Als mehr Leistungsfähigkeit mehr Personal bedeutete
Über weite Teile der Geschichte des Einzelhandels hinweg funktionierte die Preisgestaltung ähnlich wie bei einer Pferdekutsche: Wer mehr transportieren oder schneller vorankommen wollte, brauchte mehr Pferde. Für Einzelhändler waren diese Pferde die Preisanalysten. Die Ausweitung des Sortiments, die Einhaltung von Regeln und die Feinabstimmung der Preise erforderten immer mehr Personal. Der Verbrennungsmotor änderte diese Gleichung, indem er die Kraft in die Maschine selbst verlegte. Die Preisgestaltungstechnologie bewirkt nun etwas Ähnliches und macht die Leistungsfähigkeit weniger abhängig von der Größe des dahinter stehenden Teams.
Doch die Art und Weise, wie Preisgestaltungssoftware traditionell in großen und komplexen Einzelhandelsunternehmen implementiert wurde, hat diesen Wandel nicht so umfassend vollzogen wie die Technologie selbst. Anbieter haben KI integriert, und die Modelle liefern tatsächlich bessere Signale. Doch bessere Signale bedeuten nicht zwangsläufig weniger Arbeit. In vielen Fällen hat sich der Aufwand lediglich verlagert. Anstatt mehr Analysten zu benötigen, ist ein Einzelhändler nun auf Berater des Anbieters, Datenwissenschaftler, Implementierungsteams und maßgeschneiderte Entwicklungen angewiesen, um die Plattform an die tatsächlichen Abläufe seines Unternehmens anzupassen. Die Personen mögen zwar andere sein, doch die Abhängigkeit von Menschen bleibt bestehen.
The real shift happens when more of the capability sits within the technology itself. The measure of a powerful pricing platform is no longer just the sophistication of its models, but how much a retailer can achieve without having to scale the team around them.
That is not a theoretical claim. Dehner, one of Europe’s leading garden and pet retailers, runs more than half of its online turnover through Quicklizard, with the operation managed almost entirely by one internal team member. This is not a small pilot or a narrow use case. It is pricing across the majority of a large retailer’s e-commerce business, managed with a remarkably lean setup because automation absorbs pricing work that previously required extensive manual effort.
Warum Fitness schon immer teuer war
Preisgestaltungssoftware für große und komplexe Einzelhandelsunternehmen bot bislang zwei Kaufoptionen an, die jeweils mit eigenen Kompromissen verbunden waren.
Das standardisierte Produkt lässt sich zwar schneller einführen, zwingt den Einzelhändler jedoch in eine starre Struktur, was bedeutet, dass der Einzelhändler seine Strategie an die Software anpassen muss und nicht umgekehrt. Wenn beides nicht zusammenpasst, wird in der Regel die Strategie vereinfacht. Das über Jahre hinweg aufgebaute betriebswirtschaftliche Wissen wird auf das reduziert, was die Plattform abbilden kann, und der Einzelhändler muss sich letztendlich an ein System anpassen, das eigentlich auf das Unternehmen zugeschnitten sein sollte.
Die Alternative ist eine stark angepasste Implementierung. Sie kann die Geschäftsabläufe zwar wesentlich genauer abbilden, doch diese Flexibilität hat ihren Preis: jahrelange Beratung, maßgeschneiderte Entwicklung und fachlicher Support. Jede Anforderung, die das Basisprodukt nicht vorgesehen hat, muss nun entworfen, umgesetzt und gewartet werden – sei es durch die Professional-Services-Abteilung des Anbieters oder durch einen externen Systemintegrator. Und die Kosten enden nicht mit der Inbetriebnahme. Im Zuge der Weiterentwicklung des Unternehmens bedeuten neue Anforderungen oft, dass man wieder in denselben Zyklus aus Spezifikation, Entwicklung und Implementierung zurückfällt.
Auch wenn die beiden Ansätze unterschiedlich erscheinen, führen sie doch zu demselben grundlegenden Zielkonflikt: Entweder passt sich das Unternehmen an die Software an, oder die Software wird mit erheblichem Aufwand an das Unternehmen angepasst.
