Die meisten Teams stellen sich die Frage, ob sie ihre Preisgestaltungssoftware ersetzen sollten, erst dann, wenn sie dazu gezwungen werden. Das Tool läuft, die Preise werden aktualisiert, und der Einzelposten wird verlängert. Allerdings sind „es funktioniert“ und „es bringt uns Geld ein“ zwei verschiedene Dinge, und genau in dieser Lücke zeigen sich die Auswirkungen auf die Ergebnisse.
Nehmen wir einen Einzelhändler, der etwa ein Jahr lang ein einfaches Tool zur Preisneufestsetzung einsetzte. Dieses passte die Preise auf der Grundlage von Wettbewerbsdaten und voreingestellten Regeln an – und das auf zuverlässige Weise. Was es jedoch nicht leisten konnte, war die Berücksichtigung der Preiselastizität. Infolgedessen passte es die Preise bei Produkten mit geringer Elastizität stets an die Wettbewerber an, obwohl eine solche Preisangleichung keinerlei Vorteile brachte.
Der Einzelhändler verzichtete kontinuierlich auf Gewinne bei Artikeln, die die Kunden zum höheren Preis gekauft hätten. Das Tool versagte nicht; es stieß lediglich an seine Grenzen, und die Kosten dieser Obergrenze schlugen sich lediglich in der Margenabrechnung nieder.
Wenn Sie überlegen, ob Sie Ihre Preisgestaltungssoftware austauschen sollen, sollten Sie sich fragen, ob das derzeitige Tool Nachfrage und Preise im Hinblick auf ein geschäftliches Ziel prognostiziert oder ob es lediglich wettbewerbs- und regelbasierte Anpassungen automatisiert. Ein Tool muss nicht unbedingt fehlerhaft sein, um einen Austausch zu rechtfertigen. Genau dies wird Ihnen dieser Leitfaden verdeutlichen.
Wir werden uns eingehend damit befassen, was ein Tool, das optimiert, von einem unterscheidet, das lediglich automatisiert, wie hoch die Kostenobergrenze ist, woran Sie erkennen, dass Sie diese erreicht haben, und wie Sie die Argumente für einen Wechsel zusammenstellen können.
Ein Tool zu haben und Preise zu optimieren sind zwei verschiedene Dinge
Zahlreiche Preisgestaltungssoftwareprogramme legen Preise automatisch fest. Tatsächlich ist eine regelbasierter Preisberechner und eine Prognoseplattform können beide Preise ändern, ohne dass jemand eine Tabellenkalkulation bearbeiten muss. Beide fallen unter den Oberbegriff „dynamische Preisgestaltung“, und Anbieter vermarkten oft das eine wie das andere als Software für dynamische Preisgestaltung. Der Unterschied liegt darin, worauf die Automatisierung ausgerichtet ist.
Ein Repricer führt Anweisungen aus: Anpassung an den niedrigsten Wettbewerberpreis, Preissenkung um 20 % nach sechs Wochen, Beibehaltung einer festen Marge. Er automatisiert die Umsetzung einer Entscheidung, die Sie bereits getroffen haben. Ein Prognosetool sagt voraus, wie sich die Nachfrage entwickeln wird, legt Preise fest, um ein definiertes Ziel zu erreichen (z. B. Saisongewinn, Umsatz, Absatz oder Optimierung von Preisnachlässen), und passt diese dann an, wenn sich die Bedingungen ändern.
Ein wirklich nützliches Tool kann beides: Es legt Preise automatisch fest und optimiert die Ergebnisse, die sich aus diesen Preisen ergeben. Automatisierung allein sorgt für Schnelligkeit, doch erst die Preisoptimierung wandelt diese Schnelligkeit in greifbare Ergebnisse um.
Diese Kombination wird manchmal als hybrides Preismodell bezeichnet: Automatisierung und Optimierung im Zusammenspiel. Verwenden Sie präzise Begriffe und bleiben Sie auf Augenhöhe; es geht um die Tiefe der Fähigkeiten, nicht um die Kompetenz.
Was regelbasierte Tools und Preisanpassungsprogramme tatsächlich leisten
Ein regelbasiertes Tool wendet die von Ihnen vorgegebene Preisbildungslogik an und gibt Auskunft darüber, was geschehen ist. Prisync ist ein bekanntes Beispiel für diese Kategorie. Dies ist nützlich, wenn die Regel der Realität entspricht, doch das Tool hat keine Möglichkeit zu erkennen, wann dies nicht der Fall ist.
