Man stelle sich den kühnsten Traum eines gewinnmaximierenden Konzerns vor: jedem Kunden genau den Höchstbetrag zu berechnen, den er im Moment des Kaufs zu zahlen bereit ist. Ökonomen nennen dies Preisdiskriminierung ersten Grades – oder perfekte Preisdiskriminierung. Den Großteil der Geschichte hindurch war dies strukturell unmöglich – ein Ladenbesitzer kann nicht in die Seele eines Kunden blicken, dessen Vermögen schätzen und das Preisschild an einem Liter Milch ändern, bevor der Kunde an der Kasse ankommt. Doch eine Technologieplattform, die Millionen von Smartphone-Transaktionen vermittelt, muss niemandes Seele lesen. Sie muss nur die Daten lesen.

Erkenntnisse aus den Vereinigten Staaten

Eine aktuelle Untersuchung von Consumer Reports in den Vereinigten Staaten ergab, dass Uber und Lyft routinely verschiedenen Kunden für dieselbe Fahrt – zur gleichen Zeit und vom gleichen Startort angefragt – radikal unterschiedliche Preise berechnen. Die mittlere Spanne zwischen dem höchsten und dem niedrigsten Preis betrug rund 50 %. Die Plattformen bestreiten vehement, sich an dem zu beteiligen, was Regulierer inzwischen Überwachungspreisgestaltung (surveillance pricing) nennen – also Preisgestaltung auf Basis individueller demografischer oder Verhaltensdaten –, und betonen, die Unterschiede spiegelten lediglich Echtzeit-Marktbedingungen wider. Das funktionale Ergebnis ist dennoch dasselbe: Die Software legt einen Preis fest, der darauf basiert, was sie in genau dieser Sekunde von einem Kunden abschöpfen zu können glaubt.

Der Begriff ist keine Randerscheinung. Im Jahr 2024 eröffnete die US-Handelsbehörde FTC eine förmliche Untersuchung zu Überwachungspreisen und versandte Auskunftsersuchen an große Vermittler, um zu verstehen, wie Browser- und personenbezogene Daten in differenzierte Preise einfließen – ein frühes Zeichen dafür, dass Regulierer erst beginnen, ein Vokabular für das Problem zu entwickeln.

Der Code geht nach Kenia und Nigeria

Diese Dynamik ist in stark regulierten westlichen Märkten bemerkenswert, aber sie verändert die Grundlagen der Ökonomie der Schwellenmärkte Afrikas, wo digitale Plattformen historisch informelle Wirtschaftsräume mithilfe riesiger Datennetze rasch formalisieren.

Ride-Hailing ist ein Paradebeispiel. In Kenia und Nigeria haben internationale Giganten wie Uber und Bolt dynamische Preissoftware eingesetzt, die sowohl den Fahrpreis der Passagiere als auch den Anteil der Fahrer bestimmt. Die Software ist vordergründig ein unparteiischer Marktmechanismus – sie erhöht die Preise bei hoher Nachfrage, um mehr Fahrer auf die Straße zu locken, und senkt sie in ruhigen Zeiten –, optimiert aber auf Plattformliquidität und Umsatz statt auf makroökonomische Stabilität.

In Nigeria sind die Benzinpreise infolge globaler Lieferstörungen und des Wegfalls lokaler Subventionen kürzlich um fast 50 % gestiegen. Ein menschlicher Taxifahrer würde sofort die Grundpreise anheben, um die Treibstoffkosten zu decken; Software interessiert nur die Nachfragekurve. Die automatisierte Preisgestaltung ließ nigerianische Fahrer mit schrumpfenden Margen und faktisch ohne Kontrolle über ihre eigene Kalkulation zurück, was die Amalgamated Union of App-Based Transporters of Nigeria zu Streiks veranlasste. Die Beschäftigten erkennen, dass sie keine unabhängigen Auftragnehmer sind, die auf einem Markt verhandeln – sie sind Variablen in einer Optimierungsfunktion. Das System ist so starr, dass Wettbewerber wie inDrive weltweit 150 Millionen Downloads erreichen konnten, vor allem weil sie die Preisanpassung als Produktfunktion statt als automatisiertes Ergebnis behandeln und Fahrer und Fahrgäste direkt feilschen lassen.

