Dynamic Pricing in der Mode: Wo hilft KI, und wo schadet sie der Marke?

DAS WICHTIGSTE Zusammenfassung der Redaktion

1. KI-Pricing liefert in der Mode den am besten belegten Nutzen bei Abschriften- und Abverkaufsentscheiden: Im veröffentlichten Feldexperiment von Zara stieg der Abverkaufsumsatz um rund 6 Prozent.
2. Häufige, gut sichtbare Preisänderungen bei Ware zum vollen Preis können Kundinnen und Kunden lehren, auf Rabatte zu warten, und die Preispositionierung einer Marke untergraben.
3. Nach den seit dem 28. Mai 2022 geltenden EU-Vorschriften muss jede angekündigte Preisermässigung den vorherigen Preis angeben, definiert als den niedrigsten Preis, der in einem Zeitraum von mindestens 30 Tagen vor der Ermässigung angewendet wurde.
4. Das EU-Verbraucherrecht verpflichtet Händler zudem, Konsumentinnen und Konsumenten zu informieren, wenn ein Preis auf Grundlage automatisierter Entscheidungsfindung personalisiert wurde. Auch US-Behörden und Bundesstaaten nehmen personalisierte Preise genauer unter die Lupe.
5. Eine solide Preisrichtlinie in der Mode setzt zuerst Leitplanken: welche Produkte, Kanäle und Preisbewegungen der Algorithmus beeinflussen darf und welche menschliche Entscheidungen bleiben.

KI hilft der Preisgestaltung in der Mode am meisten bei Abschriften, Abverkauf und Promotionsplanung, wo sie entscheidet, wie stark und wann schlecht laufende Ware reduziert wird. Sie schadet der Marke, wenn sich Preise so häufig, so sichtbar oder so individuell ändern, dass Kundinnen und Kunden lernen zu warten, zu vergleichen oder zu misstrauen. Der Unterschied liegt weniger im Algorithmus als in den Leitplanken, die eine Marke um ihn herum setzt.

Was ist Dynamic Pricing in der Mode?

Dynamic Pricing bedeutet, Preise häufig an Nachfrage, Bestand, Wettbewerbspreise oder die verbleibende Saisondauer anzupassen. In der Mode reicht das von einem moderaten, regelbasierten Abschriftenrhythmus bis zu nahezu Echtzeitänderungen in Onlinekanälen. Drei Varianten sollte man unterscheiden, weil sich ihre Risiken deutlich unterscheiden.

• Abschriftenoptimierung: Festlegen von Zeitpunkt und Höhe der Rabatte auf saisonale Ware.
• Nachfragebasierte Preisänderungen: Preise während der Saison je nach Abverkauf nach oben oder unten anpassen.
• Personalisierte Preise: Verschiedene Kundinnen und Kunden sehen auf Basis ihrer Daten unterschiedliche Preise für denselben Artikel.

Wo hilft KI-Pricing Modeunternehmen?

Am besten belegt ist der Abverkauf. Caro und Gallien ersetzten in Zusammenarbeit mit dem Pricing-Team von Zara und mit einer Veröffentlichung in Operations Research im Jahr 2012 einen manuellen, informellen Abschriftenprozess durch ein formales Prognose- und Preisoptimierungsmodell. In einem kontrollierten Feldexperiment in allen belgischen und irischen Filialen in der Herbst-Winter-Saison 2008 steigerte der neue Prozess die Abverkaufsumsätze um rund 6 Prozent, und Zara setzte ihn anschliessend weltweit für Abschriftenentscheide im Abverkauf ein.

Online ergab die Forschung mit dem Flash-Sale-Händler Rue La La, dass die Nachfrage nach einem Artikel von den Preisen anderer Artikel seiner Kategorie abhing, sodass die Preise gemeinsam optimiert werden mussten. Laut Working Knowledge der Harvard Business School steigerte ein Feldexperiment im Januar 2014 den Umsatz mit den Versuchsprodukten um rund 9,7 Prozent bei minimalen Auswirkungen auf die verkauften Stückzahlen. In beiden Fällen arbeitete der Algorithmus innerhalb eines Geschäftsmodells, das Preisschwankungen bereits akzeptierte.

