klein» oder «zu gross» sind das günstigste Signal, um Styles zu finden, deren ausgewiesene Grösse nicht zur tatsächlichen Passform passt; Zalando nutzt Kauf- und Retourenverhalten, um Grössenhinweise zu erzeugen, die zeigen, ob ein Artikel klein oder gross ausfällt.
- Zalando berichtete, dass seine Lösungen für Grösse und Passform 2025 8 % der grössenbedingten Retouren verhindert haben, was auf realistische Gewinne durch Tools hindeutet, nicht auf eine vollständige Lösung.
- Die Korrektur der Tabelle ist ebenso eine Aufgabe für Design und technische Entwicklung wie für die Datenanalyse: Wo Hinweise einen Fehler bei der Gradierung oder im Schnitt offenlegen, muss die Produktspezifikation geändert werden, nicht nur das Etikett.
Um Grössentabellen zu vereinheitlichen, vergleichen Sie zunächst die Masse, die jede Grösse haben soll, mit den Kleidungsmassen, die Sie tatsächlich produzieren. Anschliessend nutzen Sie Retouren und Passformfeedback der Kundschaft, um Styles zu finden, bei denen die ausgewiesene Grösse in die Irre führt. Korrigieren Sie die Spezifikation, wo das Kleidungsstück falsch ist, und veröffentlichen Sie präzise Hinweise, wo es nicht der Fall ist. Daten zeigen, wo man suchen muss, ersetzen aber weder Anproben noch Lieferantenkontrollen.
Warum werden Grössentabellen über Styles hinweg uneinheitlich?
Tabellen driften aus ganz gewöhnlichen Gründen auseinander. Unterschiedliche Schnitte, Stoffe und Lieferanten führen unter demselben Etikett zu unterschiedlichen Passformen, und Tabellen werden aus Gewohnheit oft von einem Style auf den nächsten kopiert. Ein Beitrag von 2025 zu Körperformen in Plus-Size im Journal of Textile and Apparel, Technology and Management hält fest, dass das Fehlen einer Standardtabelle die Passformbestimmung erschwert und dass Marken eigene Tabellen erstellen. Er verweist zudem auf frühere Arbeiten, wonach Plus-Size-Körper nicht proportional wachsen, wenn Grössen schlicht hochgradiert werden. Kundinnen und Kunden, so der Beitrag weiter, beurteilen die Passform anhand von Modelfotos, die ihren eigenen Körper möglicherweise nicht abbilden.
Die wirtschaftliche Wirkung zeigt sich bei den Retouren. Zalandos Darstellung seiner Grössentechnologie vom Juni 2026 nennt Retourenquoten im europäischen Online-Modehandel von bis zu rund 50 %, wobei Grösse und Passform bis zur Hälfte davon ausmachen, und bis zu 65 % bei Jeans. Das sind Unternehmenszahlen für den eigenen Markt, doch die Richtung ist weithin anerkannt: Unsicherheit bei der Passform führt dazu, dass Kundschaft mehrere Grössen kauft und die meisten zurückschickt.
Welche Daten brauchen Sie, um das Problem zu finden?
| Daten | Welche Frage sie beantworten | Typische Schwäche |
|---|---|---|
| Produktspezifikation und vermessene Muster | Entspricht das Kleidungsstück der vorgesehenen Tabelle? | Produktionstoleranzen werden bei Fertigware selten erfasst |
| Retouren mit Gründen (zu klein, zu gross) | Welche Styles fallen im Vergleich zum Etikett klein oder gross aus? | Freitext-Gründe und uneinheitliche Kodierung |
| Kaufmuster nach Grösse (derselbe Style, mehrere Grössen) | Welche Styles lösen Bracketing aus? | Erfordert Identifikatoren auf Kundenebene |
| Passformfeedback und Bewertungen der Kundschaft | Liegt das Problem bei Länge, Weite oder einem Bereich wie Wade oder Hüfte? | Dünn bei neuen Styles oder Styles mit geringem Volumen |
| Körpermassdaten, sofern Kundinnen und Kunden sie freiwillig angeben | Bildet die Tabelle die Kundschaft ab, die Sie tatsächlich haben? | Einwilligung, Verzerrungen und kleine Stichproben |
Wie prüfen Sie Grössentabellen Schritt für Schritt?
- Erstellen Sie eine Mastertabelle mit jedem Style, Grössenetikett, Verweis auf die Grössentabelle, Schnitt, Lieferanten und Stoff, damit Sie sehen, welche Styles sich eine Tabelle teilen.
- Vergleichen Sie jede Tabelle mit den Kleidungsmassen aus Passformmustern und, wenn möglich, aus der fertigen Produktion. Markieren Sie Abweichungen, die Ihre interne Toleranz überschreiten.
- Berechnen Sie grössenbedingte Retourenquoten nach Style und Grösse und vergleichen Sie sie mit dem Durchschnitt der Kategorie. Nutzen Sie genügend Bestellungen pro Grösse, um nicht Zufallsrauschen hinterherzujagen, und legen Sie ein Mindestvolumen fest, bevor ein Style beurteilt wird.
- Suchen Sie nach Mustern: Eine einzelne Grösse, die deutlich häufiger zurückkommt als ihre Nachbargrössen, deutet oft auf einen Gradierungssprung hin, während ein ganzer Style, der in dieselbe Richtung zurückgeht (zu klein), auf ein Problem bei Schnitt oder Etikett schliessen lässt.
- Besprechen Sie die markierten Styles mit Design und technischer Entwicklung und entscheiden Sie dann für jeden einzelnen: Produktspezifikation ändern, Etikett ändern oder einen klaren Passformhinweis auf der Produktseite ergänzen.
- Messen Sie nach dem nächsten Produktionslauf erneut und verfolgen Sie, ob sich die grössenbedingten Retouren für den Style verändern.
