Zum Inhalt springen
Implementa.
AutomatisierungPlaybook··7 Min.

Preise mit KI automatisieren: Vor dem dynamischen Preis kommt der aktuelle Preis

Preise mit KI automatisieren fängt fast nie mit Dynamic Pricing an. In den meisten Unternehmen geht Marge nicht verloren, weil du den optimalen Preis dieser Stunde verpasst, sondern weil der Lieferant im März erhöht hat und deine Preisliste im Juni nachzieht. Was die Maschine entscheiden darf, was ein Mensch freigeben muss, die zwei rechtlichen Grenzen, die du nicht automatisierst, und wo du anfängst.

Senior AI Operations Implementer

AI Operations Pod

Die Mail kommt an einem Dienstag: Der wichtigste Lieferant aktualisiert seine Preisliste, PDF im Anhang, „gültig ab dem 1.“. 1.800 Artikel. Jemand im Einkauf leitet sie an die Buchhaltung weiter, die Buchhaltung legt sie bis nach dem Monatsabschluss zur Seite, und deine Verkaufspreise werden sechs Wochen später angepasst. Sechs Wochen lang hast du mit neuen Kosten und alten Preisen verkauft. Niemand hat eine schlechte Preisentscheidung getroffen. Es hat schlicht niemand eine getroffen.

Die These in einem Satz: Preise mit KI automatisieren heißt nicht, jede Stunde den perfekten Preis zu verlangen, sondern nicht wochenlang den falschen. Dynamic Pricing ist die letzte Schicht, nicht die erste. Davor kommen zwei langweiligere und profitablere: Die Preisliste bildet die Kosten am selben Tag ab, an dem sie sich ändern, und jede Preisbewegung bleibt in einem Korridor, den eine namentlich benannte Person freigegeben hat.

Preise mit KI automatisieren: Was das wirklich bedeutet (und was nicht)

„KI-Pricing“ steht für vier sehr unterschiedliche Dinge, deren Risiken und Erträge sich kaum ähneln. Trenn sie, bevor du irgendwen nach einem Angebot fragst:

  • Kosten weitergeben. Ändert sich der Einkaufspreis, wird der Verkaufspreis mit deiner Margenregel neu berechnet und zur Freigabe vorgeschlagen. Diese Schicht holt im Handel und Großhandel am meisten Geld zurück, und kaum jemand macht sie.
  • Regeln mit Korridor. Der Preis reagiert auf Bestand, Haltbarkeit, Umschlag oder öffentliche Wettbewerbspreise, immer zwischen einer Untergrenze und einer Obergrenze, die jemand mit Namen festlegt.
  • Nachfragebasiertes Dynamic Pricing. Der Preis folgt der Nachfrage in Echtzeit. Sinnvoll bei vielen Transaktionen, vielen Daten und vergleichbaren Produkten: Flüge, Hotels, manche Onlineshops. In einem B2B-Katalog mit Stammkunden selten.
  • Personalisierte Preise. Ein anderer Preis je nach Profil des Käufers. Die Schicht mit dem größten rechtlichen und reputativen Gewicht, und im B2C rechnet sie sich fast nie.

Schau, wo die KI tatsächlich sitzt. In der ersten Schicht ist das Schwierige nicht die Margenberechnung – das ist eine Formel –, sondern das Lesen der Lieferantenpreisliste: PDFs mit wechselndem Format, Artikelnummern, die nicht zu deinen passen, andere Verkaufseinheiten. Hier bringt ein Sprachmodell echten Nutzen, weil es ein unordentliches Dokument in eine Tabelle verwandelt, die dein ERP versteht. In der dritten Schicht arbeitet meist kein LLM, sondern klassische statistische Elastizitätsmodelle. Wenn dir jemand einen Chatbot verkauft, der Preise festlegt, sei skeptisch.