Angenommen, ein Repricer ist so eingestellt, dass er den niedrigsten Preis eines Mitbewerbers im gesamten Katalog anpasst. Diese Logik ist für Markenartikel mit echten Substituten sinnvoll, doch dieselbe Regel gilt für alle Artikel, einschließlich eines Wintermantels einer Eigenmarke, für den es kein identisches Konkurrenzprodukt gibt. Der Mantel wird für 120 Dollar verkauft, bei Stückkosten von 60 Dollar, sodass bei jedem Verkauf eine Marge von 60 Dollar erzielt wird. Das Tool findet einen vergleichbaren Mantel, der anderswo für 99 $ angeboten wird, und passt den Preis nach unten an, wodurch sich die Marge pro Mantel auf 39 $ verringert.
Da es für den Mantel keinen exakten Ersatz gibt und die Käufer dieses Produkts keine Vergleichskäufe bei diesem Wettbewerber tätigten, wirkte sich die Preisanpassung kaum auf das Absatzvolumen aus: Die Stückzahl stieg nur geringfügig von 100 auf 105. Matching „gewann“ den Vergleich, machte dabei jedoch Verluste. Die Marge sinkt von 6.000 $ (100 × 60 $) auf 4.095 $ (105 × 39 $): Das bedeutet, dass 1.900 $ verschenkt wurden, um fünf Mäntel mehr zu verkaufen.
Der Preisberechnungsalgorithmus tat genau das, was ihm vorgegeben wurde, doch er hatte keine Möglichkeit zu erkennen, dass es sich bei dem Produkt um ein unelastisches Gut handelte. Auf den Preis eines Mitbewerbers zu reagieren ist nicht dasselbe wie die Nachfrage zu verstehen. Multipliziert man dies mit dem gesamten Sortiment, wird dies zu einem strukturellen Problem.
Was die prädiktive Optimierung zusätzlich bietet
Die Optimierung beginnt bei der Nachfrage, wobei abgeschätzt wird, wie preisempfindlich jedes einzelne Produkt ist – einschließlich Eigenmarken und Sortimente mit vielen Varianten –, wobei Wettbewerbsdaten als zusätzlicher Datenpunkt und nicht als Grundlage für die gesamte Entscheidung herangezogen werden. Anschließend werden die Auswirkungen eines Preises auf Gewinn, Umsatz und Absatz vor dessen Einführung prognostiziert.
Anstatt zu fragen, was der Wettbewerber tut, wird gefragt, welcher Preis dem von Ihnen gesetzten Ziel am nächsten kommt. Dies kann Ihnen mitteilen , was tatsächlich hinter jeder Empfehlung steckt , anstatt dies in einer „Black Box“ zu belassen.
Bei dem oben gezeigten Mantel würde ein Optimierungstool das Produkt als unelastisch erkennen und den Preis beibehalten, um die Marge von 60 Dollar zu sichern – ein grundlegender Fall der Margensicherung –, anstatt einer Anpassung nachzujagen, die nichts an der Situation ändert.
Die Kosten für den Einsatz regelbasierter Tools und Preisneuberechnungsprogramme
Ohne eine eingehendere Preisanalyse ist es schwierig, die negativen Auswirkungen einer regelbasierten Preisgestaltung zu ermitteln, bis der Margenbericht nachträglich geprüft wird.
Im Hive-Barometer 2026In einer Umfrage unter führenden Führungskräften im Einzelhandel nannten 38 % der Einzelhändler verpasste Umsatzchancen als den größten Kostenfaktor infolge einer ineffizienten Preisgestaltung, während 29 % auf Margenverluste hinwiesen. Dies sind die beiden Probleme, die ein Tool mit festgelegten Obergrenzen verursacht:
- Die Preise für Produkte, die sich ohnehin verkauft hätten, wurden zu niedrig angesetzt
- Die Preise für Produkte, die einen höheren Erlös hätten erzielen können, wurden nicht optimiert
Demgegenüber verzeichnet 7Learnings bei kontrollierten A/B-Tests bei seinen Kunden aus der Modebranche einen durchschnittlichen Gewinnanstieg von über 15 %. Die Differenz zwischen diesen Zahlen entspricht den Kosten, die der Status quo verursacht.
