Die SaaSpocalypse ist zurück, während Softwareaktien zwischen Angst und Erleichterung schwanken
Softwareaktien haben 2026 zwischen Ausverkäufen und Erholungen geschwankt, während Investoren darüber debattieren, ob KI-Agenten das SaaS-Geschäftsmodell schwächen werden. Ein neuer Bericht, der über Google News verbreitet wird, hat diesen Konflikt wieder ins Zentrum gerückt. Der Markt behandelt nicht länger jedes Software-Abonnement als gleichermaßen beständig.
Die jüngsten Schwankungen beweisen nicht, dass Software stirbt. Sie zeigen, dass Investoren das Vertrauen in die alte Annahme verloren haben, wiederkehrende Umsätze verdienten automatisch eine Premiumbewertung. Jeder Quartalsbericht wird nun zum Test dafür, ob ein Anbieter essenzielle Daten kontrolliert, einen dauerhaften Workflow besitzt oder lediglich eine Benutzeroberfläche verkauft.
Diese Unterscheidung ist wichtiger als die täglichen Kursbewegungen. Anthropic, OpenAI und andere Modellentwickler bringen Agenten in Forschung, Programmierung, Finanzwesen, Vertrieb und administrative Arbeit. Salesforce, ServiceNow, Workday, Adobe, HubSpot und kleinere Anbieter müssen zeigen, dass KI ihren Wert erweitert, bevor sie die Zahl der Nutzerlizenzen oder ihre Preissetzungsmacht verringert.
Die SaaSpocalypse kehrte zurück, nachdem Investoren sie abtun wollten
In der aktuellen Debatte geht es nicht darum, ob Unternehmen weiterhin Software kaufen werden. Es geht darum, welche Software wertvoll bleibt, wenn ein Agent über mehrere Systeme hinweg arbeiten kann.
Der Begriff „SaaSpocalypse“ wurde zum Kürzel für eine KI-getriebene Neubewertung von Software-as-a-Service-Unternehmen. SaaS stellt Anwendungen über das Internet bereit, meist über wiederkehrende Abonnements. Investoren bewerteten dieses Modell historisch wegen planbarer Verlängerungen, hoher Bruttomargen und der Möglichkeit, Kunden hinzuzufügen, ohne die Bereitstellungskosten im gleichen Maße steigern zu müssen.
KI-Agenten stellen Teile dieser Formel infrage. Ein Agent ist Software, die eine mehrstufige Aufgabe mit begrenzter Aufsicht planen und ausführen kann. Er kann Informationen abrufen, verbundene Tools nutzen, Dokumente erstellen, Datensätze aktualisieren und Arbeit zwischen Anwendungen weitergeben.
Die unmittelbare Sorge des Marktes ist einfach. Wenn ein Agent Arbeit erledigen kann, für die zuvor mehrere spezialisierte Anwendungen nötig waren, könnten Kunden Anbieter konsolidieren. Sie könnten auch die Zahl der Mitarbeiterlizenzen reduzieren, wenn Automatisierung mehr der zugrunde liegenden Arbeit übernimmt.
Das Argument gewann im Februar an Gewicht, nachdem Anthropic Claudes Fähigkeiten für Programmierung und den Arbeitsplatz erweitert hatte. Die Präsentation zu enterprise agents zeigte Cowork und Plugins im Einsatz für Aufgaben in Recht, Vertrieb, Finanzen, Produktentwicklung und Datenarbeit.
Diese Produktausrichtung gab Investoren etwas Konkreteres als eine allgemeine KI-Prognose. Claude war nicht länger darauf beschränkt, Text in einem Chatfenster zu erzeugen. Es wurde als Ausführungsebene positioniert, die mit Unternehmensdaten und vorhandenen Tools arbeiten kann.
Anthropic erklärte zudem, Cowork könne Claude durch rollenspezifische Plugins in einen Spezialisten verwandeln. Diese Aussicht warf für Einzellösungen, also Produkte für eine eng abgegrenzte Aufgabe, eine schwierige Frage auf. Warum sollte ein Unternehmen separate Oberflächen pflegen, wenn ein Agent denselben Workflow aus verbundenen Daten und Diensten zusammensetzen kann?
