Dynamic Pricing im Einzelhandel: Preise und Abschriften steuern

Der Händler hat die Herbstkollektion gut geplant und eingekauft. Sechs Wochen vor Saisonende zeigt der Bestand pro Filiale ein bekanntes Bild: Ein Teil der Größen ist fast ausverkauft, ein Teil läuft normal, ein Teil bleibt liegen. Das Category Management setzt die Abschriften weiter manuell: einmal pro Woche, oft auf Basis veralteter Listen und viel Erfahrung. Die Wettbewerberpreise liegen in einer alten Excel-Liste, Restbestände stehen in einer anderen Tabelle und Kassendaten kommen erst nachts im Lakehouse an.

Dieses Problem entsteht vor allem bei Sortimenten mit klarem Saisonende: Mode, Weißware der Vorjahres-Generation, Consumer Electronics-Bundles, Baumarkt-Saisonartikel. Gerade die letzten Wochen kosten Marge, wenn Abschriften zu spät, zu pauschal oder auf falscher Datenbasis gesetzt werden. Zusätzlich kannibalisieren Aktionen, die den Abverkauf beschleunigen sollen, oft die Vollpreis-Nachfrage.

Wie steuern wir Preise pro Filiale-SKU, ohne dass jede Entscheidung durch drei Abstimmungsrunden geht? Welche Rolle bekommt das Modell, welche die Regel, welche der Category Manager? Wo hört ein Modell auf und wo fängt ein Regelwerk an? Wann ist ein Wettbewerber-Preis ein Input und wann eine Steuergröße? Wie kommen die Preise am Ende sauber auf die Etiketten, stationär und online?

Das Problem liegt nicht an einer einzelnen Stelle. Forecast, Regeln, Freigabe und Preisverteilung müssen zusammen funktionieren. Das Modell ist nur ein Teil der Lösung. Der größere Teil liegt im operativen Ablauf. Ein trainiertes Modell ist noch kein Dynamic Pricing. Produktiv wird es erst, wenn Regeln, Freigabeprozess und Preisverteilung funktionieren.

Dynamic Pricing lohnt sich vor allem dann, wenn ein Bedarfs-Forecast bereits produktiv läuft. Der Grund ist einfach: Viele Daten, die für den Forecast gebraucht werden, werden auch für Pricing benötigt. Kassendaten aggregiert auf Filiale-SKU-Tag, Aktionsflags, Wetter, Feiertagsmuster, Bestandsreichweiten. Die Datenbasis muss also nicht komplett neu aufgebaut werden. Die Preis-Menge-Beziehung wird als zusätzlicher Kopf trainiert (Multi-Task) oder als eigenes Modell auf denselben Features.

Das hat einen zweiten Vorteil. Wenn Forecast und Pricing dieselbe Datenbasis nutzen, sinkt der Integrationsaufwand. Außerdem arbeiten beide Modelle mit denselben Datenständen, Verantwortlichkeiten und Qualitätsregeln. Der Freigabe-Workflow für Preise setzt auf denselben Bestandssignalen auf, die die Nachschubsteuerung nutzt. Bestandsreichweiten bleiben eine Guardrail-Größe für den Aktions-Trigger. Auch die Messung von Aktionswirkung hängt wieder am Forecast. Nur so lässt sich abschätzen, was ohne die Aktion passiert wäre. Wie wir die Aktions-Inkrementalität von der reinen Vollpreis-Kannibalisierung trennen, führen wir im Überblick zur Aktionswirksamkeitsmessung aus.

Das Regelwerk ist der operative Kern des Systems. Wenn Regeln deklarativ gepflegt werden, bleiben sie nachvollziehbar, versionierbar und testbar. Auf dem Lakehouse liegen Regeln als Delta-Tabellen, ihre Anwendung läuft als Job oder Delta Live Table.

Vier Regelarten sind im Handel besonders wichtig.

Guardrails legen absolute Preisuntergrenzen und -obergrenzen pro Kategorie oder SKU-Cluster fest. Unterhalb einer Deckungsbeitrags-Schwelle wird nicht abgeschrieben. Oberhalb der UVP wird nicht erhöht. Ein Wettbewerberpreis darf diese Grenzen nicht aushebeln. Zusätzliche Zyklusregeln verhindern ständige Preisänderungen ("maximal 15 Prozent Änderung pro Nacht").

Aktions-Trigger verbinden Bestandsreichweite und Restlaufzeit mit einem Aktionsvorschlag. Wenn ein Artikel sechs Wochen vor Saisonende noch über neun Wochen Reichweite hat, schlägt das System eine erste Abschrift vor. Der Auslöser folgt einer festen Regel. Die Höhe der Abschrift sollte aus Forecast und Elastizität abgeleitet werden. Feste Rabattstufen sind eher eine Ausnahme.