Das zugrunde liegende Problem besteht darin, dass Anpassungen traditionell als Projekte behandelt werden. Es werden Projektumfang festgelegt, Mitarbeiter zugewiesen und Rechnungen ausgestellt, und da jede Änderung ein neues Projekt erfordert, können sich Einzelhändler sinnvolle Anpassungen nur in regelmäßigen Abständen leisten.
Quicklizard verändert dieses Modell, indem es die Individualisierung direkt in die Software integriert, anstatt sie als separates Nebenprojekt zu behandeln. Dies verändert die wirtschaftlichen Rahmenbedingungen der Individualisierung für große und komplexe Einzelhandelsunternehmen grundlegend.
In die Architektur integrierte Anpassungsmöglichkeiten
Jedes Software- und Data-Science-Modul in Quicklizard wird unter der Prämisse entwickelt, dass es sich an den jeweiligen Einzelhändler anpassen muss, der es nutzt. Erweiterungspunkte, kundenspezifische Logik, Modelltraining und Datenstrukturen werden von Anfang an berücksichtigt und nicht erst nachträglich für jeden Kunden nachgerüstet. Das ist der Unterschied zwischen einer Plattform, die darauf ausgelegt ist, die Anforderungen eines Einzelhändlers zu erfüllen, und einer, die jedes Mal überarbeitet werden muss, wenn diese Anforderungen über den Rahmen des Standardprodukts hinausgehen.
In der Praxis können Einzelhändler ihre eigene Preisbildungslogik direkt in die Plattform einbinden. Diese Logik läuft parallel zu den Modellen, Regeln, Sicherheitsvorkehrungen, Kanälen und Genehmigungsprozessen von Quicklizard, anstatt als separate Ebene um das System herum hinzugefügt zu werden. Die Hälfte der Quicklizard-Kunden arbeitet bereits auf diese Weise, wobei die von Kunden programmierte Logik täglich 6,5 Millionen Mal ausgeführt wird. Dies ist kein Sonderfall, der den technisch versiertesten Kunden vorbehalten ist. Es ist ein ganz normaler Bestandteil der Nutzung der Plattform.
Das gleiche Prinzip gilt für die Data-Science-Ebene. Preiselastizität 2.0, Nachfrageprognose, der Competitor Sensitivity Index (CSI™), Artikelsegmentierung sowie Ausverkauf und Preisnachlässe sind keine starren „Black Boxes“, die für jeden Kunden identisch bereitgestellt werden. Jede dieser Funktionen ist so konzipiert, dass sie anhand der Daten des jeweiligen Einzelhändlers trainiert und optimiert und entsprechend den vom Unternehmen angestrebten Zielen kombiniert werden kann. „Channel Tree“ und „Tiered Pricing“ erweitern diese Flexibilität dann auf den Online-Handel, Marktplätze, regionale Standorte und den stationären Handel, sodass verschiedene Unternehmensbereiche unterschiedliche Preisansätze verfolgen können, ohne dass separate Systeme erforderlich sind.
Genau diese Konzeption bestimmt, wie schnell ein Händler nach der Inbetriebnahme Kurskorrekturen vornehmen kann. Wenn eine Preisstrategie angepasst werden muss, erfolgt die Änderung direkt in der Plattform und wird im nächsten Preiszyklus wirksam. Es gibt weder ein Release noch ein Support-Ticket noch ein Beratungsprojekt – so hält die Preislogik mit dem Geschäft Schritt, anstatt in einer Entwicklungswarteschlange zu versinken.
Wenn das Unternehmen wächst, wächst die Plattform mit – eine separate Implementierung ist nicht erforderlich. Jeder sechste Kunde hat bereits den ursprünglichen Anwendungsfall hinter sich gelassen und nutzt auf derselben Plattform parallel regelbasierte, hybride und vollständig KI-gesteuerte Preisgestaltungsmodelle für verschiedene Geschäftsbereiche, ohne eine zweite Lösung implementieren zu müssen.
