Die Entwicklung des Handels hat sich in vier Wellen vollzogen, von denen jede die Art und Weise neu geprägt hat, wie die Preisgestaltung Entscheidungen beeinflusst. Heute, da KI-Agenten beginnen, als autonome Käufer zu agieren, ist der Preis nicht mehr nur eine Zahl, sondern Teil einer Entscheidungssprache, die Maschinen neben Produktmerkmalen, Bewertungen und der Stimmung in den sozialen Medien interpretieren. Für CMOs, Preisgestaltungsverantwortliche und Führungskräfte im Einkauf ist die Anpassung der Preisstrategien an diese vierte Welle von entscheidender Bedeutung.
Die vier Wellen des Handels
1. Stöbern nach Kategorien (seit den 1990er Jahren)
- Dynamisch: Verbraucher durchstöbern digitale Regale (Kataloge, frühe Formen des E-Commerce), um innerhalb des vom Händler zusammengestellten Sortiments das zu finden, was sie benötigen.
- Rolle im Bereich Preisgestaltung: eher statisch, mit dem Ziel, eine klare Preisstruktur und Konsistenz zu gewährleisten, um den Kunden Orientierung zu bieten. Der Erfolg beruhte auf deutlich sichtbaren UVP und einfachen Rabatten.
- Quantitative Auswirkungen: Der Online-Umsatz betrug im Jahr 2000 weniger als 1% des Einzelhandelsumsatzes; die meisten Preise waren einheitlich. Das Wachstum war hauptsächlich auf die Verlagerung vom Offline- zum Online-Handel sowie auf internes Cross- und Upselling zurückzuführen.
- B2B vs. B2C: Im B2C-Bereich lag der Fokus auf den Stufen “gut – besser – am besten”; die Preisgestaltung im B2B-Bereich erfolgte auf Basis von Katalogpreisen oder ausgehandelten Verträgen.
Quelle: Amt für nationale Statistiken
2. Suchen und Filtern (seit den 2010er Jahren)
- Dynamik: Suchmaschinen, Marktplätze und Filter sorgen für mehr Preistransparenz.
- Die Rolle der Preisgestaltung: Die Wettbewerbspositionierung gewann entscheidend an Bedeutung; die dynamische Preisgestaltung setzte sich durch. Durch Marktplätze, die die Regalfläche unbegrenzt erweiterten, erhielt dieser Trend neuen Auftrieb, was den Preiswettbewerb weiter anheizte.
- Quantitative Auswirkungen: Bis 2010 verglichen über 80% der Online-Käufer vor dem Kauf die Preise. Im B2B-Bereich gaben mehr als 70% der Einkaufsleiter an, dass der Preis das wichtigste Entscheidungskriterium sei.
- B2B vs. B2C: Im B2C-Bereich setzte man auf Preisgarantien; im B2B-Bereich wurden E-Procurement-Portale und die Digitalisierung von Angebotsanfragen eingeführt.
3. Social Shopping / Discovery Commerce (seit den 2020er Jahren)
- Dynamik: Der Einfluss hat sich auf Gleichaltrige, Influencer und Bewertungen verlagert. Ein Wiederaufleben des Teleshoppings in einer deutlich persönlicheren Form, das zu einer starken Zunahme von D2C-Marken führt.
- Die Rolle der Preisgestaltung: Es geht weniger um den günstigsten Preis als vielmehr um die wahrgenommene Fairness und die Akzeptanz durch die Community. Da D2C-Angebote nicht eins zu eins vergleichbar sind, wird die Preisgestaltung im Wettbewerb komplexer und erfordert die Ermittlung der “nächstbesten Alternativen”.
- Quantitative Auswirkungen: 34% Verbraucher wechselten zu einer Marke, bei der sie sich “besonders” fühlten – selbst bei einem höheren Preis. Produkte mit mehr als 4,5 Sternen erzielten eine um 20–30% höhere Zahlungsbereitschaft.
- B2B vs. B2C: Im B2C-Bereich wurden Empfehlungsrabatte und Influencer-Codes integriert; im B2B-Bereich stützte man sich auf Bewertungsplattformen wie G2 und Gartner Peer Insights, um Premium-Lösungen zu rechtfertigen.
