Wie Zalando KI einsetzt: Assistent, Personalisierung und Grössenberatung

Zalando setzt KI an drei Stellen mit direktem Kundenkontakt ein: bei einem konversationellen Shopping-Assistenten auf Basis grosser Sprachmodelle, bei personalisierten Inspirationsangeboten wie dem KI-gestützten Feed und bei einer Grössenberatung, die Retourendaten, Massangaben der Marken und Computer Vision kombiniert. Das Unternehmen hat einige Ergebnisse veröffentlicht, namentlich einen Rückgang der grössenbedingten Retouren um 10 Prozent dank Grössenberatung. Die meisten Zahlen zur kommerziellen Wirkung bleiben jedoch unveröffentlicht.

Was hat Zalando aufgebaut?

Zalando, die 2008 gegründete Onlineplattform mit Sitz in Berlin, meldete im Juni 2024 62 Millionen aktive Kundinnen und Kunden sowie mehr als 7000 Markenpartner in 29 Märkten. Auf dieser Plattform hat das Unternehmen mehrere KI-Funktionen aufgebaut:

• Zalando Assistant: ein konversationelles Tool, erstmals 2023 in vier deutsch- und englischsprachigen Märkten eingeführt, mit dem Kundinnen und Kunden in natürlicher Sprache beschreiben, was sie suchen, und Produktvorschläge erhalten.
• Trend Spotter: eine wöchentlich aktualisierte Übersicht über aufkommende Trends in sechs europäischen Städten (Berlin, Paris, Mailand, Antwerpen, Stockholm und Kopenhagen), die später in den Assistenten integriert wurde.
• Discovery-Feed: ein personalisierter Feed mit Produkten, Marken und Inhalten, im Juli 2025 in sechs Ländern lanciert und im Oktober 2025 auf 16 weitere Märkte ausgeweitet.
• Grössenberatung: Grössenempfehlungen auf Basis der Kauf- und Retourenhistorie sowie seit Juli 2023 eine Funktion, die Körpermasse anhand von zwei Smartphone-Fotos vorhersagt.

Der Bericht des Vorstands zur Hauptversammlung 2026 zeigt, dass der Assistent näher an die Transaktion rückt: Kundinnen und Kunden können einen Artikel in den Warenkorb legen und eine Grösse wählen, fragen, was bereits im Warenkorb liegt, welche Produkte dazu passen, und direkt aus der Unterhaltung zum Checkout wechseln.

Warum hat Zalando in KI investiert?

Zwei Probleme ziehen sich durch die öffentlichen Aussagen von Zalando. Das erste ist die Produktfindung. Bei einem sehr grossen Sortiment erschweren Suchleiste und Kategoriefilter es den Kundinnen und Kunden, ein Bedürfnis wie ein Outfit für einen bestimmten Anlass auszudrücken. Zalando berichtete, dass die im Assistenten eingegebenen Anfragen dreimal so lang waren wie Eingaben in der Suchleiste, was auf komplexere Anliegen hindeutet. Das zweite sind Retouren. Laut Zalando ist rund ein Drittel aller Retouren grössenbedingt, womit die Passform direkt zu einer Kosten- und Nachhaltigkeitsfrage wird.

Über beidem steht ein strategisches Motiv. Als Zalando den Discovery-Feed im Oktober 2025 ausweitete, bezeichnete Mitgründer Robert Gentz dies als entscheidenden Moment auf dem Weg von einer primär transaktionalen zu einer inspirierenden Plattform. KI-gestützte Personalisierung ist der Mechanismus hinter diesem Wandel, denn ein Feed funktioniert nur, wenn er für jede einzelne Kundin und jeden einzelnen Kunden relevant ist.

Lesen Sie auch

Wie adidas KI einsetzt: vom Designarchiv bis zu generativem Content

Wie funktioniert das (Daten, Modelle, Prozess)?

Der Assistent läuft auf Modellen von OpenAI. Gemäss einer von OpenAI veröffentlichten Kundenstory stellte Zalando den Assistenten innerhalb von zwei Wochen von GPT-3.5 auf GPT-4o mini um, leitete zunächst die Hälfte des Traffics auf das neue Modell und verbesserte die Antwortqualität mit komponentenspezifischen Evaluationen und optimiertem Few-Shot-Prompting. Das Sprachmodell interpretiert die Anfrage und formuliert die Antwort; die angezeigten Produkte stammen aus Zalandos eigenem Katalog und eigenen Kundendaten.

