Mit Google fortfahren
Algorithmische Preise: Chancen und Risiken
Preisalgorithmen passen Preise automatisch an Informationen wie Nachfrage, Angebot, Uhrzeit oder Konkurrenzpreise an. Das kann Märkte effizienter machen und günstige Angebote fördern. Unter bestimmten Bedingungen können Algorithmen aber auch die Koordination zwischen Anbietern erleichtern und zu höheren Preisen beitragen.
Auf dieser Seite lernst du, beide Wirkungen zu unterscheiden und Regeln für algorithmische Preise begründet zu beurteilen.
Hake ab, was du schon kannst — und komm am Ende hierher zurück!
Wie entstehen algorithmische Preise?
Stell dir vor, du suchst ein Flugticket. Am Morgen siehst du einen anderen Preis als am Abend. Eine mögliche Ursache ist, dass ein Computersystem neue Informationen verarbeitet und den Preis automatisch anpasst.
Preisalgorithmus
Ein Preisalgorithmus ist ein festgelegtes oder lernendes Verfahren, das aus Eingaben wie Nachfrage, Angebot, Uhrzeit und Konkurrenzpreisen einen Preis bestimmt.
Bei der dynamischen Preisgestaltung bleibt der Preis nicht dauerhaft gleich. Das System reagiert auf veränderte Marktbedingungen. Hohe Nachfrage kann einen höheren Preis auslösen; geringe Nachfrage oder ein günstigeres Konkurrenzangebot kann zu einer Senkung führen.
Dabei lassen sich zwei Arten unterscheiden:
- Bei einem statischen Algorithmus sind die Regeln und die Gewichtung der Eingaben vorgegeben und bleiben konstant.
- Bei einem selbstlernenden Algorithmus ist ein Ziel vorgegeben, zum Beispiel ein möglichst hoher Gewinn. Das System lernt selbst, wie es seine Eingaben verarbeitet, um dieses Ziel zu erreichen.
Ein Onlineshop beobachtet die Nachfrage und den Preis eines konkurrierenden Shops.
- Die Nachfrage nach einem Produkt sinkt.
- Der Konkurrent senkt seinen Preis.
- Der Preisalgorithmus erkennt beide Veränderungen.
- Nach seiner vorgegebenen oder erlernten Strategie senkt auch der Shop den Preis.
Der Algorithmus schafft die Marktinformationen nicht selbst. Er verarbeitet sie schneller und konsequenter, als ein Mensch es meist könnte.
Ein veränderlicher Preis ist noch kein Beweis für Täuschung oder ein Kartell. Entscheidend ist, welche Informationen und Ziele hinter der Preisänderung stehen und wie mehrere Anbieter aufeinander reagieren.
Wann fördert der Algorithmus Wettbewerb?
Preisalgorithmen können den Wettbewerb verstärken. Sie erkennen günstigere Angebote schnell, reagieren darauf und erleichtern Kundinnen und Kunden den Preisvergleich. Anbieter haben dann einen Anreiz, attraktive Preise anzubieten.
Ein besonderer Verlauf kann entstehen, wenn zwei Konkurrenten einander wiederholt unterbieten:
- Anbieter A senkt seinen Preis, um mehr Kundschaft zu gewinnen.
- Anbieter B unterbietet A.
- Beide setzen die Preissenkungen fort, bis kaum Gewinn übrig bleibt.
- Ein Anbieter erhöht seinen Preis sprunghaft.
- Danach beginnt das gegenseitige Unterbieten erneut.
Edgeworth-Zyklus
Ein Edgeworth-Zyklus ist eine wiederkehrende Folge aus schrittweisen Preissenkungen und einer sprunghaften Rückkehr zu höheren Preisen.
Ein solcher Zyklus wurde unter anderem bei Tankstellen beobachtet. Seine parallelen Preisbewegungen beweisen für sich allein keine verbotene Absprache: Unterbieten und spätere Preiserhöhungen können sich aus dem eigenständigen Interesse jedes Anbieters erklären lassen.
Zwei benachbarte Tankstellen verwenden jeweils einen eigenen Preisalgorithmus. Beide reagieren auf den sichtbaren Preis der anderen Station.
Solange eine Unterbietung zusätzliche Kundschaft verspricht, sinken die Preise. Am Gewinnminimum lohnt sich eine weitere Senkung nicht mehr. Eine Tankstelle erhöht deshalb ihren Preis. Die andere kann folgen, bevor das Unterbieten von Neuem beginnt.
Der entscheidende Gedanke lautet: Gleichförmige Preisbewegungen können aus gegenseitiger Beobachtung entstehen, ohne dass die Anbieter ausdrücklich miteinander gesprochen haben.
Wie kann aus Reaktion stillschweigende Koordination werden?