4. Einkaufen mit KI-Agenten (im Aufschwung)
- Dynamisch: Die KI übernimmt die Rolle des Käufers. Die Agenten vergleichen selbstständig Preise, technische Daten, Bewertungen und Verfügbarkeit und treffen zunehmend die Kaufentscheidung.
- Rolle bei der Preisgestaltung: Daten müssen strukturiert, transparent und nachvollziehbar sein. Die Agenten optimieren unermüdlich im Hinblick auf benutzerdefinierte Ziele (z. B. niedrigster Preis unter $50, bester ROI in 12 Monaten) und stützen sich dabei auf ihre jeweiligen Datenkontexte sowie auf benutzerdefinierte Speichereinstellungen und Schlussfolgerungsfähigkeiten. Sich nur auf die Bestseller zu konzentrieren, reicht nicht mehr aus – ehemals wenig gefragte Produkte können plötzlich an Sichtbarkeit gewinnen, weshalb die Preisgestaltung den gesamten Katalog abdecken muss.
- Quantitative Auswirkungen: 75% der Verbraucher sind bereit, KI-Agenten einzusetzen, die in ihrem Namen Einkäufe tätigen. Ein Drittel der Unternehmen setzt bereits agentenbasierte KI für die Beschaffung oder die Optimierung von Arbeitsabläufen ein.
- B2B vs. B2C: Von B2C-Einkäufern wird erwartet, dass sie Preis und Bewertungen in den Vordergrund stellen; B2B-Einkäufer hingegen benötigen Echtzeit-APIs für Preise, Lagerbestände und Vertragsbedingungen und stützen sich – zusätzlich zu öffentlich zugänglichen Daten – auf maßgeschneiderte Unternehmensdatenprodukte sowie auf kostenpflichtige Daten von Drittanbietern (z. B. von Preisberichtsagenturen (PRAs) wie FastMarkets, OPIS, ICIS).
Agentische Preisgestaltungserfordernisse
Agenten “sehen” keine Bannerwerbung oder Markenkampagnen; sie werten Daten aus. Die Preisgestaltung muss daher so dargestellt werden, dass KI-Systeme sie bewerten und ihr vertrauen können. Wesentliche Merkmale dieser Sprache:
1. Datentransparenz
- Umsetzung: Veröffentlichung von Echtzeit- und genau definierten Preisen (einschließlich Währung, Stückgröße und Rabatten) sowie Bestandsdaten in strukturierter und standardisierter Form (z. B. unter Bezugnahme auf EAN-Codes, unter Verwendung von APIs, schema.org, GS1). Bereitstellung von APIs und ERP-Integration für Beschaffungs-Bots (B2B-spezifisch).
- Warum: KI-Agenten ignorieren veraltete Daten. Accenture hat festgestellt, dass 70% der Unternehmen die Datenbereitschaft als das #1 größte Hindernis für die Skalierung von KI, einschließlich Agentic AI, angeben.
2. Auffindbarkeit von KI
- Umsetzung: Optimieren Sie für Generative Engine Optimization (GEO), nicht nur für SEO. Stellen Sie sicher, dass die Beschreibung der wichtigsten Vorteile, Anwendungsfälle oder vergleichbarer/ersetzbarer Produkte Ihres Angebots so gestaltet ist, dass KI-Agenten verstehen, wann Ihre Produkte entsprechend den Suchanfragen, dem Zweck und der Absicht der Nutzer angezeigt werden sollen. Erfassen Sie ROI, Langlebigkeit oder Nachhaltigkeit unter Nutzung spezifischer branchenspezifischer Datenmodelle (z. B. GS1 für den Einzelhandel zur Berücksichtigung spezifischer Attribute wie Herkunftsland oder Bio-Siegel) in strukturierten Daten, damit die Agenten den Wert und nicht nur die Kosten interpretieren können (insbesondere im B2B-Kontext).
- Warum: 18% der Verbraucher stufen Gen AI mittlerweile als Kaufberater höher ein als Suchmaschinen.
