Dynamische Preisoptimierung

Das echte Ausmaß des Problems

Yield Management, die Optimierung von Preis und Verfügbarkeit nach Nachfrage, existiert in der Luftfahrt seit den 1980ern. In der Hotellerie ist dynamische Preisgestaltung zwar bekannt, aber in der Praxis oft nur grob umgesetzt: saisonale Staffelungen, manuelle Wochenend-Preiszuschläge, gelegentliche Anpassungen bei offensichtlichen Events.

Was fehlt, ist die Reaktionsgeschwindigkeit. Moderne Märkte verändern sich innerhalb von Stunden. Eine Veranstaltung, die am Dienstag angekündigt wird, schlägt sich bis Donnerstag in erhöhter Buchungsnachfrage nieder. Wer erst am Freitag seinen Preis anpasst, hat Kapazität zu billig verkauft.

Laut STR (Standard & Poor’s Global Hotel Analytics) liegt die Preisoptimierungslücke, der Unterschied zwischen tatsächlich erzielten und theoretisch erzielbaren Preisen, bei Häusern ohne dynamisches Revenue Management bei 8 bis 18 Prozent des Potenzial-RevPAR. Das klingt abstrakt, wird bei konkreten Zahlen greifbar: Ein Hotel mit 80 Zimmern und 1,5 Mio. Euro Jahresumsatz hinterlässt bei 10 Prozent Lücke 150.000 Euro auf dem Tisch.

Mit vs. ohne KI, ein ehrlicher Vergleich

Einschätzung auf einen Blick

Zeitersparnis, niedrig (2/5) Wie bei der Nachfrageprognose: Das System spart etwas operative Zeit (manuelle Preissetzung entfällt), aber das ist nicht der Hauptnutzen. Revenue Manager verbringen mit einem guten RMS weniger Zeit mit täglichen Routinen und mehr mit strategischen Entscheidungen. Das ist Qualitätsgewinn, nicht Stunden-Ersatz.

Kosteneinsparung, sehr hoch (5/5) Das ist der stärkste Umsatzhebel im gesamten Hotel-Portfolio. Eine RevPAR-Steigerung von 5 bis 15 Prozent ist direkt messbar, verglichen mit Benchmark-Indices wie STR. Kein anderer Use Case in diesem Portfolio hat ein vergleichbares finanzielles Potenzial.

Schnelle Umsetzung, sehr niedrig (1/5) Gleichauf mit Nachfrageprognose als schwierigster Einstieg im Portfolio. Das System muss trainiert werden, Channel-Manager-Integration ist komplex, und die Kalibrierungsphase dauert Monate. Wer einen Quick Win will, schaut sich Use Cases 1–3 an.

ROI-Sicherheit, sehr hoch (5/5) RevPAR und ADR (Average Daily Rate) sind Standardkennzahlen der Hotellerie, die über STR direkt mit dem Marktdurchschnitt vergleichbar sind. Der ROI ist messbar, standardisiert und external benchmarkbar, das ist einzigartig im Portfolio.

Skalierbarkeit, sehr hoch (5/5) Bei Hotelketten multipliziert sich der Nutzen. Ein kalibriertes Preis-Modell für mehrere Häuser mit ähnlichen Marktbedingungen teilt Lerneffekte. In der Luftfahrt ist das seit Jahrzehnten Standard, in der Hotellerie wird es zum Pflichtinstrument für wettbewerbsfähige Betriebe.

Richtwerte, stark abhängig von Marktgröße, Kompetitorzahl und PMS-Integration.

Was das System konkret macht

Dynamische Preisoptimierung ist Machine Learning angewandt auf das klassische Yield-Management-Problem: Wann, wie viel und an wen verkauft man verfügbare Kapazität?

Das System kombiniert:

• Buchungstempo-Analyse: Wie schnell füllt sich ein bestimmtes Datum verglichen mit historischen Mustern? Schneller als üblich → Preis erhöhen. Langsamer → Preis senken oder Verfügbarkeit auf mehr Kanälen öffnen.
• Kompetitorpreise in Echtzeit: Rate-Scraping von Buchungsportalen und direkter Konkurrenz
• Nachfragesignale: Eventkalender, Flugdaten, Suchtrends (OTA-Impressionen)
• Eigene Historik: Welcher Preis hat an diesem Wochentag in dieser Saison welche Auslastung erzeugt?

Das Modell generiert daraus Preisempfehlungen, entweder als Vorschläge für die Revenue Managerin oder (in vollständig automatisierten Setups) als direkte Ratenänderungen, die über den Channel Manager an alle Buchungskanäle übertragen werden.

