Compliance mit Machine Learning transformieren

EPAM & Zalando entwickeln skalierbare, automatisierte EPR-Lösung mit Databricks & AWS

Auf einen Blick

Kunde

Zalando

Strategische Partner

Amazon Web Services (AWS)
Databricks

Dienstleistungen

Künstliche Intelligenz
Daten & Analysen

Branche

Handel

Zalando, eine der führenden Online-Modeplattformen Europas, suchte nach einer Möglichkeit, seinen Prozess zur Einhaltung der Extended Producer Responsibility (EPR) zu optimieren. Angesichts der Herausforderung, EPR-Vorschriften für eine achtstellige Anzahl von Produktartikeln manuell zu verwalten, benötigte Zalando eine skalierbare, automatisierte Lösung zur Kennzeichnung und Kategorisierung seiner Produkte. In Zusammenarbeit mit Databricks und AWS entwickelte EPAM für Zalando ein hochentwickeltes Machine-Learning-Produkt, das automatisierte Kennzeichnungsfunktionen mit intelligenten Überwachungsmechanismen kombiniert und so sowohl Genauigkeit als auch Anpassungsfähigkeit – jetzt und in der Zukunft – gewährleistet.

NACHHALTIGE MODE

Bewältigung komplexer regulatorischer Herausforderungen

Mit über 52 Millionen aktiven Kunden in ganz Europa und mehr als 6.000 Marken in seinem Portfolio nimmt Zalando eine einzigartige Position im europäischen Mode-Ökosystem ein. Zalando ist bereit, seine Rolle als Wegbereiter zu übernehmen – als Katalysator, Vermittler und Verbindungsglied, um den Fortschritt hin zu einer verantwortungsbewussteren Modeindustrie voranzutreiben. Wie andere Hersteller auch ist Zalando durch die EPR-Richtlinie für den gesamten Lebenszyklus seiner Produkte verantwortlich, insbesondere in Bezug auf Abfallmanagement und Recycling.

Im Jahr 2024 wurde der manuelle EPR-Compliance-Prozess von Zalando immer schwieriger zu verwalten. Angesichts von Millionen von Produkten, die eine präzise Klassifizierung für die Abfallentsorgungsvorschriften erfordern, erkannte das Unternehmen die Notwendigkeit, die Effizienz zu steigern und das Fehlerrisiko zu reduzieren, um einen reibungslosen Betrieb und die Einhaltung der Vorschriften in mehreren Märkten zu gewährleisten.

Zalando wandte sich an seinen langjährigen Partner EPAM, um mit dessen fundiertem Daten- und ML-Expertise eine Lösung zu entwickeln, die diese Herausforderungen bewältigt. Gemeinsam entwickelten wir ein integriertes ML-Produkt, das die Herangehensweise von Zalando an die EPR-Compliance grundlegend veränderte.

Aufbau einer skalierbaren EPR-Lösung

EPAMs Team entwickelte ein erweiterbares, anpassbares und konfigurierbares System, das die AWS-Cloud-Infrastruktur nutzt, um EPR-Tags automatisch zuzuweisen. Die Lösung basiert auf ML-gestützten Datenpipelines in Databricks, wobei jedes Modell präzise darauf trainiert ist, Artikel gemäß der EPR-Gesetzgebung anhand von Produkteigenschaften, Anzeigenamen und Beschreibungen zu kennzeichnen. Dies ermöglicht eine Klassifizierungsgenauigkeit, die menschliche Fähigkeiten übertrifft, und bietet gleichzeitig die Flexibilität, sich an sich ändernde Vorschriften anzupassen.

Ein wesentlicher Bestandteil der Lösung ist die EPR Control Plane, die dynamische Rekonfigurationsmöglichkeiten bietet, um in Echtzeit Anpassungen an Kategorien, Prioritäten und Compliance-Regeln vorzunehmen. Dies ermöglicht es Zalando, schnell auf regulatorische Änderungen in verschiedenen Ländern zu reagieren und nahtlos neue Produktkategorien in sein Compliance-Framework zu integrieren.

Die neue EPR-Lösung brachte bedeutende Verbesserungen in vier zentralen Bereichen:

Erhöhung der Transparenz des EPR-Prozesses

Verbesserung der Datenqualität, Genauigkeit und Zuverlässigkeit

Reduzierung des manuellen Validierungsaufwands

Skalierung des EPR-Klassifizierungsprozesses

Key Features

Automatische Zuweisung von EPR-Tags für alle Produktartikel sowie neue Produkte, die auf der Website live gehen

Möglichkeit zur Überprüfung oder Neuzuweisung von ML-generierten Tags bei geringer Vorhersagewahrscheinlichkeit für EPR

Erstellung oder Bearbeitung neuer EPR-Kategorien für spezifische Länder basierend auf Änderungen oder Aktualisierungen der Gesetzgebung

Versionskontrollfunktion zur Nachverfolgung von Bearbeitungen oder Aktualisierungen von EPR-Tags, inklusive Begründung
Verknüpfung mehrerer Länder mit einer einzigen EPR-Kategorie zur effizienten Wiederverwendung von Modellen für dieselbe Gesetzgebung und zur Verbesserung der Wartbarkeit

Festlegung von Prioritäten für EPR-Kategorien und Möglichkeit zur Überschreibung von EPR-Tags in spezifischen Fällen

Filter- und Sortierfunktionen für Daten in Tabellen zur Verbesserung der Benutzererfahrung

Möglichkeit, das Modell mit neuen Daten neu zu trainieren, um die Genauigkeit zu erhöhen und Gesetzesänderungen zu berücksichtigen