3. Preis-Leistungs-Verhältnis
- Umsetzung: Differenzierte Preisgestaltung basierend auf Artikelrollen – Preiswettbewerbsfähigkeit bei KVIs (Key Value Indicators), bei denen Sie wahrscheinlich mit anderen Anbietern konkurrieren, die dieselben Produkte anbieten, im Gegensatz zur Fokussierung auf den Mehrwert im Long-Tail-Bereich und die Einbindung von Differenzierungsmerkmalen (Langlebigkeit, ROI, Nachhaltigkeit) in die Produktdaten ein, sodass Sie in den Suchergebnissen nicht aufgrund des Preises, sondern aufgrund des Mehrwerts erscheinen. Legen Sie Belege (z. B. verifizierte Bewertungen, Service-Level-Vereinbarungen, Nachhaltigkeitskennzahlen) vor, die diesen Mehrwert unterstreichen.
- Warum: Laut einer Studie von Accenture erzielen Marken, die verantwortungsbewusste KI und Vertrauenssignale integrieren, um 18% höhere KI-getriebene Umsätze. Und indem sie gezielter entscheiden, wo sie sich auf die Preise der Wettbewerber konzentrieren und wo sie den Wert statt des Preises in den Vordergrund stellen, lässt sich ein Preiskampf nach unten erwarten, wie folgende Beispiele belegen: Sephora Großbritannien.
4. Preistransparenz, Vertrauen und Fairness
- Umsetzung: Verwenden Sie Algorithmen, um Preisfaktoren zu berücksichtigen, die als fair angesehen werden (z. B. Nachfrage, Kosten für den Verkäufer, länderspezifische Unterschiede), und achten Sie dabei auf Transparenz und Nachvollziehbarkeit. Vermittler werden potenzielle Preisinkonsistenzen aufdecken und ausnutzen, was das Vertrauen untergräbt. Schaffen Sie Vertrauensindikatoren (z. B. transparente Bedingungen, regelmäßige Updates, keine versteckten Gebühren).
- Warum: 41% der Verbraucher misstrauen KI-generierten Inhalten, die unecht wirken; eine BCG-Studie zeigt, dass bestimmte Preisfaktoren (z. B. Nachfrage, Kosten des Verkäufers, länderspezifische Unterschiede) die Preisgerechtigkeit erhöhen, während andere sie verringern (z. B. die Nutzung privater Daten, Monopolmacht). Unfaire Preisgestaltung wird von Agenten markiert und herausgefiltert.
Empfehlungen für Fachleute
Für Einzelhändler, Distributoren und Marken, die direkt an Verbraucher verkaufen: aus der Perspektive eines Leiters der Preisgestaltung, des Category Managements oder des D2C-/E-Commerce-Bereichs:
- Strukturierte Daten bereitstellen: Stellen Sie Echtzeit-APIs für Produktdetails (z. B. Kategorie, Marke, EAN, Maßeinheiten), Lagerbestand, Lieferbedingungen und natürlich den Preis bereit.
- Veröffentlichen Sie überprüfbare Qualitätskennzahlen und Vertrauensindikatoren: Fügen Sie verifizierte Nutzerbewertungen oder andere qualitätsgesicherte Test- bzw. Bewertungsergebnisse hinzu.
- Erläutern Sie die Anwendbarkeit und die Produktpassung: Bei nicht vergleichbaren Produkten oder Eigenmarken sollten Sie Informationen zu den nächstbesten Alternativen bereitstellen, um die Wahrscheinlichkeit zu erhöhen, dass das Produkt in den agentenbasierten Empfehlungen erscheint.
- Wählen Sie Ihre Schlachten mit Bedacht aus: Machen Sie sich mit den Rollen Ihrer Artikel vertraut und wenden Sie die richtige Preisstrategie an – dabei sollten Sie wissen, wo Sie wettbewerbsfähig sein müssen (KVIs) und wo Sie den Fokus auf den Mehrwert legen sollten (Profit Generators).
- Richtige Preisgestaltung im Long Tail: Es reicht nicht mehr aus, sich nur auf die Verkaufsschlager zu konzentrieren. GPT rückt den Long Tail in den Fokus und sorgt dafür, dass ehemals nischenhafte Produkte unerwartet an Sichtbarkeit gewinnen und in den Mittelpunkt rücken. Sorgen Sie mithilfe verbesserter Automatisierung für eine einheitliche Preisgestaltung im Long Tail.