Die kritische Frage: Halbautomatisch (Empfehlung + menschliche Freigabe) oder vollautomatisch? Vollautomatik spart mehr Zeit, birgt aber das Risiko von Preissprüngen, die Gäste verunsichern. Empfehlung: Halbautomatik mit definierten Preisgrenzen (Floor und Ceiling) ist für die meisten Hotels die sicherere Wahl.

Konkrete Werkzeuge, was wann passt

Duetto, Marktführer für mittelgroße bis große Hotels. KI-gestützte Rate-Empfehlungen, Segment-Steuerung, Multi-Property-Management. Native Integrationen mit OPERA, Mews, Apaleo, Protel. Preis: ab 1.000–2.500 Euro/Monat. Für Hotels ab 80 Zimmern, die ernsthaft Revenue Management betreiben.

IDeaS G3, Ähnliches Segment wie Duetto, mit stärkerem Fokus auf maschinelles Lernen. Empfohlen von großen internationalen Ketten. Preis: auf Anfrage, vergleichbar mit Duetto.

RateGain / Atomize, Günstigere Alternativen für mittelgroße Hotels, die einen einfacheren Einstieg in dynamisches Pricing suchen. Atomize ist besonders für Häuser empfohlen, die Apaleo oder Mews als PMS nutzen, native Integration ohne zusätzlichen Konfigurationsaufwand. Preis: 200–600 Euro/Monat.

Cloudbeds Intelligence, Für Hotels, die Cloudbeds als PMS nutzen: eingebaute Pricing-Intelligence mit weniger Setup-Aufwand. Weniger mächtig als Duetto, aber für kleinere Häuser ein guter Einstieg.

Manuell + Rate-Shopping-Tool (z.B. OTA Insight), Der minimale Einstieg: ein Rate-Shopper, der täglich Wettbewerberpreise meldet, und ein Revenue Manager, der darauf reagiert. Kein KI, aber ein strukturierter Informationsfluss. Kosten: 150–300 Euro/Monat. Empfehlung als Übergang, bevor ein vollständiges RMS eingeführt wird.

Datenschutz und Datenhaltung

Für die dynamische Preisoptimierung werden primär nicht-personenbezogene Aggregatdaten verwendet: Belegungsraten, Preise, Buchungstempo. Personenbezogene Gästedaten fließen in diesen Use Case in der Regel nicht ein.

Zu beachten:

• DSGVO: Wenn Buchungsdaten mit Gästeprofilen verknüpft für Preissegmentierungen genutzt werden (z.B. Stammgäste vs. OTA-Gäste), ist das DSGVO-relevant → AVV mit RMS-Anbieter erforderlich
• Preistransparenz: Dynamische Preise müssen für alle Kanäle konsistent sein, Preisdifferenzierung zwischen identischen Kanälen kann gegen Wettbewerbsrecht verstoßen (§ 20 GWB)
• Paritätsverpflichtungen: Viele OTA-Verträge enthalten Rate-Parity-Klauseln, die bestimmte Preisdifferenzierungen einschränken, rechtlichen Status prüfen (BGH-Rechtsprechung 2021 hat Best-Price-Klauseln von Booking.com eingeschränkt)

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• PMS-Integration und Channel-Manager-Anbindung: 1.000–4.000 Euro
• Datenhistorie-Bereinigung (falls nötig): wie bei Prognose-Use-Case
• Anbieter-Onboarding und Training: meist im Paket enthalten

Laufende Kosten (monatlich)

• Duetto / IDeaS: 1.000–2.500 Euro/Monat
• Atomize / RateGain: 200–600 Euro/Monat
• OTA Insight (Rate-Shopper only): 150–300 Euro/Monat

ROI-Rechnung Hotel, 80 Zimmer, Jahresdurchschnittspreis 110 Euro, 70 % Auslastung: Jahresumsatz: 80 × 110 × 365 × 0,70 = ca. 2,25 Mio. Euro RevPAR-Steigerung 7 %: 157.500 Euro Mehrumsatz Kosten RMS: 24.000 Euro/Jahr ROI: ca. 6:1 im ersten vollen Jahr, unter der Annahme, dass die Prognosequalität nach der Kalibrierung erreicht ist.

Typische Einstiegsfehler

1. Preisautomatik ohne Floor und Ceiling-Grenzen. Ein System, das ohne definierte Mindest- und Höchstpreise läuft, kann in extremen Situationen unerwünschte Preise setzen, entweder zu niedrig (Race to the bottom bei schwacher Nachfrage) oder zu hoch (Reputationsschaden bei offensichtlicher Ausnutzung von Events). Immer Preisgrenzen pro Zimmerkategorie definieren.

