Welche Daten braucht KI-gestützte Grössenempfehlung? Masse, Passformhinweise und Retouren
Eine Grössenempfehlung ist nur so gut wie die Daten dahinter. Ein Praxisleitfaden zu den Kleidungs-, Kunden- und Retourendaten, die Grössen- und Passformmodelle brauchen, und dazu, wer im Unternehmen für welchen Teil verantwortlich ist.
DAS WICHTIGSTE Zusammenfassung der Redaktion
- KI-gestützte Grössenempfehlung kombiniert drei Arten von Daten: Kleidungsdaten (Masse und Passformabsicht pro Grösse), Kundendaten (Kaufhistorie, Passformfeedback und teilweise Körpermasse) sowie Retourendaten mit Gründen.
- Laut Zalando stützen sich seine Grössenhinweise und -empfehlungen auf von den Marken bereitgestellte Produktinformationen, auf Kauf- und Retourenverhalten, auf Passformfeedback der Kundschaft und auf Erkenntnisse geschulter Fit-Models, die Produkte anprobieren.
- Zalando berichtet, dass seine Grössen- und Passformlösungen 2025 8 Prozent der grössenbedingten Retouren verhinderten und dass seine grundlegenden Grössen- und Passformtools rund 70 Prozent des Sortiments abdecken.
- Retourengründe sind für Passformmodelle nur nützlich, wenn sie zwischen „zu klein“ und „zu gross“ unterscheiden und über alle Kanäle hinweg einheitlich erfasst werden.
- Marken, die genaue gradierte Masse und klare Passformbeschreibungen liefern, verbessern die Grössenempfehlung auf jedem Kanal, der ihre Produkte verkauft, auch auf Websites von Händlern und Marktplätzen.
KI-gestützte Grössenempfehlung braucht drei Dinge: genaue Kleidungsmasse für jede Grösse, Signale zur Kundin oder zum Kunden wie frühere Käufe, Passformfeedback oder Körpermasse sowie strukturierte Retourengründe, die angeben, ob ein Artikel zu klein oder zu gross war. Ohne konsistente Produktmasse und saubere Retourendaten greifen selbst ausgefeilte Modelle auf Mutmassungen zurück.
Warum ist die Grössenempfehlung für die Retouren wichtig?
Retouren sind im Online-Modehandel ein grosser Kostenfaktor, und Grösse und Passform sind ein wichtiger Treiber. Zalando schrieb im Juni 2026, dass die Retourenquoten im europäischen Online-Modehandel rund 50 Prozent erreichen können, dass Grösse und Passform für bis zur Hälfte dieser Retouren verantwortlich sind und dass die Retourenquoten bei Jeans 65 Prozent erreichen können. In den USA schätzte die National Retail Federation im Oktober 2025, dass Onlineretouren über den gesamten Handel hinweg 19,3 Prozent der Onlineumsätze ausmachen würden.
Zalando, das seit 2018 an Grösse und Passform arbeitet, mit einem internen Team von nach eigenen Angaben 80 Fachleuten, berichtet, dass seine Grössen- und Passformlösungen 2025 8 Prozent der grössenbedingten Retouren verhinderten. In einem früheren Unternehmensbeitrag hiess es, die Grössenberatung habe die grössenbedingten Retouren im Vergleich zu Artikeln ohne Grössenberatung um 10 Prozent gesenkt. Es handelt sich um Angaben des Unternehmens, doch sie vermitteln eine realistische Grössenordnung: spürbar, aber nicht wundersam.
Welche Kleidungsdaten braucht die Grössenempfehlung?
Die Grundlage bilden Produktdaten, die beschreiben, wie jede Grösse jedes Styles tatsächlich geschnitten ist. Modeteams haben diese Daten oft in technischen Paketen und Gradierungsdateien, doch sie gelangen selten sauber in die E-Commerce-Systeme.
