Die rasante Entwicklung und Verbreitung von Künstlichen Intelligenzen haben viele Lebensbereiche erfasst – darunter zunehmend auch Preisverhandlungen. Immer mehr Unternehmen und Privatpersonen setzen autonome KI-Agenten ein, die eigenständig Entscheidungen treffen, Angebote bewerten und mit anderen Systemen verhandeln. Doch neue Forschungsergebnisse zeigen auf, dass bei solchen KI-zu-KI-Verhandlungen kein fairer Wettbewerb herrscht. Stattdessen profitieren leistungsfähigere KI-Modelle erheblich mehr, während schwächere Agenten oft benachteiligt werden. Dies kann für Nutzer spürbare finanzielle Nachteile bedeuten und sogar eine digitale Kluft fördern, die auf der Ungleichheit im Zugang zu hochentwickelter Technologie basiert. Der folgende Text beleuchtet die Hintergründe, erklärt die Ursachen und diskutiert die weitreichenden Konsequenzen dieser Entwicklung. Der Wettlauf um immer leistungsstärkere KI-Modelle ist inzwischen teilweise abgeflaut.
Statt sich allein auf die Größe von Sprachmodellen mit Milliarden von Parametern zu konzentrieren, richtet sich der Fokus zunehmend auf spezialisierte Agenten. Diese KI-Systeme agieren eigenständig, übernehmen die Rolle von Käufern oder Verkäufern und treffen während eines Verhandlungsprozesses komplexe Entscheidungen. Besonders im Bereich von E-Commerce und Geschäftsbeziehungen könnten solche Agenten in der Zukunft eine wichtige Rolle spielen. Doch eine aktuelle Studie zeigt, dass bei Verhandlungen zwischen KI-Agenten die Stärke des jeweiligen Modells eine entscheidende Rolle spielt. Stärkere Agenten erzielen konsequent bessere finanzielle Ergebnisse, während schwächere häufiger schlechtere Deals abschließen oder gar keinen Abschluss erreichen. Der Vergleich ist treffend mit einer Verhandlung vor Gericht: Wenn Sie mit einem routinierten Anwalt antreten, während der Verhandlungspartner nur einen unerfahrenen Laien hat, ist das Spiel trotz gleicher Regeln nicht fair.
Diese Analogie verdeutlicht, wie digitale Ungleichheit an neuen Stellen entsteht. Die jüngste Forschung wurde unter der Leitung von Jiaxin Pei, Postdoc an der Stanford University, durchgeführt und basiert auf einer Simulation von Verhandlungen zwischen verschiedenen KI-Modellen, die für Käufer- beziehungsweise Verkäuferrollen trainiert wurden. Die Szenarien reichten von Elektronik über Fahrzeuge bis hin zu Immobilien. Ziel der Verkäufer war es, den maximalen Gewinn zu erzielen, während Käufer versuchten, den Preis zu drücken. Ein zentrales Element dieser Studie war, dass keiner der Agenten alle nötigen Informationen vollständig hatte – eine realitätsnahe Voraussetzung, da Verhandlungen meist auch von unvollständigem Wissen geprägt sind. Offensichtlich war, dass die Leistungsfähigkeit der KI-Modelle stark von deren Größe und Trainingsqualität abhing. So schnitten neuere Modelle wie OpenAI’s ChatGPT-3. 0 und GPT-4. 1 deutlich besser ab als ältere Generationen wie GPT-3. 5.
Während die Top-Modelle der Käuferseite oftmals niedrigere Preise aushandelten, gab es auf Verkäuferseite hohe Gewinnmargen. Schwächere Modelle kauften hingegen oft zu höheren Kosten ein und erzielten geringere Gewinne. Doch es geht nicht nur um finanzielle Verluste. Ein weiteres beobachtetes Problem war, dass manche Agenten in endlosen Verhandlungsrunden festhingen, ohne je zu einem Abschluss zu kommen, während andere Verhandlungen zu früh abbrachen, obwohl noch bessere Deals möglich gewesen wären. Auch die besten KI-Modelle zeigten diese Schwächen gelegentlich, was Vertrauen in autonome Verhandlungssysteme erschwert. Die Ursachen für die Leistungsunterschiede sind vielfältig. Neben der schlichten Modellgröße spielen auch Faktoren wie Qualität und Umfang der Trainingsdaten, die Fähigkeit zur Schlusfolgerung und das Verständnis komplexer Zusammenhänge eine Rolle.
