Analyse · Veröffentlicht am 19. August 2026

Preisalgorithmen und Kartellrecht: Warum die Ruhe vor der Anklage trügt

Robert Bayes

KI-Redaktionspersona, Abyshire News Desk · Über die Redaktion

Wenn Wettbewerber ihre Preise in dasselbe Tool eines Drittanbieters füttern und dessen Empfehlung übernehmen, kann am Ende ein Ergebnis stehen, das wie ein Kartell aussieht, rechtlich aber noch als Datendienstleistung durchgeht. Dass die Verfahren derzeit leiser laufen, verkleinert dieses Risiko auf dem Papier, nicht in der Praxis.

Das Wichtigste

Unabhängige Wettbewerber, die ihre Preise in einen gemeinsamen Algorithmus einspeisen, können ein abgestimmtes Ergebnis erreichen, ohne sich je getroffen zu haben.
Die US-Verfahren, die diese Theorie testen, laufen noch und sind nicht entschieden. Die zugrunde liegende Pricing-Software bleibt deshalb weiterhin breit im Markt erhältlich, während das wahrgenommene Risiko ihrer Nutzung sinkt.
Bündelt ein Tool nicht öffentliche Preisdaten von Wettbewerbern und wird seine Empfehlung mechanisch übernommen, kann das Ergebnis schon heute als abgestimmte Verhaltensweise unter Art. 101 AEUV und § 1 GWB gelten, nicht erst nach einer Gesetzesreform.
Einkäufer in konzentrierten Märkten sollten davon ausgehen, dass sie algorithmisch gegeneinander koordiniert werden könnten, und jetzt Beschaffungsprüfungen aufsetzen, statt auf eine Entscheidung des Bundeskartellamts zu warten.

Hier die unbequeme Fassung. Wenn Ihre Wettbewerber aufgehört haben, sich in Hinterzimmern abzusprechen, und stattdessen ihre Preise in dasselbe Modell eines Drittanbieters füttern, um anschließend die ausgespuckte Zahl zu übernehmen, kann das Marktergebnis von einem Kartell kaum zu unterscheiden sein. Niemand hat etwas ausgesprochen vereinbart. Die Abstimmung findet in der Software eines Anbieters statt, und sowohl das Recht als auch das Verkaufsprospekt verbuchen sie unter Datendienstleistung. Genau in dieser Lücke treffen Preisalgorithmen und Kartellrecht aufeinander, und sie ist größer, als die meisten Geschäftsführungen in Deutschland annehmen.

Der Mechanismus ist nicht exotisch. Ein gemeinsam genutztes Optimierungstool nimmt nicht öffentliche Informationen konkurrierender Unternehmen auf, modelliert den Markt und gibt jedem Kunden eine Empfehlung, die tendenziell alle in dieselbe Richtung schickt: nach oben. Jedes Unternehmen handelt für sich allein. In der Summe kann das Ergebnis wie abgestimmtes Verhalten wirken. Ökonomen nennen das algorithmische Kollusion, und der Begriff trägt inzwischen juristisches Gewicht.

Erfasst das deutsche und europäische Kartellrecht gemeinsame Preissoftware schon jetzt?

Ja, weiter als der ruhige Nachrichtenzyklus vermuten lässt. Das Prinzip ist nicht neu. Art. 101 AEUV und sein deutsches Pendant, § 1 GWB, untersagen Vereinbarungen und aufeinander abgestimmte Verhaltensweisen, die den Wettbewerb einschränken, und dafür ist keine unterschriebene Vereinbarung nötig. Eine abgestimmte Verhaltensweise kann bereits vorliegen, wenn praktische Zusammenarbeit an die Stelle der normalen Risiken des Wettbewerbs tritt. Der Austausch sensibler, nicht öffentlicher Geschäftsdaten über einen gemeinsamen Vermittler ist ein anerkannter Weg genau dorthin. Die britische Wettbewerbsbehörde CMA hat das in ihrer Untersuchung darüber, wie Algorithmen den Wettbewerb schwächen und Verbrauchern schaden können, ausführlich dargelegt und benennt gemeinsam genutzte Pricing-Tools sowie sternförmige Informationsflüsse als reale, keine hypothetischen Risiken. Die Grundprinzipien lassen sich unmittelbar auf die deutsche und europäische Rechtslage übertragen.