McKinseys „State of Fashion 2026“ stellt Margen-, Kosten- und Liquiditätsstrategie ganz oben auf die Agenda für 2026, wobei Preisgestaltung und Bestandsmanagement zu den Bereichen des Geschäftsmodells gehören, die am stärksten unter Druck stehen. Ein Tool, das keine Optimierung ermöglicht, lässt diesen Druck im Wesentlichen unberücksichtigt.
Wie Sie erkennen, dass Ihr derzeitiges Werkzeug an seine Grenzen stößt
Preisgestaltungsteams erkennen oft schnell die Anzeichen dafür, dass ihre Preismanagement-Software ausgedient hat. Zu den Hinweisen, auf die Sie achten sollten, gehören unter anderem:
- Das Team hält sich an Regeln, anstatt Ergebnisse zu steuern. Der Großteil der Woche wird damit verbracht, Preisregeln anzupassen, zu testen und zu korrigieren, anstatt zu entscheiden, was das Unternehmen erreichen soll, und zu überprüfen, ob dies auch geschehen ist.
- Das Tool reagiert, anstatt Prognosen zu erstellen. Das System reagiert auf Maßnahmen der Wettbewerber und andere Marktsignale, kann Ihnen jedoch nicht die voraussichtlichen Auswirkungen eines Preises mitteilen, bevor Sie diesen festlegen.
- Es scheitert an der Komplexität der Mode. Größen- und Farbvarianten sowie Eigenmarkenartikel, für die es keine Vergleichspreise von Mitbewerbern gibt, werden manuell erfasst, da das Tool keine entsprechenden Daten zur Auswertung vorfindet.
- Es ist nicht in der Lage, kanalübergreifend einheitliche Preise zu gewährleisten. Dieselbe Artikelnummer wird nun über Ihren eigenen Shop sowie über Amazon, Google Shopping, Zalando und andere Marktplätze verkauft, die jeweils unterschiedliche Wettbewerbsbedingungen, Gebühren und Buy-Box-Dynamiken aufweisen. Ein Regelwerk, das auf einem Kanal funktioniert, führt auf dem nächsten zu Preisen, bei denen die Marge außer Acht gelassen wird.
Die Pflege der Regeln beansprucht viel Zeit des Teams
Ein regelbasiertes System verlagert das Denkwerk wieder auf das Team. Jedes Produkt, jeder Vertriebskanal und jede Saison bringt neue Regeln mit sich, die erstellt und gepflegt werden müssen, und dieser Pflegeaufwand wächst mit dem Sortiment, anstatt sich zu verringern, während das Tool dazulernt.
Ein ausgereiztes Tool lässt sich oft daran erkennen, wie viel Arbeitszeit von Fachkräften allein dafür aufgewendet werden muss, es am Laufen zu halten. Das ist Zeit, die nicht in die Strategie fließt.
Das „Long-Tail“-Problem, das Ihre Regeln nicht lösen können
Regeln funktionieren, solange ein Mensch die Logik im Kopf behalten kann. Ab einer bestimmten Anzahl von Artikelnummern ist dies nicht mehr möglich. Ein Einzelhändler mit Zehntausenden von Produkten kann nicht für jedes einzelne Produkt eine Regel manuell anpassen; daher gilt für den „Long Tail“ eine pauschale, undifferenzierte Richtlinie, die außer Acht lässt, wie unterschiedlich sich diese Artikel verhalten.
Genau hier stoßen regelbasierte Ansätze an ihre Grenzen, und die Nachfrageprognose sich durchsetzt. Ein Modell kann die Elastizität für mehr als 20.000 Artikel (SKUs) abschätzen und jeden einzelnen auf der Grundlage der prognostizierten Nachfrage bepreisen – einschließlich der Artikel mit geringer Umschlagshäufigkeit, für deren manuelle Analyse niemand Zeit hat.
Was die Umstellung auf eine neue Preisgestaltungssoftware tatsächlich kostet
Der Einwand, der eine Umstellung in der Regel verhindert, ist die Umsetzung. Die Teams stellen sich die einjährigen Einführungsphasen vor, die mit Unternehmenssoftware-Suiten verbunden sind, und kommen zu dem Schluss, dass die damit verbundenen Beeinträchtigungen den Aufwand nicht wert sind.