Die Antwort des Marktes hat sich wiederholt verändert. Softwareaktien wurden verkauft, wenn neue KI-Fähigkeiten etablierte Produkte zu bedrohen schienen. Sie erholten sich, wenn Quartalszahlen eine robuste Nachfrage zeigten oder Investoren sich von Chipaktien abwandten. Sie fielen erneut, wenn Prognosen, Kundenwachstum oder Vertragskennzahlen die höhere Messlatte nicht übersprangen.
Am 7. August wurde die zugrunde liegende Debatte über Softwareaktien im Kontext dieser heftigen Stimmungswechsel geführt. Die Schwankungen sind bedeutsam, weil sie zeigen, dass Investoren sich noch nicht auf ein dauerhaftes Bewertungsmodell für Software im KI-Zeitalter geeinigt haben.
Der Markt betrachtete die meisten wiederkehrenden Umsätze einst als Beleg für Verteidigungsfähigkeit. Nun fragt er, was jedes Abonnement vor Konsolidierung, Automatisierung oder einem günstigeren, mit KI entwickelten Ersatz schützt.
Ein starkes Quartal kann diese Bedenken vorübergehend beruhigen. Es kann sie nicht auflösen. Heute ausgewiesene Umsätze stammen häufig aus Verträgen, die geschlossen wurden, bevor Unternehmensagenten glaubwürdige Alternativen waren.
Diese zeitliche Lücke erklärt, warum aktuelle Ergebnisse und Aktienkurse unterschiedliche Geschichten erzählen können. Unternehmen können wachsende Umsätze berichten, während Investoren ihre Schätzungen für das Wachstum in mehreren Jahren senken. Umgekehrt kann eine starke KI-Kennzahl eine deutliche Erholung auslösen, ohne zu beweisen, dass das Unternehmen sein breiteres Geschäft abgesichert hat.
Diese Unsicherheit ist die erste wichtige Schlussfolgerung aus der Google-News-Berichterstattung über den Sektor. Die SaaSpocalypse ist kein einzelner Crash. Sie ist ein langwieriger Versuch, einen Wandel des Geschäftsmodells zu bewerten, bevor die operativen Belege vollständig vorliegen.
KI-Agenten verlagerten die Frage von Nutzerlizenzen zu erledigter Arbeit
KI-Agenten gefährden die Verbindung zwischen Mitarbeiterzahl und Softwareumsatz, schaffen aber zugleich neue Nachfrage nach gesteuerten Daten und zuverlässiger Ausführung.
Traditionelle SaaS-Anbieter verkaufen Zugang üblicherweise nach Nutzer, Team oder Organisationseinheit. Dieses Modell funktioniert, wenn Mitarbeiter die meisten Aufgaben innerhalb der Anwendung erledigen. Mehr Beschäftigte bedeuten meist mehr Nutzerlizenzen, während eine breitere Nutzung die Ausweitung eines Kundenkontos unterstützt.
Agenten schwächen diese Beziehung. Eine kleine Zahl automatisierter Arbeitskräfte kann Datensätze abrufen, Berichte vorbereiten, Systeme überwachen und Genehmigungen weiterleiten. Wenn ein Agent mehrere Mitarbeiter bedient, benötigt ein Kunde möglicherweise weniger auf Menschen ausgerichtete Nutzerlizenzen.
Das Risiko wird an einem praktischen Beispiel deutlicher. Ein Vertriebsteam könnte separate Produkte für die Recherche zu Interessenten, die Vorbereitung von Anrufen, Kundendaten, Prognosen und Follow-up-Nachrichten nutzen. Ein Agent, der mit den zugrunde liegenden Systemen verbunden ist, könnte Kontext zusammentragen und die nächste Aktion vorbereiten, ohne dass der Vertriebsmitarbeiter jede Oberfläche öffnen muss.
Das macht nicht jedes Produkt überflüssig. Der Kundendatensatz benötigt weiterhin einen vertrauenswürdigen Ort. Berechtigungen müssen durchsetzbar bleiben, und Manager benötigen Prüfpfade. Prognoselogik, Branchendaten und Compliance-Kontrollen erfordern ebenfalls verlässliche Systeme.
Der Druck trifft am stärksten die Schnittstelle zwischen diesen Systemen. Ein Produkt, das hauptsächlich Menschen dabei hilft, Informationen von einer Datenbank in eine andere zu übertragen, lässt sich leichter ersetzen. Sein Workflow kann von einem Agenten reproduziert werden, der Connectoren und APIs nutzt, über die unterschiedliche Anwendungen Daten austauschen können.
