Du denkst, du sparst – dabei wirst du berechnet

Wer diesen Sommer zur FIFA WM 2026 wollte, erlebte Dynamic Pricing hautnah: Final-Tickets starteten bei 6’730 Dollar – viermal mehr als noch in Katar 2022. Wer zögerte, zahlte mehr. Wer zu spät schaute, fand nichts mehr. Doch dieses Prinzip bleibt längst nicht mehr nur Online oder in Stadien. Es ist still in unseren Alltag gezogen – in Supermärkte, Loyalty-Apps und digitale Preisschilder. Kaufen wir noch bewusst – oder reagieren wir nur noch auf berechnete Preise?
Dynamic Pricing Ilustration
Wenn Preise beginnen, sich dir anzupassen. (Illustration: KI generiertes Bild)

Was wir kennen – und was neu ist

Fluggesellschaften, Hotels und Plattformen wie Uber arbeiten seit Jahren mit dynamischen Preisen. Wer donnerstags statt freitags fliegt oder Wochen im Voraus bucht, zahlt oft deutlich weniger. Diese Strategien kennen viele – und wenden sie intuitiv an, ohne zu wissen, dass dahinter Datenmodelle stehen, die Nachfrage und Verhalten in Echtzeit auswerten.

Was sich aber gerade verändert: Diese Logik verlässt den digitalen Raum. Im stationären Handel ersetzen digitale Preisschilder – sogenannte Electronic Shelf Labels (ESL) – zunehmend klassische Papieretiketten. Preisänderungen erfolgen nicht mehr manuell im Laden, sondern zentral per Knopfdruck – ohne dass ein Mitarbeiter die Filiale betritt.

Wie Dynamic Pricing wirklich funktioniert – die BI-Perspektive

Was steckt technisch dahinter? Der Preis, den wir sehen, ist nie ein Rohwert. Er ist das Endprodukt einer Datenkette – und die beginnt weit vor dem Bildschirm oder Preisschild.

Zuerst werden Rohdaten aus verschiedenen Quellen extrahiert: Kassensysteme liefern Absatzzahlen, Warenwirtschaftssysteme melden Lagerbestände, Loyalty-Apps geben Kaufhistorien weiter, externe Feeds liefern Konkurrenzpreise, Wetterdaten oder Kalenderinfos. Im zweiten Schritt werden diese Daten transformiert – bereinigt, vereinheitlicht und in ein gemeinsames Format gebracht. Erst dann werden sie in ein zentrales Datawarehouse geladen, wo alle Informationen zusammenkommen. Diesen dreistufigen Prozess nennt man ETL: Extraktion, Transformation, Laden.

Was im Datawarehouse landet, ist aber noch kein Preis. Dort setzt das Pricing-Modell an: ein Algorithmus, der aus den aufbereiteten Daten Muster erkennt – zum Beispiel, dass die Nachfrage nach Sonnencreme bei 28 Grad steigt, oder dass Tickets für Spanien gegen Brasilien schneller weggehen als erwartet. Auf Basis dieser Modelle wird ein Preis berechnet, der nicht nur Kosten abdeckt, sondern maximiert, was du wahrscheinlich noch bereit bist zu zahlen. Sara Stalder, Konsumentenschützerin, warnte gegenüber SRF: Preisänderungen seien für Kunden kaum beobachtbar – genau das mache sie wirkungsvoll.

Loyalty-Apps: Rabatt oder Datenlogik?

Besonders aufschlussreich sind Loyalty-Programme wie Cumulus oder Supercard. Die personalisierten Coupons in der App wirken individuell – basieren aber auf der Analyse vergangener Käufe. Zwei Mechanismen stecken dahinter: Rabatte auf Produkte, die ich sowieso kaufe, stabilisieren mein Verhalten und belohnen die Datenweitergabe. Rabatte auf neue Produkte sollen mein Kaufmuster aktiv verändern.

Das Seco stufte im März 2026 die Preisschilder der Migros als nicht regelkonform ein – Aktionspreise wurden gross angezeigt, galten aber nur beim Kauf mehrerer Einheiten. Ein Muster, das zeigt: Der Coupon ist nicht immer das, was er vorgibt zu sein.

Wie jeder von uns zum Data Analyst wird

Wer diese Logik einmal verstanden hat, verhält sich automatisch anders. Ich prüfe Preisverläufe auf Digitec, bevor ich kaufe. Ich setze Preisalarme auf toppreise.ch statt impulsiv zu klicken. Und ich vergleiche Coupon-Rabatte immer mit dem regulären Preis – denn manchmal wurde dieser vorher still erhöht. Das klingt banal, ist aber nichts anderes als das, was ein Data Analyst im Unternehmen tut: Muster erkennen, Kontext herstellen, datenbasiert entscheiden.

Du analysierst bereits - du weisst es nur noch nicht. (Quelle: eigene Darstellung)
Konsumenten analysieren Preisverläufe heute fast wie Data Analysts – oft unbewusst. (Quelle: eigene Darstellung)

 

Der Unterschied zwischen Konsument und Data Analyst ist kleiner als man denkt. Es geht nicht um Tools oder Code – sondern darum zu verstehen, welche Daten eine Entscheidung beeinflussen. Und welche nicht. Laut einer SRF-Umfrage ärgern sich rund 75 Prozent der Befragten über schwankende Preise. Wer das System versteht, gehört zu den anderen 25 – jenen, die es für sich nutzen.

So bleibst du handlungsfähig. (Quelle: eigene Darstellung)
So bleibst du handlungsfähig. (Quelle: eigene Darstellung)

 

Fazit

Preise sind heute nicht mehr nur das Ergebnis von Einkaufskosten und Marge. Sie entstehen in datengetriebenen Systemen, die Nachfrage, Kontext und Verhaltensmuster einkalkulieren. Der Preis bildet nicht nur ab, was etwas kostet – sondern auch, wie wahrscheinlich es ist, dass du genau diesen Preis akzeptierst.

Die eigentliche Veränderung liegt nicht im sichtbaren Preisschild, sondern in der unsichtbaren Berechnung dahinter. Du denkst, du sparst – dabei wirst du berechnet.

«Dieser Blogbeitrag wurde mit Unterstützung von KI erstellt»

Beitrag teilen

Ineazha Boniface

Ineazha Boniface arbeitet an der Schnittstelle von Wirtschaft und Daten. Sie interessiert sich dafür, wie datengetriebene Systeme unser Verhalten und unsere Entscheidungen beeinflussen. Ihr Ziel ist es, diese Zusammenhänge verständlich zu machen. Dieser Blogbeitrag entstand im Rahmen des CAS in Business Intelligence & Analytics an der HSLU.

Alle Beiträge ansehen von Ineazha Boniface →

Schreibe einen Kommentar