Einführung

Eine intelligente Preispolitik sollte zur Kernkompetenz jeder Bank gehören. Immerhin ist der Preis der zentrale Hebel, um Erträge und Margen nachhaltig zu steigern. Doch noch immer fehlt vielen Instituten ein Preismodell, das das Margenpotenzial der Kundenbeziehung maximiert – und das gleichzeitig für den Kunden fair und für die Vertriebseinheiten nachvollziehbar ist.

Die Folge: Die Bank schöpft ihr Ertragspotenzial nicht aus – spürbare Einbußen bei Erträgen und Gewinnen sind die Konsequenz

Bereits häufigere Überprüfungen der Preisgestaltung führen erfahrungsgemäß zu ein bis zwei Prozent höheren Erträgen – was sich, aufgrund der hohen Hebelwirkung, in einer Gewinnsteigerung um das bis zu Zehnfache nieder­schlagen kann.¹

Viele Institute spüren, wie sich die bislang stabilen Rah­menbedingungen im Bankgeschäft wandeln – vor allem durch das wachsende Kundenbedürfnis nach Onlinelösun­gen über Vergleichs- und Vertriebsplattformen. Um dort sichtbar zu sein, müssen die Institute ihre Angebotszinsen schnell und flexibel anpassen sowie die Margenverände­rungen bei Zinsänderungen einschätzen. Dabei erzeugen Zinsoptimierungen Volumeneffekte, deren Abschätzung eine genaue Preis-Absatz-Funktion erfordert.

Damit wird ein zentrales Problem der Preispolitik im Banking angesprochen. Sehr viele Institute vermögen die Preissensibilität der einzelnen Kundengruppen nicht ab­zuschätzen.² Mehr noch: Häufig erweist sich bereits die Segmentierung selbst als überholungsbedürftig.

Mit zunehmender künstlicher Intelligenz (KI) gewinnt die Preispolitik neue Relevanz

Viele der internen Herausforderungen, die bislang als Hür­den galten – etwa Datenverfügbarkeit, Segmentierung oder operative Umsetzung – lassen sich heute durch den gezielten Einsatz von KI deutlich einfacher bewältigen. Damit steht einer der wirkungsvollsten Hebel zur Ertrags- und Margensteigerung nun deutlich mehr Banken offen als je zuvor.

Auch stehen bewährte Controllinginstrumen­te, wie beispielsweise die etablierte Standardsoftware­lösung MARZIPAN³, zur Verfügung, die an dieser Stelle eingebaut werden können.

Aber ganz ohne Anpassungen im Management von Daten und Kundenbeziehungen wird sich datenbasiertes Pricing nicht konsequent umsetzen lassen. Doch genau diese Veränderungen stehen in vielen Häusern ohnehin auf der Agenda – unabhängig von einer Pricing-Initiative. Der Handlungsbedarf ist also nicht neu – der Nutzen dafür umso größer.

Pricing – warum so kompliziert?

Die Kreditbepreisung ist mittlerweile sogar aufsichts­rechtlich adressiert (MaRisk BTO 1.2. Ziffer 7). Im Rahmen der Preispolitik sollen die Institute insbesondere Eigen­kapitalkosten, Liquiditätskosten, Betriebskosten sowie Adressrisikokosten berücksichtigen – natürlich auch mit Blick auf die Wettbewerbssituation. Ansonsten wirkt das Thema Pricing für viele Institute auf den ersten Blick we­nig komplex.

Viele Bankerinnen und Banker im Vertrieb glauben zu wissen, was ihre Kundschaft bereit ist zu zah­len – entweder, weil diese es direkt äußern, oder weil sie meinen, aus Erfahrung ein Gespür für die Preissensibilität entwickelt haben.

Doch dieser weitgehend subjektive Ansatz schöpft das Ertragspotenzial der Institute meist nicht aus. Er führt oft zu Verzerrungen, da er sich immer nur auf einen Teilaus­schnitt der gesamten Kundengruppe bezieht.

Die Lösung: ein datenbasiertes Pricing, das Transparenz schafft, Fairness gegenüber Kunden ermöglicht und da­mit auch Verbraucherschutzaspekte berücksichtigt. Es ist gleichzeitig konsistent mit der übergeordneten Strategie der Bank und sendet somit keine widersprüchlichen Sig­nale nach außen oder innen.

