Kalkuliert wird im Mittelstand meist einmal im Jahr, dann liegt der Preis fest, komplett unabhängig davon, ob die Nachfrage gerade explodiert oder das Lager überquillt. Große Handelsketten und Airlines rechnen ihre Preise dagegen im Minutentakt neu. Der Unterschied hängt inzwischen weniger an der Unternehmensgröße als daran, ob sich im Haus jemand mit dem Thema beschäftigt hat.
Ein Preisschild von Hand: Was hier auf Papier steht, hängt woanders längst an einem Algorithmus. Foto: Sora Shimazaki auf Pexels
Inhalt · 6 Abschnitte
Warum ausgerechnet der Preis der letzte blinde Fleck ist
KI hat im Mittelstand inzwischen einige Bereiche erobert: Buchhaltung, Kundenservice, Recruiting, Social Media. Beim Preis bleibt es dagegen meist beim jährlichen Kalkulationsblatt, das im Wesentlichen die Kosten des Vorjahres plus einen Aufschlag fortschreibt. Das ist erstaunlich, denn der Preis ist der einzige Hebel im Unternehmen, der direkt und ohne Zeitverzug auf die Marge wirkt. Eine Preiserhöhung um zwei Prozent schlägt sich, sauber gerechnet, oft stärker auf den Gewinn nieder als eine Kostensenkung um denselben Betrag, weil sie nicht durch zusätzliche Stückkosten aufgefressen wird.
Der Grund für die Zurückhaltung ist selten Unwissen, sondern Angst. Wer den Preis falsch anfasst, verliert Kunden, das haben die meisten Unternehmer schon einmal erlebt oder zumindest gehört. Genau deshalb bleibt der Preis oft die letzte Stellschraube, an die sich niemand herantraut, obwohl gerade hier die KI-gestützten Werkzeuge inzwischen weit über plumpe Rabattautomatik hinausgehen.
41 Prozent der Unternehmen setzen KI aktiv ein, nach 17 Prozent im Vorjahr. Weitere 48 Prozent planen den Einsatz. Bei Unternehmen ab 500 Beschäftigten liegt die Nutzung über 60 Prozent.
Bitkom, Studienbericht Künstliche Intelligenz 2026, telefonische Befragung von 604 Unternehmen ab 20 Beschäftigten
Diese Zahlen zeigen zugleich die Kehrseite: Zwischen den Großen und dem klassischen Mittelstand klafft eine Lücke von rund zwanzig Prozentpunkten. Beim Pricing ist dieser Abstand noch größer, weil Dynamic Pricing lange als Spielwiese für Amazon und Fluggesellschaften galt und viele Mittelständler es bis heute für ihr Geschäft für ungeeignet halten.
Die sechs Ansätze, die im Mittelstand tatsächlich funktionieren
Die folgenden sechs Ansätze sind bewusst nach Einstiegshürde sortiert, vom einfachsten Fall bis zur komplexeren Lösung. Kein Mittelständler muss alle sechs gleichzeitig angehen.
1. Auslastungsbasierte Preise im Handwerk und bei Dienstleistungen. Wenn die Werkstatt voll ist, steigt der Preis für neue Aufträge, wenn sie leer ist, sinkt er, um Aufträge zu gewinnen. Das Prinzip ist uralt und jeder erfahrene Meister macht das intuitiv im Kopf. Neu ist, dass sich das inzwischen systematisch statt aus dem Bauch heraus steuern lässt, weil Terminkalender, Kapazitätsauslastung und Auftragshistorie digital vorliegen und ein Modell daraus eine Preisempfehlung ableiten kann, statt dass die Entscheidung an der Tagesform der Person am Empfang hängt.
