KI-Feilschen

Wer eine schwache KI feilschen lässt, zahlt am Ende drauf

 Dennis Lenz

Wer eine schwache KI feilschen lässt, zahlt am Ende drauf
(Symbolbild) Zwei Smartphones mit Chat-Assistenten stehen für KI-Agenten, die über den Preis gebrauchter Kopfhörer verhandeln. Im Yale-Test hing das Verhandlungsergebnis stark vom eingesetzten Modell ab. (Foto: © Forschung und Wissen, KI-Bild)

Wer eine KI für sich handeln lässt, überträgt ihr auch den Streit um den eigenen Geldbeutel. In simulierten Preisverhandlungen holten manche Modelle deutlich schlechtere Konditionen heraus als ihre Gegner, wobei besonders nachgiebige Käufer viel Verhandlungsspielraum verschenkten. Welcher Assistent verhandelt, kann deshalb für den Preis wichtiger werden als der freundliche Ton seiner Antworten.

Beim Feilschen zählt, wie viel vom möglichen Preisvorteil am Ende beim Auftraggeber bleibt. Ein Team um Dirk Bergemann und Soheil Ghili von der Yale University untersuchte das in 15.000 simulierten Verhandlungen. Mit Xinyang Hu, Chuanhao Li und Zhuoran Yang verfassten sie die Arbeit, die laut der Hochschule in Transactions on Machine Learning Research erschien. Echte Käufer saßen bei diesem Modellvergleich nicht am Verhandlungstisch, und tatsächlich bezahlt wurde ebenfalls nichts.

Für den Einsatz im Alltag betrifft die Untersuchung eine konkrete Aufgabe: Ein Assistent soll die wirtschaftlichen Interessen seines Besitzers vertreten. Während KI bei der Preisplanung von McDonald's Preisempfehlungen unterstützt, muss ein Verhandlungsagent auf die Gegenseite reagieren. Er soll Angebote bewerten, Gegenangebote machen und gegebenenfalls einen Handel ablehnen. Freundliche Antworten allein verraten wenig darüber, ob er diese Entscheidungen zum Vorteil seines Auftraggebers trifft.

Welche KI den eigenen Preis verteidigt

Als Grundlage nutzte das Team einen Katalog mit 2.332 Produkten aus Craigslist-Angeboten und Amazon-Preisdaten. Für den direkten Modellvergleich wählte es daraus dieselben 600 Fälle für jede Paarung aus. OpenAI o3, GPT-4.1, Gemini 2.5 Pro, Gemini 2.5 Flash und DeepSeek-V3 traten jeweils als Käufer und Verkäufer an, auch gegen sich selbst. So entstanden 25 Kombinationen, die unter vergleichbaren Bedingungen um Preise stritten.

Jeder Käufer kannte seinen Höchstpreis, jeder Verkäufer den niedrigsten Betrag, den er noch akzeptieren sollte. Die Preisgrenze des Gegenübers blieb geheim, während Produktbeschreibungen und historische Preisangaben als Orientierung dienten. Bei 400 Fällen lag zwischen beiden Grenzen ein Bereich für einen beiderseitigen Vorteil, während den übrigen 200 Fällen dieser gemeinsame Spielraum fehlte. Dort war ein Abbruch die wirtschaftlich vernünftige Entscheidung.

Nachrichten konnten die Agenten frei formulieren, doch verbindliche Angebote und Zusagen mussten sie als gesonderte Aktionen abgeben. Dadurch ließ sich ein tatsächlicher Abschluss von einer unverbindlichen Bemerkung über einen Preis unterscheiden. Solche Handlungsmöglichkeiten machen aus einem Sprachmodell einen Agenten, der Aufgaben über mehrere Schritte bearbeitet. Auch KI-Agenten in Minecraft konnten eigenständig Werkzeuge nutzen und ihre Arbeit koordinieren. Im Yale-Versuch wurde dagegen gezielt gemessen, ob die einzelnen Handelsentscheidungen wirtschaftlich sinnvoll waren.

Wer den besseren Vertreter hat, behält mehr Geld

Besonders weit lagen zwei Paarungen auseinander: Als Käufer gegen DeepSeek-V3 sicherte sich o3 durchschnittlich 61,8 Prozent der verfügbaren Handelsspanne. Trat Gemini 2.5 Flash als Käufer gegen o3 an, blieben ihm nur 11,6 Prozent. Gemeint ist jeweils der Anteil am Spielraum zwischen der Zahlungsobergrenze des Käufers und dem Mindestpreis des Verkäufers. Die Werte beziehen sich auf abgeschlossene Geschäfte, deren Preise innerhalb beider Grenzen lagen.