Eine spezialisierte Preisgestaltungsschicht funktioniert anders. Sie greift auf Ihre bereits vorhandenen Daten zu, prognostiziert die Nachfrage und liefert optimierte Preise zurück in die Systeme, die Ihr Team bereits zur Festlegung und Veröffentlichung dieser Preise nutzt. Ihre E-Commerce-Plattform und Ihre Preisausführungseinstellungen bleiben unverändert, sodass der technische Aufwand gering ist und erste messbare Erträge bereits innerhalb eines Monats erzielt werden können – weitaus schneller als bei einer vollständigen unternehmensweiten Einführung, die ein ganzes Jahr in Anspruch nimmt.
GALERIA, ein deutsches Kaufhaus mit einem Sortiment von mehr als zwei Millionen Artikeln, erzielte innerhalb von zwei Monaten den ROI mit 7Learnings, verbunden mit einem Umsatzanstieg von 230 % und einer Margensteigerung von 50 %. Da es sich um ein europäisches Ergebnis handelt, ist dies eher ein bewährter Maßstab als ein spezifisch auf die USA bezogenes Versprechen; dennoch zeigt es, dass sich die Investition selbst im Unternehmensmaßstab realistisch gesehen schnell amortisiert.
Sollte die Befürchtung einer langwierigen, risikobehafteten Migration bestehen, lautet die ehrliche Antwort, dass ein zielgerichtetes Preisgestaltungstool zu den weniger aufwendigen Komponenten des Stacks gehört – ein Aspekt, der bei jeder Entscheidung zwischen „Selbstentwicklung“ und „Zukauf“berücksichtigt werden sollte.
Argumente für den Austausch
Der überzeugendste Weg, einen Wechsel zu begründen, besteht darin, dies zu belegen, bevor man irgendetwas entfernt. Zwei Schritte sorgen dafür, dass die Argumentation auf Fakten beruht und nicht auf bloßem Vertrauen.
Führen Sie einen A/B-Test des neuen Ansatzes im Vergleich zum bisherigen Verfahren durch: Bepreisen Sie einen Teil des Sortiments mit dem neuen Tool und einen vergleichbaren Teil mit dem bestehenden Verfahren und vergleichen Sie anschließend Gewinn, Umsatz und Absatz im gleichen Zeitraum.
Ein nachprüfbares Testergebnis ist für die Finanzwelt weitaus überzeugender als eine Prognose. INTERSPORT Krumholz hat genau dies getan und verzeichnete einen Gewinnsteigerung von 118 % und Umsatzsteigerung von 52 % im Rahmen eines A/B-Tests, ohne dass dabei das Verkaufsvolumen beeinträchtigt wird. Dies ist das Modell, um eine Umstellung auf der Grundlage von Fakten statt auf der Grundlage von Verkaufsargumenten vorzunehmen.
Nutzen Sie anschließend die Szenariomodellierung, um vor der Einführung die Zustimmung der Finanzabteilung zu gewinnen. Indem Sie anhand Ihrer eigenen Zahlen die prognostizierten Auswirkungen des neuen Ansatzes auf die Marge aufzeigen, verwandeln Sie das Gespräch von „ein weiteres Tool, das genehmigt werden muss“ in „hier ist die Marge, die wir sonst ungenutzt lassen“.
Um die verschiedenen Optionen systematisch mit Ihren Anforderungen abzugleichen, finden Sie in unserem Leitfaden zur Auswahl der besten Preisberechnungssoftware sowie unseren Begleitartikel zur Auswahl eines KI-Preisgestaltungstools die entscheidenden Kriterien auf.
Der Gewinn, den Ihr derzeitiges Tool ungenutzt lässt
Die Kosten für die Beibehaltung eines Produkts, dessen Absatzpotenzial ausgeschöpft ist, werden nicht als separate Position auf einer Rechnung ausgewiesen. Es handelt sich um die Marge, die jede Saison auf der Strecke bleibt, wenn ein Produkt mit geringer Elastizität im Preis angepasst wird, eine Long-Tail-SKU einer pauschalen Regel unterliegt oder ein Vertriebskanal einen Preis erhält, der dessen Wirtschaftlichkeit außer Acht lässt. Diese Kosten summieren sich, je mehr das Sortiment wächst und je breiter der Vertriebskanalmix wird.
Bei der Entscheidung für eine neue Preisgestaltungssoftware kommt es darauf an, ob das Tool die Aufgaben erfüllen kann, die das Unternehmen derzeit benötigt: die Nachfrageprognose und Preise zielgerichtet zu optimieren, anstatt lediglich die Regeln von gestern zu automatisieren. Das ist der ehrliche Maßstab dafür, wann man es ersetzen sollte.