| Datentyp | Beispiele | Übliche Verantwortung | Häufiges Problem |
|---|---|---|---|
| Gradierte Kleidungsmasse | Brust, Taille, Hüfte, Innenbeinlänge, Ärmel pro Grösse | Produktentwicklung, technisches Design | In PDFs oder Tabellen abgelegt, nicht in Produktdatensystemen |
| Passformabsicht | Slim, Regular, Relaxed, Oversized; Stretchanteil | Design, Merchandising | Uneinheitlich oder nur in Marketingtexten beschrieben |
| Zuordnung der Grössensysteme | EU, UK, US, Buchstabengrössen, markenspezifische Bezeichnungen | Produktdaten, E-Commerce | Umrechnungstabellen unterscheiden sich zwischen Marken und Märkten |
| Kauf- und Behaltenshistorie | Gekaufte und behaltene Grössen pro Kunde | E-Commerce, CRM | Nicht mit dem Retourenergebnis verknüpft |
| Retourengründe | Zu klein, zu gross, falsche Länge, Stil | Kundenservice, Logistik | Freitext oder vage Codes wie „passt nicht“ |
| Passformfeedback der Kundschaft | Bewertungen der Passform nach der Lieferung | E-Commerce | Geringe Rücklaufquoten |
| Körpermasse (optional) | Masse aus Smartphone-Fotos oder manueller Eingabe | E-Commerce, mit Einwilligung | Pflichten zu Datenschutz und Einwilligung |
Welche Kundendaten verbessern Grössenempfehlungen?
Die von Zalando veröffentlichten Beschreibungen zeigen, wie Kundensignale geschichtet werden. Die persönlichen Grössenempfehlungen nutzen die Kaufhistorie einschliesslich Retourengründen, die Grössen, die eine Kundin oder ein Kunde im Profil hinterlegt hat, Passformfeedback zu bestellten Artikeln und Referenzartikel, die gut passen, auch wenn sie anderswo gekauft wurden. Kundinnen und Kunden können zudem Marken und Produkte angeben, die ihnen gut passen, was hilft, das Sortiment zu filtern.
Seit Juli 2023 bietet Zalando Grössenempfehlungen auf Basis von Körpermassen an: Kundinnen und Kunden machen zwei Fotos, von vorne und von der Seite, in eng anliegender Kleidung, und das System sagt ihre Masse voraus. Laut dem Händler haben mehr als 1,5 Millionen Kundinnen und Kunden sein Tool zur Körpervermessung ausprobiert, und er verfügt nun über einen grossen anonymisierten Datensatz mit Körpermassen europäischer Modekundinnen und -kunden. Körperdaten sind aussagekräftig, aber sensibel. Sie erfordern deshalb nach Datenschutzrecht eine klare Einwilligung, Datenminimierung und Transparenz.
Wie werden Retourengründe in Passformmodellen genutzt?
Retourengründe machen aus einzelnen Enttäuschungen Produktwissen. Senden viele Kundinnen und Kunden einen Style als zu klein zurück, kann ein Modell ihn als klein ausfallend kennzeichnen und eine Grösse grösser empfehlen. Zalando beschreibt Grössenhinweise, die anzeigen, ob ein Artikel kleiner oder grösser ausfällt als erwartet, gestützt auf von den Marken bereitgestellte Masse, auf die Retourenhistorie und -gründe der Kundschaft und auf Erkenntnisse eines eigenen Teams von Fit-Models, die Artikel anprobieren. Zudem könne Computer Vision neue Artikel einer Marke mit bekannten Grössenproblemen kennzeichnen, noch bevor es eine Kauf- oder Retourenhistorie gibt.
- Verwenden Sie strukturierte Retourencodes, die zu klein, zu gross, zu kurz, zu lang und nicht wie beschrieben unterscheiden.
- Erfassen Sie die Gründe für Retouren über Website, App, Filiale und Marktplatz auf dieselbe Weise.
- Verknüpfen Sie jede Retoure mit der genauen SKU und Grösse und nicht nur mit dem Style.
- Ermöglichen Sie einen optionalen Freitextkommentar und werten Sie ihn separat aus.
- Überprüfen Sie die Qualität der Gründe regelmässig. Ein hoher Anteil „Sonstiges“ ist ein Datenproblem.
Wer ist in einem Modeunternehmen für Grössen- und Passformdaten verantwortlich?