Für einen Käufer entspricht sein Vorteil dem Abstand zwischen dem vereinbarten Preis und seiner eigenen Zahlungsobergrenze. Beim Verkäufer zählt entsprechend der Betrag oberhalb seines Mindestpreises. Diese Kennzahl beschreibt also die Aufteilung des möglichen Handelsvorteils und keinen Rabatt auf den ausgeschriebenen Produktpreis. Auch ein Käufer, der unter seinem Limit bleibt, kann gegenüber einem geschickteren Verhandlungsführer unnötig viel Geld ausgeben.

Über alle Gegner hinweg lag o3 bei der Verhandlungsleistung vorn, gefolgt von Gemini 2.5 Pro. Dahinter wechselte die Reihenfolge mit der Rolle: DeepSeek-V3 schnitt als Käufer besser ab als GPT-4.1, als Verkäufer schlechter. Zudem hatten Verkäufer einen strukturellen Vorteil, weil sie zuerst einen Angebotspreis setzen durften. Ein Modellname allein beschreibt deshalb noch nicht vollständig, wie gut die Vertretung in einer bestimmten Begegnung funktioniert.

Warum hartes Feilschen dem Auftraggeber helfen kann

Am Verhalten von o3 erkannten die Autoren ein auffälliges Muster aus hoher Anfangsforderung und anschließenden Zugeständnissen. Als Verkäufer begann es im Mittel ungefähr beim Dreifachen seines Mindestpreises, während die übrigen Modelle etwa das Doppelte verlangten. Danach bewegte es sich schrittweise auf die Gegenseite zu. Unter den Fällen mit möglichem beiderseitigem Vorteil schloss es als Verkäufer 95,6 Prozent und als Käufer 98,0 Prozent ab, jeweils über alle Gegner gemittelt.

Aus Sicht der Ökonomen eignet sich dieses Vorgehen dazu, die Zahlungsbereitschaft verschiedener Käufer nach und nach zu erkunden. Wer auf eine hohe Forderung sofort eingeht, muss weniger Nachlass erhalten als ein hartnäckiger Verhandlungspartner. Schrittweise Zugeständnisse erlauben unterschiedliche Endpreise, während noch genügend Raum für eine Einigung bleibt. Als Käufer blieb o3 seinerseits besonders beharrlich. Die erfolgreiche Strategie hing somit davon ab, auf welcher Seite des Geschäfts das Modell stand.

Gemini 2.5 Flash gab in der Käuferrolle am schnellsten nach und beendete seine Verhandlungen früher als die Konkurrenz. Gleichzeitig erzielte es unter den untersuchten Modellen sowohl den kleinsten durchschnittlichen Spannenanteil als auch die niedrigste Abschlussquote als Käufer. Schnelles Entgegenkommen brachte hier also keinen Ausgleich durch besonders viele erfolgreiche Geschäfte. Die Autoren sehen darin ein Problem hilfsbereiten und nachgiebigen Standardverhaltens, wenn ein Assistent eigene wirtschaftliche Interessen gegen einen Gegner durchsetzen soll.

Wann der Assistent einen schlechten Handel ablehnen muss

Eine schwache Verhandlung kann über einen verschenkten Preisvorteil hinausgehen und die ausdrücklich gesetzte Grenze verletzen. Besonders deutlich geschah das, wenn GPT-4.1 als Verkäufer auf o3 als Käufer traf und kein beiderseitig vorteilhafter Preis existierte. In 11,5 Prozent dieser Fälle akzeptierte GPT-4.1 einen Verkauf unter seinem Mindestpreis, rechnerisch also in 23 der 200 entsprechenden Begegnungen. Diese Quote beschreibt genau diese schwierige Paarung und keine allgemeine Verlustwahrscheinlichkeit des Modells.

Für Entwickler ergibt sich daraus eine praktische Folgerung: Eine Preisgrenze sollte zusätzlich durch die ausführende Software kontrolliert werden. Vor einer verbindlichen Zusage könnte sie prüfen, ob das Angebot innerhalb des erlaubten Bereichs liegt. Ein solcher Schutz wäre von der Überzeugungskraft des gegnerischen Chatverlaufs unabhängig, wurde im Versuch aber nicht als Verbrauchermaßnahme getestet. Ebenso müsste die Erfolgsmessung berücksichtigen, ob ein Abbruch den Besitzer vor einem nachteiligen Geschäft geschützt hat.