Die Produkterweiterung von Anthropic veranschaulicht diese Richtung. Das Unternehmen veröffentlichte finance agents für Aufgaben wie die Erstellung von Pitchbooks, Kundenverifizierung und Monatsabschlussarbeiten.
Diese Agenten arbeiten über Plugins, verbundene Desktop-Anwendungen und verwaltete Infrastruktur. Anthropic zufolge bleiben Nutzer in die Prüfung und Freigabe kundenbezogener oder regulierter Arbeit eingebunden. Diese Einschränkung ist wichtig, weil Unternehmensautomatisierung weiterhin Aufsicht erfordert.
Das Produkt verändert dennoch die Wettbewerbsgrenze. Ein Modellanbieter kann nun rollenspezifische Workflows bündeln, statt darauf zu warten, dass jeder SaaS-Anbieter sie selbst entwickelt. Er kann zudem über Microsoft-Dokumente und andere verbundene Systeme hinweg arbeiten, wodurch der Vorteil einer eigenständigen Oberfläche sinkt.
Etablierte Softwareanbieter reagieren mit eigenen Agenten. Salesforce bewirbt Agentforce, während ServiceNow KI mit IT- und Mitarbeiter-Workflows verbindet. Microsoft integriert Copilots und Agenten in sein gesamtes Anwendungsportfolio. Adobe, Workday, HubSpot und andere betten generative Funktionen in bestehende Produkte ein.
Der strategische Konflikt lautet daher nicht im wörtlichen Sinn „KI gegen Software“. KI ist Software, und die meisten Agenten sind für Daten, Autorisierung und Transaktionsverarbeitung auf bestehende Anwendungen angewiesen.
Der eigentliche Konflikt besteht zwischen gebündelten Agentenplattformen und fragmentierten Einzellösungen. Modellentwickler wollen zu dem Ort werden, an dem Nutzer Arbeit beginnen. Etablierte SaaS-Unternehmen wollen, dass ihre Anwendungen der primäre Kontrollpunkt bleiben.
Die Kontrolle über den Ausgangspunkt des Nutzers ist wichtig, weil sie bestimmt, welches Produkt Aufmerksamkeit erhält, Kontext erfasst und Kaufentscheidungen beeinflusst. Wenn Mitarbeiter jede Aufgabe in einem allgemeinen Agenten beginnen, können spezialisierte Anwendungen zu unsichtbarer Infrastruktur werden.
Dieser Wandel kann die Markentreue schwächen, selbst wenn der zugrunde liegende Dienst fortbesteht. Ein Kunde könnte weiterhin eine Datenbank, eine Design-Engine oder einen Analysedienst nutzen, dabei jedoch über den Agenten eines anderen Unternehmens damit interagieren. Der ursprüngliche Anbieter gerät dann bei Differenzierung und Margen unter Druck.
Agenten erzeugen jedoch auch mehr maschinelle Aktivität. Automatisierte Arbeitskräfte können zusätzliche Suchanfragen, Datenbankabfragen, Sicherheitsereignisse, Dokumente und Transaktionen generieren. Anbieter, die nach Nutzung oder erledigter Arbeit abrechnen, können von diesem höheren Volumen profitieren.
Daraus ergibt sich die zentrale Umkehrung. KI kann die Zahl menschlicher Nutzer reduzieren und zugleich die gesamte Softwarenutzung erhöhen. Das Ergebnis hängt davon ab, ob ein Unternehmen Zugang, Aktivität, Ergebnisse oder eine Kombination aus allen drei Faktoren bepreist.
Warum Softwareaktien auf dieselben Belege immer wieder stark schwanken
Investoren versuchen, langfristige Disruption mit kurzfristigen Finanzdaten zu bewerten, weshalb kleine Änderungen der Prognose ungewöhnlich große Veränderungen des Vertrauens auslösen.
Börsennotierte Softwareunternehmen berichten Umsätze, Margen, Kundenwachstum und vertragliche Verpflichtungen. Diese Kennzahlen beschreiben das aktuelle Geschäft gut. Sie sind weniger geeignet, zu messen, ob ein Agent einen Workflow in zwei Jahren ersetzen wird.
Diese Diskrepanz macht jeden Quartalsbericht anfällig für konkurrierende Interpretationen. Ein optimistischer Investor kann auf wiederkehrende Umsätze, Verlängerungsverhalten und wachsende KI-Produkte verweisen. Ein pessimistischer Investor kann argumentieren, dass diese Zahlen Verträge widerspiegeln, die abgeschlossen wurden, bevor Kunden glaubwürdige Alternativen hatten.
