McDonald’s KI-Preisoffensive trifft auf ein klares Dementi darüber, wer die Menüpreise festlegt

McDonald’s KI-Preissystem steuert laut einer am 29. September veröffentlichten Reuters-Untersuchung inzwischen Empfehlungen in fast 14.000 US-Restaurants. McDonald’s betont jedoch, dass künstliche Intelligenz niemals Preise festlegt, sie verändert oder bestimmt, was ein einzelner Kunde bezahlt.

Diese Unterscheidung steht im Zentrum der Kontroverse. Reuters beschreibt eine Machine-Learning-Engine, die täglich Millionen von Transaktionen analysiert und für jeden Artikel in jedem Restaurant einen „optimalen Preis“ empfiehlt. McDonald’s beschreibt dieselbe Technologie als Beratungswerkzeug, bei dem jede endgültige Entscheidung bei den menschlichen Franchise-Nehmern bleibt.

Beide Beschreibungen können zutreffen. Ein Algorithmus kann eine Entscheidung beeinflussen, ohne sie selbst auszuführen. Eine Empfehlung kann zudem stärker ins Gewicht fallen, wenn das Unternehmen nachverfolgt, ob Restaurantbesitzer ihr folgen.

Die eigentliche Frage lautet daher nicht, ob Software einen digitalen Knopf drückt. Entscheidend ist, wie viel praktische Kontrolle eine KI-Empfehlung in einem Franchisesystem erlangt, in dem die Unternehmenszentrale erheblichen Einfluss besitzt.

Diese Frage reicht über Hamburger hinaus. Unternehmen setzen Algorithmen ein, um Nachfrage, Wettbewerb und Kundenverhalten in Preisempfehlungen zu übersetzen. McDonald’s liefert nun einen prominenten Test dafür, ob Verbraucher diesen Prozess akzeptieren, wenn Erschwinglichkeit bereits ein sensibles Thema ist.

Was McDonald’s KI-Preisgestaltung tatsächlich macht

Das System empfiehlt Berichten zufolge Preise auf Restaurantebene, während Franchise-Nehmer die formale Entscheidungshoheit über das endgültige Menü behalten.

Reuters berichtet, dass McDonald’s spätestens seit 2019 eine Form von KI-Preisgestaltungstechnologie einsetzt. Die aktuelle Engine analysiert fortlaufend Transaktionsdaten aus dem umfangreichen US-Restaurantnetzwerk der Kette.

Machine Learning bedeutet, dass Software Muster in historischen Daten erkennt und diese nutzt, um Vorhersagen oder Empfehlungen zu erstellen. In diesem Fall ist das Ergebnis ein vorgeschlagener Preis für jeden Menüartikel in einem bestimmten Restaurant.

Zu den Eingaben gehören Berichten zufolge lokale Nachfrage, Betriebsbedingungen, Menüpreise von Wettbewerbern und Schätzungen zur Preisempfindlichkeit der Kunden. Von Reuters geprüfte Screenshots verwiesen auf die „Zahlungsbereitschaft der Kunden“ im Einzugsgebiet eines Restaurants.

Diese Formulierung löste nachvollziehbare Bedenken aus. Sie deutet auf ein System hin, das ermitteln soll, wie viel mehr ein lokaler Markt tolerieren könnte, bevor die Verkäufe sinken.

Das berichtete Werkzeug arbeitet jedoch auf Restaurantebene, nicht auf Ebene einzelner Kunden. Es gibt keine verifizierten Belege dafür, dass McDonald’s zwei Personen, die gleichzeitig an demselben Standort bestellen, unterschiedliche Grundpreise im Menü anzeigt.

McDonald’s bekräftigte diese Unterscheidung in einer am 1. Oktober veröffentlichten Klarstellung zur Preisgestaltung. Das Unternehmen erklärte, sein System nutze keine persönlichen Informationen, um zu bestimmen, was ein einzelner Kunde bezahlen solle.

McDonald’s bestritt außerdem den Einsatz dynamischer Preisgestaltung. Dynamische Preisgestaltung verändert Preise als Reaktion auf Bedingungen wie Nachfrage, Zeitpunkt, Bestand oder Kapazität. Fluggesellschaften und Fahrdienstplattformen nutzen häufig Varianten dieses Ansatzes.