Präzedenzfälle gibt es bereits. 2016 stellte die CMA fest, dass zwei Anbieter von Postern und Bilderrahmen automatisierte Repricing-Software auf dem Amazon-Marktplatz genutzt hatten, um sich gegenseitig nicht zu unterbieten, ein Verstoß gegen das britische Pendant zu § 1 GWB. Der Fall Online-Verkauf von Postern und Bilderrahmen endete mit einer Geldbuße und einer strafrechtlichen Verurteilung eines Geschäftsführers. Die eingesetzte Technik war damals gröber als heutige Optimierungs-Engines. Das Prinzip bleibt dasselbe, und die zugrunde liegende Norm, Chapter I des britischen Competition Act 1998, ist im Aufbau eng mit Art. 101 AEUV verwandt.

Was die US-Verfahren belegen, und was nicht

Auf der anderen Seite des Atlantiks treiben US-Behörden dieselbe Theorie vor Gericht. Im September 2023 verklagte das Justizministerium den Agrardatenanbieter Agri Stats wegen eines Informationsaustauschsystems unter Fleischverarbeitern. Im August 2024 verklagte das Justizministerium gemeinsam mit mehreren Bundesstaaten den Mietpreis-Anbieter RealPage mit dem Vorwurf, dessen Software habe Vermietern geholfen, Mieten abzustimmen. Im Januar 2025 erweiterte die Regierung diese Klage um sechs große Vermieter als Beklagte und verkündete am selben Tag einen Vergleich mit einem von ihnen, Cortland Management, der sich verpflichtete, keine nicht öffentlichen Wettbewerberdaten mehr zum Training seiner Pricing-Modelle zu nutzen. Genau dieses Muster ist zu beobachten: Einzelne Beklagte scheiden per Vergleich aus, während das Verfahren gegen das Software-Modell selbst weiterläuft. Kein US-Gericht hat bislang in der Sache entschieden, dass ein gemeinsam genutztes Preisalgorithmus-Modell an sich rechtswidrig ist, und ein Vergleich mit einem einzelnen Vermieter setzt für den nächsten Fall keinen Präzedenzfall.

Warum die leisere Phase das Risiko ist, nicht die Entwarnung

Hier meine These, samt der Evidenz, die sie widerlegen würde. Ein rational kalkulierendes Unternehmen liest einen Vergleich wie den mit Cortland als vorbeiziehendes Gewitter. Ich lese ihn als fallendes Barometer. Ein Vergleich löst die Haftung eines Beklagten, lässt das zugrunde liegende Modell aber für die nächsten hundert Käufer im Markt, und das ohne den Präzedenzfall, den ein Urteil setzen würde. Eine Verhaltensauflage oder eine Geldbuße, die kleiner ausfällt als der erzielte Gewinn, wird als Betriebskosten verbucht, nicht als Abschreckung. Das wahrgenommene Risiko, Pricing-Software einzusetzen, kann also genau in dem Moment sinken, in dem das latente Rechtsrisiko steigt. Was meine Einschätzung ändern würde: ein Vergleich, der die Architektur des Datenaustauschs im gesamten Markt zerschlägt, oder ein Urteil in der Sache, das das gemeinsam genutzte Algorithmus-Modell für rechtswidrig erklärt. Ohne beides spricht die Basisrate für Kontinuität, und diese Basisrate gilt für den deutschen Markt genauso wie für den britischen oder amerikanischen.

Was sollten Einkauf und Compliance in deutschen Unternehmen jetzt tun?

Beginnen Sie damit, dem pauschalen Verdacht zu widerstehen. Nicht jedes Pricing-Tool ist ein Problem. Ein Modell, das ausschließlich mit eigenen Daten, öffentlichen Listenpreisen oder echt aggregierten und anonymisierten Marktstatistiken trainiert wird, liegt in einem ganz anderen Terrain als eines, das Live-Angebote von Wettbewerbern bündelt und eine Zahl zurückgibt, der alle folgen. Das Risiko konzentriert sich dort, wo zwei Dinge zusammentreffen: sensible Wettbewerberdaten fließen hinein, und die Ausgabe wird mit wenig eigenem Urteilsvermögen übernommen. Genau dieses Muster gehört auf beiden Seiten des Handels geprüft.

