Preisoptimierung mit KI: So finden KMU den richtigen Preis

Preisoptimierung mit KI bedeutet: Ein Modell wertet Ihre Verkaufs-, Kosten-, Kunden- und Marktdaten aus und schlägt für jedes Produkt und jedes Kundensegment einen Preiskorridor vor, der Absatz und Marge zusammen optimiert. Für den Mittelstand ist das selten ein Algorithmus, der Preise im Minutentakt ändert. Viel häufiger geht es um bessere Listenpreise, sauber begründete Rabatte, Preisgleitklauseln in B2B-Verträgen und ein Marketingbudget, das dort landet, wo es tatsächlich Umsatz bringt. Dieser Leitfaden zeigt, welche Daten Sie brauchen, was im B2B realistisch ist, welche Regeln in Deutschland gelten und wie Sie in fünf Schritten starten.

Kurz gesagt

• KI-Preisoptimierung ermittelt aus Nachfrage, Kosten, Wettbewerb und Kundenverhalten einen optimalen Preiskorridor statt eines Bauchgefühl-Preises.
• Im B2B heißt „dynamisch“ meist: Verträge mit Indexierung, Zuschlägen und klaren Anpassungsregeln, nicht Echtzeit-Preise wie im Onlineshop.
• Die Grundlage sind saubere Stammdaten, historische Preise und Margen, definierte Preisuntergrenzen und ein Vertrieb, der von Anfang an eingebunden ist.
• In Deutschland setzen Preisangabenverordnung, AGB-Recht und Kartellrecht den Rahmen, den Ihr Modell kennen muss.
• KI-gestützte Marketing-Mix-Modellierung ergänzt die Preisarbeit: Sie zeigt, welcher Kanal wie viel zum Umsatz beiträgt, und macht Budgets steuerbar.

Inhaltsverzeichnis

• Was KI-Preisoptimierung konkret leistet
• Wo der Hebel im Mittelstand liegt
• Welche Daten und Voraussetzungen Sie brauchen
• Dynamic Pricing im B2B: was realistisch ist
• Der rechtliche Rahmen in Deutschland
• Marketing-Mix-Modellierung mit KI: Preis und Budget zusammendenken
• In fünf Schritten zur KI-gestützten Preisfindung
• Unsere Sicht: Preisarbeit ist der schnellste KI-Hebel im Mittelstand
• Mit uns zum ersten Preis-Pilot
• Häufige Fragen zur Preisoptimierung mit KI
• Quellen

Was KI-Preisoptimierung konkret leistet

Klassische Preisfindung im Mittelstand läuft über drei Wege: Kosten plus Aufschlag, ein Blick auf den Wettbewerb und die Erfahrung der Geschäftsführung. Die Computerwoche beschreibt Preissetzung im Mittelstand als oft noch „Chefsache“. KI ersetzt diese Erfahrung nicht, sie gibt ihr eine Datenbasis. Dynamic-Pricing-Modelle bündeln Informationen zur Nachfrageentwicklung, zur Preissensibilität und zu Kreuzpreis-Elastizitäten, also dazu, wie der Preis eines Produkts den Absatz eines anderen beeinflusst. Daraus ergibt sich ein Preiskorridor je Produkt und Kundensegment.

Technisch läuft das in einem Kreislauf:

1. Daten zusammenführen: Verkaufshistorie, Einkaufs- und Herstellkosten, Kundendaten, Wettbewerbspreise, Saisonmuster.
2. Modell trainieren: Das System lernt, wie Absatz und Marge auf Preisänderungen in der Vergangenheit reagiert haben.
3. Empfehlung ausgeben: Für ein Angebot, eine Preisliste oder einen Deal schlägt das Modell einen Preis oder eine Spanne vor.
4. Ergebnis zurückspielen: Ob das Angebot gewonnen oder verloren wurde, fließt als neue Information ins Modell.