Trend Spotter beruht laut Zalando nicht auf Verkäufen, sondern auf Signalen des Kundeninteresses: Suchanfragen, Likes und Warenkorb-Hinzufügungen. Die Grössen-Engine greift auf eine breitere Datenbasis zurück: von den Marken gelieferte Artikelmasse, die Retourenhistorie der Kundschaft samt angegebenen Retourengründen, Passform-Feedback zu früheren Bestellungen, im Profil hinterlegte Grössen, Grössen von anderswo gekauften Artikeln, Rückmeldungen von Fit-Models, die Kleidungsstücke anprobieren, sowie Computer Vision, die Grössenmuster bei ähnlichen Artikeln derselben Marke erkennt.

Welche Ergebnisse hat Zalando veröffentlicht?

Zalando und sein Modellanbieter haben nur wenige Kennzahlen veröffentlicht. Keine davon ist geprüft, und die meisten messen Engagement statt Gewinn:

• Grössenberatung: Laut Zalando haben die Angebote zur Grössenberatung die grössenbedingten Retouren um 10 Prozent reduziert.
• Nutzung des Assistenten: Bis Juni 2024 hatten mehr als 500'000 Kundinnen und Kunden den Assistenten genutzt, mit durchschnittlich rund vier Wortwechseln pro Unterhaltung.
• Engagement im Assistenten: Die Kundenstory von OpenAI nennt 23 Prozent mehr Produktklicks, über 40 Prozent mehr Wunschlisten-Einträge und 5 Prozent weniger als nicht hilfreich bewertete Empfehlungen; der Traffic stieg auf das Zwölffache, ohne dass die Kosten nennenswert zunahmen.
• Reichweite des Feeds: Laut HV-Bericht 2026 haben seit dem Start mehr als 25 Millionen einzelne Nutzende mit dem Feed interagiert.

Zalando hat weder die Wirkung des Assistenten auf Conversion, Warenkorbwert, Retouren oder Marge offengelegt noch die Betriebskosten der Sprachmodelle. Einige Engagement-Zahlen stammen aus einer Publikation des Anbieters, was bei ihrer Gewichtung zu berücksichtigen ist.

Wo liegen die Grenzen und offenen Fragen?

Das Folgende ist redaktionelle Analyse, keine Unternehmensangabe. Engagement ist nicht dasselbe wie Mehrumsatz: Mehr Klicks und Wunschlisten-Einträge können auch bedeuten, dass Kundinnen und Kunden länger stöbern, bevor sie dieselben Artikel kaufen. Ohne kontrollierte Ergebnisse zu Conversion und Retouren lässt sich der Business Case des Assistenten von aussen nicht beurteilen.

Die Grössenzahl muss sorgfältig gelesen werden. Bezöge sich der Rückgang um 10 Prozent auf alle grössenbedingten Retouren, entspräche er rund drei Prozent aller Retouren, da Grössenprobleme etwa ein Drittel ausmachen; Zalando hat diese Rechnung nicht selbst angestellt. Zudem hängt die Grössenberatung davon ab, dass die Marken korrekte Masse liefern, was bei Tausenden von Partnern unterschiedlich gut gelingt.

Der Aufbau des Assistenten auf einem externen Modell schafft Abhängigkeit von Preisgestaltung, Latenz und Modelländerungen des Anbieters, auch wenn Zalandos Migration innerhalb von zwei Wochen zeigt, dass sich dieses Risiko mit guter Evaluation beherrschen lässt. Schliesslich nutzen Personalisierung und Körpervermessung sensible Personendaten. Einwilligung, Transparenz und Datenminimierung sind daher laufende Pflichten und keine einmaligen Designentscheide.

Lesen Sie auch

Wie Nike KI einsetzt: Direktvertriebsdaten und generative Produktentwicklung

Was können andere Modeunternehmen daraus lernen?

1. Mit einem kostspieligen, messbaren Problem beginnen, für das bereits eigene Daten vorliegen. Retourengründe und Passform-Feedback waren Zalandos Rohmaterial für die Grössenberatung.
2. Zuerst in Produktdaten investieren. Eine Grössenberatung ist nur so gut wie die Artikelmasse, die die Marken liefern.
3. Das Sprachmodell als Schnittstelle über dem eigenen Katalog behandeln, damit sich das Modell austauschen lässt, ohne das Produkt neu zu bauen.
4. Vor der Skalierung Evaluationen auf Komponentenebene aufbauen; sie haben die schnelle Modellmigration erst möglich gemacht.
5. Geschäftsergebnisse messen, nicht nur Engagement, und vorab festlegen, welche Kennzahl weitere Investitionen rechtfertigt.