2. Wettbewerbsbeobachtung in Echtzeit statt Stichproben. Viele Mittelständler prüfen die Preise der Konkurrenz einmal im Quartal per Hand, wenn überhaupt. KI-gestützte Tools wie Aimondo, Omnia Retail oder QuickLizard scannen Wettbewerberpreise dagegen laufend und schlagen Anpassungen vor, statt sie automatisch auszuführen. Der Unterschied zur reinen Rabattschlacht liegt in der Kontrolle: Das System liefert eine Empfehlung mit Begründung, die Entscheidung bleibt bei einem Menschen, der auch die eigene Positionierung im Blick behält.
3. Bündel- und Cross-Selling-Preise auf Basis von Kaufmustern. Statt jedes Produkt einzeln zu kalkulieren, erkennen Modelle, welche Artikel häufig zusammen gekauft werden, und schlagen Bündelpreise vor, die den Warenkorbwert erhöhen, ohne den Eindruck eines Rabatts zu erwecken. Für B2B-Händler mit großem Sortiment ist das oft der Bereich mit dem schnellsten sichtbaren Effekt, weil die Kundschaft eine Bündelung als Service wahrnimmt und nicht als Preistrick.
4. Saisonale und Nachfrage-Prognosen für die Vorab-Kalkulation. Wer weiß, dass ein Produkt im Herbst typischerweise stärker nachgefragt wird, kann die Preisstrategie schon Wochen vorher planen, statt erst zu reagieren, wenn das Lager leer oder voll ist. Das ist im Kern dieselbe Prognosetechnik, die auch beim Forecasting im Controlling zum Einsatz kommt, nur auf den Verkaufspreis statt auf die Liquidität angewendet. Wer sich für die Grundlagen solcher Prognosemodelle interessiert, findet in unserem Artikel zu KI im Controlling und Forecasting den technischen Unterbau, der hier eins zu eins wiederverwendet werden kann.
5. Kundenspezifische B2B-Rahmenpreise statt starrer Listenpreise. Im B2B-Vertrieb verhandeln viele Mittelständler noch nach Gefühl, wer welchen Rabatt bekommt. KI-gestützte Modelle werten historische Abschlüsse aus und schlagen dem Vertrieb eine Preisspanne vor, innerhalb derer verhandelt werden kann, abgestimmt auf Bestellmenge, Zahlungshistorie und Kundenbindung. Das nimmt dem einzelnen Vertriebler nicht die Entscheidung ab, verhindert aber, dass zwei vergleichbare Kunden am Ende völlig unterschiedliche Konditionen bekommen, nur weil unterschiedliche Personen verhandelt haben. Wie sich das in bestehende Vertriebsprozesse einfügt, beschreibt unser Beitrag zu KI im B2B-Vertrieb für Mittelständler ausführlicher.
6. Automatisierte Einkaufspreis-Kopplung. Der aufwendigste, aber auch wirkungsvollste Ansatz koppelt den Verkaufspreis direkt an schwankende Einkaufskosten, etwa bei Rohstoffen oder importierten Vorprodukten. Statt die gestiegenen Einkaufspreise erst mit Verzögerung in eine neue Preisliste zu übertragen, passt ein Modell die Verkaufspreise laufend an die tatsächliche Kostenbasis an. Das setzt allerdings voraus, dass die Einkaufsseite bereits sauber digitalisiert ist. Wer dort noch am Anfang steht, findet in unserem Artikel zu KI im Einkauf und in der Beschaffung die Vorstufe, die vor diesem sechsten Schritt geklärt sein sollte.
Was die Zahlen wirklich hergeben
Der Markt für Dynamic-Pricing-Software wächst laut der Marktanalyse von Fact.MR von 1,5 Milliarden US-Dollar im Jahr 2025 auf 1,8 Milliarden US-Dollar im laufenden Jahr und weiter auf 10,5 Milliarden US-Dollar bis 2036, also um 19,0 Prozent im Jahr. Für den Einkauf heißt das vor allem eines: In den nächsten Jahren kommen mehr Anbieter und mehr fertige Branchenlösungen auf den Markt, die Einstiegshürde sinkt also weiter.