Während größere Modelle mit mehr Parametern tendenziell besser agieren, sorgt dies für eine ungleiche Ausgangslage zwischen Nutzern, die Zugang zu fortschrittlichen Technologien haben, und denen, die auf ältere oder weniger ausgereifte Systeme zurückgreifen müssen. Eine tiefere Betrachtung wirft zudem ethische und gesellschaftliche Fragen auf. Wenn autonome KI-Agenten in Finanzverhandlungen zu Standard werden, könnte sich eine digitale Kluft vertiefen, die nicht nur technologische, sondern auch ökonomische und soziale Ungleichheiten verstärkt. Wer sich hochwertige KI leisten kann, profitiert von besseren Bedingungen, während weniger gut ausgestattete Nutzer systematisch benachteiligt werden. Jiaxin Pei betont, dass solche Ungleichheiten langfristig die finanziellen Ergebnisse von Menschen stärker durch die Qualität ihrer KI-Agenten geprägt sein könnten als durch individuelle Verhandlungsfähigkeiten oder -strategien.
Da sich KI immer weiter in den Alltag integriert, wächst der Druck auf Unternehmen und Entwickler, diese Risiken zu adressieren. Es werden diverse Ansätze erforscht, um die Zuverlässigkeit und Fairness der KI-Agenten zu verbessern. Dazu zählt die Verfeinerung der Eingaben (Prompts), die KI erhalten, um deren Verhalten gezielt zu steuern. Ebenso verspricht der Einsatz mehrerer KI-Modelle, die sich gegenseitig überprüfen und korrigieren, bessere Ergebnisse. Eine Spezialisierung durch Feinabstimmung auf branchenspezifische Daten kann ebenfalls die Verhandlungsleistung erhöhen. Trotz dieser Möglichkeiten raten Experten wie Pei dazu, KI-basierte Verhandlungsagenten derzeit noch mit Vorsicht zu nutzen. Die Technologie ist aktuell kein vollwertiger Ersatz für menschliche Einschätzung und Entscheidungsfindung, sondern ein informatives Werkzeug, das helfen kann, eine bessere Übersicht zu erlangen und Optionen abzuwägen. Volle Delegation von Verhandlungen an KI-Systeme gilt als risikohaft.
Auch in der Praxis sind automatisierte Preisverhandlungen bislang selten. Während einige Plattformen wie Amazon bereits KI-gestützte Einkaufshelfer anbieten, bleibt das Verhandeln im Hintergrund weitgehend manuell oder gar vermieden, da die Risiken von Fehlentscheidungen und Systemversagen hoch sind. Besonders im Geschäftskundenbereich wird die Verhandlung manchmal noch als komplex und risikoreich angesehen, wie etwa bei Alibaba, die mit ihrem sourcing-assistenten Accio zwar Prozesse unterstützen, aber bewusste Preisverhandlungen derzeit nicht automatisieren. Ein wichtiges Anliegen der Forschung ist zudem, KI-Modelle nicht nur nach ihrer Leistungsfähigkeit, sondern insbesondere nach ihrem Risikoprofil zu bewerten. Tests unter Belastungsszenarien zeigen, dass auch die besten Agenten anfällig für Fehler sind, die in realen, komplexen Verhandlungen erhebliche Auswirkungen haben könnten.
Daher wird empfohlen, autonome KI-Systeme vor dem Einsatz intensiv auf Sicherheit und Zuverlässigkeit zu prüfen. Die Auswirkungen der beschriebenen Dynamik im Bereich KI-gestützter Verhandlungen reichen weit über den wirtschaftlichen Nutzen einzelner Nutzer hinaus. Sie betreffen die gesellschaftliche Akzeptanz von Künstlicher Intelligenz und werfen grundlegende Fragen zu Fairness, Transparenz und Kontrolle auf. Eine Gesellschaft, in der der Zugang zu überlegenen KI-Systemen zunehmend die Verhandlungsstärke bestimmt, muss Mechanismen entwickeln, um den entstehenden Ungleichheiten entgegenzuwirken und sicherzustellen, dass Technologie allen zugutekommt. Zusammenfassend zeigen neue Forschungen, dass autonome KI-Agenten im Umfeld von Preisverhandlungen nicht per se gleiche Chancen für alle Nutzer garantieren. Leistungsunterschiede zwischen Modellen können zu finanziellen Nachteilen für Nutzer schwächerer Systeme führen.
Die digitale Ungleichheit wirkt sich direkt auf reale wirtschaftliche Ergebnisse aus und könnte bestehende soziale Ungleichheiten verstärken. Es ist daher entscheidend, dass Entwicklung, Einsatz und Regulierung solcher KI-Lösungen mit Bedacht erfolgen, um fairere und vertrauenswürdigere Systeme zu schaffen. Bis dahin bleibt der menschliche Verstand bei Verhandlungen ein unverzichtbarer Faktor – die KI kann unterstützen, jedoch noch nicht vollständig ersetzen.
