Wenn KI zur Schnittstelle wird, was passiert mit SaaS?

Jahrelang bedeutete das Einloggen in MarTech-Software das Aufrufen eines Dashboards. Egal, ob jemand Verkäufe analysieren, Kundendaten prüfen, die Kampagnenleistung überwachen oder ein Konto verwalten musste, das Dashboard war der Ausgangspunkt. Softwareunternehmen investierten stark darin, diese Umgebungen benutzerfreundlicher zu gestalten, weil das Einbringen der Kunden in die Anwendung zentral dafür war, wie das Produkt Mehrwert liefert.

KI‑Assistenten beginnen, diese Annahme in Frage zu stellen, da die Menschen sich zunehmend daran gewöhnen, mit einer Frage zu starten, anstatt durch Menüs und Berichte zu suchen. Sie können einem KI‑Assistenten mitteilen, was sie wissen oder erreichen wollen, und erwarten, dass die Technologie die dafür benötigten Informationen ermittelt.

Wenn sich dieses Verhalten in den Arbeitsplatz verlagert, werden Softwareunternehmen Kunden sehen, die weiterhin auf ihre Software setzen, dabei aber weniger Zeit in der eigentlichen Anwendung verbringen. Das ändert, wie sie ihre Fähigkeiten präsentieren und sogar, wie sie den Wert messen, den Kunden aus dem Produkt ziehen.

Software kann Teil des Gesprächs werden

KI‑Assistenten wie Claude und ChatGPT haben bereits verändert, wie Menschen Informationen finden und alltägliche Aufgaben erledigen. Die Einführung in Unternehmen schafft eine neue Chance, weil diese Systeme zunehmend mit den spezialisierten Anwendungen und proprietären Daten, die Mitarbeitende bei der Arbeit nutzen, verbunden werden können.

Model Context Protocol (MCP) ist eine Technologie, die diese Verbindungen ermöglicht. MCP bietet einen standardisierten Weg, damit KI‑Anwendungen externe Datenquellen und Software‑Tools anbinden können. Anstatt jede Interaktion innerhalb einer bestimmten Anwendung zu starten, können Softwareanbieter Teile ihrer Produkte über die KI‑Umgebungen zugänglich machen, die ihre Kunden nutzen.

Um das zu veranschaulichen, stellen Sie sich einfach eine Analyse‑Anwendung vor. Ein Marketer loggt sich traditionell ein, öffnet einen Bericht, wählt einen Datumsbereich, wendet Filter an und vergleicht mehrere Kundengruppen, bevor er eine Antwort findet. Mit einer KI‑Schnittstelle, die mit der zugrunde liegenden Software verbunden ist, könnte dieser Marketer einfach fragen, welche kürzlich gewonnenen Kunden voraussichtlich zu hochwertigen Kunden werden.

Die Analyse‑Software erledigt nach wie vor im Hintergrund wichtige Aufgaben, weil sie die relevanten Daten hält, spezialisierte Modelle anwendet und Funktionen bereitstellt, die für einen bestimmten Anwendungsfall entwickelt wurden. Doch die Art und Weise, wie der Kunde zu diesen Fähigkeiten gelangt, beginnt sich zu verändern.

Proprietäre Daten werden immer wertvoller

Den Nutzern konversationellen Zugriff auf Software zu ermöglichen, deckt zugleich eine der Einschränkungen von generischer KI auf.

Ein Modell kann viel über Marketing oder E‑Commerce wissen, ohne zu wissen, was gestern in einem bestimmten Unternehmen passiert ist. Es weiß nicht automatisch, wie eine Marke den Kundenwert berechnet oder nach welchem Zeitraum ein Kunde als abgewandert gilt. Nützliche Unternehmens‑KI hängt vom Zugriff auf organisationsspezifische Informationen ab.

Softwareunternehmen besitzen bereits einen Großteil dieser spezialisierten Informationen. Customer‑Data‑Platforms verstehen das Kundenverhalten und Business‑Intelligence‑Tools organisieren Unternehmens‑Performance‑Daten. Andere Unternehmensanwendungen enthalten ebenfalls stark spezialisierte Informationen über die Organisationen, die sie bedienen.

Die Verbindung dieser Systeme mit KI gibt dem Modell die Möglichkeit, mit unternehmensspezifischen Informationen zu arbeiten, anstatt sich ausschließlich auf sein allgemeines Wissen zu stützen.