Das Unternehmen erklärt, sein Werkzeug ändere Preise weder in Echtzeit noch verlange es zu bestimmten Tageszeiten mehr. Stattdessen erstellt es restaurantbezogene Empfehlungen auf Basis geografischer Märkte und anderer lokaler Bedingungen.

Damit ist „KI-gestützte lokale Preisgestaltung“ zutreffender als „personalisierte Preisgestaltung“ oder „Surge Pricing“. Zugleich wirkt das System weniger dramatisch, als manche Schlagzeilen nahelegen.

Dennoch erscheinen die Empfehlungen ausgefeilter als eine gelegentliche Tabellenkalkulation. Die Reuters-Untersuchung berichtet, dass McDonald’s mindestens dreimal jährlich Preisleitlinien an Franchise-Nehmer versendet.

Reuters berichtet zudem, dass Tiger Analytics die Plattform betreibt und mit McDonald’s an deren Parametern arbeitet. Ehemalige Tiger-Mitarbeiter sagten, diese Parameter spiegelten Unternehmensziele wider, darunter die Gewinnung von Kunden oder die Verbesserung der Gewinne.

Die berichteten Regeln waren nicht ausschließlich darauf ausgelegt, Preise zu erhöhen. Einige verhinderten Preiserhöhungen für ausgewählte Produkte in bestimmten Jahreszeiten. Andere konzentrierten vorgeschlagene Erhöhungen auf Artikel, deren Preise über längere Zeit unverändert geblieben waren.

Zuletzt erhielten Franchise-Nehmer Berichten zufolge Empfehlungen für zurückhaltende Preisgestaltung und einige Senkungen. Diese Änderung spiegelt McDonald’s Bemühungen wider, seinen Ruf für Erschwinglichkeit nach mehreren Jahren steigender Restaurantkosten wiederherzustellen.

Das System sucht daher nicht nur nach dem höchsten noch akzeptablen Preis. Berichten zufolge gleicht es Absatzvolumen, Kundenfrequenz, Betriebskosten, Wettbewerbspositionierung und Unternehmensprioritäten gegeneinander ab.

Dieser breitere Zweck beseitigt die Kontroverse jedoch nicht. Er lenkt die Aufmerksamkeit auf das Verhältnis zwischen Unternehmensempfehlungen und Entscheidungen der Franchise-Nehmer.

Das Streitfeld zwischen Werkzeug und Vorgabe

McDonald’s sagt, die Engine liefere optionale Empfehlungen, doch mehrere Franchise-Nehmer berichteten Reuters, dass die Ablehnung ihrer Empfehlungen Druck nach sich ziehe.

McDonald’s arbeitet mit einem stark franchisebasierten Modell. Rund 95 % seiner US-Restaurants befinden sich laut Berichterstattung zum Wertemenü im Besitz von Franchise-Nehmern und werden von ihnen betrieben.

Diese Betreiber legen die Preise ihrer Restaurants formell selbst fest. Sie tragen auch lokale Ausgaben, darunter Löhne, Miete, Versorgungsleistungen, Versicherungen, Lebensmittel und Verpackungen.

Die Unternehmenszentrale hat andere wirtschaftliche Anreize. McDonald’s erzielt Einnahmen, die mit den Restaurantumsätzen verbunden sind, während jeder Franchise-Nehmer die Rentabilität eines einzelnen Standorts schützen muss.

Ein niedrigerer Preis kann mehr Kunden anziehen und den Gesamtumsatz steigern. Er kann jedoch auch die Marge eines Restaurantbesitzers schwächen, wenn die lokalen Kosten hoch bleiben.

Diese Spannung bestand bereits vor künstlicher Intelligenz. Der Algorithmus verschafft der Zentrale eine konsistentere, datenreichere Möglichkeit, Empfehlungen dazu auszusprechen, wie Franchise-Nehmer sie auflösen sollten.

McDonald’s sagt, eine Empfehlung bleibe genau das: eine Empfehlung. In seiner öffentlichen Stellungnahme heißt es, Restaurantbesitzer könnten die Ergebnisse des Werkzeugs ablehnen und ihre endgültigen Preise eigenständig festlegen.

Reuters fand Hinweise auf eine kompliziertere betriebliche Realität. Fünf Franchise-Nehmer beschrieben Druck, die Empfehlungen zu nutzen, während ein weiterer ehemaliger Betreiber sich nicht dazu gedrängt fühlte, sie anzunehmen.

