{"id":214556,"date":"2025-11-20T07:00:19","date_gmt":"2025-11-20T06:00:19","guid":{"rendered":"https:\/\/dievolkswirtschaft.ch\/?p=214556"},"modified":"2025-11-20T10:20:16","modified_gmt":"2025-11-20T09:20:16","slug":"algorithmische-orchestrierung-wie-plattformen-preise-bestimmen","status":"publish","type":"post","link":"https:\/\/dievolkswirtschaft.ch\/de\/2025\/11\/algorithmische-orchestrierung-wie-plattformen-preise-bestimmen\/","title":{"rendered":"Algorithmische Orchestrierung: Wie Plattformen Preise bestimmen"},"content":{"rendered":"

Gesunder Wettbewerb senkt die Preise und st\u00e4rkt die Wirtschaft. Doch wenn Firmen die Preisfestsetzung an Algorithmen delegieren, kann das dazu f\u00fchren, dass sich das Preisniveau f\u00fcr die Konsumierenden generell erh\u00f6ht, ohne dass die Konkurrierenden die Preise untereinander absprechen \u2013 man spricht in der \u00d6konomie von (\u00abstillschweigender\u00bb) algorithmischer Kollusion. Dieses Ph\u00e4nomen ist seit einigen Jahren bekannt.[1]<\/a><\/p>\n

Eine deutliche Versch\u00e4rfung der algorithmischen Macht ist die sogenannte algorithmische Orchestrierung. Damit ist gemeint, dass Algorithmen auf einer Onlineplattform automatisiert die Preise mehrerer Anbieter gleichzeitig so anpassen, dass auch die Plattform selbst davon profitiert. Bekannt ist das Beispiel etwa von Hotelbuchungsplattformen. Was sagt das Kartellrecht dazu? Und wie liesse sich Missbrauch durch die Plattformen verhindern?<\/p>\n

Die ersten Algorithmen bei Benzinpreisen<\/h2>\n

Stellen wir uns eine ideale Wettbewerbssituation vor: Zwei Tankstellen stehen nebeneinander an derselben Strasse. Zu jedem Zeitpunkt kann eine Tankstelle die Preise der anderen unterbieten, um so vorbeifahrende Kunden abzuwerben: Ein Preiskrieg folgt und dr\u00fcckt die Gewinne beider auf ein kompetitives Minimum. Weil so beide keinen Gewinn mehr machen, erh\u00f6hen sie die Preise wieder, und der Wettbewerb beginnt erneut. Solche Zyklen des iterativen Unterbietens mit sprunghafter R\u00fcckkehr zu h\u00f6heren Preisen werden Edgeworth-Zyklus genannt.[2]<\/a><\/p>\n

Das Preisverhalten von Tankstellen ist theoretisch und empirisch gut untersucht.[3]<\/a> Dokumentiert sind dabei genau solche Edgeworth-Zyklen. Tankstellen geh\u00f6ren zu den fr\u00fchen Anwendern von Algorithmen, die ihre Preise automatisch und mehrmals t\u00e4glich abh\u00e4ngig von der Nachfrage und den Preisen der unmittelbaren Konkurrenz anpassen. Wir wissen heute, dass solche Algorithmen Kollusion und Preiszyklen ohne explizite Absprachen erlernen.[4]<\/a> Das Resultat sind volatile und teils hohe Preise.<\/p>\n

Was sagt das Kartellrecht dazu?<\/h2>\n

Handelt es sich dabei schon um Kollusion? Aus wettbewerbspolitischer Sicht ist der Fall komplex. Urspr\u00fcnglich verstand man unter Kollusion kartellrechtlich n\u00e4mlich nur explizite Konstrukte zwischen Unternehmen in Form von klar illegalen Absprachen. Beispiele sind das globale Luftfrachtkartell, das 2005 durch Selbstanzeige aufgedeckt wurde und auch die Swiss betraf, oder das B\u00fcndner Baukartell, das 2017 aufgedeckt wurde.<\/p>\n

Mit der Verbreitung von Algorithmen ist die Lage komplizierter geworden. Auch wenn diese zu \u00fcberh\u00f6hten Preisen f\u00fchren k\u00f6nnen, fehlt bei sogenannter stillschweigender Kollusion die explizite menschliche Absprache. Trotzdem macht sie das nicht legal. Denn auch mit \u00abbewusster Parallelit\u00e4t\u00bb \u2013 also wissentlich gleichf\u00f6rmigem Verhalten ohne ausdr\u00fcckliche Absprache \u2013 kann man gem\u00e4ss Kartellrecht gegen das Konkurrenzprinzip verstossen.<\/p>\n