Eine Warnung zu Marktzahlen, die zu diesem Thema im Netz kursieren. Ein guter Teil davon stammt aus Berichten zum sogenannten Dynamic Discounting, das mit 1,43 Milliarden US-Dollar für 2025 und 24,5 Prozent Wachstum beziffert wird. Dahinter steckt etwas anderes: automatisierte Skonti auf Eingangsrechnungen, ein Thema der Kreditorenbuchhaltung. Wer die beiden Begriffe verwechselt, plant mit Zahlen aus dem falschen Markt.
Gleichzeitig zeigt die aktuelle OECD-Erhebung unter mehr als 2.000 kleinen und mittleren Unternehmen aus zwölf Ländern ein nüchterneres Bild der Reife: 61 Prozent der befragten Betriebe nutzen inzwischen mindestens eine KI-Anwendung, aber 76 Prozent davon gelten laut Studie als KI-Neulinge, die einzelne Werkzeuge isoliert einsetzen, statt KI in zentrale Geschäftsprozesse wie die Preisfindung zu integrieren. Nur 6 Prozent der befragten Unternehmen berichten von einer wirklich transformativen Wirkung. Als größte Hemmnisse nennen die Betriebe laufende Wartungskosten mit 39 Prozent und Hardwarekosten mit 37 Prozent, nicht fehlendes Interesse.
Ein Beispiel aus der Praxis zeigt, wie niedrigschwellig der Einstieg sein kann: Handwerksbetriebe, die ihre Kapazitätsauslastung ohnehin digital in einer Terminplanungssoftware pflegen, können diese Daten direkt für eine automatisierte Preisempfehlung nutzen, ohne ein komplett neues System einzuführen. Der Unterschied zur bisherigen Praxis liegt in der Systematik: Die Entscheidung fällt nach Datenlage statt nach Tagesform.
Wo die Kundenflucht tatsächlich beginnt
Der Reflex, dynamische Preise abzulehnen, kommt meist aus einer berechtigten Sorge: Kunden reagieren allergisch, wenn sie das Gefühl bekommen, ausgenutzt zu werden. Die Erfahrung aus Branchen, die Dynamic Pricing schon länger einsetzen, zeigt aber: Verärgert werden Kunden von Preisänderungen, die sie sich nicht erklären können. Ein Flugpreis, der je nach Buchungszeitpunkt schwankt, wird inzwischen akzeptiert, weil das Prinzip bekannt ist. Ein B2B-Kunde, der für dieselbe Bestellmenge plötzlich einen anderen Preis als beim letzten Mal bekommt, ohne dass er den Grund versteht, fühlt sich dagegen benachteiligt.
Deshalb funktionieren die Ansätze, die im Mittelstand am besten laufen, über nachvollziehbare Logiken: Auslastung, Bestellmenge, Vorlaufzeit. Sobald ein Kunde den Mechanismus versteht, und sei es nur in groben Zügen, sinkt der Widerstand deutlich. Reine Blackbox-Preise, bei denen selbst der Vertrieb nicht erklären kann, warum ein Angebot gerade so hoch ausfällt, sind dagegen fast garantiert der Weg in die Beschwerde.
Was das Gesetz zu personalisierten Preisen verlangt
Im B2B-Geschäft ist in Deutschland mehr erlaubt, als viele annehmen. Unterschiedliche Kunden dürfen unterschiedliche Preise zahlen, solange keine Preisabsprachen mit Wettbewerbern dahinterstehen. Das ist dort eine Frage der Verhandlung, nicht der Zulässigkeit.
Im Verbrauchergeschäft gibt es dagegen eine konkrete Pflicht, die in Diskussionen über Dynamic Pricing selten auftaucht. Seit dem 28. Mai 2022 verlangt Art. 246a Paragraf 1 Absatz 1 Satz 1 Nummer 6 EGBGB, aus der Omnibus-Richtlinie (EU) 2019/2161 ins deutsche Recht übernommen, im Fernabsatz “gegebenenfalls den Hinweis, dass der Preis auf der Grundlage einer automatisierten Entscheidungsfindung personalisiert wurde”. Der Hinweis gehört vor den Vertragsschluss und an den Preis selbst. Ein Satz in den AGB reicht dafür nicht.