Ein von Reuters eingesehenes Dokument erfasste Berichten zufolge Abweichungen von den Vorgaben des Systems. Seit Januar müssen Franchise-Nehmer im Rahmen aktualisierter Geschäftsstandards zudem konstruktiv mit zugelassenen Preisberatern und Werkzeugen zusammenarbeiten.

Gespräche mit dem Konzern können relevant sein, weil McDonald’s Franchise-Nehmer in Fragen bewertet, die ihre Zukunft innerhalb des Systems betreffen. Diese Entscheidungen können Vertragsverlängerungen für Restaurants und Chancen zur Eröffnung zusätzlicher Standorte umfassen.

CEO Chris Kempczinski räumte im August ein, dass die Nichteinhaltung von Preisvorgaben in bestimmte Gespräche mit Franchise-Nehmern einfließen kann. Diese Aussage beweist nicht, dass McDonald’s Preise diktiert, zeigt aber, dass Meinungsverschiedenheiten Aufmerksamkeit des Konzerns erhalten können.

Dadurch entsteht eine Lücke zwischen rechtlicher Befugnis und praktischem Einfluss. Ein Franchise-Nehmer kann das formale Recht besitzen, eine Empfehlung abzulehnen, zugleich aber geschäftliche Anreize haben, ihr zu folgen.

Darin liegt der Kern des Streits um McDonald’s KI-Menüpreise. Wer sich nur darauf konzentriert, wer die endgültige Zahl eingibt, übersieht, wie Organisationsmacht die Entscheidung prägt.

Dieselbe Frage stellt sich im gesamten Bereich der Unternehmens-KI. Unternehmen beschreiben automatisierte Systeme häufig als Entscheidungshilfe, bei der ein Mensch die Kontrolle behält.

Diese Absicherung funktioniert nur, wenn der Mensch über echte Entscheidungsfreiheit, ausreichende Informationen und eine realistische Möglichkeit zum Widerspruch verfügt. Ein rein formaler Genehmigungsschritt begründet nicht automatisch unabhängiges Urteilsvermögen.

McDonald’s weist die Auffassung zurück, seine Standards liefen auf Kontrolle über endgültige Preise hinaus. Das Unternehmen erklärt, seine Bewertungen berücksichtigten das umfassendere Kundenerlebnis und nicht nur, ob ein Restaurant Preisleitlinien folgt.

Die verfügbaren Belege zeigen nicht, dass jeder Franchise-Nehmer identischen Druck erhält. Sie zeigen auch nicht, dass Restaurants jede Empfehlung automatisch umsetzen.

Sie zeigen jedoch, dass die Preis-Engine innerhalb einer Beziehung mit ungleicher Verhandlungsmacht arbeitet. Dadurch werden Umsetzungsquoten und Aufzeichnungen über Abweichungen zu wichtigen Indikatoren, nicht zu bloßen Verwaltungsdetails.

Warum McDonald’s KI-Preisempfehlungen gerade jetzt ausweitet

Das Unternehmen benötigt Preise, die niedrig genug sind, um Kundenfrequenz zurückzugewinnen, aber hoch genug, um die Wirtschaftlichkeit der Franchise-Nehmer nach Jahren der Kosteninflation zu sichern.

McDonald’s ging mit einem bestehenden Erschwinglichkeitsproblem in diese Debatte. Das Unternehmen erklärte, seine durchschnittlichen US-Menüpreise seien zwischen 2019 und 2024 um etwa 40 % gestiegen.

McDonald’s führte diese Erhöhungen auf ein vergleichbares Wachstum wichtiger Restaurantkosten zurück. Laut seinem Faktenblatt zur Preisgestaltung stiegen die Löhne für Crew-Mitglieder um etwa 40 %, während die Kosten für Lebensmittel und Verpackungen um etwa 35 % zunahmen.

Das Unternehmen argumentierte, seine gesamten Erhöhungen seien mit höheren Betriebsausgaben vereinbar geblieben. Verbraucher erlebten das Ergebnis dennoch als einen teureren Restaurantbesuch.