Schnelle Reaktionen haben eine zweite Seite: Eine Preissenkung wird weniger attraktiv, wenn konkurrierende Algorithmen sie sofort beantworten. Ein Algorithmus kann ein Unternehmen außerdem konsequent an eine Strategie binden. Ökonomisch wird diese Bindung als Commitment bezeichnet.
Stillschweigende algorithmische Kollusion
Bei einer stillschweigenden algorithmischen Kollusion koordinieren sich Preisalgorithmen so, dass ein höheres Preisniveau stabil wird, obwohl keine ausdrückliche menschliche Absprache nachgewiesen ist.
In vereinfachten Modellmärkten lernten selbstlernende Systeme, niedrige Konkurrenzpreise zu bestrafen und hohe Preise zu belohnen. Auch einfache statische Strategien können Kooperation erleichtern, wenn Konkurrenten sie schnell erkennen und ihr Verhalten daran ausrichten.
Das bedeutet jedoch nicht, dass jeder Preisalgorithmus ein Kartell bildet. Entscheidend sind unter anderem:
- die Zahl und Art der Anbieter,
- die Ähnlichkeit der eingesetzten Systeme,
- die Geschwindigkeit der Preisreaktionen,
- die Marktbedingungen,
- das Verhalten menschlicher Entscheider,
- die Bereitschaft der Kundschaft, Preise zu vergleichen und den Anbieter zu wechseln.
Parallelität und Rechtswidrigkeit sind nicht dasselbe. Gleichartige Preisbewegungen können eine eigenwirtschaftliche Erklärung haben. Ob eine rechtlich unzulässige Koordination vorliegt, hängt von zusätzlichen Faktoren und vom konkreten Einzelfall ab.
Was ist Plattform-Orchestrierung?
Bisher hatte jedes Unternehmen einen eigenen Algorithmus. Anders ist die Lage, wenn mehrere direkte Konkurrenten dasselbe Preiswerkzeug einer Plattform nutzen.
Algorithmische Orchestrierung
Bei der algorithmischen Orchestrierung beeinflusst ein gemeinsamer technischer Vermittler die Preisentscheidungen mehrerer konkurrierender Anbieter gleichzeitig.
Das kann etwa bei Hotels, Flügen oder Produkten geschehen. Die Plattform sammelt Informationen und stellt mehreren Verkäufern dasselbe Preistool bereit. Dadurch werden zuvor getrennte Preisentscheidungen über einen gemeinsamen Intermediär miteinander verbunden.
Drei Hotels bieten Zimmer über dieselbe Buchungsplattform an. Alle drei verwenden das Preiswerkzeug der Plattform.
- Die Plattform verarbeitet Nachfrage- und Preisinformationen.
- Ihr Werkzeug empfiehlt oder bestimmt Preise für mehrere Hotels gleichzeitig.
- Die Hotels treffen ihre Preisentscheidungen daher nicht mehr vollständig unabhängig voneinander.
- Erhält die Plattform einen festen Prozentsatz jedes Verkaufspreises, steigt ihre Einnahme mit dem Zimmerpreis.
Damit besteht ein möglicher gemeinsamer Anreiz für Plattform und Hotels, ein hohes Preisniveau zu unterstützen. Trotzdem kann dieselbe Plattform auch Suchkosten senken, Angebote vergleichbar machen und günstigere Alternativen sichtbar werden lassen.
| Situation | Wer steuert die Preise? | Mögliche Wirkung |
|---|---|---|
| Algorithmischer Wettbewerb | Jeder Anbieter nutzt sein eigenes System. | Schnelle Konkurrenz, aber auch parallele Reaktionen |
| Plattform-Orchestrierung | Ein gemeinsames Werkzeug beeinflusst mehrere Anbieter. | Bessere Vermittlung oder erleichterte Koordination |
| Klassisches Kartell | Unternehmen sprechen ihr Verhalten ausdrücklich ab. | Ausschaltung oder Beschränkung des Wettbewerbs |
Eine Plattform ist weder automatisch nützlich noch automatisch schädlich. Ihre Wirkung hängt davon ab, welche Informationen sie bereitstellt, wie Anbieter und Kundschaft sie nutzen und wie ihr Gebührenmodell gestaltet ist.
Was zeigen Untersuchungen – und was nicht?
Befunde zu algorithmischen Preisen müssen passend zu ihrer Methode gelesen werden. Eine Simulation, ein Laborexperiment und eine Beobachtung realer Märkte beantworten unterschiedliche Fragen.
- Simulationen zeigen, was unter festgelegten Modellbedingungen möglich ist. Selbstlernende Systeme erreichten dort Preise oberhalb des Wettbewerbsniveaus.
- Laborexperimente ermöglichen kontrollierte Vergleiche. In einem hybriden Markt erzeugte eine einfache kooperationsfördernde Strategie mit zwei menschlichen Entscheidern höhere Preise als drei menschliche Entscheider.
