Boosting the customer retail experience with GPT-4o mini
Zusammenfassung
Kurz
Zalando berichtet, dass eine verbesserte Evaluation und der Wechsel zu GPT‑4o mini die Ausweitung des Einkaufsassistenten auf 25 Märkte sowie mehr Produktklicks und Wunschlisteneinträge ermöglicht hätten. Die genannten Leistungs- und Kostenzahlen sind Unternehmensangaben; Messmethoden, Vergleichszeitraum und unabhängige Prüfung fehlen im Bericht.
Mittel
Der Bericht schildert die Weiterentwicklung des Zalando Assistant, der personalisierte Produktempfehlungen geben und die Suche erleichtern soll. Nach dem Start in vier deutsch- und englischsprachigen Märkten 2023 sollte der Dienst auf mehr als 20 Märkte ausgeweitet werden. Dafür verbesserte Zalando gemeinsam mit OpenAI zunächst die Evaluation: Einzelne Systemteile wie Anfrageweiterleitung und Antworterstellung wurden separat geprüft, und bessere Beispiele in Few-shot-Prompts sollten die Qualitätsbewertung schärfen.
Danach wechselte das Unternehmen von GPT‑3.5 zu GPT‑4o mini. Laut Bericht erfolgte die Umstellung zur Hälfte innerhalb von zwei Wochen; der Assistent unterstützte anschließend weitere Sprachen, darunter Französisch und Spanisch. Zalando meldet gegenüber der früheren Version 23 Prozent mehr Produktklicks, 41 Prozent mehr Wunschlisteneinträge und 5 Prozent weniger als nicht hilfreich bewertete Empfehlungen. Außerdem sei das Verkehrsvolumen um den Faktor zwölf gestiegen, ohne wesentlich höhere Ausgaben.
Die Angaben stammen aus dem Unternehmensbericht. Vergleichszeitraum, Messmethoden und unabhängige Bestätigung werden nicht genannt; auch der jeweilige Beitrag des Modellwechsels und der Evaluation bleibt unklar.
Ausführlich lesen
Der Bericht beschreibt, wie Zalando seinen KI-gestützten Einkaufsassistenten mit OpenAI weiterentwickelt hat. Zalando wird als große europäische Mode- und Lifestyle-Plattform mit mehr als 50 Millionen Kundinnen und Kunden in 25 Ländern vorgestellt. Der Assistent soll personalisierte Empfehlungen geben und das Entdecken von Produkten erleichtern. Laut Bericht stiegen gegenüber der vorherigen Version die Klicks auf Produkte um 23 Prozent und die Wunschlisteneinträge um 41 Prozent; zugleich sank die Zahl der als „nicht hilfreich“ bewerteten Empfehlungen um 5 Prozent. Eine einleitende Zusammenfassung rundet den Zuwachs bei Wunschlisteneinträgen auf über 40 Prozent ab.
Die erste Version des Assistenten war 2023 in vier deutsch- und englischsprachigen Märkten gestartet. Für 2024 plante Zalando eine Ausweitung auf mehr als 20 Märkte. Dafür musste das System nach Darstellung des Berichts in über 20 Sprachen funktionieren und differenzierte Anweisungen besser umsetzen. Die vorherige Version auf Basis von GPT‑3.5 habe bei Fragen nach saisonaler Kleidung oder Outfits für bestimmte Anlässe oft zu allgemeine Vorschläge geliefert.
Zalando und OpenAI konzentrierten sich auf zwei Änderungen: ein genaueres Prüfverfahren und ein leistungsfähigeres Modell. Das neue Evaluationsverfahren prüfte einzelne Bestandteile des Systems, etwa die Weiterleitung von Anfragen und die Erstellung von Antworten, getrennt voneinander. Außerdem verbesserte das Team die Beispiele in sogenannten Few-shot-Prompts. Anhand von Beispielen guter und schwacher Antworten sollte das Modell Bewertungen besser einordnen und die Qualitätsmaßstäbe nachvollziehen können. Laut Bericht halfen diese Anpassungen, Stärken und Schwächen gezielter zu erkennen und die Umstellung vorzubereiten.
Anschließend wechselte Zalando von GPT‑3.5 zu GPT‑4o mini, das im Bericht als kosteneffizienter und für mehrsprachige sowie anweisungsgeleitete Aufgaben geeigneter beschrieben wird. Innerhalb von zwei Wochen wurde demnach die Hälfte des Datenverkehrs auf das neue Modell umgestellt; der Rest folgte kurz darauf. Der Assistent konnte damit unter anderem auf Französisch und Spanisch verfügbar werden. Der Bericht schreibt dem Modell außerdem geringere Antwortzeiten und niedrigere Betriebskosten zu.