Auch die Preise einzelner Restaurants unterscheiden sich. Reuters stellte einen Unterschied von 21 % zwischen den Big-Mac-Preisen an zwei unternehmenseigenen Standorten in Fresno fest, die nur zwei Meilen voneinander entfernt liegen.

Dieser Vergleich belegt geografische Preisunterschiede, nicht jedoch deren Ursache. Reuters erklärte ausdrücklich, es habe nicht feststellen können, ob die KI-Engine diesen Unterschied erzeugte.

Lokale Preisgestaltung gab es schon vor Machine Learning. Restaurants in der Nähe von Flughäfen, Autobahnen, Touristengebieten und teuren Stadtzentren verlangten seit Langem andere Preise als Standorte in Vororten.

McDonald’s erklärt, nahegelegene Restaurants könnten unterschiedlichen Märkten mit verschiedenen Kosten und Nachfragebedingungen angehören. Ein Algorithmus kann diese Unterschiede präziser messen, hat sie aber nicht erfunden.

Die Komplikation besteht darin, dass größere Präzision die Unterschiede vergrößern kann. Drei Franchise-Nehmer sagten Reuters, die Engine habe bestehende Preisunterschiede zwischen Restaurants ausgeweitet, auch zwischen Standorten in nahegelegenen Vierteln.

Für Verbraucher könnte die Quelle eines Unterschieds weniger wichtig sein als dessen wahrgenommene Fairness. Ein Kunde, der zwei App-Menüs vergleicht, sieht dasselbe Produkt und dieselbe Marke zu unterschiedlichen Preisen.

Erscheint der höhere Preis mit unvermeidbaren Kosten verbunden, könnten Kunden ihn akzeptieren. Erscheint er darauf ausgerichtet, wie viel ein Viertel tolerieren kann, verändert sich die Reaktion.

McDonald’s steht zudem unter Druck von einkommensschwächeren Kunden, die ihre Besuche im gesamten Schnellrestaurantsektor reduziert haben. Reuters verwies auf Schätzungen von Placer.ai, wonach der US-Kundenverkehr bei McDonald’s in jedem vollständigen Monat seit März im Jahresvergleich zurückging.

Das Unternehmen reagierte mit einer stärkeren Betonung der Erschwinglichkeit. Seine aktualisierte nationale Wertestrategie umfasst eine einfachere Auswahl preisgünstigerer Artikel und Mahlzeitenangebote.

Diese Strategie erfordert die Zusammenarbeit von Tausenden unabhängigen Betreibern. Etwa ein Drittel der Franchise-Nehmer folgte bestimmten empfohlenen Preisen für Wertemenüs nicht, sagte Kempczinski während einer Telefonkonferenz zu den August-Ergebnissen.

Er sagte, diese Restaurants hätten schwächere Geschäftsergebnisse erzielt, obwohl das Unternehmen nicht genügend Belege offenlegte, um die Behauptung unabhängig zu prüfen. McDonald’s kann seine Engine nutzen, um zu argumentieren, dass niedrigere Preise genug zusätzlichen Kundenverkehr erzeugen, um geringere Stückmargen auszugleichen.

Franchisenehmer können nach Prüfung ihrer eigenen Personal-, Miet- und Lebensmittelkosten zu einem anderen Schluss kommen. Ihr Ziel besteht nicht darin, den systemweiten Umsatz um jeden Preis zu maximieren.

Das erklärt, warum die KI-Preisgestaltung von McDonald's jetzt an Bedeutung gewinnt. Die Konzernzentrale benötigt eine wiederholbare Methode, um Bereiche zu identifizieren, in denen niedrigere Preise die Nachfrage wiederbeleben können, ohne zu viel Umsatz zu opfern.

Die Technologie verspricht konkretere Handlungsempfehlungen als eine landesweite Vorgabe. Sie kann in einigen Märkten Preissenkungen empfehlen, Preise andernorts stabil halten und Produkte identifizieren, die weniger empfindlich auf Erhöhungen reagieren.

Diese Präzision könnte McDonald's dabei helfen, eine einheitliche Botschaft zum Thema Preis-Leistungs-Verhältnis zu vermitteln und zugleich lokale wirtschaftliche Bedingungen anzuerkennen. Sie kann der Konzernzentrale außerdem ein quantitatives Argument liefern, wenn ein Franchisenehmer einen höheren Preis bevorzugt.