ServiceNow lieferte im Juli ein klares Beispiel. Die Aktien fielen während des regulären Handels, als Investoren Berichte über neue KI-Konkurrenz für Unternehmen berücksichtigten. Die Aktie drehte anschließend, nachdem die Quartalszahlen und der Ausblick des Unternehmens Erleichterung boten.
Die zugrunde liegenden Geschäftsabläufe hatten sich nicht innerhalb einiger Stunden verändert. Der Markt hatte seine Einschätzung geändert, wie viel künftiger Schaden bereits in der Bewertung eingepreist war.
Früher im Jahr wandte sich Salesforce-CEO Marc Benioff gegen die Vorstellung, KI werde etablierte Software zerstören. Er verglich die aktuelle Sorge mit früheren Technologiewechseln und argumentierte, Salesforce könne wertvoller werden, wenn Agenten seine Kundendaten und Workflows nutzen.
Dieses Argument hat eine logische Grundlage. Allgemeine Modelle benötigen präzisen Geschäftskontext, bevor sie zuverlässig handeln können. Systeme of Record, also maßgebliche Datenbanken für Kunden, Finanzen, Mitarbeiter oder operative Abläufe, liefern diesen Kontext.
Doch dasselbe Argument birgt ein Risiko. Wenn die wichtigste Verteidigung eines Anbieters darin besteht, dass KI seine Daten benötigt, könnte der Kunde die Datenbank behalten und zugleich die Ausgaben für angrenzende Funktionen reduzieren. Die Beständigkeit von Daten garantiert nicht, dass jede Oberfläche, jedes Zusatzmodul oder jede Mitarbeiterlizenz ihren bisherigen Wert behält.
Softwareunternehmen werden daher gleichzeitig an mehreren Fragen gemessen. Investoren wollen Belege für aktuelle Nachfrage, verteidigungsfähige Daten, bedeutende KI-Umsätze, nachhaltige Margen und ein Preismodell, das mit Automatisierung funktioniert.
Nur einen Test zu bestehen, reicht nicht mehr aus. Starke Umsätze bei schwacher Prognose können einen Ausverkauf auslösen. Schnelle KI-Einführung ohne klare Monetarisierung kann Bedenken wegen der Kosten wecken. Hohe Margen können gefährdet wirken, wenn Wettbewerber den Workflow günstiger reproduzieren können.
Die Debatte verändert sich auch, wenn Kapital zwischen Technologiekategorien umgeschichtet wird. In Teilen des Jahres 2026 bevorzugten Investoren Chips und Rechenzentrumsinfrastruktur, weil die Modellentwicklung große Mengen an Rechenkapazität erforderte. Software schien ein höheres Disruptionsrisiko und geringere unmittelbare KI-Umsätze aufzuweisen.
Dieser Trade kann sich rasch umkehren. Wenn die Erwartungen an Chipunternehmen zu anspruchsvoll werden, könnten Investoren zu Softwaretiteln mit wiederkehrendem Cashflow und niedrigeren Bewertungen zurückkehren. Eine koordinierte Erholung bedeutet nicht zwangsläufig, dass die SaaSpocalypse-These verworfen wurde.
Sie kann schlicht bedeuten, dass sich das relative Risiko verändert hat. Märkte bewerten Alternativen, nicht Unternehmen isoliert. Software kann über mehrere Handelssitzungen besser abschneiden, weil ein anderer Teil des Technologiemarkts teurer wirkt.
Deshalb sollten die Kursschwankungen nicht als tägliche Abstimmungen darüber gelesen werden, ob SaaS überlebt. Sie verbinden Gewinne, Zinsen, Bewertungen, Positionierung und veränderte Erwartungen an die KI-Einführung.
Die Volatilität zeigt jedoch eine dauerhafte Veränderung. Investoren geben Softwareanbietern nicht mehr unbegrenzt Zeit, ihre KI-Strategie zu erklären. Sie wollen finanzielle Belege dafür sehen, dass neue Produkte Umsatz hinzufügen, ohne das Kerngeschäft mit Abonnements zu schwächen.
Die Reaktion auf Anthropic im Februar fiel besonders scharf aus, weil das Unternehmen funktionierende Produkte statt eines fernen Forschungskonzepts präsentierte. Claude Opus 4.6 wurde dafür entwickelt, längere agentische Aufgaben, Programmierung, Finanzanalysen, Recherche und Office-Dokumente zu bewältigen.