2. Den Channel Manager nicht angebunden haben. Wenn das RMS Preisempfehlungen gibt, aber das Team sie manuell in jeden Kanal eingeben muss, wird die Hälfte der Empfehlungen nicht umgesetzt. Channel-Manager-Integration ist keine Option, sondern Voraussetzung für effektives dynamisches Pricing.

3. Rate-Parity-Verstöße durch fehlerhafte Konfiguration. Wenn das System einen Preis für Booking.com, einen anderen für die eigene Website und einen dritten für Expedia setzt, entstehen Rate-Parity-Probleme mit vertragsrechtlichen Konsequenzen. Rate-Management-Regeln müssen korrekt konfiguriert und regelmäßig überprüft werden.

4. Das System nach Go-live sich selbst überlassen. Ein RMS läuft nicht wartungsfrei. Wenn niemand monatlich die Prognosequalität überprüft, Preisbounds aktualisiert und ungewöhnliche Empfehlungen hinterfragt, driftet das System langsam in ungenaue Muster, bis die Revenue Managerin merkt, dass die Empfehlungen seit Monaten am Markt vorbeigehen. Ein monatliches 30-Minuten-Review der Systemperformance ist Pflicht, kein Nice-to-have.

Was mit der Einführung wirklich passiert, und was nicht

Das typische erste Halbjahr ist geprägt von Unsicherheit im Team: „Das System hat gestern Nacht den Preis auf 220 Euro gesetzt, war das richtig?” Diese Fragen sind normal und müssen transparent beantwortet werden.

Was hilft: Ein wöchentliches 30-Minuten-Review, in dem die Revenue Managerin die wichtigsten Systemempfehlungen der Woche auswertet, nicht um sie alle zu überstimmen, sondern um zu verstehen, welche Signale das System gesehen hat. Dieses Verständnis baut Vertrauen auf und macht die Zusammenarbeit zwischen Mensch und System produktiver.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Wir verlieren Stammgäste durch zu hohe Preise.” Berechtigte Sorge, und lösbar durch Stammgäste-Segmentierung: Wer eine direkte Buchung macht oder im Loyalitätsprogramm ist, bekommt ein geschütztes Rate-Segment, das nicht der vollen Dynamik unterliegt. Das muss explizit konfiguriert werden.

„Die OTAs zwingen uns zu Rate Parity.” Seit der BGH-Entscheidung (2021) sind enge Bestpreisklauseln von Booking.com in Deutschland unwirksam. Ihr dürft auf eurer eigenen Website günstiger anbieten als auf OTAs, das ist ein Direktbuchungs-Anreiz und kein Verstoß mehr.

Woran du merkst, dass das zu dir passt

• Wettbewerber passen ihre Preise täglich an und ihr schaut einmal pro Woche auf die Preisliste
• Ihr habt Last-Minute-Angebote, weil Zimmer am Tag vor Ankunft noch leer sind
• Ihr seht an Hochlasttagen (Events, Messen) immer früh aus, aber habt den Preis nicht rechtzeitig erhöht
• RevPAR ist eine Kennzahl, die ihr verfolgt, und ihr wisst, dass ihr den Marktindex unterbietet

Wann es sich noch nicht lohnt: Weniger als 30 Zimmer (Markt zu klein für statistisch verlässliche Modelle), Positionierung als „günstiger Fixpreis-Anbieter” (das ist eine bewusste Strategie, kein Use-Case-Problem), oder wenn kein Channel Manager vorhanden ist (Voraussetzung für Automatisierung).

Das kannst du heute noch tun

Mach einen manuellen Rate-Check: Öffne Booking.com und suche dein Hotel und deine fünf wichtigsten Wettbewerber für die nächsten drei Wochenenden. Notiere die Preise in einer einfachen Tabelle. Siehst du systematische Muster, sind die Wettbewerber teurer wenn du günstiger bist? Das zeigt dir in 30 Minuten das Potenzial des Use Cases.

Quellen & Methodik

• RevPAR-Steigerung durch RMS: STR Global Analytics, „The Impact of Revenue Management Systems on Hotel Performance” (2023); IDeaS, „Revenue Management Automation Study” (2024). Als Herstellerangaben einzustufen.
• Preisoptimierungslücke: STR, „Germany Hotel Performance Benchmarking” (2024).
• BGH-Entscheidung Rate Parity: BGH, Urteil vom 18.05.2021 – KVR 54/20 (Booking.com Bestpreisklausel).
• § 20 GWB (Preisdiskriminierung): Gesetz gegen Wettbewerbsbeschränkungen in gültiger Fassung.
• Tool-Preisangaben: Angebotsanfragen und veröffentlichte Startpreise Duetto, Atomize, OTA Insight (Stand April 2026).