Die Technologie ist daher nicht bloß ein Preisrechner. Sie wird zu einem Bestandteil davon, wie McDonald's Erschwinglichkeit in seinem Franchisenetzwerk verhandelt.

Die KI-Preisgestaltung von McDonald's ist keine dynamische Preisgestaltung, doch Vertrauen bleibt entscheidend

McDonald's weist die Bezeichnung dynamische Preisgestaltung zurück, dennoch können Verbraucher Empfehlungen hinterfragen, die auf lokaler Zahlungsbereitschaft beruhen.

Der Unterschied zwischen Empfehlungen auf Restaurantebene und personalisierter Preisgestaltung in Echtzeit ist erheblich. McDonald's zufolge sieht jeder, der an einem Standort bestellt, denselben jeweils geltenden Grundpreis der Speisekarte.

Das System erhöht Berichten zufolge nicht die Mittagspreise, weil sich um zwölf Uhr eine Schlange bildet. Ebenso senkt es sie nicht automatisch an einem ruhigen Nachmittag.

McDonald's erklärt außerdem, die Engine prüfe nicht die Kaufhistorie einer einzelnen Person und lege für diesen Käufer einen höheren Menüpreis fest. Nichts in der verifizierten Berichterstattung belegt eine solche individualisierte Preisgestaltung.

Diese Grenzen unterscheiden die berichtete Praxis von den sensibelsten Formen algorithmischer Preisgestaltung. Sie sollten nicht verwischt werden, nur weil alle drei Ansätze künstliche Intelligenz einsetzen können.

Das Fehlen von Preisgestaltung in Echtzeit oder auf individueller Basis entscheidet die Fairnessfrage jedoch nicht. Eine Schätzung der Zahlungsbereitschaft auf Ebene einzelner Stadtviertel teilt Märkte weiterhin anhand abgeleiteten Verhaltens auf.

Diese Schätzung kann Einkommen, Wettbewerb, Pendelmuster, Verkehrsanbindung oder die Verfügbarkeit von Alternativen widerspiegeln. Verbraucher wissen selten, welche Variablen die Empfehlung geprägt haben.

Das Tool nutzt Berichten zufolge öffentlich verfügbare Preise von Wettbewerbern auf den Speisekarten nahegelegener Restaurants. Wendy's und Burger King teilten Reuters mit, dass sie bei ihren Preisentscheidungen keine KI einsetzen.

Wettbewerbsdaten können einem Restaurant helfen, sich nicht zu weit von seinem lokalen Markt zu entfernen. Sie können aber auch Bedenken hervorrufen, wenn viele Unternehmen Algorithmen einsetzen, die auf die Preise der jeweils anderen reagieren.

Die rechtliche Frage ist nicht, dass Software öffentliche Informationen verarbeitet. Regulierungsbehörden konzentrieren sich darauf, ob Preissysteme Koordination, Diskriminierung, Täuschung oder anderes verbotenes Verhalten erleichtern.

Reuters prüfte Portalbedingungen, die Nutzer davor warnen, dass Franchisenehmer Wettbewerber sein könnten. Den Bedingungen zufolge werden sie angewiesen, Wettbewerbsgesetze einzuhalten und bei Bedarf ihre eigenen Anwälte zu konsultieren.

William Kovacic, ein ehemaliger Commissioner der Federal Trade Commission, sagte Reuters, die Warnung erkenne ein mögliches Problem an. Andere Rechtsexperten schätzten das Risiko als relativ gering ein, da Gerichte Franchise-Marken erheblichen Einfluss auf die Preisgestaltung zugestehen.

Keine in der Berichterstattung zitierte Regulierungsbehörde kam zu dem Schluss, dass McDonald's gegen Kartellrecht verstoßen habe. Die FTC und das Justizministerium äußerten sich nicht zu dem Reuters-Artikel.

Das breitere regulatorische Umfeld wird weniger nachsichtig. Die FTC hat Unternehmen gewarnt, dass die nicht offengelegte Nutzung personenbezogener Daten bei individualisierter Preisgestaltung Verbraucherschutzbedenken auslösen kann.

McDonald's erklärt, diese Praxis nicht anzuwenden. Die Warnung verdeutlicht dennoch, warum präzise Terminologie und öffentliche Transparenz unverzichtbar geworden sind.