- Preise dynamisch anpassen: Passen Sie die Preise ständig an die aktuellen Kosteninformationen, die Preise der Wettbewerber oder die Lagerbestände an, da das „Agentic Shopping“ sofort erfolgen kann.
- Sicherstellung von Preiskonsistenz und Fairness: Preisinkonsistenzen (z. B. über verschiedene Vertriebskanäle hinweg) oder Preisunterschiede (z. B. je nach Zielgruppe) können durch Vermittler deutlich sichtbarer werden und das Vertrauen sowie die Glaubwürdigkeit beeinträchtigen.
Für Vermittler und Plattformen wie idealo, scout-group aus der Perspektive eines Leiters des Vertriebs, der…
- …als Datenanbieter, um Agentic-Käufern die Preisermittlung über Agentic zu ermöglichen
- Stellen Sie strukturierte, maschinenlesbare Echtzeit-Feeds bereit: Bieten Sie API-basierte Preis-, Bestands- und Spezifikationsdaten an; Agenten ignorieren veraltete oder unstrukturierte Informationen.
- Optimierung für GEO (Generative Engine Optimization): Verwenden Sie schema.org, GS1 oder cXML, um Angebote für KI maschinell auffindbar zu machen.
- Metadaten und Vertrauenssignale einbinden: Geben Sie in allen Feeds Währung, Einheiten, Garantien, verifizierte Bewertungen und transparente Geschäftsbedingungen an.
- Unterstützung von B2C- und B2B-Agenten: Bereitstellung von ERP-kompatiblen APIs für Beschaffungs-Bots und umfassende Produktdaten für Verbraucherassistenten.
- Gewährleistung der Aktualität und Integrität der Daten: Nutzen Sie digitale Signaturen und regelmäßige Updates, um das Vertrauen der Agenten zu erhalten.
- …als Wegbereiter, um Verkäufer für KI-gesteuerte Märkte zu stärken
- Aufklärung über KI-gestützte Preisgestaltung: Helfen Sie Verkäufern zu verstehen, dass Makler anhand strukturierter Daten – Preis, Bewertungen und Rezensionen, Vertrauenswürdigkeit – und nicht anhand des Markennamens eingestuft werden.
- Bereitstellung dynamischer und zugleich fairer Preisgestaltungstools: Ermöglichen Sie eine algorithmische Preisneufestsetzung, die an Nachfrage und Kosten gekoppelt ist, über eine transparente Logik verfügt, den ESG-Anforderungen entspricht und die Richtlinien für verantwortungsvollen Einsatz von KI einhält.
- Den Wert in den Vordergrund stellen, nicht nur den Preis: Ermutigen Sie Verkäufer dazu, ROI, Qualität und Nachhaltigkeit als strukturierte Attribute zu hinterlegen und Erlebnisvorteile – wie exklusiven Zugang oder Treuepunkte – zu bündeln, die Makler nicht als Ware vermarkten können.
- Förderung verifizierter Bewertungen und Transparenz: Investition in die Qualität und Anzahl der Bewertungen, Belohnung von Verkäufern, die korrekte Produktangebote pflegen, keine versteckten Gebühren, konsistente Daten.
- Erleichterung der B2B-Integration: Bereitstellung von APIs und Unterstützung einer ergebnisorientierten oder nutzungsabhängigen Preisgestaltung, die für Einkäufer transparent ist.
Für den B2B-Bereich: Aus der Perspektive eines Produktmanagers….
- … von industriellen B2B-Produkten (z. B. Aufzüge, Maschinen)
- Strukturierte Preis- und Spezifikationsdaten bereitstellen: Bereitstellung von Echtzeit-APIs für Modelle, Wartungskosten, Verfügbarkeitsgarantien und Lieferbedingungen.
- Interoperable Standards einführen: Nutzen Sie GS1 oder cXML, damit Beschaffungs-Bots Gerätespezifikationen und SLAs nahtlos vergleichen können.