B2B und B2C funktionieren unterschiedlich

Im Onlinehandel mit Endkunden ändern sich Preise oft automatisch nach Nachfrage, Lagerbestand und Wettbewerb. Im B2B ist die Lage komplexer. Wie Shopware zum B2B-Pricing erklärt, beruhen B2B-Preise auf individuellen Konditionen, Rahmenverträgen und Segmentpreisen, die von Kundengruppe, Bestellvolumen, Vertragsverhältnis und Leistungsumfang abhängen. Unkontrollierte Rabatte gelten dort als einer der größten Margenkiller. Genau hier setzt KI im Mittelstand am wirksamsten an: nicht beim schnellen Preiswechsel, sondern bei der Frage, welcher Kunde welchen Nachlass wirklich braucht, um zu kaufen.

Wo der Hebel im Mittelstand liegt

Wie groß die Lücke zwischen Kosten und Preis werden kann, zeigt eine ifo/CESifo-Auswertung, die die Deutsche Bank zum Dynamic Pricing im B2B zitiert: Ein halbes Jahr nach Beginn des Ukraine-Kriegs Anfang 2022 hatten deutsche Unternehmen im Schnitt erst ein Drittel ihres Kostenschocks an Kunden weitergegeben, im April 2023 erst 51 Prozent. Wer Kosten verspätet in Preise übersetzt, finanziert die Differenz aus der eigenen Marge.

Typische Situationen, in denen KI-gestützte Preisarbeit sich schnell bemerkbar macht:

• Ihre Einkaufs- oder Rohstoffkosten schwanken stärker, als Ihre Preislisten angepasst werden.
• Der Vertrieb überschreibt Systempreise regelmäßig und niemand weiß genau, mit welchem Ergebnis.
• Dasselbe Produkt kostet je nach Kanal, Filiale oder Ansprechpartner unterschiedlich viel, ohne dass ein Grund dokumentiert ist.
• Die Marge sinkt Quartal für Quartal leicht, obwohl der Umsatz stabil bleibt.

Im Handel ist der Einsatz schon verbreitet: Laut EHI-Studie Technologie Trends im Handel 2023 unterstützt KI bei 22 Prozent der befragten Händler in Deutschland, Österreich und der Schweiz die Preisbildung. An der Spitze steht mit 41 Prozent Forecasting und Replenishment, also Absatzprognose und Nachschub. Beides gehört zusammen: Wer die Nachfrage besser vorhersagt, kann auch besser bepreisen.

Welche Daten und Voraussetzungen Sie brauchen

Der Leitfaden der Wirtschaftsförderung Region Hannover zur KI-Preisgestaltung nennt die Datenquellen, die ein Preismodell füttern:

Daneben zählen drei organisatorische Voraussetzungen, die in der Praxis über Erfolg oder Frust entscheiden:

• Saubere Stammdaten: Artikel, Kategorien und Einkaufskosten müssen stimmen. Ein Modell, das mit falschen Kosten rechnet, empfiehlt falsche Preise.
• Preisuntergrenzen: Legen Sie fest, welche Marge nie unterschritten wird. Das schützt vor Empfehlungen, die zwar Absatz bringen, aber Geld kosten.
• Vertrieb an Bord: Automatisch berechnete Listenpreise kollidieren schnell mit manuell verhandelten Sonderkonditionen. Wer den Vertrieb erst am Ende informiert, erntet Widerstand.

Für Handwerksbetriebe und kleinere Produktionsfirmen ist die Datenbasis oft dünner, als man denkt, aber selten zu dünn. Zwei bis drei Jahre Angebots- und Auftragsdaten reichen häufig für einen ersten Blick auf Rabattmuster und Gewinnquoten. Wie das in der Fertigung aussieht, zeigt unser Beitrag zu KI in der Produktion.