Wendy's erlebte das Reputationsrisiko 2024. Äußerungen zu digitalen Menütafeln und Preisexperimenten lösten weitverbreitete Behauptungen aus, die Kette plane Spitzenpreise.

Wendy's wies diese Interpretation zurück und erklärte, ein solches System nicht eingeführt zu haben. Die Episode zeigte, wie schnell Verbraucher algorithmische Preisgestaltung mit höheren Preisen in Stoßzeiten verbinden.

Instacart sah sich ähnlicher Kritik ausgesetzt, nachdem das Unternehmen Tools getestet hatte, die unterschiedlichen Kunden unterschiedliche Lebensmittelpreise anzeigten. Später beendete es diesen begrenzten Test und erklärte, persönliche Informationen würden nicht über Artikelpreise entscheiden.

McDonald's hat mit kategorischer Sprache reagiert. KI lege keine Menüpreise fest, so das Unternehmen, und Menschen blieben für die endgültigen Entscheidungen verantwortlich.

Diese Antwort befasst sich mit Automatisierung, aber nur teilweise mit Einfluss. Verbraucher möchten möglicherweise auch wissen, wie Empfehlungen entwickelt werden, welche Variablen ausgeschlossen sind und wie häufig Franchisenehmer sie ablehnen.

Transparenz sollte Grundpreise von personalisierten Rabatten unterscheiden. Ein Treueangebot kann je nach Kunde variieren, ohne den ausgeschriebenen Preis zu verändern, den alle sehen.

Unternehmen müssen diesen Unterschied klar erklären. Andernfalls können personalisierte Aktionen, geografische Preisgestaltung und individuelle Preisdiskriminierung zu einer einzigen beunruhigenden öffentlichen Erzählung verschmelzen.

McDonald's sollte außerdem erklären, wie es Empfehlungen auf unbeabsichtigte geografische Ungleichheiten prüft. Ein System kann auf personenbezogene Daten verzichten und dennoch Ergebnisse hervorbringen, die mit sensiblen demografischen Merkmalen korrelieren.

Derzeit gibt es keine öffentlichen Belege dafür, dass die Engine geschützte Gruppen systematisch benachteiligt. Ohne Analyse auf Standortebene wäre es unverantwortlich, etwas anderes zu behaupten.

Die Lücke bei der Überprüfbarkeit bleibt dennoch relevant. McDonald's hat beschrieben, was das Tool nicht tut, aber nur begrenzte Details zu seinen Modellen, seiner Governance, seinen Eingaben oder seinem Prüfprozess veröffentlicht.

Damit müssen Verbraucher zwischen einer Unternehmenszusage und einer Untersuchung wählen, die auf internen Screenshots, Dokumenten und anonymen Berichten von Franchisenehmern basiert. Mehr Offenlegung würde die Unterscheidung leichter bewertbar machen.

Der größere Konflikt lautet Unternehmensoptimierung gegen lokale Einschätzung

Der zentrale Konflikt besteht nicht zwischen McDonald's und einer anderen Restaurantkette. Es geht um algorithmische Konsistenz gegenüber der Kontrolle durch Franchisenehmer und dem Vertrauen der Verbraucher.

McDonald's kann dieselben Daten über Tausende von Restaurants hinweg betrachten. Dieser Umfang ermöglicht es dem System, Muster zu erkennen, die ein einzelner Betreiber anhand weniger Standorte nicht sehen kann.

Eine Engine kann schätzen, wie sich eine Preisänderung auf Transaktionen in vergleichbaren Märkten ausgewirkt hat. Sie kann saisonale Bewegungen wirksamer von einem restaurantspezifischen Problem trennen als Intuition allein.

Das Unternehmen kann zudem eine landesweite Botschaft zum Thema Preis-Leistungs-Verhältnis koordinieren. Werbung wird schwierig, wenn beworbene Preise stark voneinander abweichen oder zu viele Franchisenehmer das Angebot ablehnen.

Franchisenehmer bringen Informationen ein, die ein zentralisiertes Modell möglicherweise nicht schnell erfassen kann. Ein lokaler Betreiber versteht Personalengpässe, Baustellenstörungen, Ereignisse im Viertel und Veränderungen im Wettbewerb, die historische Transaktionen übersehen könnten.