Dieser Ansatz hat direkte wirtschaftliche Auswirkungen. Quicklizard ist nicht auf Beratungsumsätze angewiesen, um die Plattform für jeden Kunden neu aufzubauen oder umfassend anzupassen, und auch die Anpassung muss nicht an externe Partner ausgelagert werden. Die Anpassungsfähigkeit ist bereits Teil der Architektur, wodurch sich der Implementierungsaufwand und die Kosten im Vergleich zu einer herkömmlichen Enterprise-Pricing-Implementierung reduzieren.
Was Agenten vor und nach der Inbetriebnahme hinzufügen
Auf dieser modularen Grundlage bauen Agenten und große Sprachmodelle auf und erweitern damit die Möglichkeiten der Einzelhändler. Anstatt nur zu fragen, wie hoch ein Preis sein sollte, kann die Plattform auch untersuchen, was der Einzelhändler erreichen möchte, ob seine aktuelle Strategie zu diesem Ergebnis führt und wo die zugrunde liegende Logik verbessert werden könnte.
Preisgestaltungsagenten erläutern, warum für ein bestimmtes Produkt ein bestimmter Preis festgelegt wurde, und fassen dabei den relevanten Hintergrund, die Strategie und die Belege zu einer für Menschen nachvollziehbaren Erklärung zusammen. Unser „Strategy Challenger Agent“ untersucht die Strategie selbst, identifiziert Stellen, an denen Preisregeln Empfehlungen wiederholt einschränken oder zu Ergebnissen führen, die im Widerspruch zu den geschäftlichen Zielen stehen, und schlägt Verbesserungen zur Überprüfung durch den Menschen vor. Der „Category Optimizer“ geht über die Entscheidung für ein einzelnes Produkt hinaus und betrachtet die gesamte Kategorie unter Berücksichtigung von Substitution, Komplementarität und Kannibalisierung, während der Einzelhändler Ziele in Bezug auf Umsatz, Marge, Abverkaufsrate oder Preisimage festlegt. Die MCP-Anbindung von Quicklizard stellt dieselben Erkenntnisse anderen autorisierten KI-Assistenten und Workflows zur Verfügung und bewahrt dabei die Erläuterungen, Grenzen und Kontrollmechanismen, die Preisentscheidungen nachvollziehbar machen.
Diese Funktionen basieren auf ständig aktualisierten Markt- und Preisdaten. Quicklizard verarbeitet monatlich 2,5 Milliarden Wettbewerbspreise – fast tausend pro Sekunde –, aktualisiert wöchentlich mehr als 400.000 Elastizitätsschätzungen auf Produktebene und ermittelt täglich die Preise für über 30 Millionen Artikelnummern in 60 Ländern.
Agenten spielen auch eine weniger sichtbare Rolle, bevor der Händler überhaupt live geht. KI kann einen Großteil der Daten-Onboarding-Arbeit übernehmen und dabei helfen, die Feeds, Strukturen und Sortimentslogik des Händlers zu interpretieren und in die Plattform zu übertragen. Die Dateneinbindung hat bei Unternehmensimplementierungen in der Vergangenheit viel Zeit der Spezialisten in Anspruch genommen. Die Automatisierung eines Großteils dieser Arbeit erklärt, warum sich die Implementierungszeiträume so drastisch verkürzen lassen.
Warum Wochen statt Jahre keine Abstriche bedeuten
Quicklizard customers have reached live pricing in a matter of weeks rather than quarters. Recent implementations have gone live within five to seven weeks, including one covering more than 15,000 active products and another spanning ten European markets.