Als Ergebnis nennt der Artikel eine Ausweitung auf alle 25 Zalando-Märkte mit mehreren Sprachen und kulturellen Kontexten. Das Verkehrsvolumen habe um den Faktor zwölf skaliert werden können, ohne wesentlich mehr auszugeben. Zalando plane zudem, die dialogischen Fähigkeiten auszubauen, damit der Assistent auch konkrete Fragen zu Anlässen, Jahreszeit und Ort beantworten kann.
Die Zahlen und Wirkungszusammenhänge sind Angaben des Unternehmensberichts. Ein genauer Vergleichszeitraum, die Methodik zur Messung der Kennzahlen und unabhängige Prüfungen werden im vorliegenden Text nicht erläutert. Daher belegt der Bericht die Resultate nicht unabhängig; zudem lässt sich aus ihm nicht ablesen, welchen Anteil das neue Modell und welchen das verbesserte Evaluationsverfahren jeweils an den Veränderungen hatte.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Lunas Zusammenfassungen sind weitgehend treu und erfinden keine Fakten. Die Zahlen stammen aus einer von OpenAI veröffentlichten Kundengeschichte mit Zalando-Angaben, nicht aus einem neutralen Unternehmensbericht; das sollte die Einordnung der Leistungsaussagen berücksichtigen. Der Bericht passt thematisch kaum zu den Fragen der Sammlung, weshalb die Einstufungen niedrig ausfallen.
Im Bericht, aber nicht in der Zusammenfassung
- Die Kurzfassung nennt weder den Faktor zwölf beim Verkehrsvolumen noch den Rückgang nicht hilfreicher Empfehlungen um 5 Prozent.
- Der Ausblick auf konversationelle Fähigkeiten des Assistenten, etwa für Anlassfragen wie Outfits in Barcelona, fehlt in beiden Fassungen.
- Die Angabe zur Reichweite von Zalando (über 50 Mio. Kunden in 25 Ländern) fehlt in beiden Fassungen.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Fähigkeiten messen
- SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 56 %gleiches Oberthema, hilft nicht
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 30 %Hintergrund, keine Belege
- JEV 24 %Hintergrund, keine Belege
- amos 34 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-F4-T03 Welche neue Prüfung braucht jeder Einsatz, wenn Fähigkeiten zunehmend im Nachdenken des Modells während der Nutzung stecken statt in einem einmal trainierten Modell, und würden die für ein festes Modell gebauten Freigabetests das noch erfassen?
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 39 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 31 %einzelne zitierbare Belege
- JEV 100 %kein Bezug
- amos 28 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 38 %gleiches Oberthema, hilft nicht
- d3-ultra
- Haiku-Prüfung nur am Rande erwähnt
- SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten?
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 50 %Hintergrund, keine Belege
- JEV 36 %gleiches Oberthema, hilft nicht
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- Haiku-Prüfung kein Bezug
- SF-T1-T05 Welche messbaren Vergleichswerte würden zeigen, dass die Ausrichtung der Modelle eines Labors an den vorgesehenen Zielen und Werten schneller vorankommt, als ihre Fähigkeiten wachsen, über das Fehlen öffentlicher Fehlschläge hinaus?
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 55 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 78 %gleiches Oberthema, hilft nicht
- d3-ultra
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 31 %gleiches Oberthema, hilft nicht
- SubQ 46 %gleiches Oberthema, hilft nicht
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 52 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 60 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 32 %einzelne zitierbare Belege
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 61 %einzelne zitierbare Belege
- JEV 39 %umfangreiche Belege
- amos 28 %gleiches Oberthema, hilft nicht
- SubQ 46 %gleiches Oberthema, hilft nicht
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten?
- SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar?
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 34 %gleiches Oberthema, hilft nicht
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 50 %gleiches Oberthema, hilft nicht
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 38 %gleiches Oberthema, hilft nicht
- JEV 41 %einzelne zitierbare Belege
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 29 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 43 %gleiches Oberthema, hilft nicht
- JEV 29 %gleiches Oberthema, hilft nicht
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 29 %gleiches Oberthema, hilft nicht
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra
Weitere Berichte zu diesen Fragen
- Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- Alle Berichte im Archiv