Markdown-Kaskaden beschreiben, wie Abschriften zum Saisonende schrittweise erhöht werden. Für ein Fashion-Herbst-Sortiment mit zwölf Wochen Restlaufzeit lohnt sich eine dreistufige Kaskade: T-8 Wochen minus 15 Prozent auf Kategorie-Cluster mit hoher Restreichweite, T-4 Wochen minus 25 Prozent, T-1 Woche minus 40 Prozent, jeweils mit Filialgruppen-Freigabe. Anbieter für Markdown-Optimierung modellieren die Kaskaden als Kombination aus Bestandsreichweite und rollierendem Prognose-Update.

Wettbewerbs-Signal-Regeln: Wettbewerberpreise sollten ein Eingangssignal sein, aber nicht allein den Preis bestimmen. Match innerhalb einer Toleranzspanne, außer eine Guardrail wäre verletzt. Für Top-30-Artikel pro Kategorie lohnt sich eine engere Toleranz. Für den Long-Tail ist die Guardrail wichtiger als der Wettbewerbspreis.

Diese vier Regelklassen lassen sich in einer deklarativen Sprache auf dem Lakehouse formulieren. Deklarative Regeln sind versionierbar, A/B-testbar und mit klaren Testfällen prüfbar. Wenn solche Regeln nur in Notebooks stecken, werden sie schwer nachvollziehbar, schwer testbar und schwer zu ändern.

Das Modell liefert einen Vorschlag, das Regelwerk prüft ihn, das Category Management gibt ihn frei. Am Freigabeprozess entscheidet sich, ob Dynamic Pricing im Alltag akzeptiert wird.

Eine gute Oberfläche sollte pro Preisvorschlag drei Dinge zeigen: die vorgeschlagene Preisänderung und den Grund dafür (Bestandsreichweite, Elastizität, Wettbewerbslage), die Effekt-Schätzung auf Marge und Abverkauf für die nächsten zwei Wochen, und eine Alternative, zum Beispiel keine Änderung oder eine kleinere Anpassung. Freigabe oder Ablehnung sollten pro Filialgruppe einfach möglich sein. Die SKU-Ebene bleibt für die Effekt-Analyse, für den Freigabe-Klick reicht die Gruppe. Jede Entscheidung wird gespeichert. Später kann daraus gelernt werden, welche Vorschläge angenommen oder verworfen wurden.

Technisch muss das nicht kompliziert sein: ein Databricks SQL Dashboard, eine Streamlit-App, ein Genie-Space auf einer freigegebenen Vorschlagstabelle. Wichtig ist, dass das Category Management den Prozess als nützliches Arbeitswerkzeug erlebt, nicht als Blackbox. Vollautomatisierung ohne Freigabeprozess ist riskant. Ein falscher Preis reicht oft, um das Vertrauen in das System zu verlieren.

Marktbasiertes Dynamic Pricing ist in Deutschland grundsätzlich zulässig. Der Preis gilt für alle Kunden im Kanal zu einem Zeitpunkt, personenbezogene Daten fließen nicht in die Preisberechnung. Aus Datenschutzsicht ist das deutlich weniger kritisch als personalisierte Preisgestaltung.

Zwei Regeln sind besonders wichtig. Erstens die Preisangabenverordnung: seit dem 28. Mai 2022 verpflichtet § 11 PAngV Händler, bei jeder Preisreduktion im B2C den niedrigsten Gesamtpreis der letzten 30 Tage als Referenz anzugeben. Wer Preise künstlich erhöht, um später einen größeren Rabatt zeigen zu können, riskiert rechtliche Probleme. Das gilt auch für automatisierte Preissetzung; das Regelwerk muss deshalb den niedrigsten Preis der letzten 30 Tage kennen und Rabattangaben dagegen prüfen. Zweitens das UWG: § 5 verlangt wahrheitsgemäße und transparente Preiswerbung. Marketing-Aktionen mit fiktiven „Streichpreisen" sind unzulässig.

Personalisierte Preise sind deutlich sensibler. Individualisierte Preise auf Basis von Loyalty-Historie, Cookie-Profilen oder Endgeräte-Merkmalen verarbeiten personenbezogene Daten und brauchen eine tragfähige Rechtsgrundlage. Aus EU-Verbraucherschutzsicht besteht zusätzlich eine Aufklärungspflicht, wenn ein Preis algorithmisch personalisiert wurde. Für den Einstieg ist eine klare Trennung sinnvoll: zuerst marktbasiertes Dynamic Pricing ohne personenbezogene Daten. Personalisierte Preise sollten nur mit sauberer Rechtsgrundlage und dokumentierter Einwilligung betrachtet werden.

Der EU AI Act zieht ab dem 2. August 2026 zusätzlich einen Rahmen für hochrisiko-Systeme. Biometrische Kategorisierung im Store zur Preissetzung fällt darunter. Ein Pricing-System, das nur Bestand, Wettbewerb, Forecast und Kalender nutzt, ist deutlich weniger kritisch als biometrische oder personenbezogene Preissetzung. Emotionserkennung oder biometrisches Targeting im Store gehören in einen anderen Compliance-Raum und sollten dort separat behandelt werden.