Während KI‑Modelle weiter verbessert werden, könnten proprietäre Daten und spezialisierte Software‑Fähigkeiten zu einer immer wichtigeren Differenzierungsquelle werden. Das Modell liefert das konversationelle Erlebnis, während Unternehmensanwendungen die grundlegenden Daten und Funktionen bereitstellen, die das Gespräch für ein bestimmtes Unternehmen nützlich machen.

Antworten sind nur ein Teil der Chance

Die nächste Phase konversationeller Software hängt auch davon ab, was nach der KI‑Antwort geschieht. Eine Erkenntnis zu kennen ist nützlich, doch erst die Umsetzung erzeugt den größten Mehrwert von Unternehmenssoftware.

Stellen Sie sich vor, Sie fragen einen KI‑Assistenten, welche Kunden am wahrscheinlichsten einen weiteren Kauf tätigen, und nutzen diese Antwort, um ein Publikum zu erstellen und es einem anderen System zur Verfügung zu stellen – damit wird das Gespräch zu einem Workflow. Ähnliche Möglichkeiten gibt es in der gesamten Unternehmenssoftware. Ein Nutzer könnte ein Problem identifizieren und den nächsten Schritt einleiten, ohne mehrere Anwendungen durchlaufen zu müssen, weil die zugrunde liegenden Systeme weiterhin spezialisierte Funktionen ausführen, während der KI‑Assistent koordiniert, wie der Nutzer darauf zugreift.

Sobald KI Aktionen initiieren kann, beginnen SaaS‑Produkte eher wie Sammlungen spezialisierter Fähigkeiten zu wirken, die ein KI‑System bei Bedarf aufrufen kann. Ein Analyse‑Produkt könnte ein Publikum identifizieren, eine Commerce‑Plattform Transaktionsdaten bereitstellen und eine Marketing‑Plattform eine Kampagne aktivieren – und das Beste ist, dass der Nutzer nicht zwingend jede Anwendung öffnen muss, damit diese Produkte zum Workflow beitragen. So können Softwareunternehmen Workflows rund um das Ziel des Kunden designen, statt um die Reihenfolge der Bildschirme, die dafür nötig wären.

Das Dashboard hat weiterhin eine Aufgabe

Dashboards werden kaum vollständig verschwinden, weil manche Aufgaben von visueller Exploration oder der Möglichkeit profitieren, große Datenmengen auf einmal zu überblicken. Nutzer benötigen weiterhin dedizierte Anwendungen für viele Arbeitsarten; ihre Rolle ist lediglich weniger zentral geworden.

Ein Kunde kann eine Anwendung öffnen, wenn eine tiefere Analyse nötig ist, während er Routinefragen und -aktionen über einen KI‑Assistenten abwickelt. Ein anderer Nutzer kann regelmäßig mit der zugrunde liegenden Software interagieren, ohne deren traditionelle Oberfläche überhaupt zu öffnen.

SaaS‑Unternehmen haben historisch Logins, Sitzungen und die innerhalb des Produkts verbrachte Zeit als Engagement‑Signale gewertet. KI‑vermittelte Software verkompliziert diese Metriken. Ein Kunde, der selten ein Dashboard öffnet, könnte dennoch ein stark engagierter Nutzer sein, wenn ein KI‑Assistent regelmäßig im Namen des Kunden auf die Daten, Modelle oder Workflows des Produkts zugreift..

Entwickeln Sie dort, wo der Kunde arbeitet

SaaS‑Unternehmen haben jahrelang versucht, die Anwendung zu werden, die Kunden zuerst öffnen. KI‑Assistenten bringen die Möglichkeit mit, dass keine einzelne Business‑Anwendung diese Position dauerhaft einnimmt. Software muss weiterhin vertrauenswürdige Daten, spezialisierte Funktionalität und zuverlässige Ausführung bieten.

Unternehmen, die sich auf dieses Modell vorbereiten, sollten beginnen zu fragen, welche Teile ihrer Produkte Kunden am häufigsten benötigen, welche Daten sicher für KI‑Systeme verfügbar gemacht werden können und welche Aktionen Nutzer konversationell initiieren sollen. Ich denke, das Dashboard bleibt nützlich, wird aber möglicherweise nicht mehr der Ort sein, an dem Interaktionen beginnen.