Lieferando und dynamische Gebühren: Was wirklich getestet wird

Diese Woche machte eine Meldung die Runde, die nach Silicon-Valley-Fantasie klingt: Lieferando soll in deutschen Großstädten ein KI-System testen, das die Liefergebühr in Echtzeit nach Nachfrage, Wetter, Fahrerverfügbarkeit und Bestellwert berechnet. Klingt nach Uber, nur mit Pizza statt Taxi. Das Problem dabei: Wer die öffentlich zugänglichen Unternehmensangaben und Fachmedien durchforstet, findet für genau diese Behauptung keine belastbare Bestätigung. Was es tatsächlich gibt, ist spannend genug – nur eben nicht das, was gerade als Schlagzeile kursiert.

Als Journalist mit Hang zu Vergleichstabellen und Zahlen bin ich da unversöhnlich: Entweder ein Feature ist belegt, oder es ist Spekulation mit Schlagwort-Bonus. Schauen wir uns an, was Lieferando wirklich an der Gebührenschraube dreht – und warum die Grenze zwischen „dynamisch“ und „gestaffelt“ in der Plattformökonomie gerade verschwimmt wie nasses Toilettenpapier.

Was tatsächlich getestet wird – und was nicht

Fangen wir mit dem Klartext an: Ein öffentlich dokumentierter Pilotversuch mit KI-basierten, in Echtzeit nach Auslastung schwankenden Liefergebühren lässt sich für Lieferando aktuell nicht nachweisen. Was belegt ist, sind zwei völlig unterschiedliche Baustellen im Unternehmen. Erstens: ein KI-Sprachassistent, der Bestellungen per natürlicher Sprache entgegennimmt und laut Unternehmensangaben die Speisekarten von mehr als 48.000 Partnerbetrieben in Deutschland durchsucht. Zweitens: ein Gebührensystem, das je nach Liefermodell und Standort unterschiedlich hoch ausfällt, aber eben nicht algorithmisch in Echtzeit auf Nachfragespitzen reagiert.

Diese Unschärfe ist kein Zufall. In der Plattformökonomie wird „dynamisch“ inzwischen für so viel benutzt, dass der Begriff fast beliebig geworden ist. Eine nach Region gestaffelte Gebühr ist noch keine Surge-Preisbildung. Der Unterschied ist für Kundinnen und Kunden am Ende trivial – zahlen tun sie sowieso –, aber für die Einordnung des Themas ist er entscheidend. Wer über den KI-Sprachassistenten von Lieferando berichtet und daraus automatisch ein Auslastungs-Pricing macht, verwechselt UX-Feature mit Preislogik.

Die aktuelle Gebührenstruktur im Klartext

Bevor über Zukunftsmusik spekuliert wird, lohnt der Blick auf das, was heute tatsächlich auf der Rechnung steht. Lieferando erhebt seit April 2025 eine Servicegebühr, deren Höhe vom Liefermodell abhängt:

• Liefert das Restaurant selbst (Marketplace-Modell): Servicegebühr von 2,5 Prozent des Bestellwerts, gedeckelt bei maximal 0,99 Euro.
• Liefert Lieferando mit eigenen Fahrern (Logistik-Modell): Servicegebühr von 5 Prozent des Bestellwerts, gedeckelt bei maximal 1,49 Euro.

Auf Restaurantseite sieht die Marge noch deutlicher aus: Bei Eigenlieferung verlangt Lieferando eine Provision von rund 13 bis 14 Prozent, beim Full-Service mit eigenen Fahrern steigt sie auf etwa 30 bis 31 Prozent des Nettobestellwerts. Das ist keine dynamische Gebühr im Sinne von Nachfragesteuerung, sondern eine strukturelle Preiserhöhung, die still über das Liefermodell läuft. Wer als Restaurantbetrieb Lieferando-Fahrer nutzt, zahlt schlicht mehr – unabhängig davon, ob Freitagabend Hochbetrieb herrscht oder Dienstagmittag gähnende Leere.