Daraus entsteht kein einfacher Wettbewerb zwischen Menschen und Maschinen. Das nützliche Modell verbindet breite Datenbasis mit verantwortlicher lokaler Einschätzung.

Probleme beginnen, wenn eine Seite ihre Informationen als vollständig betrachtet. Konzernteams können die Präzision des Modells überschätzen, während Restaurantbesitzer jüngste Erfahrungen fälschlich für ein dauerhaftes Muster halten können.

Das KI-System verändert auch die Beweislast. Vor solchen Tools musste die Konzernzentrale einen Eigentümer davon überzeugen, dass ein anderer Preis besser funktionieren würde.

Nun kommt die Empfehlung mit der Autorität von Millionen Transaktionen und einem berechneten Optimum. Der Eigentümer, der widerspricht, muss erklären, warum ein Standort eine Ausnahme ist.

Diese Asymmetrie kann die Disziplin verbessern. Sie kann aber auch zu Automatisierungsbias führen, der entsteht, wenn Menschen sich Software unterordnen, weil deren Ergebnisse objektiver wirken, als sie tatsächlich sind.

Ein „optimaler Preis“ ist niemals neutral. Optimierung erfordert ein Ziel, Einschränkungen, einen Zeithorizont und Annahmen über akzeptable Kompromisse.

Ein Modell, das Transaktionswachstum priorisiert, kann etwas anderes empfehlen als eines, das Restaurantgewinne priorisiert. Ein System zum Schutz von Marktanteilen kann Ergebnisse tolerieren, die einige Franchisenehmer belasten.

Reuters berichtet, dass McDonald's dem Plattformbetreiber Unternehmensziele und Regeln bereitgestellt hat. Diese menschliche Vorgabe ist wichtig, weil der Algorithmus nicht eigenständig entscheidet, was Erfolg bedeutet.

McDonald's erklärt, Erschwinglichkeit und Kundennutzen blieben zentral. Franchisenehmer können dieses Ziel unterstützen und dennoch darüber streiten, wie die Kosten innerhalb des Systems verteilt werden sollten.

Verbraucher bringen ein drittes Ziel ein. Sie wollen vorhersehbare, verständliche Preise und die Gewissheit, dass das Unternehmen begrenzte lokale Alternativen nicht ausnutzt.

Ein technisch wirksames Modell kann dennoch scheitern, wenn Kunden seine Empfehlungen als unfair ansehen. Preisoptimierung hängt vom Verhalten ab, und öffentliches Misstrauen verändert Verhalten.

Die frühere KI-Erfahrung von McDonald's bietet eine nützliche Warnung. Das Unternehmen beendete 2024 einen automatisierten IBM-Test für Bestellungen am Drive-through, nachdem er in ausgewählten Restaurants eingesetzt worden war.

Das Drive-through-Experiment erhielt Aufmerksamkeit, als Kunden Bestellfehler online teilten. McDonald's erforschte KI weiter, doch die Episode zeigte, dass Größe nicht garantiert, dass eine Technologie einsatzbereit ist.

Die Preisgestaltung schafft eine noch sensiblere Herausforderung. Eine fehlerhafte Bestellung verursacht Frustration, während ein scheinbar unfairer Preis das gesamte Wertversprechen der Marke beschädigen kann.

Die Ergebnisse der Engine müssen daher mehr als statistische Tests bestehen. Sie müssen gegenüber Betreibern, Kunden, Regulierungsbehörden und der Öffentlichkeit vertretbar bleiben.

Für Unternehmenskäufer bietet McDonald's eine allgemeine Lehre. Menschliche Aufsicht darf nicht allein daran gemessen werden, ob jemand das endgültige Ergebnis genehmigt.

Organisationen sollten Ablehnungsquoten, Eskalationswege, Anreize und Folgen prüfen. Wenn Nutzer einen Algorithmus fast nie ablehnen, sollten Führungskräfte feststellen, ob das Modell durchweg richtig liegt oder ob sich Widerspruch unsicher anfühlt.

Sie sollten außerdem das optimierte Ziel dokumentieren. Begriffe wie „optimal“, „empfohlen“ und „Kundennutzen“ können konkurrierende Definitionen verbergen.

Die beste Governance fragt, wer profitiert, wenn das System erfolgreich ist, und wer die Kosten trägt, wenn es scheitert. Bei McDonald's unterscheiden sich diese Antworten zwischen Konzernzentrale, Franchisenehmern und Kunden.