Dynamic Pricing im B2B: was realistisch ist

Echtzeit-Preise sind im B2B die Ausnahme. Laut Deutscher Bank funktioniert dynamisches Pricing dort, wo Leistungen standardisiert, datengetrieben und transaktionsnah sind. Häufiger sind länger laufende Verträge mit flexiblen Elementen: Indexierungen, Zuschläge oder periodische Resets. KI hilft hier doppelt. Sie erkennt, welche Kostenbewegungen eine Anpassung rechtfertigen, und sie liefert die Begründung, mit der Ihr Vertrieb beim Kunden argumentieren kann.

Damit flexible Preise beim Kunden akzeptiert werden, nennt die Deutsche Bank sechs Bausteine:

Ein typisches Szenario aus dem Großhandel: Nehmen wir einen Elektrogroßhändler in Franken, der Installationsbetriebe zu Jahreskonditionen beliefert. Statt Kupferpreisschwankungen über Monate selbst zu tragen, vereinbart er eine Indexklausel mit Trigger, Monatsdurchschnitt und Deckel. Das KI-Modell überwacht die Indizes, berechnet die fälligen Anpassungen und markiert Kunden, bei denen die gewährten Rabatte nicht mehr zum Bestellvolumen passen. Die Entscheidung trifft weiter der Vertrieb, aber auf belastbarer Grundlage.

Der rechtliche Rahmen in Deutschland

KI rechnet, das Recht entscheidet, was zulässig ist. Ihr Modell muss diese Regeln als feste Grenzen kennen:

Preiswerbung gegenüber Verbrauchern. Preise im Zeitverlauf zu senken ist erlaubt. Werben Sie aber mit einer Preisermäßigung, verlangt § 11 der Preisangabenverordnung grundsätzlich den niedrigsten Gesamtpreis der letzten 30 Tage als Referenz, wie Stripe zur Rechtslage in Deutschland zusammenfasst. Verstöße gegen PAngV oder UWG können Abmahnungen, Unterlassungsansprüche und bei systematischen Verstößen Bußgelder nach sich ziehen. Wer im Onlineshop automatisch reduziert, sollte die 30-Tage-Historie deshalb im System mitführen.

Preisgleitklauseln in B2B-Verträgen. Das Statistische Bundesamt zu Preisgleitklauseln empfiehlt, auf prozentuale Veränderungsraten statt auf Indexpunkte abzustellen, weil Indexpunkte stark vom absoluten Indexstand abhängen. Als Bezugsgrößen dienen oft der Erzeugerpreisindex oder Subindizes, etwa Stahlpreisindizes am Bau. Nach Einschätzung der Kanzlei Hoffmann Liebs zu Preisanpassungen im Handelsverkehr müssen solche Klauseln auf einen objektiven, öffentlich zugänglichen Index verweisen, die Anpassung klar beschreiben und symmetrisch sein, also auch Preissenkungen weitergeben. Einseitige Erhöhungsrechte in AGB verstoßen gegen § 307 Abs. 1 BGB. Lassen Sie Ihre Klauseln vor dem Rollout von einem Fachanwalt für Handels- oder Vertragsrecht prüfen.

Kartellrecht. Preisalgorithmen stehen unter Beobachtung. Das Bundeskartellamt kam im Juni 2025 in einer vorläufigen Einschätzung zu dem Schluss, dass Amazons algorithmische Preisobergrenzen für Marktplatzhändler gegen Wettbewerbsrecht verstoßen könnten, weil transparente und überprüfbare Kriterien fehlten, berichtet PPC Land über das Verfahren. Für ein mittelständisches Unternehmen heißt das: Das Modell nutzt eigene Daten und öffentlich zugängliche Marktpreise, nie abgestimmte Informationen mit Wettbewerbern. Und jede Preislogik bleibt nachvollziehbar dokumentiert.

Marketing-Mix-Modellierung mit KI: Preis und Budget zusammendenken

Der Preis ist ein Hebel, das Marketingbudget der zweite. Marketing-Mix-Modellierung (MMM) schätzt statistisch, wie viel jeder Kanal, also Messe, Google-Anzeigen, Fachzeitschrift oder Newsletter, und Faktoren wie Preis und Saison zum Umsatz beitragen. Das Verfahren ist alt, war aber lange teuer und langsam. Laut Marketing-Börse zu KI-gestütztem MMM verarbeiten KI-Modelle heute deutlich mehr Datenquellen gleichzeitig, darunter Mediadaten, Wettbewerbsaktivität und Konjunkturindikatoren, und liefern Ergebnisse in Tagen statt Monaten. Damit wird die Methode auch für Mittelständler erreichbar.