Die Entwicklung einer wirksamen Pricing-Strategie in der Praxis und besonders bewährte Best Practices

Schritt 1: Den strategischen Rahmen für Pricing klären

Bevor Banken eine wirksame Pricing-Strategie entwickeln können, müssen sie sich über den strategischen Rahmen im Klaren sein:

• Möchten sie als Premiumanbieter auftreten – oder als Preisführer? Premiumanbieter verpacken ihre Produkte geschickt, bieten eine professionelle Beratung etwa im Private Banking an und schaffen es so, höhere Margen als die Wettbewerber zu realisieren. Preisführer setzen hingegen auf Volumeneffekte bei meist geringeren pro­zentualen Margen.
• Streben sie stabile Preise an, die Vertrauen schaffen – oder setzen sie auf flexible Reaktionen bei Marktver­änderungen?
• Geht es primär um Umsatzwachstum oder um Rentabi­lität? Und auf welcher Ebene messen sie diese Größen: je Produkt, Einzelgeschäft oder Kunde?

Auch diese operativen Fragestellungen müssen beantwor­tet werden:

• Wer trifft die Preisentscheidung? Ist es der Kundenbe­treuer im Rahmen seiner Konditionenkompetenz, der Produktverantwortliche – oder erfolgt eine Preisvorgabe durch die zentrale Steuerung (Controlling-Abteilung)?
• Welche Eskalationsstufen gibt es, wenn etwa der Kun­denbetreuer die vom Controlling vorgegebene Kondition in der Konditionenverhandlung nicht durchsetzen kann?

In vielen Instituten bleiben diese Fragen größtenteils unbeantwortet, oder die Lösungsansätze werden nicht klar kommuniziert. Die Folge: Gerade im Firmenkunden­geschäft entsteht der Eindruck, Preise seien beliebig ver­handelbar und nicht strategisch abgeleitet. Dies liegt auch daran, dass es an einer verlässlichen Datenbasis und der systematischen Auswertung von Erfahrungswerten fehlt, um Pricing-Entscheidungen faktenbasiert zu treffen.

Im Ergebnis bleibt ein systematischer Pricing-Ansatz in weiter Ferne und mit ihm erhebliche Ertragspotenziale.

Schritt 2: Auswahl eines geeigneten Preismodells

Banken steht bereits eine Vielzahl an Preismodellen zur Verfügung, die jeweils spezifische Vorteile und Herausfor­derungen aufweisen. Die Wahl des richtigen Modells sollte sich an der strategischen Ausrichtung, den Kundenbedürf­nissen sowie den internen Steuerungszielen orientieren.

Wichtig: Die vorgestellten Modelle schließen sich nicht gegenseitig aus, sondern sie lassen sich vielmehr kombi­nieren, um ein differenziertes und strategisch abgestimm­tes Pricing-System zu entwickeln. Voraussetzung dafür sind eine klare Governance mit definierten Entscheidungs­wegen und eine konsistente Kommunikation im Haus.

Preismodell	Beschreibung	Vorteil	Nachteil
Kostenorientiert	Aufschlag einer Zielmarge auf die Selbstkosten	Softwaregestützte Lösungen liegen vor – daher einfach umsetzbar	Ignoriert Zahlungsbereitschaft der Kunden Wettbe­werb Marktumfeld
Value-based	Preis orientiert sich am vom Kunden wahrgenommenen Wert	Höhere Margenabschöpfung möglich, kundenzentriert	Erfordert tiefes Kundenverständnis und klare Kommunikation des Values
Marktorientiert	Preise orientieren sich an Wettbewerbskondi­tionen	Marktanteile lassen sich gezielt steuern	Risiko eines ruinösen Preiswettbewerbs, fehlende Kostendeckung, wenig Differenzierung möglich
Dynamisches Pricing	Preise werden in Echtzeit an Markt- und Kundensignale angepasst	Hohe Reaktionsgeschwindigkeit und Optimierungspoten­zial, v. a. bei Plattformpräsenz wichtig	Hoher technologischer und analytischer Aufwand, Gefahr der Intransparenz
Segmentiertes Pricing	Preise werden differenziert nach Kundengruppen oder Nutzungsmustern gesetzt	Berücksichtigung individueller Zahlungsbereitschaft, bessere Margensteuerung	Komplexität in der Umsetzung

Schritt 3: Analyse des Datenbedarfs je nach Preismodell

Der Erfolg eines datengetriebenen Preisansatzes hängt maßgeblich von der Verfügbarkeit und Qualität relevanter Daten ab. Dabei variiert der benötigte Datenumfang je nach Preismodell.