Ein maßgeschneidertes Megabyte nur für Sie

Im Telekommunikationssektor wird die automatisierte Preisdiskriminierung philosophisch kurios. In Kenia hat Safaricom stark in prädiktive Datenanalysen investiert, um sich zu dem zu bekennen, was das Unternehmen Kundenorientierung nennt. Mit einer gemeinsam mit Huawei entwickelten Plattform namens Idea-to-Cash ordnet Safaricom seinen Teilnehmern dynamisch hochgradig personalisierte Daten- und Telefonieangebote zu. Das System analysiert Nutzungsverhalten, Ausgabemuster und den Echtzeitkontext eines Kunden, um maßgeschneiderte „Just for You“-Pakete zu generieren.

Der Ansatz war ein großer unternehmerischer Erfolg. Safaricom verdoppelte die Konversionsraten bei gezielten Paketen, verkürzte die Time-to-Market neuer Angebote um 90 % und reduzierte Kundenbeschwerden über stündliche Datenpakete drastisch. Dabei ist ein Megabyte Daten eine reine Ware: Es kostet das Netzwerk dasselbe, es an Kunde A wie an Kunde B auszuliefern.

Safaricom isoliert die Verbraucher im Grunde in individualisierte Mikroökonomien, indem es Telekommunikationsdienstleistungen mithilfe von Datenanalysen dynamisch bepreist. Leitet das System aus dem vergangenen Konsum eine hohe Zahlungsbereitschaft ab, erhält dieser Kunde ein anderes Angebot als ein extrem preissensibler Student. Das Produkt bleibt standardisiert, aber die Preisgestaltung wird zur Verhaltensfalle. Wenn jeder einen personalisierten Rabatt erhält, wird der Grundpreis praktisch bedeutungslos – das heißt, die Software hat exakt berechnet, wie groß der wahrgenommene Rabatt sein muss, um bei einem bestimmten psychologischen Profil einen Kauf auszulösen. All das spielt vor dem Hintergrund des kenianischen Datenschutzgesetzes von 2019, das automatisierte Entscheidungen über personenbezogene Daten ohne Zustimmung einschränkt – ein Rahmen, dessen Durchsetzungskapazität und nicht dessen Text bestimmen wird, wie weit personalisierte Preise gehen können.

Ihr Akku ist schwach, also ist Ihr Zinssatz hoch

Nirgendwo wird diese digitale Alchemie sichtbarer als im afrikanischen digitalen Kreditwesen. Im vergangenen Jahrzehnt trugen Plattformen wie M-Shwari, Tala und Branch ein Modell voran, bei dem Kredite ohne Sicherheiten an Personen ohne Bankzugang vergeben wurden, wobei traditionelle Kreditagenturen durch alternative Mobilfunkdaten ersetzt wurden.

Die ursprüngliche These war einfach und genial: Ohne formale Kredithistorie kann ein Programm Tausende Datenpunkte aus einem Smartphone auswerten – darunter Mobile-Geld-Transaktionshistorien, die Vielfalt der Kontaktliste, Textmuster und Bewegungsmuster auf Basis von Mobilfunkmasten –, um ein prädiktives Kredit Scorings-Modell zu erstellen. Die Vorteile sind unbestreitbar. Diese Technologie hat massive finanzielle Inklusion vorangetrieben und den formalen Finanzzugang in Kenia erweitert. Eine Studie der Harvard Business School ergab, dass Randkreditnehmer, die nach dem Zufallsprinzip von Tala genehmigt wurden, erhebliche Verbesserungen ihres finanziellen Wohlergehens erlebten, insbesondere wenn sie das Kapital in Kleinstunternehmen einsetzten.

Doch die Kosten dieses automatisierten Zugangs sind astronomisch, und die Software ist gnadenlos effizient beim Bepreisen von Risiko. Da die Verwaltungskosten praktisch null betragen, können digitale Kreditgeber gewinnbringend Kleinstkredite an Millionen von Menschen vergeben. Da die Ausfallraten hoch sind, gleicht das System dies aus, indem es faktisch eine Armutsprämie verlangt – es lernt genau, welche Wucherzinsen ein verzweifelter Kreditnehmer tolerieren wird, um kurzfristige Liquidität zu erhalten. Daraus entsteht ein Teufelskreis, in dem Kreditnehmer Darlehen bei einer App aufnehmen, um die gewaltigen Zinsen einer anderen zu bedienen. Bis 2025 hatten Kreditnehmer 83,1 % der digitalen Kredite unter 1.000 KES (8 US-Dollar) nicht zurückgezahlt – ein Zeichen dafür, wie schwer kleine Kredite von einkommensschwachen Haushalten beizutreiben sind. Die Zentralbank von Kenia (CBK) musste schließlich mit dem Business Laws Amendment Act eingreifen, um den Sektor zu regulieren, Transparenz vorzuschreiben und Kreditgeber daran zu hindern, den Reichtum am unteren Ende der Pyramide vollständig abzuschöpfen – Teil eines breiteren CBK-Lizenzregimes, das digitale Kreditgeber ab 2022 unter die Aufsicht der Zentralbank stellte.