Lesen Sie auch

Marktplätze für Modemarken: Modelle, Zielkonflikte und Kontrolle

Wie kann Dynamic Pricing einer Modemarke schaden?

Modemarken verkaufen ebenso eine Vorstellung von Wert wie ein Produkt. Ändern sich die Preise ständig, entstehen mehrere Risiken.

Für Premium- und Luxusmarken ist das Risiko grösser, weil Preiskonstanz an sich Qualität signalisiert. Eine Marke, die automatisch rabattiert, um Ware abzubauen, gewinnt vielleicht die Marge dieser Saison und schwächt den Abverkauf zum vollen Preis in der nächsten. Dieser Zielkonflikt taucht in der Zielfunktion des Algorithmus selten auf, es sei denn, jemand baut ihn ein.

Marken, die über Wholesale verkaufen, tragen ein zusätzliches Risiko. Senkt ein Algorithmus die Preise im eigenen Onlineshop der Marke, verlieren Handelspartner, die dieselben Produkte zu empfohlenen Preisen verkaufen, Umsatz und Marge und reagieren womöglich mit gekürzten Orders oder eigenen Rabatten. Preisbewegungen in Direktkanälen müssen deshalb mit den Wholesale-Konditionen und mit Marktplatzhändlern abgestimmt werden. Andernfalls wird der eigene Kanal der Marke zum Grund, warum ihre Preispositionierung im gesamten Markt erodiert.

Was sagen Regulierungsbehörden zu dynamischen und personalisierten Preisen?

In der EU fügte die Omnibus-Richtlinie (EU) 2019/2161 Artikel 6a in die Preisangabenrichtlinie ein: Jede Ankündigung einer Preisermässigung muss den vorherigen Preis angeben, definiert als den niedrigsten Preis, der während eines Zeitraums von mindestens 30 Tagen vor der Ermässigung angewendet wurde. Die Mitgliedstaaten mussten die Vorschriften ab dem 28. Mai 2022 anwenden. Schnelles Auf und Ab der Preise wirkt sich deshalb direkt darauf aus, welchen Referenzpreis ein Händler neben einem Rabatt anzeigen darf.

Dieselbe Richtlinie änderte die Verbraucherrechte-Richtlinie dahingehend, dass Händler Konsumentinnen und Konsumenten gegebenenfalls informieren müssen, wenn ein Preis auf Grundlage automatisierter Entscheidungsfindung personalisiert wurde. In den USA veröffentlichte die Federal Trade Commission im Januar 2025 erste Ergebnisse ihrer Untersuchung zu Surveillance Pricing und hielt fest, dass Intermediäre auf ein breites Spektrum an Verbraucherdaten zurückgreifen können, um die angezeigten Preise zu beeinflussen. Die American Bar Association berichtet, dass New York einen Algorithmic Pricing Disclosure Act erlassen hat, der einen Hinweis verlangt, wenn ein Algorithmus einen Preis anhand personenbezogener Daten festlegt, und dass ein Bundesrichter im Oktober 2025 eine Klage des Detailhandels dagegen abgewiesen hat.

Wo sollte eine Modemarke die Grenze ziehen?

Eine praxistaugliche Richtlinie geht von der Markenpositionierung aus, nicht von der Technologie. Die meisten Modeunternehmen können algorithmische Unterstützung bei Höhe und Zeitpunkt von Abschriften auf saisonale Ware, bei der Promotionsplanung und bei kontrollierten Preistests für neue Produkte rechtfertigen. Viele werden Preisänderungen zum vollen Preis bei Kernlinien, Preiserhöhungen bei knappen Bestsellern und jede Form individueller Preispersonalisierung von der Automatisierung ausnehmen oder ganz ausschliessen.