Parallelit\u00e4t an sich ist zwar rechtlich neutral. Ein legales Beispiel sind die oben beschriebenen Edgeworth-Zyklen im Tankstellenbeispiel: Sowohl gegenseitiges Unterbieten (um Kundschaft abzuwerben) als auch Preiserh\u00f6hungen weg vom Minimum (sobald kein Gewinn mehr verbleibt) sind nachvollziehbar. Damit Parallelit\u00e4t illegal wird, braucht es zus\u00e4tzliche Faktoren wie fehlende logische Erkl\u00e4rungen des Verhaltens im Sinne des Eigeninteresses. Zum Beispiel sind koordinierte Preiserh\u00f6hungen inmitten eines Zyklus des Unterbietens, bevor ein Minimum erreicht wurde, nicht durch Eigeninteresse erkl\u00e4rbar. Aber ab wo paralleles Verhalten rechtswidrig wird, ist umstritten und wird im Einzelfall beurteilt.<\/p>\n

Vom algorithmischen Wettbewerb zur Orchestrierung<\/h2>\n

Im Falle der Tankstellen-Algorithmen spricht man von algorithmischem Wettbewerb. Bezeichnend ist hier, dass die einzelnen Unternehmen jeweils eigene Algorithmen einsetzen, um die Preise zu berechnen, sodass ihr eigener Profit maximiert wird. Doch seit einigen Jahren gibt es auch Onlineplattformen, welche die Preise f\u00fcr eine Vielzahl von Wettbewerbern gleichzeitig und mit denselben Algorithmen orchestrieren. Solche Plattformen liefern etwa Preise f\u00fcr Hotels, Fl\u00fcge oder Produkte.<\/p>\n

Das Entscheidende beim Wettbewerb auf solchen Plattformen ist, dass die konkurrierenden Anbieter zunehmend nicht mehr eigene Preisalgorithmen verwenden (wie die Tankstellen), sondern bei der Plattform direkt ein Preistool lizensieren. Somit bedient die Plattform mehrere direkte Konkurrenten mit den gleichen Algorithmen und beeinflusst deren Preisentscheidungen gleichzeitig \u2013 deshalb spricht man hierbei von algorithmischer Orchestrierung.<\/p>\n

Wer profitiert von Orchestrierung \u2013 und wer nicht?<\/h2>\n

Um die Auswirkungen algorithmischer Orchestrierung sinnvoll einzuordnen und damit den Boden f\u00fcr eine gute Regulierung zu bereiten, muss man die zugrunde liegenden Anreize verstehen. Einerseits verdienen Plattformen ihr Geld h\u00e4ufig \u00fcber prozentuale Verkaufsgeb\u00fchren, sodass ihre Einnahmen mit h\u00f6heren Endpreisen steigen. Sowohl die Plattform als auch die konkurrierenden Anbieter haben also ein Interesse an hohen Preisen. Eine Orchestrierung ist somit potenziell eine Gefahr f\u00fcr die Konsumierenden.<\/p>\n

Andererseits sind Plattformen zentrale Sammelstellen wertvoller Information. Sie senken Suchkosten, erh\u00f6hen die Vergleichbarkeit und verbessern das Matching, was die Markteffizienz steigern kann. Gerade zu Beginn waren Plattformen auch h\u00e4ufig Orte, wo Kunden die besten Deals und Alternativen fanden. Werden die Informationen von den Plattformen also richtig bereitgestellt und von den Kunden richtig genutzt, k\u00f6nnten konkurrierende Algorithmen gesunden Preiswettbewerb also durchaus f\u00f6rdern: F\u00fcr die Nutzer entstehen tiefere Preise, und zugleich bleiben die Preise f\u00fcr die Anbieter fair und tragf\u00e4hig.<\/p>\n

Algorithmische Orchestrierung ist also ein zweischneidiges Schwert. Sie kann Kollusion und reine Gewinnmaximierung beg\u00fcnstigen, aber auch den Nutzern und der Markteffizienz zugutekommen.<\/p>\n

Angepasste Geb\u00fchrenstruktur und Marktregeln<\/h2>\n

Es stellt sich die schwierige Frage, wie die algorithmische Orchestrierung wirksam reguliert werden kann, auch wenn im herk\u00f6mmlichen Sinne kein kartellrechtlich relevantes Verhalten vorliegt. Ein Problem dabei ist auch, dass die Regulierung der Innovation stetig hinterherhinkt.<\/p>\n

Moderne Regulierungen versuchen die Transparenz zu erh\u00f6hen, um Benutzerrisiken zu minimieren. Ein konkreter US-Gesetzesentwurf untersagt den Einsatz und die Weitergabe von Preisalgorithmen, die nicht \u00f6ffentliche Wettbewerberdaten verwenden, einbeziehen oder mit solchen Daten trainiert wurden. Nutzen mehrere Anbieter einen solchen Algorithmus, gilt die kartellrechtliche Vermutung einer Absprache.[5]<\/a> Dahinter steckt die Hoffnung, dass so eine Orchestrierung der Konkurrenz durch zentrale Algorithmen verhindert wird. Doch die neuere Forschung zeigt bereits, dass Algorithmen auch ohne das Training mit Wettbewerberdaten kooperatives Verhalten lernen k\u00f6nnen.[6]<\/a><\/p>\n