Empfehlungen von Dingen, die Sie sich nicht leisten konnten, ohne es zu wissen

Es sind nicht nur Ride-Hailing, Kreditvergabe und Telekommunikation beteiligt. Große Tech-Plattformen auf dem Kontinent setzen stillschweigend prädiktive Software ein, um die Realität der Verbraucher zu formen. Jumia, der paneuropäische afrikanische E-Commerce-Riese, setzt stark auf personalisierte Empfehlungssysteme, die Surfverhalten, Kaufhistorie und Nutzerpräferenzen analysieren, um Produktvorschläge in Märkten wie Lagos in Nigeria zuzuschneiden.

Auf einem westlichen Markt ist ein Programm, das ein Paar Schuhe vorschlägt, schlicht zielgerichtetes Marketing. In einem Schwellenmarkt mit ausgeprägten sozioökonomischen Disparitäten, unterschiedlicher digitaler Kompetenz und Vertrauensdefiziten errichtet ein Programm, das bestimmt, welche Produkte ein Nutzer sieht, faktisch einen geschlossenen Garten. Die Software lernt, was sich ein Nutzer leisten kann, und verbirgt den Rest der Wirtschaft – sie verwandelt strukturelle Ungleichheit in ein perfekt optimiertes, reibungsloses digitales Erlebnis.

Das Endziel der perfekten Extraktion

Technologiekreise neigen dazu, diesen Softwareeinsatz als reines Gut zu betrachten. Die Vorteile sind real: Im Regen in Nairobi zu stehen und über eine Preisspitze einem Fahrer zugeordnet zu werden, ist wohl besser als stranden zu müssen; wer Lagerbestand für seinen Obststand braucht, für den ist ein per Computer in drei Sekunden genehmigter Kredit mit 150 % Jahreszins besser als der Deal mit lokalen Kredithaien. Die Effizienzgewinne sind spektakulär.

Das Problem ist das Endziel. Prädiktive Modelle, die von gewinnorientierten Plattformen eingesetzt werden, sind nicht dafür ausgelegt, soziale Güter zu verteilen, sondern ökonomische Überschüsse abzuschöpfen. Überwachungspreise und automatisierte Produktplatzierung gedeihen in Umgebungen, die von Marktversagen und Informationsasymmetrien geprägt sind. Auf einem vollkommen kompetitiven Markt würde ein Telekommunikationsanbieter, der einem Vielnutzer für Daten mehr berechnet, einfach dazu führen, dass dieser den Anbieter wechselt. Afrikanische Digitalmärkte sind jedoch selten vollkommen kompetitiv – sie werden von Tech-Oligopolen beherrscht: Safaricom in Kenias Telekommunikation, Uber und Bolt in der Mobilität und große Banken im digitalen Kreditwesen.

Wenn diese dominierenden Unternehmen ihre proprietäre Software einsetzen, hört das Programm auf, ein Instrument der Marktfindung zu sein, und wird zu einem Werkzeug maximaler Extraktion. Verbraucher haben keinerlei Einblick in Marktbenchmarks, während Plattformen einen perfekten Blick in die Brieftasche und die Verzweiflung eines Käufers haben. Schließlich verschwindet das Konzept eines fairen, standardisierten Preises vollständig. Die Verbraucher nehmen nicht mehr an einer breiteren Wirtschaft teil, sondern sind in einer maßgeschneiderten, algorithmisch erzeugten Simulation gefangen, die darauf ausgelegt ist, ihre Taschen so effizient wie mathematisch möglich zu leeren. Das Verrückteste, wie der Originalbericht anmerkt: Die Software wird sie davon überzeugen, dass sie einen Rabatt erhalten. Wie sich das entwickelt, hängt stark davon ab, ob Regulierer – gestützt auf Instrumente wie Kenias Datenschutzgesetz und Nigerias Datenschutzgesetz von 2023 sowie auf Präzedenzfälle aus der FTC-Untersuchung zu Überwachungspreisen – Transparenz in Systeme erzwingen können, deren gesamter Vorteil davon abhängt, intransparent zu bleiben.

Quelle: TechCabal, von Kenn Abuya, Senior-Reporter und Leiter des Startups Desk.