Warum der Preis, den niemand aktualisiert, mehr kostet als der Preis, der nicht optimal ist

Der Preis ist der Hebel mit der größten Wirkung auf den Gewinn, und das ist nicht unsere Meinung. In „The power of pricing“ (McKinsey Quarterly, 2003) rechneten Marn, Roegner und Zawada vor, dass bei der durchschnittlichen Gewinn- und Verlustrechnung eines S&P-1500-Unternehmens eine Preiserhöhung um 1 % bei stabilem Volumen das operative Ergebnis um 8 % steigert. Das ist ein illustrativer Durchschnitt börsennotierter US-Unternehmen, keine Prognose für dein Geschäft, aber der Mechanismus gilt überall: Fast jeder Preispunkt landet direkt im Ergebnis, weil die Kosten schon bezahlt sind.

Dieselbe Rechnung funktioniert auch umgekehrt. Steigen deine Kosten und dein Preis nicht, geht jede Bestellung dieser Wochen mit gekürzter Marge raus, und diese Marge kommt nicht zurück. Die erste Frage lautet also nicht „Was ist der optimale Preis?“, sondern „Wie viele Tage vergehen zwischen einer Kostenänderung und einer Preisänderung?“ Wenn die Antwort in Wochen gemessen wird, ist das dein Projekt.

Was die Maschine entscheiden darf und was ein Mensch freigeben muss

Die Grenze zieht nicht die Technik, sondern wer für die Marge geradesteht. So teilen wir standardmäßig auf:

EntscheidungDie MaschineEin Mensch
Lieferantenpreisliste lesen und Artikel zuordnenJa, mit Prüfung der Nicht-TrefferKlärt die Ausnahmen
Preis mit der Margenregel neu berechnenJa, und schlägt vorGibt den Stapel frei
Preis innerhalb des Korridors bewegenJa, mit Protokoll jeder ÄnderungPrüft den Wochentrend
Untergrenze, Obergrenze und Margenregel festlegenNeinJa, pro Produktfamilie
Preis für einen Kunden mit verhandelten KonditionenNeinJa, immer

Die Logik ist dieselbe wie bei jeder Automatisierung mit Human in the Loop: Die Maschine erledigt das Volumen, der Mensch setzt die Regeln und gibt frei, was aus ihnen herausfällt. Was du nie delegierst, ist die Politik: wie viel Marge du pro Familie willst und wie weit du runtergehst, um einen Kunden zu halten.

Der Korridor: Untergrenze, Obergrenze und Tempo

Ein Preisalgorithmus ohne Grenzen ist ein Risiko, das niemand bewusst eingegangen ist. Drei Parameter machen ihn steuerbar, und alle drei werden aufgeschrieben, bevor irgendetwas live geht:

  1. Untergrenze. Der Preis, unter dem nicht verkauft wird, meist Kosten plus Mindestmarge. Schlägt das Modell weniger vor, wird nichts veröffentlicht: Es gibt einen Alarm.
  2. Obergrenze. Der Preis, ab dem der Stammkunde geht oder sich ärgert. Sie schützt die Beziehung, nicht die Tabelle.
  3. Tempo. Wie stark sich ein Preis an einem Tag oder in einer Woche bewegen darf. Ein Preis, der sich an einem Vormittag dreimal ändert, löst Kundenanrufe aus, auch wenn jede Änderung vertretbar ist.

Die zwei rechtlichen Grenzen, die du nicht automatisierst

Die erste betrifft das Kartellrecht, und der Referenzfall kommt aus den USA. Am 24. November 2025 kündigte das US-Justizministerium einen vorgeschlagenen Vergleich mit RealPage an, dessen Software bei der Festlegung von Mieten half: Unter anderem darf die Software keine nicht öffentlichen Wettbewerberdaten mehr nutzen, um Preise in Echtzeit festzulegen, und das Modelltraining ist auf historische Daten beschränkt, die mindestens zwölf Monate alt sind. Der Vergleich braucht noch die Zustimmung des Gerichts und ist US-Recht, aber die Lehre gilt auch hier: Wenn dein Preistool sich aus nicht öffentlichen Daten deiner Wettbewerber speist, ist das Problem kein technisches. Öffentliche Wettbewerbspreise und eigene Daten ja, ein gemeinsamer Topf sensibler Daten mit anderen Anbietern nein.

