Der Marktplatz von Etsy mit Millionen von einzigartigen, handgefertigten Artikeln von verschiedenen Verkäufern steht vor Herausforderungen bei der Organisation seiner unstrukturierten Daten. Traditionelle Methoden der Produktdatenextraktion hatten mit dem vielfältigen Inventar und den begrenzten strukturierten Daten zu kämpfen. Large Language Models (LLMs) boten eine neue Möglichkeit, unstrukturierte Produktinformationen in strukturierte Daten umzuwandeln. Etsy entwickelte eine skalierbare Pipeline unter Verwendung von LLMs, wobei der Schwerpunkt auf Context Engineering lag, um die Genauigkeit der Attributextraktion zu verbessern. Diese Pipeline nutzt von Verkäufern bereitgestellte Daten, Expertenbeispiele und die Taxonomie von Etsy. Die Bewertung der LLM-Ausgabe beinhaltet die Generierung von "Silver Labels" und die Nutzung von Domänenexperten zur Qualitätssicherung. Der Inferenzprozess extrahiert Attribute, verwendet LiteLLM für das regionale Routing und setzt Pydantic für die Datenvalidierung ein. Robuste Überwachungssysteme verfolgen den Zustand der Pipeline und die Leistungskennzahlen des Modells. Die Anwendung von LLM-generierten Attributen auf Suchfilter hat das Käuferengagement und die Konversionsraten verbessert. Etsy zielt darauf ab, den Einsatz von LLMs weiter auszubauen, um das Einkaufs- und Verkaufserlebnis weiter zu verbessern. Das ultimative Ziel ist es, sicherzustellen, dass die Bedürfnisse von Käufern und Verkäufern mit maximaler Effizienz erfüllt werden.