Warum Besitzer schlechte Preise leicht übersehen

Dass Nutzer die Qualität ihres Vertreters schwer beurteilen können, illustriert ein ergänzender Marktplatzversuch von Anthropic. Dort ließen Mitarbeiter Agenten über eigene Gegenstände verhandeln und bewerteten anschließend die Ergebnisse. In parallelen Vergleichsläufen erzielten Verkäufer mit Claude Opus bessere Preise als Verkäufer mit Claude Haiku, während Opus als Käufer niedrigere Preise vereinbarte. Die Unterschiede bei der wahrgenommenen Fairness und Zufriedenheit waren statistisch nicht eindeutig, obwohl sich die ausgehandelten Konditionen unterschieden.

Bei diesem Hintergrundexperiment ist die Trennung zwischen Verhandlung und tatsächlichem Warentausch wesentlich. Ausgeführt wurde nur ein Markt, in dem alle Teilnehmer das stärkere Modell nutzten. Die gemischten Modellvergleiche betrafen vereinbarte, anschließend aber nicht umgesetzte Geschäfte über reale Gegenstände. Deshalb belegen sie einen Nachteil bei den ausgehandelten Preisen, keinen tatsächlich entstandenen Geldverlust der Haiku-Nutzer. Außerdem stammten die Teilnehmer aus einer kleinen, freiwilligen Mitarbeitergruppe des Anbieters.

Worauf es bei der Auswahl und beim Training ankommt

Für die Auswahl eines Assistenten liefert der Yale-Vergleich damit konkrete Prüffragen zu Preisgrenzen, Verhandlungsgeschick und sinnvollen Abschlüssen. Seine Rangfolge bleibt jedoch an die getesteten Modellstände und die verwendeten Anweisungen gebunden. Weiterentwicklungen der Künstlichen Intelligenz können das Kräfteverhältnis verändern. Untersucht wurden Konsumgüter und einzelne Preisverhandlungen, keine komplexen Verträge über Lieferbedingungen, Garantien oder Bündelangebote. Auch menschliche Verhandlungspartner fehlten im Hauptvergleich.

Zusätzliche Trainingsversuche mit kleineren, offen verfügbaren Qwen3-Modellen zeigen, wie stark die Vorbereitung das Verhalten beeinflussen kann. Zunächst lernten die Modelle durch das Nachahmen erfolgreicher Beispielverhandlungen, wodurch ihr Anteil am Handelsvorteil in vielen Bedingungen ungefähr auf das Doppelte stieg. Verbesserungen bestanden auch gegenüber einem Gegner, der im Training nicht verwendet worden war. Die Assistenten wurden dabei allerdings häufig wählerischer und schlossen weniger Geschäfte ab. Bessere Konditionen bei erfolgreichen Verhandlungen gingen somit teilweise mit verpassten Einigungen einher.

Ein anschließender Trainingsschritt mit Belohnungen für das erzielte Ergebnis verschob dieses Verhalten wieder zugunsten häufiger Abschlüsse und kostete die Modelle viel zuvor gewonnene Verhandlungsstärke. In der Analyse des Trainings führen die Autoren das auf die Gestaltung der Belohnung zurück. Ein vernünftiger Abbruch und die Annahme eines nachteiligen Angebots erhielten beim Nutzen dieselbe Bewertung. Künftige Trainingsverfahren sollen diese Entscheidungen deutlicher unterscheiden und außerdem unterschiedliche Verhandlungsgegner einbeziehen.

Yale Department of Economics, Can AI Drive a Hard Bargain?

Bergemann, Ghili, Hu, Li und Yang, Training Language Models for Bilateral Trade with Private Information, arXiv; doi:10.48550/arXiv.2604.16472

Anthropic, Project Deal: our Claude-run marketplace experiment

Mit KI-Unterstützung erstellt

Keine Neuigkeit aus der Forschung verpassen

Wählen Sie Forschung und Wissen bei Google als bevorzugte Quelle oder folgen Sie uns per RSS-Feed.

 Bevorzugte Quelle bei Google  RSS-Feed
Spannend & Interessant
VGWortpixel