Eine andere Regulierungsmethode k\u00f6nnte bei der umgebenden Marktstruktur ansetzen, indem sie legale Geb\u00fchrenstrukturen vorschreibt. Denn ein zentrales Problem sind die Kommissionsgeb\u00fchren, die sich am Preis orientieren und so daf\u00fcr sorgen, dass sowohl die Plattform als auch die Verk\u00e4ufer ein Interesse an hohen Preisen haben. Neu w\u00e4re ein Modell mit einer fixen Geb\u00fchr, deren Aufteilung sich \u2013 gemessen am Abstand zu einem Referenzpreis \u2013 zwischen K\u00e4ufer und Verk\u00e4ufer verschiebt: Liegt der Handelspreis unter dem Referenzwert, tr\u00e4gt der K\u00e4ufer den gr\u00f6sseren Anteil; liegt er dar\u00fcber, der Verk\u00e4ufer. Die Plattform erh\u00e4lt damit einen fixen Betrag, unabh\u00e4ngig vom Preisniveau, und fungiert so als neutrale Vermittlerin, die nicht von hohen Preisen profitiert.<\/p>\n

Fakt ist: Algorithmen sind gekommen, um zu bleiben. Sie zu verbieten, ist aussichtslos. Eine gute Marktregulierung muss also die richtigen Anreize setzen und darf die Plattformen nicht zu Komplizen der Anbieter werden lassen.<\/p>\n

  1. Siehe Eschenbaum (2020). [<\/span>]<\/a><\/li>
  2. Siehe Maskin und Tirole (1988). [<\/span>]<\/a><\/li>
  3. Siehe Noel (2008). [<\/span>]<\/a><\/li>
  4. Siehe Assad et al. (2024). [<\/span>]<\/a><\/li>
  5. Siehe United States Senate (2025\u20132026). [<\/span>]<\/a><\/li>
  6. Siehe Calvano et al. (2020). [<\/span>]<\/a><\/li><\/ol>","protected":false},"excerpt":{"rendered":"

    Gesunder Wettbewerb senkt die Preise und st\u00e4rkt die Wirtschaft. Doch wenn Firmen die Preisfestsetzung an Algorithmen delegieren, kann das dazu f\u00fchren, dass sich das Preisniveau f\u00fcr die Konsumierenden generell erh\u00f6ht, ohne dass die Konkurrierenden die Preise untereinander absprechen \u2013 man spricht in der \u00d6konomie von (\u00abstillschweigender\u00bb) algorithmischer Kollusion. Dieses Ph\u00e4nomen ist seit einigen Jahren bekannt. […]<\/p>","protected":false},"author":13736,"featured_media":215544,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"om_disable_all_campaigns":false,"ep_exclude_from_search":false,"footnotes":""},"post__type":[66],"post_opinion":[],"post_serie":[],"post_content_category":[154],"post_content_subject":[169,176,177],"acf":{"seco_author":13736,"seco_co_author":[13305,13261],"author_override":"","seco_author_post_ocupation_year":"","seco_author_post_occupation_de":"Doktorand, Computational Social Science, ETH Z\u00fcrich","seco_author_post_occupation_fr":"Doctorant en sciences sociales computationnelles, EPF de Zurich","seco_co_authors_post_ocupation":[{"seco_co_author":13305,"seco_co_author_post_occupation_year":"","seco_co_author_post_occupation_de":"PhD, Postdoc, Zurich Center for Market Design, Universit\u00e4t Z\u00fcrich","seco_co_author_post_occupation_fr":"Post-doctorant, Zurich Center for Market Design, Universit\u00e9 de Zurich"},{"seco_co_author":13261,"seco_co_author_post_occupation_year":"","seco_co_author_post_occupation_de":"Professor f\u00fcr Spieltheorie sowie Co-Direktor Zurich Center for Market Design, Universit\u00e4t Z\u00fcrich","seco_co_author_post_occupation_fr":"Professeur expert en th\u00e9orie des jeux, co-directeur du Zurich Center for Market Design, Universit\u00e9 de Zurich"}],"short_title":"Algorithmische Orchestrierung: Wie Plattformen Preise bestimmen","post_lead":"Preise werden auf Onlineplattformen immer h\u00e4ufiger durch Algorithmen bestimmt. Was einerseits Wettbewerb st\u00e4rken kann, birgt andererseits die Gefahr von Missbrauch und orchestrierter Kollusion. ","post_hero_image_description":"Willkommen im Traumhotel: Gut m\u00f6glich, dass ein Algorithmus den Preis f\u00fcr Ihre \u00dcbernachtung bestimmt hat.","post_hero_image_description_copyright_de":"Keystone","post_hero_image_description_copyright_fr":"","post_references_literature":"