Wenn KI die Arbeit übernimmt: Wie SaaS-Geschäftsmodelle sich ändern müssen

Die SaaS-Branche wurde auf der einfachen Annahme aufgebaut, dass Software Menschen bei der Arbeit unterstützt. Jedes Preis‑Modell, jede Produkt‑Roadmap und jede Vertriebs‑Strategie der letzten zwei Jahrzehnte wurden um diese Annahme herum organisiert. Ein Seat ist eine Person, eine Lizenz ist ein Nutzer, und eine Verlängerung ist das, was passiert, wenn dieser Nutzer entscheidet, dass das Tool noch wertvoll ist.

KI erschüttert diese Grundannahme an der Basis. Software hilft Menschen nicht mehr nur bei der Arbeit. In vielen Fällen erledigt sie die Arbeit stattdessen. Das hat Folgen für das SaaS‑Geschäftsmodell. Gleichzeitig erhöht es die Messlatte dafür, was spezialisierte Software wertvoll und verteidigungsfähig macht.

Der Funktionswettlauf ist bereits beendet

KI hat die Entwicklung von Software‑Funktionen zu einem Tempo commodifiziert, für das die Branche nicht vorbereitet war. Anfang 2024 entwickelte das chinesische Labor DeepSeek ein Modell, das mit den besten von OpenAI konkurriert, für etwa $5 million, ein Bruchteil der geschätzten $100 million, die OpenAI ausgegeben hat. Innerhalb eines Jahres replizierten UC‑Berkeley‑Forscher die Kern‑Reasoning‑Fähigkeiten von DeepSeek für ungefähr $30. Die Kostenkurve für KI‑Entwicklung fällt steil ab. Ein Team mit dem richtigen API‑Zugang und Prompt‑Engineering kann jetzt Funktionen approximieren, die früher Jahre zum Aufbau benötigten.

Die strategische Implikation ist, dass, wenn jede Funktion in wenigen Monaten repliziert werden kann, Funktionen nicht mehr eine dauerhafte Quelle für Wettbewerbsvorteile darstellen. Die Produktstrategie um Feature‑Differenzierung zu organisieren, lässt Sie auf einem Terrain konkurrieren, das sich aktiv abnutzt. Das Gleiche gilt für das bloße Hinzufügen einer KI‑Schicht zu einem bestehenden Produkt. Sobald der Zugang zu den zugrunde liegenden Modellen weiter verbreitet ist, müssen Softwareunternehmen mehr Wert in ihr Fachwissen, ihre Workflows und die umgebenden Systeme einbringen.

Das Preisproblem angehen

Seat‑basiertes Pricing ist das sichtbarste Opfer des Wandels hin zu KI‑gesteuerter Arbeit. Das Modell ergab Sinn, als Software noch ein Werkzeug war: eine Person, eine Lizenz und ein Seat. Wenn KI‑Agenten Aufgaben autonom erledigen, funktioniert diese Logik nicht mehr. Man kann nicht pro Seat abrechnen, wenn der Seat ein Bot ist oder wenn eine einzelne Bereitstellung die Arbeitslast von Dutzenden Nutzern übernimmt.

Analysten von Gartner prognostizieren, dass mindestens 40 % der Enterprise‑SaaS‑Ausgaben bis 2030 auf nutzungsbasierte, agentenbasierte oder ergebnisbasierte Modelle umschwenken werden, wobei der Anteil der Seat‑basierten Umsätze von 21 % auf 15 % sinkt. Der Markt bewegt sich bereits in diese Richtung. Zendesk führte Outcome‑basiertes Pricing im August 2024, ein, das pro gelöster Kundeninteraktion anstatt pro Nutzer abrechnet. Salesforce folgte mit Agentforce zu $2 pro KI‑Konversation.

Die größten Akteure der Branche haben akzeptiert, dass das alte Modell nicht zur neuen Realität passt. Wenn Sie warten, bis der Markt die Veränderung erzwingt, übernehmen Sie die Bedingungen, die von den Vorreitern festgelegt wurden.

Auf der Kostenseite gibt es ebenfalls ein Problem. Traditionelle SaaS profitierte von nahezu null marginalen Kosten. Sobald eine Software gebaut war, war die Bedienung eines zusätzlichen Kunden fast kostenlos. KI‑gesteuerte Produkte haben erhebliche variable Rechenkosten, die mit der Nutzung skalieren. Seat‑Pricing wurde nie für ein solches Maß an Variabilität konzipiert. Jedes Unternehmen, das weiterhin ein Seat‑Modell über einem KI‑gesteuerten Produkt betreibt, verwaltet eine strukturelle Diskrepanz, die letztlich gelöst werden muss.

Workflow‑Besitz als neue Produktstrategie

Wenn Funktionen nicht mehr der Burggraben und Seats nicht die richtige Wert­einheit sind, was ist dann? Wenn Unternehmen diesen Übergang bewusst steuern, stellen sie fest, dass die Antwort im Workflow‑Besitz liegt. Workflow‑Besitz bezeichnet das Ausmaß, in dem eine Plattform eine Abfolge von Aktionen im operativen Prozess eines Kunden unterstützt und verknüpft, anstatt nur einen einzelnen Schritt isoliert zu bearbeiten.