Grössendaten überschreiten Abteilungsgrenzen, und das ist der Hauptgrund, warum sie oft mangelhaft sind. Das technische Design verantwortet die Masse, der E-Commerce das Kundenverhalten, der Kundenservice die Retourengründe, und das Merchandising schreibt die Passformbeschreibungen. Ein praxistaugliches Modell bestimmt eine verantwortliche Stelle für den Datensatz zu Grösse und Passform und legt fest, welches System das führende System für gradierte Masse ist.
Für Marken, die über Händler und Marktplätze verkaufen, steht mehr auf dem Spiel. Laut Zalando teilt das Unternehmen Retourenerkenntnisse mit Marken und zeigt ihnen, ob Grösse und Passform in ihren Kategorien ein wiederkehrendes Problem sind. Marken, die ihren Partnern genaue Masse und Passformbeschreibungen liefern, verbessern die Grössenberatung auf jedem Kanal, der ihre Produkte verkauft, und nicht nur auf ihrer eigenen Website.
Die Zuordnung der Grössensysteme verdient bei Marken, die in mehreren Märkten verkaufen, besondere Aufmerksamkeit. Dasselbe Kleidungsstück kann mit EU-, UK-, US- oder Buchstabengrössen ausgezeichnet sein, und die Umrechnungstabellen unterscheiden sich zwischen Marken. Ein Modell, das von Kundinnen und Kunden lernt, die bei einer Marke Grösse 38 und bei einer anderen Grösse M gekauft haben, braucht eine verlässliche Zuordnung zu den zugrunde liegenden Massen. Andernfalls lernt es die Bezeichnungen und nicht die Passform.
Wie sollte eine Marke beginnen, ihre Daten für die Grössenempfehlung zu verbessern?
- Wählen Sie eine Kategorie mit hohen Retouren, etwa Jeans oder Kleider, und erfassen Sie die gradierten Masse für jeden aktiven Style in einem strukturierten Format.
- Vereinheitlichen Sie Passformbezeichnungen und Stretchangaben innerhalb der Kategorie.
- Korrigieren Sie die Retourencodes so, dass die Richtung der Grössenabweichung immer erfasst wird.
- Verknüpfen Sie Retouren mit den Verkäufen auf SKU-Ebene, um Retourenquoten nach Grösse zu berechnen, und suchen Sie nach Styles, die klein oder gross ausfallen.
- Geben Sie die Erkenntnisse an die Produktentwicklung und an Handelspartner weiter und messen Sie die grössenbedingten Retourenquoten in den folgenden Saisons.
Häufige Fragen
Wie funktioniert KI-gestützte Grössenempfehlung?
Sie kombiniert Kleidungsmasse pro Grösse mit Signalen zur Kundin oder zum Kunden, etwa früheren Käufen und Retouren, Passformfeedback oder Körpermassen, und sagt die Grösse voraus, die am wahrscheinlichsten passt. Händler wie Zalando nutzen zudem aggregierte Retourengründe, um Artikel zu kennzeichnen, die klein oder gross ausfallen.
Was ist ein Grössenhinweis?
Ein Grössenhinweis ist eine Meldung auf einer Produktseite, die anzeigt, ob ein Artikel normal, klein oder gross ausfällt, oft mit der Empfehlung, eine Grösse grösser oder kleiner zu wählen. Er beruht in der Regel auf Retourengründen und Passformfeedback früherer Käuferinnen und Käufer sowie auf den Massangaben der Marke.
Senken Tools zur Grössenempfehlung die Retouren?
Veröffentlichte Ergebnisse deuten auf eine messbare, aber moderate Wirkung hin. Zalando berichtet, dass die Grössenberatung die grössenbedingten Retouren im Vergleich zu Artikeln ohne Beratung um 10 Prozent senkte und dass seine Grössen- und Passformlösungen 2025 8 Prozent der grössenbedingten Retouren verhinderten.
Sind Körpermasse Personendaten?
Ja. Körpermasse, die mit einem Kundenkonto verknüpft sind, sind Personendaten und erfordern nach Datenschutzrecht wie der DSGVO eine Rechtsgrundlage, Transparenz und einen sicheren Umgang. Händler sollten nur erheben, was nötig ist, und erklären, wie die Daten verwendet werden.
Eine Ausgabe an jedem Werktag. In fünf Minuten gelesen. Kostenlos für Branchenprofis.