Für Restaurants ist die Rechnung in der Praxis oft noch härter: Wer sich für den Lieferando-Vollservice entscheidet, zahlt fast das Doppelte an Provision im Vergleich zur Eigenlieferung. Das drückt auf die Marge kleiner Gastronomiebetriebe erheblich, besonders wenn ohnehin knappe Kalkulationen im Spiel sind. Dass solche versteckten Kosten im Mittelstand oft den ROI ganzer Digitalisierungs- oder Kooperationsprojekte gefährden, ist ein branchenübergreifendes Problem. Viele Gastronomen unterschätzen bei der Listung auf den großen Plattformen die indirekten Folgekosten: spezielle Verpackungen, Stornierungen, Retouren wegen kalter Speisen und der Personalaufwand für die Übergabe an die Fahrer. Betriebe, die eigene Fahrer stellen können, sparen bares Geld – vorausgesetzt, sie haben die Kapazität dafür, was bei kleinen Imbissen oder in ländlicheren Randbezirken oft nicht der Fall ist.

Für Verbraucherinnen und Verbraucher bedeutet das: Die Servicegebühr ist vorhersehbar und nachvollziehbar, auch wenn sie sich wie eine zusätzliche Hürde vor dem Checkout anfühlt. Wer schon einmal bei den versteckten Kosten großer Lieferdienste nachgerechnet hat, weiß: Zwischen Menüpreis und Endsumme liegt regelmäßig ein Aufschlag, der sich nicht auf den ersten Blick erschließt.

Die Psychologie des Checkouts: Drip-Pricing und seine Folgen

Ein Aspekt, der in der Debatte um Liefergebühren oft zu kurz kommt, ist die architektonische Gestaltung des Bestellprozesses. In der Verhaltensökonomie spricht man von Drip-Pricing, wenn der finale Preis erst nach und nach, oft auf den letzten Metern vor dem Kaufabschluss, um zusätzliche Gebühren ergänzt wird. Der Menüpreis lockt, die Liefergebühr folgt, und am Ende steht die Servicegebühr. Wer regelmäßig Essen bestellt, kennt das Gefühl, das auch beim Preisvergleich im Online-Supermarkt oft für Frust sorgt: Die Summe im Warenkorb stimmt selten mit der anfänglichen Erwartung überein.

Diese Strategie nutzt einen kognitiven Bias: Je weiter der Nutzer im Checkout-Prozess fortgeschritten ist, desto höher ist die Hürde, den Vorgang abzubrechen. Die bereits investierte Zeit für die Auswahl der Gerichte wiegt schwerer als der Ärger über 1,49 Euro Servicegebühr. Ob Lieferando diesen Effekt bewusst maximiert oder nur die gesetzlichen Mindestanforderungen an Transparenz erfüllt, lässt sich von außen nicht beurteilen. Fakt ist: Die Gebührenstruktur ist so designt, dass sie den Abschluss der Bestellung nicht gefährdet, aber die Marge der Plattform stützt.

Kostenlose Lieferung in fünf Großstädten – die reale dynamische Komponente

Interessant wird es dort, wo tatsächlich eine Form von Standortlogik greift. Seit dem 1. März verzichtet Lieferando in Hamburg, Berlin, Köln, München und Frankfurt teilweise auf die Liefergebühr – allerdings nur, wenn Kundinnen und Kunden bei Restaurants in ihrer unmittelbaren Nähe bestellen. Wählt man ein Lokal außerhalb dieses Nahbereichs, wird weiterhin eine Liefergebühr fällig.

Das ist streng genommen die einzige öffentlich belegte Form von Preisvariation, die man als „dynamisch“ bezeichnen könnte – wenn auch nicht im Sinne von Echtzeit-Auslastung, sondern im Sinne von Distanz und Standort. Die Logik dahinter ist nachvollziehbar: Kurze Lieferwege sind für Lieferando billiger zu bedienen, also gibt man den Kostenvorteil teilweise an die Bestellenden weiter, um die Nahversorgung durch lokale Restaurants zu fördern. Ökonomisch ist das clever, Marketing-technisch lässt es sich hervorragend als Kundenbonbon verkaufen.

Nur: Mit einem KI-System, das Wetter, Fahrerverfügbarkeit und Nachfrage in Echtzeit verrechnet, hat das nichts zu tun. Es ist eine geografische Regel, keine Prognose. Wer den Unterschied zwischen einer Postleitzahlen-Bedingung und einem lernenden Preismodell verwischt, verkauft ein Feature, das es (noch) nicht gibt.

KI bei Lieferando: Assistent, nicht Preisalgorithmus

Was Lieferando an KI tatsächlich einsetzt, ist beachtlich – nur eben in einer anderen Ecke des Geschäfts. Der KI-Sprachassistent wurde zunächst in Großbritannien getestet und dann in Deutschland ausgerollt. Nutzerinnen und Nutzer können per Sprache oder Text nach Gerichten, Restaurants oder Produkten fragen, die KI setzt automatisch passende Filter und führt durch den Bestellprozess. Das ist praktisch, wenn man um 22 Uhr hungrig und unentschlossen vor der App sitzt, aber es ist UX-Optimierung, keine Preisstrategie.

