KI-gestützte Preissysteme gibt es seit Jahren. Agentic Pricing ist etwas anderes – autonomer, zielgerichteter und fundamentaler für die Rolle des Pricing Managers. Was steckt dahinter?
Nicht jede KI im Pricing ist agentisch. Der Begriff beschreibt eine neue Qualität der Automatisierung – Systeme, die nicht nur reagieren, sondern eigenständig handeln, planen und entscheiden.
Der Begriff „Agentic AI" hat sich in den letzten zwei Jahren von einem Forschungskonzept zu einem echten Markttrend entwickelt. Im Pricing bedeutet er eine klare Abgrenzung von bisherigen Automatisierungsansätzen: Regelbasiertes Repricing reagiert auf Wettbewerberpreise nach vordefinierten Wenn-Dann-Logiken. ML-basierte Optimierung empfiehlt Preise auf Basis historischer Muster. Agentic Pricing geht einen Schritt weiter.
Ein agentisches Pricing-System verfügt über ein Ziel (z.B. Marginoptimierung unter Wettbewerbspositionierungsconstraint), plant eigenständig Handlungsschritte, nutzt verfügbare Werkzeuge (Preisdaten-APIs, Lagerbestandsinformationen, Nachfrageprognosen), führt diese Schritte aus – und passt seinen Plan an, wenn Ergebnisse von Erwartungen abweichen. Das ist qualitativ anders als ein regelbasiertes System, das auf Auslöser reagiert.
Die vier Merkmale agentischen Pricings
1. Zielautonomie: Das System verfolgt ein übergeordnetes Ziel – nicht nur einen einzelnen Trigger-Wert. „Maximiere Marge auf Kategorie X unter Berücksichtigung des Wettbewerbspreises und der aktuellen Lagerreichweite" ist ein agentisches Ziel. „Wenn Wettbewerber unter 50 Euro geht, gehe auf 48,90 Euro" ist ein Regelwerk – kein agentisches Verhalten.
2. Mehrschrittiges Reasoning: Agentische Systeme zerlegen komplexe Preisaufgaben in Teilschritte und führen diese sequenziell oder parallel aus. Das beinhaltet das Abrufen aktueller Daten, das Bewerten von Szenarien, das Prüfen von Constraints und das Ausgeben einer Preisempfehlung oder -entscheidung – alles ohne menschlichen Eingriff in den Prozess.
3. Tool Use: Agentische Systeme nutzen externe Werkzeuge. Sie können Preisvergleichsportale abfragen, Wettbewerbsdatenbanken auslesen, Wetterdaten für saisonale Prognosen einbeziehen oder Lagerbestandssysteme anzapfen. Diese Werkzeugintegration ist ein zentrales Merkmal – ohne sie ist das System reaktiv statt agentisch.
4. Feedback-Loops: Das System lernt aus seinen eigenen Entscheidungen. Wenn eine Preiserhöhung zu einem Konversionsrückgang führt, justiert das agentische System seine Strategie – ohne dass ein Pricing Manager eingreifen muss. Dieses self-correcting Verhalten unterscheidet agentische Systeme von statischen ML-Modellen.
Praxisbeispiele heute
Vollständig agentische Pricing-Systeme sind im Retail-Mainstream noch selten – sie entstehen dort, wo große Sortimentsbreite, komplexe Constraints und hohe Preisänderungsfrequenz zusammentreffen. Amazon ist der am weitesten entwickelte Fall: Das Pricing-System entscheidet eigenständig über Millionen von Preisänderungen täglich, integriert Dutzende von Datensignalen und optimiert auf ein multidimensionales Ziel (Buy-Box-Anteil, Marge, Conversion).
Erste Middleware-Produkte bringen agentische Fähigkeiten für Mid-Market-Retailer zugänglich. Tools wie Feedvisor oder neuere KI-Native-Plattformen beginnen, Pricing-Agenten anzubieten, die eigenständig Preisstrategien entwickeln und ausführen – mit menschlicher Aufsicht, aber ohne menschliche Ausführung.
Was das für Pricing Manager bedeutet
Die Rolle des Pricing Managers verändert sich fundamental. Nicht Preis setzen ist die Aufgabe der Zukunft – sondern Ziele definieren, Constraints formulieren und Systeme überwachen. Das erfordert neue Kompetenzen: ein tiefes Verständnis dafür, welche Ziele und Grenzen dem System mitgegeben werden, und die Fähigkeit, Systemverhalten zu interpretieren und zu justieren.
Gleichzeitig entstehen neue Risiken: Agentische Systeme können, wenn ihre Ziele schlecht definiert sind, Preisverhalten erzeugen, das regulatorisch problematisch ist oder die Markenwahrnehmung beschädigt. Oversight ist keine optionale Ergänzung – sie ist Pflicht.
Pricing Takeaway: Agentic Pricing ist keine Weiterentwicklung von Regelengines – es ist ein Paradigmenwechsel. Wer Pricing-Systeme als Zielverfolger statt Regelausführer versteht, kann die nächste Generation von Automatisierung strategisch nutzen.