Für Marketingverantwortliche ist die Verbindung zur Preisoptimierung direkt: Ein Preis wirkt anders, wenn gleichzeitig eine Kampagne läuft. Erst wenn beides in einem Modell steckt, lässt sich sagen, ob der Umsatzsprung vom Rabatt kam oder von der Werbung. Die Marketing-Börse empfiehlt vier Schritte:

1. Datenbasis konsolidieren: Mediaausgaben, Umsätze und Preise je Woche in einer Tabelle.
2. Klein anfangen: einen Kanal oder Produktbereich als Pilot wählen.
3. Ergebnisse mit dem Controlling validieren, damit Zahlen nicht nur im Marketing geglaubt werden.
4. Modelle regelmäßig neu kalibrieren, weil sich Kanäle und Kaufverhalten laufend ändern.

In fünf Schritten zur KI-gestützten Preisfindung

So gehen wir mit KMU vor, angelehnt an die Empfehlungen der Wirtschaftsförderung Hannover, die Datenprüfung, Informationssicherheit, eine klare Projektstruktur und die Einbindung der Geschäftsführung als nächste Schritte nennt:

1. Ziel festlegen. Marge steigern, Rabatte reduzieren, Kosten schneller weitergeben oder Budget umschichten? Ein Ziel pro Pilot.
2. Daten prüfen. Mit Vertrieb, Absatzplanung und Controlling klären, welche Daten vorhanden, vollständig und verlässlich sind.
3. Datenschutz und Sicherheit klären. Kundendaten sind personenbezogen, wenn Ansprechpartner enthalten sind. Legen Sie fest, wo Daten verarbeitet werden und wer Zugriff hat, und beziehen Sie Ihren Datenschutzbeauftragten früh ein.
4. Pilot starten. Eine Produktgruppe, eine Kundengruppe oder ein Kanal, über einen festen Zeitraum, mit Vergleichsgruppe ohne KI-Empfehlung.
5. Messen und ausrollen. Erst wenn der Pilot trägt, folgen weitere Sortimente und die Integration ins ERP.

Woran Sie den Erfolg messen

Legen Sie die Kennzahlen vor dem Start fest, sonst diskutieren Sie später über Bauchgefühl. Bewährt haben sich:

• Deckungsbeitrag je Auftrag und je Kundensegment
• durchschnittlicher Rabatt im Verhältnis zum Bestellvolumen
• Gewinnquote bei Angeboten (gewonnene im Verhältnis zu abgegebenen)
• Zeit zwischen Kostenänderung und Preisanpassung
• im Marketing: Umsatzbeitrag je Kanal und je eingesetztem Euro

Wie Sie aus diesen Größen einen belastbaren Business Case machen, beschreiben wir im Beitrag zum KI-Business-Case für KMU. Die Rechenlogik für Aufwand und Nutzen finden Sie in unserem Artikel zum ROI von KI.

Unsere Sicht: Preisarbeit ist der schnellste KI-Hebel im Mittelstand

Wenn wir mit Geschäftsführern über KI sprechen, geht es oft zuerst um Chatbots und Textgeneratoren. Dabei liegt einer der direktesten Hebel auf den Gewinn im Preis. Jeder Euro, der nicht unnötig als Rabatt verschenkt wird, landet unmittelbar in der Marge.

Unsere Erfahrung aus der Arbeit mit KMU: Die Technik ist selten das Problem. Entscheidend ist, dass Geschäftsführung, Vertrieb und Controlling dasselbe Ziel verfolgen, dass die Daten sauber sind und dass die Preislogik rechtlich und datenschutzkonform aufgesetzt ist. Deshalb starten wir nie mit einem Tool, sondern mit Ihren Prozessen: Wo entsteht heute ein Preis, wer entscheidet, welche Daten gibt es?