Generell lassen sich zwei große Datengruppen unter­scheiden, je nach der Quelle, aus der die Daten gewonnen werden.

1. Interne Daten umfassen beispielsweise

• Stammdaten des Kunden (etwa die Dauer der Geschäftsbeziehung oder Anzahl genutzter Bankprodukte),
• Transaktionsdaten (zum Beispiel Überweisungen) und andere vertragliche Daten sowie
• die historisch mit dem Kunden mit welchen Produkten erzielten Margen.

2. Externe Daten spiegeln vor allem das Marktgeschehen wider, insbesondere Aktivitäten von Wettbewerbern wie Kampagnen, Konditionsanpassungen oder strategische Kooperationen oder Senkungen des Zentralbankzinses.

Erst das Zusammenspiel beider Datenquellen ermöglicht es in vielen Preismodellen, das Kundenverhalten fundiert zu analysieren und realistisch vorherzusagen.⁴

Geeignete Algorithmen, wie etwa Random-Forests, k-nearest Neighbors oder neuronale Netze, kann man für eine KI-basierte Kundensegmentierung nutzen. Auch Kaufaffinitäten lassen sich abschätzen.

Das Next-Best-Of­fer-Verfahren beispielsweise gibt an, für welches Produkt ein Kunde mit der größten Wahrscheinlichkeit affin ist. Das Affinitätsscoring weist produktbezogen Kunden einen Rangfolgewert zu und identifiziert aus einer Vielzahl von Kunden diejenigen, bei denen die höchste Abschlusswahr­scheinlichkeit besteht. Damit lassen sich Vertriebsressour­cen sparen, und die Abschlussquoten können gesteigert werden. Im nächsten Schritt muss dann jedoch noch die Wertschöpfung der Abschlüsse gemessen werden.

Schritt 4: Umsetzung der Preismodelle

Die erfolgreiche Umsetzung einer Preisstrategie hängt maßgeblich von den beiden Faktoren Modellierung der Preislogik auf Basis verfügbarer Daten und Etablierung einer klaren Governance-Struktur ab.

1. Modellierung: Datenbasiert, aber verständlich

Die Preismodelle müssen einerseits ausreichend differen­ziert sein, um das Verhalten und die Zahlungsbereitschaft der Kunden valide abzubilden.

Andererseits sollten sie transparent und verständlich ge­nug sein, um im Haus – insbesondere im Vertrieb – Vertrauen und Akzeptanz zu schaffen.

Die Herausforderung liegt im Ausbalancieren von Kom­plexität und Verständlichkeit:

• Zu einfache Modelle ignorieren wichtige Kundensignale.
• Zu komplexe Modelle werden in der Praxis nicht konsequent angewendet.
• Eine erfolgreiche Einführung gelingt nur, wenn das Modell sowohl datengetrieben fundiert als auch kommunikativ tragfähig ist.

2. Governance: Klare Regeln für Preisentscheidungen

Ein wirksames Pricing erfordert klare Zuständigkeiten, Prozesse und Eskalationspfade. Besonders in dezentral geprägten Banken kann die Einführung einer zentral ge­steuerten Preisstrategie kulturelle Veränderungen aus­lösen.

Wichtige Elemente einer erfolgreichen Governance:

• Eindeutige Verantwortlichkeiten für die Preisentschei­dung (zum Beispiel Vertrieb, Produktmanagement, Zentrale).
• Transparente Regelwerke, wann Preise verhandelt werden dürfen – und wann nicht. Es braucht also klare Regelungen, unter welchen Voraussetzungen und in welchem Umfang Sonderkonditionen durch die Ver­triebseinheiten gewährt werden dürfen.
• Definierte Eskalationsprozesse, um in Ausnahmefällen Flexibilität zu ermöglichen, ohne die Strategie zu unter­laufen.

Fazit: Nur wenn Modellierung und Governance aufeinan­der abgestimmt sind, lässt sich ein nachhaltiges, strategi­sches Pricing im Bankbetrieb verankern.