Anthropic erklärte später, dass sich die Geschäftsabonnements für Claude Code seit Beginn des Jahres 2026 vervierfacht hätten. In seiner Finanzierungsankündigung hieß es außerdem, dass die Nutzung durch Unternehmen mehr als die Hälfte des Umsatzes von Claude Code ausmache.
Diese Zahlen stammten von Anthropic und waren kein direktes Maß für die Verdrängung von SaaS. Sie zeigten jedoch, dass Unternehmen in relevantem Umfang für agentische Tools bezahlten. Dadurch wurde es für börsennotierte Softwareanbieter schwieriger, die Wettbewerbsbedrohung abzutun.
Die stärkste Verteidigung ist die Kontrolle über Daten und Konsequenzen
Software bleibt gut verteidigbar, wenn sie maßgebliche Informationen speichert, Richtlinien durchsetzt oder Verantwortung für ein wichtiges Geschäftsergebnis trägt.
Ein allgemeiner Agent kann schnell eine überzeugende Benutzeroberfläche erstellen. Der Aufbau eines Unternehmenssystems umfasst jedoch mehr als das Generieren von Bildschirmen und Workflow-Code.
Unternehmen benötigen Identitätsmanagement, Berechtigungen, Aufbewahrungsrichtlinien, Prüfprotokolle, Integrationen, Zuverlässigkeit und Support. Regulierte Organisationen benötigen außerdem klare Verantwortlichkeiten, wenn ein System eine folgenschwere Entscheidung trifft oder empfiehlt.
Diese Anforderungen begünstigen führende Systeme. Eine Finanzanwendung, die Transaktionen über Jahre hinweg verwaltet, lässt sich nicht so beiläufig ersetzen wie eine schlanke Reporting-Oberfläche. Eine Personalplattform bleibt wichtig, wenn sie Lohnabrechnung, Sozialleistungen, Zugriffe und Compliance bestimmt.
ServiceNow verfügt bei operativen Workflows über eine ähnliche Verteidigung. Seine Plattform verbindet Anfragen, Freigaben, Vorfälle, Geräte, Mitarbeiter und Geschäftsdienste. Die Oberfläche zu ersetzen ist leichter, als die darunterliegende vertrauenswürdige Betriebsstruktur nachzubilden.
Dieselbe Logik gilt für Observability-Unternehmen wie Datadog. Observability bezeichnet die Erfassung und Analyse von Systemdaten, um die Leistung von Software zu verstehen. KI-generierte Anwendungen können die Zahl der Dienste und Änderungen erhöhen, die Engineering-Teams überwachen müssen.
In diesem Szenario schafft KI Nachfrage nach der Monitoring-Ebene. Mehr automatisierter Code kann mehr Deployments, Abhängigkeiten, Sicherheitswarnungen und unerwartete Ausfälle bedeuten. Der Anbieter profitiert, wenn sein Produkt der vertrauenswürdige Ort für die Untersuchung dieser Ereignisse bleibt.
Für ein eng gefasstes Einzellösungstool fällt die Unterscheidung weniger vorteilhaft aus. Wenn seine Hauptfunktion darin besteht, Texte zu entwerfen, Datensätze zusammenzufassen, Informationen zu verschieben oder einen Bericht zu formatieren, kann ein allgemeines Modell über verbundene Daten dieselbe Aufgabe erfüllen.
Das macht nicht jedes Einzellösungstool obsolet. Spezialisierte Unternehmen können durch proprietäre Informationen, domänenspezifische Bewertung, Vertrieb oder tiefe Integrationen Wert erhalten. Sie müssen etwas vorweisen, das ein allgemeiner Agent nicht mit einem Prompt und mehreren Konnektoren reproduzieren kann.
Unternehmenskäufer werden sich zudem gegen einen unkontrollierten Austausch wehren. Die Migration eines Kernsystems kann Schulungen für Mitarbeiter, die Übertragung von Daten, die Überarbeitung von Kontrollen und die Übernahme operativer Risiken erfordern. Diese Wechselkosten verschaffen etablierten Anbietern Zeit.