- Umstellung auf leistungsabhängige Preisgestaltung: Angebot von ergebnisorientierten Modellen (z. B. Pay-per-Ride, Pay-per-Uptime), die auf die Optimierung des ROI der Agenten ausgerichtet sind.
- Veröffentlichen Sie überprüfbare Qualitätskennzahlen: Fügen Sie Metadaten zu Zertifizierungen, Energieeffizienz und Nachhaltigkeit für die Bewertung von KI hinzu.
- Dynamische und zugleich faire Preisgestaltung ermöglichen: Transparente Anpassung an die Inputkosten oder die Region; Dokumentation der Preisbildungslogik zur Nachvollziehbarkeit.
- Integration mit ERP-Systemen: Stellen Sie sicher, dass die Einkäufer der Kunden Bestands-, Konfigurations- und Angebotsdaten in Echtzeit abrufen können
- Vertrauensindikatoren einbinden: Nutzen Sie digitale Signaturen, verifizierte Servicehistorien, Wasserzeichen und transparente Garantiedaten, um bei Maklern besser abzuschneiden.
- Test mit Pilotprojekten zur KI-gestützten Beschaffung: Neben der internen agentenbasierten KI zur Simulation und Vorabprüfung des Verhaltens von Einkäufern und Agenten sollte eine Zusammenarbeit mit den Beschaffungsabteilungen von Großkunden angestrebt werden, die agentenbasierte Beschaffungsprozesse nutzen, um die Auffindbarkeit und Fairness zu überprüfen.
- …im Bereich digitale Dienste und Software (z. B. Cloud-Plattformen, SaaS)
- Bereitstellung von Echtzeit-Preis-APIs: Veröffentlichung von nutzungsabhängigen Preisen, Staffelungsdaten und Vertragsbedingungen im maschinenlesbaren JSON/XML-Format.
- Schema.org- und ISO-Taxonomien übernehmen: Metadaten zu Angeboten (Merkmale, Einschränkungen, SLA-Stufen) für Vergleichsportale strukturieren.
- Ergebnisorientierte Modelle umsetzen: Eine nutzungsabhängige oder leistungsbasierte Preisgestaltung einführen, die die Mitarbeiter mit den KPIs der Nutzer verknüpfen können.
- Veranschaulichen Sie Vertrauens- und Compliance-Indikatoren: Führen Sie Verfügbarkeitsstatistiken, Zertifizierungen (ISO 27001, SOC 2) und verifizierte Nutzerbewertungen auf.
- Für GEO optimieren: Machen Sie Produkt- und Preisdaten für generative Engines sichtbar, die KI-Beschaffungsassistenten antreiben.
- Wahrung der algorithmischen Fairness: Die dynamische Preisgestaltung muss nachvollziehbar bleiben – keine undurchsichtigen Rabatte oder regionale Ungleichbehandlungen.
- Vertragsfähige Integrationen ermöglichen: Bieten Sie APIs für digitale Signaturen, SLA-Validierung und transparente Abrechnung für autonome Agenten an.
- Sandbox-Tests durchführen: Simulieren Sie die Beschaffungsprozesse von KI-Einkäufern, um die Auffindbarkeit und eine vermittlerfreundliche Preisgestaltung sicherzustellen.
Schlussfolgerung
Das Einkaufen über KI-Agenten markiert einen strukturellen Wandel. Die Preisgestaltung ist nicht mehr in erster Linie ein Signal für Menschen, sondern ein Datensatz für Maschinen. Marken, die sich an die neue Realität anpassen – indem sie transparente und aussagekräftige Preisdaten in Echtzeit bereitstellen –, werden in agentengesteuerten Ökosystemen weiterhin sichtbar bleiben. Diejenigen, die dies nicht tun, laufen Gefahr, unsichtbar zu werden oder zu einer Massenware zu verkommen.
Die Aufgabe für CMOs und Preisgestalter: Behandeln Sie KI-Agenten als ein primäres Kundensegment. Der Erfolg hängt davon ab, die Preisgestaltung interoperabel, auffindbar und wertorientiert zu gestalten, sodass sowohl Menschen als auch Maschinen erkennen, warum das Angebot seinen Preis wert ist.
Quellen:
https://www.accenture.com/us-en/insights/data-ai/front-runners-guide-scaling-ai