Drei Signale werden zeigen, wohin die Strategie als Nächstes führt

Daten zur Einführung, Kundenfrequenz und regulatorische Reaktionen werden zeigen, ob McDonald's Preisintelligenz in vertrauenswürdige Geschäftsempfehlungen verwandeln kann.

Das erste Signal ist das Verhalten der Franchisenehmer. McDonald's muss keinen proprietären Modellcode veröffentlichen, könnte jedoch aggregierte Annahme- und Ablehnungsquoten bereitstellen.

Diese Quoten würden verdeutlichen, ob die Plattform als optionaler Rat funktioniert. Eine hohe Annahmequote beweist für sich genommen wenig, aber unerklärte Anstiege nach Compliance-Vorgaben wären einer Prüfung wert.

McDonald's könnte außerdem offenlegen, wie häufig Restaurantbesitzer eine Empfehlung anpassen. Eine substanzielle Anpassung würde die Behauptung stützen, dass Menschen die Kontrolle behalten.

Das zweite Signal ist die Kundenfrequenz zusammen mit der Wahrnehmung des Preis-Leistungs-Verhältnisses. McDonald's nutzt konservativere Empfehlungen und wirbt zugleich mit Erschwinglichkeit; die Strategie sollte daher messbare Verhaltensverbesserungen hervorbringen.

Höhere Transaktionszahlen ohne stärkere Wahrnehmung eines guten Preis-Leistungs-Verhältnisses würden nahelegen, dass Aktionen nur vorübergehend wirken. Bessere Wahrnehmungen ohne stärkere Kundenfrequenz würden darauf hindeuten, dass die Erschwinglichkeit weiterhin durch andere Faktoren begrenzt wird.

Die Ergebnisse müssen auch mit der Wirtschaftlichkeit der Franchisenehmer verglichen werden. Ein Zuwachs bei der Kundenfrequenz ist nicht nachhaltig, wenn teilnehmende Restaurants ihre Betriebsausgaben nicht decken können.

Das dritte Signal sind regulatorische Leitlinien zur algorithmischen und personalisierten Preisgestaltung. McDonald's erklärt, dass sein Ansatz auf Restaurantebene keine Grundpreise personalisiert, doch Regulierungsbehörden prüfen angrenzende Praktiken genau.

Neue Offenlegungspflichten könnten Unternehmen dazu zwingen, zu erklären, welche Daten in ihre Preissysteme einfließen. Die Regeln könnten zudem präzisieren, wann Franchisenehmer bei der Analyse algorithmischer Preisgestaltung als Wettbewerber gelten.

Diese Signale werden entscheiden, ob McDonald's KI-Preisgestaltung zum Vorbild für verantwortungsvolle Entscheidungsunterstützung wird oder dauerhaftes Misstrauen hervorruft.

Vorerst ist die belastbarste Schlussfolgerung enger gefasst als die ursprüngliche Schlagzeile. Berichten zufolge hilft KI dabei, lokale Menüpreise zu berechnen und zu empfehlen, doch McDonald's erklärt, dass Menschen entscheiden, was auf den einzelnen Speisekarten erscheint.

Die ungeklärte Frage liegt zwischen diesen Aussagen. Eine menschliche Entscheidung ist nur dann bedeutsam, wenn die Person die Empfehlung verstehen, hinterfragen und ohne unangemessene Folgen ablehnen kann.

Kundinnen und Kunden sollten darauf achten, was McDonald's offenlegt, und nicht nur darauf, was das Unternehmen bestreitet. Franchisenehmer sollten klare Ziele, Prüfprotokolle und glaubwürdige Freiheit zur Ausübung lokalen Ermessens verlangen.

Andere Unternehmen, die Preisalgorithmen einsetzen, sollten dieselben Fragen stellen, bevor Kontroversen entstehen. Berät das System, beeinflusst es die Entscheidung oder kontrolliert es sie faktisch?

McDonald's hat nun die Gelegenheit, diese Frage mit Belegen zu beantworten. Bis dahin bleibt seine KI-Preis-Engine sowohl ein Geschäftsinstrument als auch ein Test dafür, wie viel algorithmischen Einfluss Verbraucher akzeptieren werden.