Zeit ist nicht gleichbedeutend mit Immunität. Etablierte Anbieter müssen sie nutzen, um Produkte und Geschäftsmodelle neu zu gestalten. Ein Chat-Panel zu einer bestehenden Anwendung hinzuzufügen, adressiert nicht die tiefgreifendere Veränderung darin, wie Arbeit beginnt und endet.
Die bessere Antwort besteht darin, das Produkt in eine Ausführungsplattform zu verwandeln. Das bedeutet, Agenten genehmigte Aktionen durchführen zu lassen und zugleich Geschäftsregeln, Datenqualität und Verantwortlichkeit zu wahren.
Eine Kundenserviceplattform kann beispielsweise für gelöste Fälle statt nur für Sitzplätze menschlicher Agenten abrechnen. Ein Sicherheitsprodukt kann die Preisgestaltung an geschützte Workloads oder analysierte Ereignisse koppeln. Ein Entwicklungstool kann Benutzerzugang mit automatisierter Nutzung kombinieren.
Diese Modelle richten die Umsätze an wachsender maschineller Aktivität aus. Sie schaffen zugleich Messprobleme. Kunden müssen verstehen, was als Ergebnis zählt und ob Automatisierung die Qualität tatsächlich verbessert.
KI-Agenten können Fehler machen, veralteten Kontext verwenden oder in verbundenen Systemen eine falsche Aktion ausführen. Das Risiko steigt, wenn ein Agent über längere Zeiträume arbeitet oder mehrere Tools ohne Überprüfung nutzt.
Das eigene Unternehmensmaterial von Anthropic betont rollenbasierte Kontrollen, Berechtigungen für Konnektoren, Nutzungsüberwachung und Audit-Funktionen. Die Hinweise zur Unternehmensbereitstellung beschreiben eine schrittweise Einführung statt eines sofortigen unternehmensweiten Austauschs.
Das ist ein Beleg gegen das extremste SaaSpocalypse-Szenario. Unternehmen löschen nicht einfach vertrauenswürdige Systeme und überlassen einem Modell uneingeschränkten Zugriff. Sie platzieren Agenten in kontrollierten Umgebungen.
Es stützt auch die selektivere Disruptionsthese. Sobald ein Agent in diesen Umgebungen sicher arbeitet, können Unternehmen hinterfragen, wie viele separate Oberflächen und Workflow-Tools sie noch benötigen.
Wissensarbeiter stehen persönlich unter demselben Konsolidierungsdruck. Wenn Informationen über Meetings, Dokumente und Anwendungen verstreut sind, kann eine durchsuchbare KI-Wissensdatenbank Kontext über Aufgaben hinweg bewahren. Das Prinzip spiegelt die Unternehmensdebatte wider: Organisierter Kontext wird wertvoller, wenn Agenten handlungsfähig werden.
Dem Bärenszenario fehlen weiterhin klare Belege für Ersatz
Die SaaSpocalypse-These identifiziert eine reale Bedrohung für die Preisgestaltung, springt jedoch oft von technischer Fähigkeit zu Kundenverhalten, ohne genügend Belege dazwischen.
Ein Modell kann schnell einen Anwendungsprototyp generieren. Das bedeutet nicht, dass ein Unternehmen ihn über einen regulierten oder geschäftskritischen Workflow hinweg einsetzen wird.
Interne Software bringt Wartungspflichten mit sich. Jemand muss Integrationen aktualisieren, Sicherheit überwachen, Ausfälle behandeln, Kontrollen dokumentieren und Nutzer unterstützen. Eine KI-generierte Anwendung kann die Kosten der anfänglichen Entwicklung senken, während diese laufenden Kosten bestehen bleiben.
Die Entscheidung zwischen Eigenentwicklung und Kauf hängt daher vom Workflow ab. Ein temporäres Dashboard oder ein teamspezifisches Freigabetool lässt sich möglicherweise leicht intern entwickeln. Ein globales Lohnabrechnungssystem, eine Kundendatenbank oder ein Finanzhauptbuch birgt ein anderes Risiko.
Modellanbieter sind ebenfalls auf Softwareunternehmen angewiesen. Agenten benötigen APIs, Identitätssysteme, Cloud-Plattformen, Datenbanken und operative Tools. Wenn ein Agent eine Aufgabe abschließt, ruft er häufig Dienste auf, die von derselben Branche betrieben werden, die er angeblich ersetzt.
Nvidia-CEO Jensen Huang bezeichnete die Idee, KI werde Software breitflächig ersetzen, als unlogisch. Seine Position entspricht der Ansicht, dass höhere Intelligenz zu mehr statt zu weniger Softwarenutzung führt.