Wie lassen sich aus Retourendaten Grössenhinweise ableiten?
Zalando beschreibt, dass es maschinelles Lernen auf Markendaten, Kauf- und Retourenverhalten, Passformfeedback der Kundschaft und die Erkenntnisse geschulter Anprobemodelle anwendet, um Grössenhinweise zu erzeugen, die anzeigen, wann ein Artikel voraussichtlich klein oder gross ausfällt, sowie Grössenempfehlungen, die die wahrscheinlich passende Grösse vorschlagen. Diese grundlegenden Lösungen decken nach eigenen Angaben rund 70 % des Sortiments ab, und die Retoureneinblicke werden mit Marken geteilt. Sie brauchen diesen Massstab nicht, um von der Logik zu profitieren. Schon eine Tabelle, die den Anteil der Retouren wegen «zu klein» und «zu gross» nach Style und Grösse vergleicht, ist ein nützlicher erster Hinweis.
Behandeln Sie das Ergebnis als Anlass für eine Untersuchung. Ein Style, der klein ausfällt, kann seiner Tabelle exakt entsprechen, und das Problem liegt dann in der Tabelle. Ebenso kann ein elastischer Stoff verändern, wie Kundinnen und Kunden eine Grösse wählen, ohne dass etwas nicht stimmt.
Sollten Sie Körperdaten der Kundschaft nutzen, um Tabellen neu aufzubauen?
Das kann helfen, mit der gebotenen Sorgfalt. Zalando gibt an, dass sein Body-Measurement-Tool, das zwei Fotos oder ein Handyvideo nutzt, von mehr als 1,5 Millionen Kundinnen und Kunden ausprobiert wurde und dass es nach eigener Beschreibung den grössten anonymisierten Körpermassdatensatz europäischer Modekundschaft aufgebaut hat, der inzwischen in Grössentabellen einfliesst. Ein kleinerer Händler dürfte Daten in diesem Umfang kaum erheben können, kann aber aggregierte, mit Einwilligung erhobene Massdaten oder öffentliche anthropometrische Erhebungen verwenden. Just Style berichtete im Juli 2023, dass Zalandos Messtool, eingeführt für Damenoberteile und Kleider in Deutschland, Österreich und der Schweiz, die grössenbedingten Retouren im Vergleich zu Artikeln ohne Grössenberatung um 10 % senkte. Körperdaten sind in vielen Rechtsordnungen sensible personenbezogene Daten. Erheben Sie sie daher nur mit klarer Einwilligung, speichern Sie so wenig wie möglich und aggregieren Sie sie, bevor Sie sie für die Gestaltung von Tabellen verwenden.
Wer sollte für Grössentabellen verantwortlich sein?
Legen Sie die Verantwortung in ein Team. In vielen Unternehmen verantwortet das Design die vorgesehene Passform, die technische Entwicklung die Spezifikation, das Merchandising die Produktdaten und E-Commerce die Seite. Ohne einen benannten Verantwortlichen für die Tabelle als Produktdatenobjekt fallen Fehler zwischen die Teams. Eine einfache Governance-Regel hilft: Kein Style geht live, bevor sein Tabellenverweis gegen die freigegebene Produktspezifikation geprüft wurde, und eine monatliche Durchsicht nimmt die Styles mit den höchsten Retouren in den Blick.
Für Wholesale-Marken profitieren von derselben Disziplin auch die Handelspartner, die Ihre Grössendaten auf ihren eigenen Websites übernehmen. Einheitliche Masse in den Produktdaten-Feeds verringern die Wahrscheinlichkeit, dass Kundinnen und Kunden eines Partners Ihr Produkt aus vermeidbaren Gründen zurückschicken.
Häufige Fragen
Warum fallen gleiche Grössenetiketten bei verschiedenen Marken und Styles unterschiedlich aus?
Marken erstellen ihre eigenen Grössentabellen, Schnitte und Gradierungsregeln, und es gibt keine Standardtabelle. Auch unterschiedliche Stoffe, Schnitte und Lieferanten verändern das fertige Kleidungsstück. Das Ergebnis: Ein Grössenetikett ist nur ein grober Anhaltspunkt, solange es nicht durch einheitliche Kleidungsmasse gestützt wird.
Woran erkenne ich, dass die Grössentabelle eines Styles falsch ist?
Vergleichen Sie die Kleidungsmasse mit der Tabelle und prüfen Sie dann die Retouren nach Grund und Grösse. Kommt ein Style aus demselben Grund, etwa «zu klein», deutlich häufiger zurück als seine Kategorie, prüfen Sie Schnitt, Gradierung und Etikett, bevor Sie die Kundschaft verantwortlich machen.
Kann KI Grössentabellen automatisch korrigieren?
Nicht von allein. Maschinelles Lernen kann Styles markieren, die klein oder gross ausfallen, und Grössen empfehlen, wie Zalando es beschreibt, doch eine Tabelle zu korrigieren bedeutet oft, die Produktspezifikation oder den Lieferantenprozess zu ändern. Betrachten Sie KI als Mittel, Untersuchungen zu priorisieren.
Wie stark kann bessere Grössenberatung die Retouren senken?
Veröffentlichte Zahlen schwanken und stammen vor allem aus Unternehmensberichten. Zalando gibt an, dass seine Lösungen für Grösse und Passform 2025 8 % der grössenbedingten Retouren verhindert haben und dass die Pilotprojekte mit dem Virtual Fitting Room die Retourenquoten um bis zu 40 % senkten. Rechnen Sie damit, dass Ihre Ergebnisse von Kategorie und Datenqualität abhängen.
Eine Ausgabe an jedem Werktag. In fünf Minuten gelesen. Kostenlos für Branchenprofis.