Wichtig ist, was “personalisiert” an dieser Stelle heißt: die Anpassung an die einzelne Person, etwa anhand ihres bisherigen Kaufverhaltens, ihres Standorts oder ihres Endgeräts. Genau diese Variante lösen die sechs Ansätze weiter oben gar nicht aus. Ein Preis, der an Auslastung, Bestellmenge oder Vorlaufzeit hängt, fällt für jeden Kunden in derselben Lage gleich aus und ist damit kein personalisierter Preis im Sinn der Vorschrift. Die Logiken, die beim Kunden am besten ankommen, verursachen also zugleich den geringsten rechtlichen Aufwand.
Das Thema kommt absehbar zurück. Die EU-Kommission hat den Digital Fairness Act für das dritte Quartal 2026 angekündigt; die öffentliche Konsultation dazu lief vom 17. Juli bis zum 24. Oktober 2025. Zu den Regelungsfeldern gehören Dark Patterns und Personalisierung, ausdrücklich auch personalisierte Preise, die eine Schwächesituation ausnutzen. Ein pauschales Verbot personalisierter Preise steht nach dem bisher bekannten Stand nicht im Raum, schärfere Transparenzpflichten schon. Bis daraus geltendes Recht wird, vergeht nach dem üblichen Verfahrensweg noch einige Zeit. Wer heute mit nachvollziehbaren Logiken startet, muss daran später nichts umbauen.
Wer personenbezogene Kundendaten für die Preisfindung nutzt, etwa individuelles Kaufverhalten, muss zusätzlich die DSGVO im Blick behalten. Genau diese Frage klären wir ausführlicher in unserem Beitrag zu DSGVO-konformen KI-Tools für KMU, bevor Kundendaten in ein Pricing-Modell einfließen.
In drei Schritten einsteigen, ohne die Kundenbeziehung zu riskieren
Schritt 1: Einen einzigen Bereich mit klarer Datenlage auswählen. Für die meisten Mittelständler ist das entweder die Kapazitätsauslastung bei Dienstleistungen oder die Wettbewerbsbeobachtung im Handel, weil beide Datenquellen meist schon vorliegen und nicht erst aufgebaut werden müssen.
Schritt 2: Mit Empfehlungen statt Automatik starten. In der ersten Phase sollte das System Preise vorschlagen, nicht automatisch setzen. Das gibt dem Team Zeit, dem Modell zu vertrauen, und verhindert, dass ein fehlerhafter erster Lauf sofort beim Kunden landet.
Schritt 3: Erst nach einer Testphase von acht bis zwölf Wochen automatisieren. Wer in dieser Zeit sieht, dass die Empfehlungen regelmäßig übernommen werden und die Marge tatsächlich steigt, kann die Freigabe schrittweise automatisieren, zunächst innerhalb enger Preiskorridore, später mit mehr Spielraum.
Wer noch unsicher ist, wie sich ein erstes KI-Projekt im eigenen Haus überhaupt strukturiert aufsetzen lässt, findet dafür eine praxisnahe Vorlage in unserem Leitfaden zu KI-Werkzeugen für den Mittelstand mit No-Code-Automatisierung, der sich auch auf Pricing-Workflows übertragen lässt, ohne dass gleich eine komplette Speziallösung angeschafft werden muss. Womit wir Unternehmen bei solchen Projekten konkret unterstützen, steht auf unserer Seite zur KI-Automatisierung.
Häufige Fragen
Ist dynamische Preisgestaltung im B2B-Geschäft in Deutschland überhaupt erlaubt?