Schritt 5: Testen und Lernen

Eine effektive Pricing-Strategie darf kein statisches Kons­trukt sein. Sie muss, wie die Gesamtstrategie der Bank, dynamisch und anpassungsfähig bleiben. In einem struk­turierten Test-and-Learn-Ansatz können Pricing-Hypothe­sen gezielt mit ausgewählten Kundengruppen getestet und die Auswirkungen auf Ertrag und Verhalten systema­tisch ausgewertet werden.

Relevante KPIs wie Abschlussquoten, Margenentwicklung oder Kundenfeedback liefern dabei klare Signale, welche Elemente des Modells funktionieren, und wo Anpassungs­bedarf besteht. Die gewonnenen Erkenntnisse fließen di­rekt in die Weiterentwicklung des Preismodells ein und sor­gen für eine stetige Optimierung der Margenausschöpfung.

Doch nicht nur das Pricing-Modell selbst steht auf dem Prüfstand: Auch Governance-Strukturen sollten regelmä­ßig hinterfragt werden. Wenn etwa Preisentscheidungen ausschließlich bei Produktverantwortlichen liegen, kann sich das negativ auf die Absatzzahlen auswirken und da­mit die Rolle und Wirksamkeit des Vertriebs schwächen. Hier bietet sich ein Modell geteilter Verantwortung an.

So entsteht ein Pricing-Ansatz, der sowohl marktnah als auch intern wirksam und akzeptiert ist.

Wie sich bisherige Hürden in der Pricing- Strategie überwinden lassen

Es gibt eine Reihe von Gründen, warum einige Banken eine datengetriebene und systematische Preisfindung bis­lang nicht genutzt haben.

Herausforderung 1 – Daten: Sie sind oft unzureichend aufbereitet, um für Analysen der Preisfindung (zum Bei­spiel Preiselastizität der Kunden) genutzt zu werden. Oder sie befinden sich in Datensilos und stehen nicht zentral zur Verfügung.

Lösung: KI hilft, Daten besser zu strukturieren, zum Bei­spiel durch automatische Zuordnung von Zweckcodes oder Zusammenführung bereichsübergreifender Daten, was fundierte Analysen – etwa zur Preiselastizität der Kunden – ermöglicht.

Herausforderung 2 – unklare Vorgaben: Nicht definier­te Zuständigkeiten und das Festhalten an individuellen Preisfindungen führen dazu, dass einzelne Bereiche und Funktionen dies als Kernkompetenz ansehen und nicht abgeben wollen („Ich kenne meinen Kunden am besten“). Der traditionelle Streit zum Umfang von Sonderkonditio­nen spricht Bände.

Lösung: Wie oben beschrieben, bedarf es einer Klarheit sowohl intern also auch gegenüber den Kunden, wie die Bank das Thema Pricing angeht. Transparenz und kon­sistentes Handeln sind entscheidend für den Aufbau von Vertrauen in den Preisfindungsprozess – sowohl intern als auch extern.

Herausforderung 3 – taktisches Verhalten: Aufgrund schwankender Kundennachfrage, zunehmenden Wettbe­werbsdrucks und volatilen Marktumfelds kommt es häufig dazu, dass Pricing-Strategien kurzfristig verworfen wer­den, sobald wirtschaftlicher Druck spürbar wird. Solche Entscheidungen erfolgen oft unter erheblichem Zeitdruck und werden leider häufig ohne eine begleitende, transpa­rente Kommunikation umgesetzt.

Lösung: Die Pricing-Strategie sollte von Anfang an auf Flexibilität ausgelegt sein, um auf veränderte Markt- und Nachfragesituationen zeitnah reagieren zu können. Durch den Aufbau datengetriebener Preismodelle lassen sich Preisentscheidungen fundiert und effizient treffen, sodass Banken schnell und gezielt auf wirtschaftliche Verände­rungen reagieren können.

Fazit

Dank technologischer Fortschritte, insbesondere im Bereich der KI, gibt es für Banken kaum noch Gründe, auf datenge­triebene Preismodelle zu verzichten. Durch deren Einsatz lassen sich die Erträge signifikant steigern. Ein strukturier­tes Vorgehen ermöglicht es zudem, die übergeordneten Ziele der Bank zu berücksichtigen und eine Pricing-Stra­tegie zu entwickeln, die sich nahtlos in die Gesamtstrategie einfügt. Eine baldmögliche Umsetzung bietet sich an, um die Margenpotenziale jetzt zeitnah zu heben.