Für die Produktstrategie macht diese Neu­ausrichtung einen Unterschied. Während ein Tool eine spezifische Aufgabe adressiert, behandelt eine Workflow‑Plattform die gesamte Sequenz: Aufnahme, Verarbeitung, Entscheidungsfindung, Nachverfolgung und Messung. Je mehr von dieser Sequenz eine Plattform besitzt, desto schwieriger wird sie zu ersetzen, weil die Wechsel­kosten einen gesamten operativen Prozess umfassen und nicht nur eine einzelne Funktion. Das bedeutet nicht, dass jedes Bauteil intern gebaut werden muss. In vielen Fällen ist es sinnvoller, eine Kernkompetenz zu stärken und sie mit Unternehmen zu verknüpfen, die in angrenzenden Teilen des Workflows stark sind.

Betrachten Sie das Leasing. Ein KI‑Agent, der Mietern Fragen beantwortet, wird immer einfacher zu entwickeln. Doch die Begleitung eines Mieters von der Anfrage bis zur Besichtigung hängt von mehreren Systemen ab, die zusammenarbeiten – von Immobiliendaten und Terminplanung bis zum Zugang. Kein einzelnes Feature erzeugt dieses Erlebnis. Der Wert entsteht daraus, wie spezialisierte Fähigkeiten über den gesamten Prozess hinweg verknüpft werden.

Laut Gartner ist die Integrationsfähigkeit jetzt der #3 wichtigste Faktor für globale Softwarekäufer. Funktionen allein reichen nicht aus, um Käufer zu überzeugen. Sie wollen außerdem wissen, ob sie sich in die Systeme integrieren lässt, von denen ihre Teams bereits abhängen, und ob diese Integrationen tief genug gehen, um Reibungen im gesamten Workflow zu beseitigen.

Dies verändert, wie Softwareunternehmen ihre eigenen Produkt‑Roadmaps bewerten sollten. Die Frage lautet weniger „Was sollten wir als Nächstes bauen?“, sondern „Welche Teile des Kunden‑Workflows berühren wir noch nicht und was wäre nötig, um sie zu übernehmen.“ Partnerschaften mit angrenzenden Plattformen, Datenanbietern und Service‑Layers werden ebenso strategisch wichtig wie die interne Entwicklung. Fragmentierung konnte einst als Form der Abwehr dienen, indem jeder Anbieter seinen eigenen Teil des Technologiestapels schützte. Da einzelne Fähigkeiten leichter reproduzierbar werden, kann dieser Ansatz Unternehmen nun entgegenwirken.

Proprietärer Kontext ist das neue Lock‑In

Im traditionellen SaaS‑Modell entstand das Lock‑In durch Wechselkosten. Datenmigration, erneutes Training von Nutzern und das Wiederherstellen von Integrationen erfordern beträchtliche Zeit und Aufwand. In einem KI‑gesteuerten Modell entsteht eine tiefere und weniger sichtbare Form des Lock‑In: proprietärer Kundenkontext.

KI‑Systeme sind nur so nützlich wie die Daten, auf denen sie basieren. Ein generisches KI‑Modell kann allgemeine Fragen beantworten. Ein in einer Plattform eingebettetes KI‑System, das über Jahre hinweg den Workflow‑Verlauf eines Kunden, Verhaltensmuster, Konfigurationsentscheidungen und Beziehungsdaten gesammelt hat, kann mit kontextueller Intelligenz handeln, die speziell auf die Situation dieses Kunden zugeschnitten ist. Generische Modelle können das nicht, und das macht proprietären Kontext zu einem soliden Wettbewerbsvorteil in der Software.

RSM US bestätigt diese Richtung, wobei betont wird, dass Unternehmen, die proprietäre Daten erfolgreich nutzen, Kundentreuegewinne erzielen werden, die reine Funktions‑Wettbewerber nicht erreichen können. Softwareunternehmen sollten in die Ansammlung und Strukturierung kundenspezifischen Kontexts genauso aggressiv investieren wie in jede andere Fähigkeit. Dieser Kontext wird wertvoller, wenn er mit spezialisiertem Fachwissen, etablierten Workflows und den anderen Systemen, die zur Erledigung der Arbeit nötig sind, verknüpft ist. Ein Wettbewerber kann ein einzelnes Feature schnell kopieren, doch alles rund um dieses Feature zu reproduzieren, ist ein wesentlich größerer Aufwand.

Dies hat auch Auswirkungen darauf, wie Softwareunternehmen Daten‑Governance und Nachvollziehbarkeit betrachten. Wenn KI auf Kundenkontext zugreift, um folgenschwere Aufgaben zu erledigen, benötigen sowohl Anbieter als auch Kunde Transparenz darüber, was die KI tut und warum. Governance muss Teil der Architektur sein, die die Glaubwürdigkeit von KI‑gesteuerter Workflow‑Verantwortung sicherstellt.