Daraus entwickeln wir einen KI-Fahrplan, der zu Ihrer Branche und Ihrer Größe passt, mit einem Pilot, der schnell messbare Ergebnisse liefert. Und wir prüfen, welche Förderprogramme den Einstieg unterstützen können. So wird aus dem Thema Preisoptimierung mit KI kein Großprojekt, sondern ein klarer, rechenbarer Schritt.

Shaun

Mit uns zum ersten Preis-Pilot

Sie möchten wissen, wo in Ihrem Unternehmen das größte Potenzial für KI-gestützte Preise oder ein besser verteiltes Marketingbudget liegt? An unserem KI-ROI-Tag analysieren wir gemeinsam Ihre Prozesse und Daten und rechnen durch, welcher Anwendungsfall sich für Sie zuerst lohnt.

Als zertifizierte INQA-Coaches begleiten wir KMU deutschlandweit persönlich, von der Strategieberatung über Workshops für Vertrieb und Marketing bis zur Unterstützung bei Förderanträgen. Alle Formate finden Sie auf unserer Seite zu den Leistungen für KMU, oder Sie vereinbaren direkt einen Termin.

Häufige Fragen zur Preisoptimierung mit KI

Lohnt sich KI-Preisoptimierung auch für kleine Unternehmen?

Ja, wenn Sie eine nennenswerte Zahl an Angeboten, Artikeln oder Kunden haben und Rabatte heute individuell vergeben. Schon eine Auswertung der Angebots- und Auftragsdaten zeigt oft, wo Nachlässe nicht nötig waren. Der Einstieg gelingt am besten mit einem Pilot in einer Produkt- oder Kundengruppe. Wie KMU generell starten, lesen Sie in unserem Beitrag zu KI in KMU.

Ändert die KI die Preise dann automatisch?

Das entscheiden Sie. Im Mittelstand arbeitet KI meist als Empfehlungssystem: Sie schlägt Preiskorridore und Rabattgrenzen vor, freigegeben wird im Vertrieb oder in der Geschäftsführung. Vollautomatische Anpassungen sind vor allem im Onlinehandel üblich.

Was ist der Unterschied zwischen Dynamic Pricing im B2B und im B2C?

Im B2C ändern sich Preise oft kurzfristig nach Nachfrage und Lagerbestand. Im B2B laufen Preise meist über Verträge mit Indexklauseln, Zuschlägen und festen Anpassungsintervallen. KI unterstützt dort vor allem bei der Frage, wann eine Anpassung fällig ist und welcher Kunde welche Kondition erhält.

Was kostet der Einstieg?

Die Kosten hängen davon ab, ob Sie eine bestehende Software nutzen oder eine Lösung an Ihr ERP anbinden, und wie viel Datenaufbereitung nötig ist. Rechnen Sie neben Lizenz oder Entwicklung auch interne Zeit für Datenpflege und Schulung ein. Ein durchgerechneter Business Case vor dem Start zeigt, ob und wann sich der Aufwand über höhere Margen trägt.

Quellen

• Computerwoche: So profitiert der Mittelstand von Digital Analytics und KI
• Shopware: B2B pricing explained
• Deutsche Bank: Dynamic Pricing im B2B-Geschäft?
• EHI-Studie Technologie Trends im Handel 2023 (Leseprobe)
• Wirtschaftsförderung Region Hannover: KI in der Preisgestaltung
• Stripe: Skimming-Strategie in Deutschland erklärt
• Statistisches Bundesamt: Serviceangebote zu Preisgleitklauseln
• Hoffmann Liebs: Preise im Handelsverkehr richtig anheben
• PPC Land: German regulators challenge Amazon marketplace pricing policies
• Marketing-Börse: Wie KI Marketingbudgets steuerbarer macht