Ja, solange keine Preisabsprachen mit Wettbewerbern stattfinden und im B2C-Bereich die Verbraucherschutzregeln zur Preistransparenz eingehalten werden. Im B2B-Geschäft dürfen unterschiedliche Kunden grundsätzlich unterschiedliche Preise zahlen, etwa je nach Bestellmenge oder Zahlungshistorie. Sobald personenbezogene Daten in die Preisfindung einfließen, greift zusätzlich die DSGVO.
Brauche ich für den Einstieg eine teure Pricing-Software?
Nein. Der einfachste Einstieg gelingt oft mit Daten, die bereits vorliegen, etwa Terminplanung bei Dienstleistern oder Bestandsdaten im Handel. Spezialisierte Tools wie Aimondo, Omnia Retail oder QuickLizard lohnen sich meist erst, wenn der erste Testlauf mit einfacheren Mitteln bereits gezeigt hat, in welchem Bereich sich Automatisierung wirklich lohnt.
Wie groß muss ein Unternehmen für KI-Pricing mindestens sein?
Es geht weniger um die Unternehmensgröße als um die Datenlage. Auslastungsbasierte Preise funktionieren bereits bei kleinen Handwerksbetrieben mit digitaler Terminplanung. Komplexere Ansätze wie die Kopplung an Einkaufspreise setzen dagegen eine bereits digitalisierte Beschaffung voraus und lohnen sich eher ab einer gewissen Sortimentsbreite.
Wie vermeide ich, dass Kunden sich bei schwankenden Preisen benachteiligt fühlen?
Über Nachvollziehbarkeit. Preisänderungen, die auf einer verständlichen Logik wie Auslastung, Vorlaufzeit oder Bestellmenge beruhen, werden von Kunden eher akzeptiert als Blackbox-Preise, die selbst der eigene Vertrieb nicht erklären kann. Wer diese Logik offen kommuniziert, reduziert Beschwerden deutlich.
Muss ich Verbraucher darauf hinweisen, wenn ein Preis automatisiert personalisiert wurde?
Ja. Art. 246a Paragraf 1 Absatz 1 Satz 1 Nummer 6 EGBGB verlangt seit dem 28. Mai 2022 im Fernabsatz an Verbraucher den Hinweis, dass der Preis auf der Grundlage einer automatisierten Entscheidungsfindung personalisiert wurde. Er gehört vor den Vertragsschluss und an den Preis, ein Satz in den AGB genügt nicht. Gemeint ist die Anpassung an die einzelne Person. Preise, die an Auslastung, Bestellmenge oder Vorlaufzeit hängen und für jeden Kunden in derselben Lage gleich ausfallen, sind keine personalisierten Preise in diesem Sinn. Im reinen B2B-Geschäft greift die Vorschrift nicht.
Quellen & Referenzen
- Bitkom: Studienbericht Künstliche Intelligenz 2026, Befragung von 604 Unternehmen zur aktiven KI-Nutzung. bitkom.org
- OECD: „Empowering SMEs in the Age of AI”, D4SME-Erhebung 2026 unter mehr als 2.000 KMU aus zwölf Ländern zu KI-Reife und Hemmnissen. oecd.org
- Fact.MR: Marktbericht „Dynamic Pricing Engines Market” mit Volumen 2026 und Prognose bis 2036. factmr.com
- Research and Markets: Marktbericht „Artificial Intelligence (AI)-Powered Dynamic Discounting Market 2026”, der den abzugrenzenden Markt der automatisierten Skonti auf Eingangsrechnungen beziffert. researchandmarkets.com
- Bundesamt für Justiz: Art. 246a Paragraf 1 EGBGB, Informationspflichten im Fernabsatz, Absatz 1 Satz 1 Nummer 6 zum Hinweis auf personalisierte Preise. gesetze-im-internet.de
- Europäische Kommission: Initiative „Digital fairness act” mit Zeitplan und öffentlicher Konsultation. ec.europa.eu
- Skill-Sprinters: Praxisbeispiel zur automatisierten Preiskalkulation im Handwerk auf Basis von Kapazitätsauslastung. skill-sprinters.de