Daneben gibt es laut Unternehmensangaben KI-gestützte Optimierungen im Backend, die Lieferzeiten in großen Städten um bis zu 15 Prozent verkürzt haben sollen. Ein weiteres App-Update mit Echtzeit-Tracking, KI-Menüvorschlägen und vorausgefüllten Adressen soll die reine Bestellzeit um bis zu 20 Prozent reduzieren. Deutschland ist für Lieferando mit rund 20 Millionen monatlich aktiven Nutzerinnen und Nutzern ein Kernmarkt – entsprechend lohnt sich jede Prozentzahl an Effizienzgewinn im großen Stil.

Und genau hier liegt die eigentliche Geschichte, die spannender ist als die Surge-Pricing-Fantasie: Wenn ein Unternehmen bereits Nachfrage- und Kapazitätsdaten modelliert, um Lieferzeiten zu senken, ist die technische Infrastruktur für eine spätere Preisdynamik im Grunde vorhanden. Ob Lieferando diesen Schritt öffentlich kommuniziert oder still im Hintergrund vorbereitet, ist eine offene Frage – aber die Bausteine liegen auf dem Tisch.

Plattformökonomie: Der Vergleich mit Surge-Pricing anderer Branchen

Surge-Pricing ist im Ride-Hailing längst Alltag: Wer bei Regen um 18 Uhr eine Fahrt bucht, zahlt mehr als um 14 Uhr bei Sonnenschein. Essenslieferdienste bewegen sich bislang deutlich vorsichtiger in diese Richtung, obwohl die ökonomische Logik identisch wäre – bei hoher Nachfrage und knapper Fahrerkapazität ließe sich die Liefergebühr theoretisch anheben, um das Gleichgewicht zwischen Angebot und Nachfrage zu steuern.

Warum zögern Lieferdienste hier stärker als Mobilitätsplattformen? Vermutlich, weil Essen eine geringere Preiselastizität in der Wahrnehmung hat: Ein Taxi-Aufschlag bei Regen wird eher akzeptiert als ein Pizza-Aufschlag bei Sonntagabend-Stau in der Kundenzone. Zudem ist der Wettbewerb im deutschen Liefermarkt überschaubar, was Preisexperimente riskanter macht – ein verärgerter Kundenstamm wandert schneller ab, als man eine neue Gebührenlogik erklären kann.

Meine persönliche Einschätzung: Die Branche wird an Surge-Pricing kaum vorbeikommen, sobald der Wettbewerbsdruck steigt oder Fahrerkosten weiter klettern. Die Frage ist nicht ob, sondern wann und wie transparent. Bisher zeigt sich bei Lieferando eher ein Trend zur Gebührenstaffelung nach Modell und Standort als zu echter Echtzeit-Dynamik – aber genau diese Staffelung ist bereits der erste Schritt in Richtung einer variableren Preislogik, wie sie auch bei dynamischen Stromtarifen oder im Onlinehandel diskutiert wird, wo variable Preise laut Marktbeobachtungen bereits bei einem erheblichen Teil der Händler eine Rolle spielen.

Regulatorische Hürden für algorithmische Preise

Die europäische Gesetzgebung blickt zunehmend kritisch auf intransparente Algorithmen. Die Omnibus-Richtlinie der EU verlangt bereits heute, dass Plattformen offenlegen müssen, wenn Preise auf der Grundlage automatisierter Entscheidungsfindung personalisiert werden. Sollte Lieferando also ein KI-Modell einführen, das den Preis in Echtzeit an die lokale Nachfragespitze anpasst, greifen strenge Informationspflichten. Der Nutzer müsste im Idealfall erkennen, warum ihm jetzt gerade ein höherer Preis angezeigt wird. Diese Transparenzpflicht wirkt als natürlicher Bremsklotz für allzu aggressive Experimente mit dynamischen Preisen.

Die unsichtbare Variable: Was bedeutet das für die Fahrer?