Zeitpläne wie diese werfen natürlich die Frage auf: Was musste geopfert werden, um so schnell voranzukommen? Die Antwort lautet: nicht die Anforderungen des Einzelhändlers, sondern zwei Arbeitsbereiche, die bei traditionellen Implementierungen oft erst einmal entstehen. Bei Alt-Systemen wird viel Zeit damit verbracht, eine statische Architektur an Anforderungen anzupassen, für die sie nicht konzipiert wurde, und neue Module für Spezifikationen zu entwickeln, die das Basisprodukt nie vorgesehen hatte. Wenn die Architektur von Anfang an auf Anpassbarkeit ausgelegt ist, entfällt ein Großteil dieser Arbeit. Das KI-gestützte Onboarding verkürzt dann den verbleibenden Aufwand erheblich und reduziert so die Zeit sowie den Fachaufwand, die für die Inbetriebnahme erforderlich sind, noch weiter.
Dadurch bleibt mehr Zeit für die Aufgaben, die tatsächlich den Einsatz von Mitarbeitern erfordern. Der Hauptaufwand bei der Implementierung liegt in der Zusammenarbeit mit den internen Stakeholdern des Einzelhändlers: die Abstimmung der Vertriebsteams, die Festlegung von Rahmenbedingungen und Genehmigungsschwellen sowie die Steuerung des Wandels bei der Preisgestaltung. Die modulare Architektur schafft Spielraum, sich auf diese Entscheidungen zu konzentrieren, anstatt die Implementierung mit technischen Anpassungen zu überfrachten.
Automatisierung wächst mit Vertrauen
Eine schnelle Inbetriebnahme bedeutet nicht, dass man die Kontrolle bereits am ersten Tag an die KI abgibt. Einzelhändler steigern den Automatisierungsgrad in ihrem eigenen Tempo, denn Anpassungsfähigkeit ohne Rechenschaftspflicht lässt sich nicht auf Unternehmensebene umsetzen. Glass Box AI macht jede Entscheidung transparent, nachvollziehbar und rückverfolgbar. Schutzmaßnahmen legen fest, was das System tun darf, während mehrstufige Genehmigungsverfahren sicherstellen, dass Menschen dort einbezogen werden, wo es das Unternehmen wünscht. Das Audit-Protokoll dokumentiert jede Änderung und den Verantwortlichen, wodurch die Verantwortlichkeit während des gesamten Preisbildungsprozesses gewährleistet wird. Diese Kontrollmechanismen werden in der SOC-2-konformen Umgebung von Quicklizard ausgeführt. Empfehlungen basieren zudem ausschließlich auf Daten zu Produkten, Kategorien, Vertriebskanälen, Nachfrage, Wettbewerb und Lagerbeständen – niemals auf der Identität einzelner Kunden.
The result is a level of automation that retailers are willing to put into production. In the last quarter, Quicklizard made a quarter of a billion pricing decisions, almost all of them automatically within each retailer’s own guardrails, while fewer than one in 5,000 was overridden by a person. That level of autonomy is reached gradually rather than assumed from day one. Retailers can begin with rules and human approvals, then give the models greater autonomy as confidence grows. Elkjøp, the leading electronics and home appliances retailer in the Nordic region, today prices over 75% of its assortment automatically, using Article Segmentation, AI Competitor Sensitivity, Revenue / Profit Optimizer, and Forecasting.
Die Auswirkungen gehen über die Automatisierung selbst hinaus. Kunden konnten ein Umsatzwachstum von bis zu 15%, einen Gewinnanstieg von 11% und eine Steigerung der Produktivität des Preisgestaltungsteams um 300% erzielen.
Herkömmliche Preisbildungsplattformen erfordern oft noch immer mehr Personal, um mehr Funktionen zu realisieren – unabhängig davon, ob diese Mitarbeiter beim Einzelhändler selbst, beim Softwareanbieter oder bei einem externen Integrator tätig sind. Quicklizard basiert auf einer anderen Prämisse: Ein größerer Teil dieser Funktionen sollte in der Plattform selbst enthalten sein. Das ermöglicht eine umfassende Anpassung für große und komplexe Einzelhandelsunternehmen, ohne die langwierige und ressourcenintensive Implementierung, die traditionell mit hochgradig angepasster Preisgestaltungssoftware verbunden ist. Es handelt sich nicht um dasselbe Modell, das nur schneller umgesetzt wird. Es ist eine andere Architektur.