Die zweite betrifft das Verbraucherrecht und gilt, wenn du in der Europäischen Union an Privatkunden verkaufst. Die Richtlinie (EU) 2019/2161 verlangt, Verbraucher zu informieren, wenn der angezeigte Preis auf Basis automatisierter Entscheidungen anhand ihres Profils personalisiert wurde; jeder Mitgliedstaat hat sie in nationales Recht umgesetzt. Ein dynamischer Preis, der sich mit Nachfrage oder Uhrzeit ändert, ist kein personalisierter Preis, und genau diesen Unterschied musst du erklären können, wenn jemand fragt. Das ist eine allgemeine Information, keine Rechtsberatung: Lass deinen konkreten Fall prüfen.

Wann du Preise NICHT automatisieren solltest

Manchmal ist das richtige Projekt, es bleiben zu lassen, und die Liste ähnelt sehr der, wann man einen Prozess nicht mit KI automatisieren sollte:

  • Wenige Artikel, wenig Kostenbewegung. Wenn du zweimal im Jahr vierzig Preise anpasst, gewinnt eine gut gebaute Tabelle.
  • Preis pro Kunde verhandelt. Im B2B mit vertraglich vereinbarten Konditionen ist der Preis eine kaufmännische Entscheidung, keine Rechnung. Dort automatisierst du das Dokument, nicht die Zahl, wie wir in Angebote automatisieren, ohne Marge zu verlieren beschreiben.
  • Die Kosten stimmen nicht. Wenn die Kosten im ERP Fracht, Boni oder Schwund nicht enthalten, optimiert der Algorithmus auf eine falsche Zahl, nur schneller.
  • Niemand verantwortet die Marge. Ohne eine Person, die Unter- und Obergrenzen unterschreibt, endet jede Automatisierung im Streit zwischen Vertrieb und Finanzen.

Wo du anfängst: vier Wochen, eine Produktfamilie

  1. Woche 1: Miss die Verzögerung. Zähl bei den letzten Preisänderungen deiner drei wichtigsten Lieferanten die Tage zwischen der Ankündigung und deinem neuen Preis. Diese Zahl ist dein Business Case, und so wählst du den ersten zu automatisierenden Prozess mit Daten statt aus dem Bauch.
  2. Woche 2: Schreib die Politik auf. Margenregel, Untergrenze, Obergrenze und Tempo für eine einzige Familie. Unterschrieben von der Person, die für die Marge geradesteht.
  3. Woche 3: Verbinde die Systeme. Die Lieferantenpreisliste kommt rein, wird zur Tabelle, mit deinen Artikeln abgeglichen und erzeugt einen Preisvorschlag im ERP oder Shop. Das ist eine Frage davon, KI in deine Systeme zu integrieren, ob Odoo oder Shopify.
  4. Woche 4: Gib im Stapel frei und miss. Eine Person gibt den Wochenvorschlag frei. Du misst die Verzögerung in Tagen vorher und nachher und wie viele Vorschläge von Hand korrigiert wurden.

Sinkt die Verzögerung von Wochen auf Tage und gehen die manuellen Korrekturen mit der Zeit zurück, erweiterst du auf die nächste Familie. Wenn nicht, lag das Problem in den Kostendaten, und du hast es an einer Familie gemerkt statt am ganzen Katalog. Diesen Kreislauf durchgehend aufzubauen, von der Lieferantenmail bis zum veröffentlichten Preis, ist genau die Art Arbeit, die wir in der Automatisierung von Abläufen machen.

Der Satz fürs nächste Meeting: „Bevor wir über Dynamic Pricing reden: Wie viele Tage brauchen wir, um einen Preis zu erhöhen, wenn unsere Kosten steigen?“

Lassen wir's laufen?

Wenn dich das angesprochen hat, 30-Minuten-Gespräch ohne Verpflichtung. Wir sagen dir, was passt, was nicht und den ungefähren Preis.

Fallstudien ansehen
Preise mit KI automatisieren: Vor dem dynamischen Preis kommt der aktuelle Preis · Implementa