- Empirische Marktstudien untersuchen beobachtete Entwicklungen. Für deutsche Tankstellen-Duopole wurden rund 29 Prozent höhere Margen berichtet, wenn vermutlich beide Unternehmen selbstlernende Preisalgorithmen einsetzten. Beim einseitigen Einsatz zeigte sich dieser Effekt nicht.
Diese Ergebnisse belegen Risiken in bestimmten Konstellationen. Sie beweisen weder eine flächendeckende algorithmische Kartellbildung noch, dass reale Märkte genauso funktionieren wie vereinfachte Modelle.
Overfitting
Overfitting bedeutet, dass ein lernendes System sehr gut an seine Trainingsumgebung angepasst ist, seine Strategie aber bei veränderten Bedingungen nicht erfolgreich übertragen kann.
Gerade Simulationen mit gleichartigen Algorithmen können reale digitale Märkte nur begrenzt abbilden. Dort treffen häufig unterschiedlich gebaute Systeme und menschliche Entscheidungen aufeinander.
Eine Simulation zeigt, dass zwei gleichartige Lernalgorithmen ein hohes Preisniveau stabilisieren. Daraus darfst du schließen: Unter diesen Modellbedingungen ist stillschweigende Koordination möglich.
Du darfst daraus nicht schließen: Jeder reale Markt mit zwei Preisalgorithmen entwickelt zwangsläufig hohe Preise. Dafür unterscheiden sich reale Anbieter, Systeme, Kundengruppen und Marktbedingungen zu stark.
Wie lassen sich Regeln beurteilen?
Ein pauschales Verbot von Preisalgorithmen würde auch mögliche Vorteile wie schnelle Anpassung, geringere Suchkosten und bessere Vergleichbarkeit treffen. Regulierungsansätze setzen deshalb an konkreten Risiken und Anreizen an.
Ein Ansatz beschränkt Preiswerkzeuge, die nicht öffentliche Daten von Wettbewerbern verwenden. Das kann einen besonders direkten Informationsweg zur Koordination treffen. Es löst das Problem aber möglicherweise nicht vollständig, weil lernende Systeme auch ohne solche Daten kooperatives Verhalten entwickeln können.
Ein anderer Ansatz verändert das Gebührenmodell einer Plattform:
- Die Plattform erhält einen festen Gesamtbetrag statt einer preisabhängigen Provision.
- Wie Käufer und Verkäufer diesen Betrag untereinander aufteilen, kann vom Abstand zu einem Referenzpreis abhängen.
- Der Gesamtverdienst der Plattform steigt nicht mehr mit dem Verkaufspreis.
Damit wird ein möglicher Anreiz zu hohen Preisen abgeschwächt. Ob die Regel überzeugt, solltest du nach drei Kriterien prüfen:
- Wirkung: Trifft die Regel den problematischen Anreiz oder Mechanismus?
- Fairness: Verteilt sie Vorteile, Kosten und Risiken nachvollziehbar?
- Durchsetzbarkeit: Lässt sich ihre Einhaltung kontrollieren, ohne leicht umgangen zu werden?
Du sollst das feste Gebührenmodell beurteilen.
Wirkung: Die Plattform verdient an einem höheren Verkaufspreis nicht mehr automatisch mehr. Das verändert den problematischen Provisionsanreiz.
Fairness: Käufer und Verkäufer tragen weiterhin Gebühren. Ihre Aufteilung muss deshalb transparent und nachvollziehbar gestaltet sein.
Durchsetzbarkeit: Es muss überprüfbar sein, wie Gesamtgebühr und Referenzpreis festgelegt werden. Sonst könnte die Regel umgangen oder verzerrt werden.
Urteil: Der Ansatz ist geeignet, einen bestimmten Fehlanreiz zu verringern. Er verhindert jedoch nicht automatisch jede Form algorithmischer Koordination.
Karteikasten
Überlege zuerst selbst und drehe die Karte anschließend zum Prüfen um.
Alles auf einen Blick
- Algorithmische Preise
- Funktionsweise
- statische oder selbstlernende Regeln
- Eingaben wie Nachfrage und Konkurrenzpreise
- Mögliche Vorteile
- schnelle Marktanpassung
- Vergleichbarkeit und geringere Suchkosten
- Wettbewerbsrisiken
- sofortige Gegenreaktionen
- stillschweigende Kollusion
- Plattform-Orchestrierung
- Einordnung
- Methode und Marktbedingungen prüfen
- Parallelität nicht automatisch als Kartell werten
- Regulierung
- Datenwege begrenzen
- Gebührenanreize verändern
- Wirkung, Fairness und Durchsetzbarkeit prüfen
- Funktionsweise
Abschluss-Check
Du kannst algorithmische Preise nun beurteilen, indem du vier Fragen stellst: Welche Daten und Regeln nutzt das System? Wer beeinflusst wessen Preis? Welche Marktbedingungen fördern oder begrenzen Koordination? Und welche Regel verändert den entscheidenden Anreiz, ohne nützlichen Wettbewerb unnötig zu verhindern?