Was passiert, wenn Ergebnisse das Produkt sind

Wenn Kunden Ergebnisse statt Werkzeuge kaufen, müssen Produktteams grundlegend anders darüber nachdenken, was sie bauen und wie sie Erfolg messen. Eine Roadmap, die nach zu liefernden Features organisiert ist, ist das falsche Instrument für ein Produkt, das nach zu liefernden Ergebnissen strukturiert ist. Entwickler sollten weniger darauf fokussieren, was sie in einem Quartal veröffentlichen, sondern mehr darauf, was sie für ihre Kunden erreicht haben und ob diese Ergebnisse messbar, zuordenbar und wiederholbar sind.

Produktmanager, die ihre Karriere damit verbracht haben, in Feature‑Spezifikationen und Release‑Zyklen zu denken, müssen sich in operative Kennzahlen einarbeiten. Wie sieht ein erfolgreiches Ergebnis aus, wie erkennen wir, dass wir es erreicht haben, und wie stellt das Produktdesign sicher, dass das KI‑Verhalten konsistent genug ist, um für die Resultate verantwortlich zu sein? Das ist eine andere Disziplin, als Software für menschliche Nutzer zu bauen.

Wir können diese Veränderung bereits daran sehen, wie Käufer Anbieter bewerten. G2’s Bewertungsdaten zeigen, dass KI‑Fähigkeiten nur dann zählen, wenn sie mit messbarem operativem Wert gekoppelt sind. Die Neuheit von Features verliert an Gewicht bei Kaufentscheidungen, während nachgewiesene Ergebnisse an Bedeutung gewinnen. Anbieter, die weiterhin hauptsächlich nach Fähigkeit verkaufen und die Ergebnisfrage dem Kunden überlassen, liegen zunehmend auf der falschen Seite dessen, was Käufer erwarten.

Der Käufer hat sich bereits verändert

Enterprise‑ und Mid‑Market‑Betreiber warten nicht darauf, dass Anbieter nachziehen. Die Bewertungskriterien haben sich bereits geändert, und Käufer wollen wissen, was eine Plattform produziert, wie sie innerhalb ihres bestehenden Workflows performt und wie tief sie mit den Systemen verknüpft ist, von denen sie bereits abhängen. Beschaffungs‑Gespräche, die einst auf Feature‑Demos und Roadmap‑Präsentationen ausgerichtet waren, konzentrieren sich zunehmend auf Integrationsarchitektur, Ergebnis‑Messung und operative Verantwortlichkeit.

Das Risiko für SaaS‑Plattformen mit starker Enterprise‑Per‑Seat‑Exposition besteht darin, dass die Umsatz‑Multiplikatoren im Vergleich zu Unternehmen, die zu Verbrauchs‑ oder Ergebnis‑basierten Modellen übergegangen sind, komprimieren könnten. Investoren preisen das Risiko ein, dass die Netto‑Umsatz‑Retention sich verschlechtert, wenn Kunden menschliche Sitzplätze durch KI‑Agenten ersetzen.

Dies ist eine flüchtige Gelegenheit für Anbieter. Käufer formen Erwartungen daran, wie KI‑native Software‑Verantwortlichkeit aussieht. Vorausschauende Anbieter reagieren, indem sie Preisstrukturen schaffen, Integrations‑Tiefe ausbauen und eher bereit sind, anhand von Ergebnissen gemessen zu werden, was ihnen einen Vorteil bei Verlängerungen und Erweiterungen verschafft. Anbieter, die weiterhin ihren Funktionsumfang in den Vordergrund stellen, werden feststellen, dass diese Gespräche zunehmend irrelevant für das werden, was Käufer wirklich wissen wollen.

Neudefinition des Standards für Wert

KI verändert, was Software wert ist, für wen und zu welchen Bedingungen. Das gesamte Bewertungssystem für SaaS wurde für eine Welt gebaut, in der Software nur Menschen bei der Arbeit unterstützte. Diese Welt geht zu Ende.

Die neue Ära verlangt von Unternehmen, dies als Frage nach den Grundprinzipien zu betrachten. Wenn KI die Arbeit übernimmt, wofür sollte ein Kunde zahlen und warum? Die Antwort ist ein völlig neues Modell, das sich auf Ergebnisse, die Verantwortung für Arbeitsabläufe und proprietären Kontext konzentriert. Es erfordert ein anderes Denken hinsichtlich Preisgestaltung, Produktstrategie, Partnerschaften und der Messung des Erfolgs.

Die Funktionsära von SaaS belohnte das leistungsfähigste Werkzeug. Die KI-Ära wird die Unternehmen belohnen, deren Spezialisierung und Netzwerke am schwersten zu reproduzieren sind. Heute um sich an dieser Realität zu orientieren, ermöglicht es Ihnen, den Burggraben für das nächste Jahrzehnt der Unternehmenssoftware aufzubauen.