Diese Ansicht verdient Prüfung, weil Nvidia von einer zunehmenden KI-Einführung profitiert. Sie erfasst jedoch eine wichtige technische Realität. Modelle beseitigen nicht den Bedarf an deterministischen Systemen, also Software, die definierte Regeln anwendet und vorhersehbare Transaktionen erzeugt.
Ein Agent kann entscheiden, dass eine Rechnung freigegeben werden sollte. Ein Finanzsystem zeichnet die Freigabe weiterhin auf, überprüft den Zugriff, aktualisiert Konten und bewahrt einen Prüfpfad.
Das glaubwürdigste Bärenszenario ist enger gefasst. KI verringert die Zahl der Oberflächen und manuellen Workflow-Produkte, die über essenziellen Systemen liegen. Sie verschafft Kunden außerdem Verhandlungsmacht bei Verträgen über Funktionen, die leichter reproduzierbar geworden sind.
Dieser Druck kann schrittweise auftreten. Ein Kunde kann einen Kernvertrag verlängern und zugleich Module entfernen, das Sitzplatzwachstum reduzieren oder verlangen, dass KI-Funktionen enthalten sind. Der Umsatz könnte weiter wachsen, während Expansionsraten und Margen schwächer werden.
Deshalb können die heutigen Gewinne die Debatte nicht entscheiden. Zu den relevanten Signalen gehören die Vertragszusammensetzung, die Workload-Nutzung, die Kundenbindung und der Anteil der Umsätze, der direkt an KI-Produkte gebunden ist.
Von Anbietern gemeldete KI-Kennzahlen erfordern Vorsicht. Unternehmen definieren Buchungen, jährlich wiederkehrende Umsätze, Nutzer und Verbrauch unterschiedlich. Eine steigende KI-Kennzahl kann Ausgaben enthalten, die von einem anderen Produkt verlagert wurden, statt vollständig neue Nachfrage darzustellen.
Kundenfallstudien können die breite Einführung ebenfalls überzeichnen. Frühe Nutzer erhalten häufig zusätzliche Unterstützung und wählen möglicherweise Workflows mit günstigen Bedingungen aus. Ein erfolgreicher Pilot beweist nicht, dass derselbe Agent in einer gesamten Organisation arbeiten kann.
Der gegenteilige Fehler besteht darin, jede Implementierungsschwierigkeit als dauerhaften Schutz für etablierte Anbieter zu betrachten. Modellzuverlässigkeit, Kontextverarbeitung und Tool-Kontrollen verbessern sich. Die Ankündigung von Anthropic zu Sonnet 4.6 hob Fortschritte bei Computernutzung, Planung, Programmierung und Schlussfolgerungen über lange Kontexte hervor.
Dabei handelt es sich um Unternehmensangaben, die teilweise auf Bewertungen und Rückmeldungen früher Nutzer basieren. Sie beweisen nicht unabhängig, dass das Modell eine bestimmte Unternehmensanwendung ersetzen kann. Sie benennen jedoch die Fähigkeiten, die erforderlich sind, um mehr Workflow-Software herauszufordern.
Die umsichtige Schlussfolgerung liegt zwischen Aussterben und Verleugnung. Das SaaS-Modell wird überleben, aber seine Ökonomie wird weniger einheitlich werden. Produkte mit vertrauenswürdigen Daten, operativer Verantwortung und hohen Wechselkosten sollten über stärkere Verteidigungen verfügen.
Produkte, die Informationen hauptsächlich für einen menschlichen Nutzer aufbereiten, stehen stärker unter Druck. Ihre Funktionalität kann in einen allgemeinen Agenten, eine etablierte Plattform oder ein intern entwickeltes Tool wandern.
Google-News-Ergebnisse können die Debatte binär erscheinen lassen, weil zugespitzte Schlagzeilen sich schneller verbreiten als schrittweise Veränderungen von Geschäftsmodellen. Die Einführung in Unternehmen wird ein unordentlicheres Ergebnis hervorbringen, bei dem Konsolidierung, neue verbrauchsabhängige Umsätze, rückläufiges Sitzplatzwachstum und zunehmende Agentennutzung gleichzeitig auftreten.
Was Investoren und Softwarekäufer als Nächstes beobachten sollten
Drei Signale werden bestimmen, ob die SaaSpocalypse zu einem dauerhaften Gewinnproblem wird oder eine aggressive Neubewertung bleibt.