In Diskussionen über Plattformgebühren stehen sich meist zwei Parteien gegenüber: die zahlenden Kunden und die abkassierenden Gastronomen. Die Rider bleiben in der Preisdebatte seltsam diffus. Dabei sind sie das eigentliche Nadelöhr der Logistik. Wenn Lieferando in Zukunft tatsächlich ein System einführen würde, das Gebühren nach Auslastung und Wetter dynamisch anpasst, müsste im Gegenzug auch die Vergütung der Rider dynamisiert werden, um in Regenphasen genug Kapazität auf die Straße zu bringen.

Bisher operieren die meisten Lieferdienste mit festen Stundenlöhnen oder garantierten Mindestvergütungen. Ein echtes Surge-Pricing-Modell würde das finanzielle Risiko teilweise auf die Plattform verlagern: Man müsste den Ridern in Spitzenzeiten deutlich mehr zahlen, während man gleichzeitig den Kunden höhere Gebühren abverlangt. In einem Markt, der stark von arbeitsrechtlichen Klagen geprägt ist, wäre ein solches Modell in Deutschland ein regulatorisches Minenfeld. Die Einführung dynamischer Kundengebühren ohne transparente Fahrerentlohnung würde den politischen Widerstand massiv verschärfen.

Folgen für Kundinnen, Kunden und Restaurants

Für die Kundenseite bedeutet die aktuelle Gebührenstruktur vor allem eines: Vorhersehbarkeit bei gleichzeitig steigender Komplexität. Wer in einer der fünf Großstädte mit Nahbereichs-Regelung wohnt, kann durch bewusste Restaurantauswahl Gebühren sparen. Wer außerhalb dieser Zonen bestellt oder in kleineren Städten lebt, zahlt die reguläre Servicegebühr ohne Sparoption. Das ist keine Conversion-Optimierung im Sinne von Kundenbindung, sondern eher eine Marge-Optimierung im Sinne von Ertragssicherung – beides schließt sich nicht aus, aber die Kommunikation sollte ehrlich bleiben.

Konkrete Handlungsschritte für Verbraucherinnen und Verbraucher: Vor der Bestellung die Gesamtsumme inklusive Servicegebühr prüfen, nicht nur den Menüpreis. In den fünf genannten Großstädten gezielt nach Restaurants in der Nähe filtern, um die Liefergebühr zu sparen. Und: Zahlungsmethoden vergleichen, da bei manchen Anbietern zusätzliche Gebühren für Zahlungsart oder Mindestbestellwert anfallen können, während andere Zahlwege gebührenfrei bleiben.

Warum die KI-Erzählung trotzdem nicht aus der Luft gegriffen ist

Ganz von der Hand zu weisen ist die allgemeine Debatte um dynamische Preise in Deutschland und um KI-basierte dynamische Liefergebühren dennoch nicht. Der Ausbau von KI-Systemen für Routing, Nachfrageprognosen und Menü-Personalisierung schafft exakt die Datenbasis, die für eine spätere Preisdynamik nötig wäre. Wenn ein Unternehmen bereits weiß, wie viele Fahrer zu welcher Uhrzeit in welchem Viertel verfügbar sind, ist der Sprung zu einer nachfrageabhängigen Gebühr technisch klein – organisatorisch und kommunikativ aber groß.

Ist es also nur eine Frage der Zeit, bis aus der heutigen Gebührenstaffelung ein echtes Auslastungsmodell wird? Ich würde sagen: wahrscheinlich ja, aber nicht in den nächsten Monaten und sicher nicht ohne öffentlichen Aufschrei. Die deutsche Verbraucherschaft reagiert auf plötzliche Preissprünge notorisch allergisch, siehe die Debatten um dynamische Preise im Einzelhandel. Ein Unternehmen, das gerade erst eine neue Servicegebühr eingeführt hat, wird sich zweimal überlegen, ob es kurz danach noch eine Auslastungskomponente draufsetzt.

Was bleibt?

Klartext am Ende: Die Schlagzeile vom KI-gesteuerten Surge-Pricing bei Lieferando ist – nach allem, was sich derzeit belegen lässt – eher Wunschdenken der Plattformökonomie-Fantasie als dokumentierte Realität. Real existieren gestaffelte Servicegebühren, ein KI-Sprachassistent für die Bestellung und eine Nahbereichs-Regelung in fünf Großstädten. Das ist bereits genug Stoff für Diskussionen über Fairness, Marge und Transparenz im Plattformgeschäft. Ob und wann daraus tatsächlich eine Echtzeit-Gebühr nach Nachfrage wird, bleibt offen. Wer in den nächsten Bestellungen genauer auf die Endsumme schaut, tut jedenfalls gut daran – dynamisch oder nicht.