Ein Werkzeug, das seine Grenzen erreicht hat, kostet Sie in jeder Saison Gewinnspanne. Nutzen Sie das 7Learnings-Rechner zur Ermittlung der Gewinnsteigerung um anhand Ihrer eigenen Umsätze eine konkrete Zahl zu ermitteln und festzustellen, ob der Status quo eine Einsparung oder eine zusätzliche Belastung darstellt.
Häufig gestellte Fragen zum Austausch von Preisgestaltungssoftware
Wann sollten Sie Ihre Preisgestaltungssoftware austauschen?
Ersetzen Sie es, wenn das Tool nicht mehr im Sinne eines wirtschaftlichen Ziels optimieren kann: wenn es lediglich regel- und wettbewerbsbasierte Änderungen automatisiert und nicht vorhersagen kann, wie die Nachfrage auf einen Preis reagieren wird.
Zu den praktischen Auslösern zählen unter anderem, dass ein Team mehr Zeit mit der administrativen Arbeit im Preismanagement verbringt als mit der Steuerung der Ergebnisse, dass Preise nicht über eine wachsende Anzahl von Vertriebskanälen hinweg einheitlich gehalten werden können und dass das Sortiment so umfangreich ist, dass die Pflege der Regeln unüberschaubar geworden ist. Der Auslöser ist die Leistungsfähigkeit, nicht das Alter: Ein Tool, das auch nach Jahren noch nicht optimieren kann, sollte ersetzt werden.
Ist der Wechsel der Preisgestaltungssoftware mit zu großen Umstellungen verbunden, als dass er sich lohnen würde?
In der Regel nicht, da die Einführung einer spezialisierten Preisgestaltungsebene weniger Aufwand erfordert als die unternehmensweiten Implementierungen, die sich die meisten Teams vorstellen. Sie wird auf bestehenden Systemen aufgesetzt, anstatt diese zu ersetzen, sodass der technische Aufwand gering ist und erste messbare Rendite bereits innerhalb eines Monats erzielt werden kann.
GALERIA hat innerhalb von zwei Monaten bei mehr als zwei Millionen Artikelnummern den ROI erreicht. Der risikoärmere Weg besteht darin, das neue Tool zunächst im AB-Test mit Ihrem derzeitigen Prozess zu vergleichen, damit die Umstellung anhand Ihrer eigenen Daten erprobt wird, bevor eine vollständige Migration erfolgt.
Inwiefern unterscheidet sich eine Software zur prädiktiven Preisgestaltung von einem regelbasierten Tool?
Ein regelbasiertes Tool wendet die von Ihnen festgelegten Anweisungen an (z. B. Anpassung an einen Wettbewerber, Gewährung eines Rabatts nach Ablauf einer bestimmten Frist) und berichtet anschließend über die Ergebnisse. Software für prädiktive Preisgestaltung prognostiziert, wie die Nachfrage auf einen Preis reagieren wird, bevor dieser in Kraft tritt, und legt Preise fest, um ein Ziel wie Gewinn oder Absatz zu erreichen – auch für Produkte, für die es keine Vergleichspreise von Wettbewerbern gibt.
Beide können Preisänderungen automatisieren; der Unterschied besteht darin, dass prädiktive Software das Ergebnis optimiert, anstatt lediglich die Regel auszuführen.
Wie begründe ich den Austausch eines Preisberechnungstools im Finanzbereich?
Stützen Sie sich auf Fakten. Führen Sie einen A/B-Test durch, bei dem Sie den neuen Ansatz hinsichtlich Gewinn, Umsatz und Absatz mit dem bisherigen Verfahren vergleichen, und legen Sie ein nachprüfbares Ergebnis vor, anstatt sich auf eine modellierte Schätzung zu stützen.
INTERSPORT Krumholz’ Ein A/B-Test ergab eine Gewinnsteigerung von 118 % ohne Einbußen beim Umsatzvolumen. Kombinieren Sie dies mit einer Szenario-Modellierung auf der Grundlage Ihrer eigenen Zahlen, um aufzuzeigen, welche Gewinnspanne derzeit ungenutzt bleibt. Die Entscheidung so darzustellen, dass es um die Rückgewinnung entgangener Gewinnspannen geht – und nicht um zusätzliche Kosten –, ist es, was einen Finanzvorstand überzeugt.