1. Legen Sie fest, für welche Kategorien, Kanäle und Märkte der Algorithmus Preise setzen darf und für welche nicht.
2. Definieren Sie Preisuntergrenzen, Preisobergrenzen und eine maximale Änderungshäufigkeit pro Artikel.
3. Nehmen Sie Markenkennzahlen in die Zielfunktion auf, etwa den Anteil des Abverkaufs zum vollen Preis, und nicht nur den Umsatz.
4. Protokollieren Sie jede automatisierte Preisänderung mit dem gesetzlich vorgeschriebenen Referenzpreis.
5. Überprüfen Sie die Ergebnisse jede Saison gemeinsam mit Merchandising, Markenführung und Rechtsabteilung.

Lesen Sie auch

Preisarchitektur: Grosshandelspreis, UVP und Preislisten in Fremdwährung

Ist Dynamic Pricing für jede Modemarke das Richtige?

Nein. Off-Price-, Flash-Sale- und Discounthändler konkurrieren ohnehin über Preisbewegungen, algorithmische Preisgestaltung passt also zu ihrem Modell. Marken, die auf Preisintegrität zum vollen Preis setzen, profitieren mehr davon, KI für den richtigen Einstiegspreis und die richtige Einkaufstiefe zu nutzen, was den Bedarf an Abschriften von vornherein verringert. Dynamic Pricing ist ein Werkzeug, um Fehler ebenso wie Chancen zu managen. Je besser die vorgelagerten Entscheidungen, desto weniger davon braucht eine Marke.

Unabhängig vom Modell ist die Entscheidung, wie weit Algorithmen Preise bewegen dürfen, eine Governance-Frage. Sie gehört zu den Personen, die für Marke, Marge und Rechtskonformität verantwortlich sind, und sie sollte schriftlich festgehalten werden, bevor ein System live geht, und nicht erst im Nachhinein durch eine Kundenbeschwerde oder einen Brief der Aufsichtsbehörde zutage treten.

Häufige Fragen

Nutzen Modemarken Dynamic Pricing?

Viele Modehändler setzen algorithmische Tools für Abschriften- und Abverkaufsentscheide ein, und Onlinekanäle ermöglichen häufigere Änderungen. Ein veröffentlichtes Beispiel ist Zara, dessen Preismodell für den Abverkauf die Abverkaufsumsätze in einem Feldexperiment 2008 um rund 6 Prozent steigerte. Echtzeitpreise bei Linien zum vollen Preis sind wegen der Risiken für Marke und Vertrauen seltener.

Sind personalisierte Preise in der EU legal?

Personalisierte Preise sind nach der Omnibus-Richtlinie nicht grundsätzlich verboten, doch Händler müssen Konsumentinnen und Konsumenten informieren, wenn ein Preis auf Grundlage automatisierter Entscheidungsfindung personalisiert wurde. Zudem gelten Datenschutzvorschriften und Regeln gegen unlautere Geschäftspraktiken. Eine rechtliche Beratung vor jeder Umsetzung ist deshalb unerlässlich.

Was ist die 30-Tage-Regel für Rabatte in der EU?

Nach Artikel 6a der Preisangabenrichtlinie, eingefügt durch die Richtlinie (EU) 2019/2161, muss eine angekündigte Preisermässigung den vorherigen Preis ausweisen, also den niedrigsten Preis, der in einem Zeitraum von mindestens 30 Tagen vor der Ermässigung angewendet wurde. Die Vorschriften gelten ab dem 28. Mai 2022.

Schadet Dynamic Pricing Luxusmarken?

Das kann es, weil konsistente Preise Teil dessen sind, wie Luxus Wert signalisiert. Häufige automatisierte Rabatte können Kundinnen und Kunden lehren zu warten und den Verkauf zum vollen Preis schwächen. Ein vorsichtiger Ansatz für Luxusmarken ist, algorithmische Preisgestaltung auf kontrollierte Abverkaufskanäle zu beschränken oder ganz darauf zu verzichten.

LeitfadenDer umfassende Leitfaden zu KI in Merchandising und EinkaufDen ganzen Leitfaden lesen