In Folge 114 von MY DATA IS BETTER THAN YOURS (MDIBTY) spricht Jonas Rashedi mit Andre B. (Head of Recommendation Systems, OTTO) über Recommender Systems. Konkret: Recommender-Systeme im Eigenbau lohnen sich ab einer Umsatz-Schwelle. OTTO ist deutlich drüber. Eigenentwicklung erlaubt spezifische Optimierung auf eigene Zielgruppe — Standard-Lösungen passen nie perfekt. Die Folge zeigt: Interne Recommender-Teams brauchen 20+ Data Scientists — das ist Commitment, nicht nebenbei.
3 Erkenntnisse aus dieser Folge
- 01
Recommender-Systeme im Eigenbau lohnen sich ab einer Umsatz-Schwelle. OTTO ist deutlich drüber.
- 02
Eigenentwicklung erlaubt spezifische Optimierung auf eigene Zielgruppe — Standard-Lösungen passen nie perfekt.
- 03
Interne Recommender-Teams brauchen 20+ Data Scientists — das ist Commitment, nicht nebenbei.
Worum es in dieser Folge geht
Andre leitet Recommender-Systeme bei OTTO. Wir sprechen über Eigenbau, Skalierung und was Recommender-Arbeit im Großen bedeutet.
Die Storyline
Build vs Buy
Für OTTO-Größe ist Eigenbau klar besser. Für kleinere Unternehmen oft nicht. Die Schwelle ist nicht magisch — aber unter 100 Millionen Euro E-Commerce lohnt sich Standard meistens.
Das ist die pragmatische Regel.
Warum Eigenbau bei OTTO
- Spezifische Optimierung: OTTO-Kund:innen verhalten sich anders als Zalando-Kund:innen.
- Kontrolle über Algorithmen: Kein Black-Box-Verhalten.
- Integration tief: Kein Standard-SDK.
- Kosten: Skaliert besser als Lizenz-Modelle.
Team-Größe
Was andere E-Commerce-Unternehmen mitnehmen
- Schwelle ehrlich prüfen. Nicht immer Eigenbau.
- Commitment akzeptieren. Es ist kein Neben-Projekt.
- Langfristig denken. Recommender brauchen Jahre zur Reife.
Warum mich das besonders umtreibt
Recommender-Systeme sind E-Commerce-Kern. Andres Folge zeigt OTTO-Scale-Realität. Für CDOs in E-Commerce: wichtige Referenz.
Jetzt reinhören
Jetzt reinhören
Diese Folgen könnten dich auch interessieren
Folge 323
Solo gegen alle: Wie 15 Jahre Datenhandwerk eine D2C-Brand allein tragen
Carlos Yniguez · 60Kollektiv
Folge 322
KI in NRW: Warum 90 % des Mittelstands noch nicht wirklich anfängt
Christian Temat · KI.NRW (Fraunhofer IAIS)
Folge 319
Warum Data Mesh ohne Data Citizens scheitert
Jonas Kell · Siemens Energy