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 ist kein Zufall der Unternehmensgröße mehr, sondern zunehmend eine Frage, ob jemand sich 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
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.
”Die 41 Prozent sind längst keine vereinzelten Experimente einzelner Teams mehr, sondern in der Mehrheit operative Anwendungen mit Budgetverantwortung.”
— Bitkom, Studienbericht Künstliche Intelligenz 2026
Diese Zahl aus dem aktuellen Bitkom-Bericht zeigt zugleich die Kehrseite: Zwischen Unternehmen mit mehr als 500 Beschäftigten und dem klassischen Mittelstand klafft eine deutliche Lücke, während größere Betriebe längst über 60 Prozent Nutzung liegen. 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 KI-gestützte dynamische Preisgestaltung wächst laut einer Marktanalyse von Research and Markets von 1,43 Milliarden US-Dollar im Jahr 2025 auf 1,78 Milliarden US-Dollar im laufenden Jahr, das entspricht einer jährlichen Wachstumsrate von rund 24,5 Prozent. Bis 2030 wird ein Volumen von 4,21 Milliarden US-Dollar erwartet. Das ist kein Nischenthema mehr, sondern ein Markt, der sich in wenigen Jahren verdreifacht.
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 nicht in neuer Technik, sondern darin, dass die Entscheidung systematisch statt nach Bauchgefühl getroffen wird.
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, dass nicht die Preisänderung selbst das Problem ist, sondern die fehlende Nachvollziehbarkeit. 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.
Ein weiterer Punkt, der in der Euphorie um automatisierte Preise oft untergeht: Rechtlich ist beim B2B-Geschäft in Deutschland mehr erlaubt als viele annehmen, solange keine Preisabsprachen mit Wettbewerbern stattfinden und Verbraucherschutzregeln im B2C-Bereich beachtet werden. Wer personenbezogene Kundendaten für die Preisfindung nutzt, etwa individuelles Kaufverhalten, muss 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.
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.
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
- Research and Markets: Marktbericht „Artificial Intelligence (AI)-Powered Dynamic Discounting Market 2026” mit Wachstumsprognose bis 2030. researchandmarkets.com
- Skill-Sprinters: Praxisbeispiel zur automatisierten Preiskalkulation im Handwerk auf Basis von Kapazitätsauslastung. skill-sprinters.de