Das erste Signal ist die Nettoumsatzbindung bei großen SaaS-Anbietern. Diese Kennzahl misst, ob eine bestehende Kundengruppe nach Erweiterungen, Reduzierungen und Kündigungen im Zeitverlauf mehr oder weniger ausgibt.
Eine stabile Bindung würde die These einer breit angelegten Ersetzung schwächen. Sie würde zeigen, dass Kunden genügend Produkte oder Verbrauch hinzufügen, um Sitzplatzreduzierungen auszugleichen. Eine über mehrere Quartale hinweg sinkende Bindung würde darauf hindeuten, dass die KI-Konsolidierung reale Verträge beeinflusst.
Die Zusammensetzung zählt ebenso viel wie die Schlagzeilenzahl. Anleger sollten neuen KI-Verbrauch von Ausgaben unterscheiden, die aus etablierten Modulen verlagert werden. Sie sollten außerdem beobachten, ob das Kundenwachstum anhält, während die durchschnittliche Ausweitung von Verträgen nachlässt.
Das zweite Signal ist, wie Anbieter ihre Preisgestaltung verändern. Nutzerbasierte Abonnements bleiben leicht verständlich, passen jedoch schlechter, wenn Maschinen mehr Arbeit erledigen. Verbrauchs- und ergebnisbasierte Preise orientieren sich stärker an automatisierter Aktivität.
Ein erfolgreicher Übergang würde es einem Anbieter ermöglichen, mehr zu verdienen, wenn Agenten wertvolle Arbeit erzeugen, selbst wenn weniger Beschäftigte die Benutzeroberfläche nutzen. Ein erfolgloser Übergang könnte Kunden verwirren, unvorhersehbare Rechnungen verursachen oder durch Kosten für Modellberechnungen die Margen unter Druck setzen.
Softwarekäufer sollten die Gesamtkosten eines Workflows vergleichen, nicht nur die Anzahl der Lizenzen. Dazu gehören Modellnutzung, Integrationsaufwand, Governance, Monitoring und menschliche Prüfung. Ein Agent ist nicht günstiger, wenn Beschäftigte seine Aktionen wiederholt korrigieren müssen.
Das dritte Signal ist, ob allgemeine Agenten zu vertrauenswürdigen Transaktionsschichten werden. Dokumente und Zusammenfassungen zu erstellen, reicht nicht aus. Der große Wandel beginnt, wenn Unternehmen Agenten Kundendaten aktualisieren, Transaktionen genehmigen, Infrastruktur ändern oder regulierte Workflows abschließen lassen.
Berechtigungen und Audit-Logs werden entscheidend sein. Ein allgemeiner Agent, der seine Handlungen nicht erklären oder begrenzen kann, bleibt ein Assistent. Einer, der sicher über mehrere Systeme hinweg arbeitet, wird zu einer glaubwürdigen Konsolidierungsschicht.
Die nächsten Quartalsberichte von Salesforce, ServiceNow, Workday, HubSpot, Adobe und anderen Anbietern sollten anhand dieser drei Signale gelesen werden. Umsatzwachstum allein wird die zentrale Frage nicht beantworten.
Anleger brauchen Belege zu Kundenbindung, Preisgestaltung und der tatsächlichen Ausführung durch Agenten. Unternehmenskäufer brauchen den Nachweis, dass Automatisierung die Gesamtkosten der Arbeit senkt, ohne die Kontrolle zu schwächen.
Die Kursschwankungen bei Softwareaktien werden anhalten, solange diese Antworten unvollständig bleiben. Starke Ergebnisse können Widerstandsfähigkeit belegen, während eine weitere Modellveröffentlichung innerhalb von Stunden Ängste wieder aufleben lassen kann. Keine der beiden Reaktionen sollte als endgültiges Urteil gelten.
Die hilfreichere Frage ist nicht, ob SaaS verschwindet. Sie lautet, welche Unternehmen die Kontrolle über vertrauenswürdige Daten, Geschäftsregeln und messbare Ergebnisse behalten, wenn die Benutzeroberfläche zu einem KI-Agenten wird.
Beobachten Sie, was Kunden verlängern, was sie entfernen und wo sie Agenten handeln lassen. Diese Entscheidungen werden mehr verraten als die nächste dramatische Google News-Schlagzeile.