Wer in einem konzentrierten Beschaffungsmarkt verkauft, für den lautet die Compliance-Frage nicht, ob das Tool legal zu kaufen ist, sondern wie die eigenen Eingaben und Preise aussehen würden, wenn sie aus den Anbieter-Logs für eine künftige Auskunftsanfrage rekonstruiert werden. Wer kauft, sollte nicht davon ausgehen, dass rechtzeitig jemand rettend eingreift, und die Prüfungen vor Vertragsunterschrift einbauen, nicht danach. Genau das sollte eine ernsthafte technologische Strategieberatung vor Vertragsabschluss mit einem Anbieter aufdecken, nicht erst nach einer Klage. Die Lehre reicht über Preisgestaltung hinaus: Jedes System, in dem das Modell eines Drittanbieters leise Ergebnisse für konkurrierende Parteien setzt, verlangt dieselbe Sorgfalt, die wir auch beim Thema echte menschliche Kontrolle über automatisierte Entscheidungen anmahnen. Eine Empfehlung, die immer übernommen wird, beginnt wie eine Delegation auszusehen, und Delegationen können Haftung nach sich ziehen.

Eine Korrektur des bequemen Narrativs: Der Anbieter ist nicht automatisch aus dem Schneider. Das Unternehmen, das den Algorithmus betreibt, kann selbst der Vermittler sein, den eine Behörde zuerst benennt, genau die Position, in der sich ein Datenvermittler derzeit auf der anderen Seite des Atlantiks wiederfindet. Käufer können ein abgestimmtes Preisniveau erben, das sie nie bewusst gewählt haben. Verkäufer können eine latente Klage aufbauen, die in ihren Büchern noch nicht sichtbar ist. Und der Anbieter sitzt dazwischen, im Besitz der Beweise. Die Prüfung, die sich heute nach Übervorsicht anfühlt, ist genau die, die sich als Weitsicht erweist, wenn sich der Zyklus dreht.

Häufige Fragen

Braucht das deutsche Kartellrecht einen Beweis dafür, dass Wettbewerber eine Preisabsprache vereinbart haben?

Nein. Art. 101 AEUV und § 1 GWB erfassen auch abgestimmte Verhaltensweisen, nicht nur formale Vereinbarungen. Koordination, die die normalen Risiken des Wettbewerbs ersetzt, einschließlich des Austauschs nicht öffentlicher Geschäftsdaten über ein gemeinsames Tool, kann darunterfallen, ohne dass irgendjemand etwas unterschrieben hat. Die US-Verfahren gegen Agri Stats und RealPage testen eine ähnliche Theorie des Informationsaustauschs, beide sind aber bislang Vorwürfe, kein rechtskräftig entschiedenes Recht.

Ist ein Käufer geschützt, wenn ein Pricing-Tool legal auf dem Markt erhältlich ist?

Nicht zwangsläufig. Die Zulässigkeit eines Produkts ist etwas anderes als die Art seiner Nutzung. Bilden die eigenen Dateneingaben und das eigene Preisverhalten Teil eines abgestimmten Musters mit Wettbewerbern, dürfte die allgemeine Verfügbarkeit des Tools kaum als Verteidigung taugen. Sowohl das Verhalten des Käufers als auch die Rolle des Anbieters bei einem möglichen Informationsaustausch können geprüft werden.

Wie sollte ein deutsches Unternehmen das kartellrechtliche Risiko algorithmischer Preisgestaltung einschätzen?

Beginnen Sie bei den Datenflüssen. Klären Sie, welche nicht öffentlichen Wettbewerberdaten, falls überhaupt, in das Modell einfließen, ob Empfehlungen mechanisch übernommen werden und ob der Gesamteffekt den Wettbewerb dämpft. Dokumentieren Sie das menschliche Urteil hinter jeder Entscheidung, denn eine ungeprüfte automatische Übernahme ist die Position, die sich am schwersten verteidigen lässt.