foto freepik

Der Januar war ein harter Monat für Softwareaktien. Die Marktstimmung schwankte stark. Das hatte in vielen Fällen weniger mit den Fundamentaldaten zu tun als vielmehr mit einer einzigen Frage, die den Sektor bewegte: »Was bedeutet agentenbasierte KI für die Zukunft der Software?«.

Eine aktuelle Analyse von William Blair verdeutlicht die Stimmung sehr gut: Der IGV-Software-ETF verlor im Januar rund 15 Prozent und verzeichnete damit einen der schwierigsten Jahresstarts in der Geschichte des ETF [1]. Der entscheidende Punkt ist jedoch nicht die exakte Zahl, sondern was sie aussagt: Die Furcht vor Risiken führt dazu, dass der Software-Markt grob pauschalisiert statt differenziert bewertet wird. Dabei lassen sich jedoch zwei sehr unterschiedliche Kategorien unterscheiden.

Der Markt bestraft »Software« generell, aber Software teilt sich in zwei Bereiche

Auf der einen Seite: interfacezentrierte, konfigurationsintensive Software, bei der die Benutzeroberfläche das Produkt ist. In einer Welt autonomer Arbeitsabläufe dürfte dieser Wert an Bedeutung verlieren. Agenten werden Bildschirme zunehmend umgehen, Aufgaben direkt über APIs ausführen und ganze Softwarekategorien überflüssig machen, in denen »Herumklicken« bisher die zentrale Arbeitsform war.

Auf der anderen Seite stehen API-first, datenzentrierte, Cloud-native Plattformen. Diese Art von Software wurde entwickelt, um sowohl von Maschinen als auch von Menschen bedient zu werden, und ist auf Orchestrierung, Integration und Skalierbarkeit ausgelegt. Im Zeitalter der Agenten wird sich die Wertschöpfung genau hier konzentrieren und verstärken.

Mit anderen Worten: In einer Welt voller Agenten entsteht ein dauerhafter Vorteil nicht durch Menüs und Buttons. Er entsteht durch Datenarchitektur, Semantik, Workflows und Konnektivität.

Romain Boboes Idee einer sogenannten »Interface-Steuer« bringt dies auf den Punkt: Je mehr der Wert eines Produkts davon abhängt, dass ein Mensch auf Bildschirmen navigiert und unzählige Regeln konfiguriert, desto mehr Reibung verursacht dies im Zeitalter der Autonomie [2].

Der entscheidende Punkt: KI kann (und sollte) ausgereifte SaaS-Lösungen nicht ersetzen

Die Meinung, dass »KI künftig Apps generieren wird« und SaaS für Unternehmen damit überflüssig wird, ist weit verbreitet. So funktionieren unternehmenskritische Systeme in der Praxis jedoch nicht.

KI ist leistungsstark und wird die Art und Weise, wie Software entwickelt und genutzt wird, grundlegend verändern. In vielen Unternehmensbereichen führt der Versuch, bewährte SaaS-Lösungen durch agentenbasierte oder agentenverwaltete »DIY-Systeme« zu ersetzen, jedoch häufig zu höheren Kosten und Risiken und verlangsamt die Geschäftsabläufe.

Warum KI nicht das Ende von SaaS bedeutet

Es gibt drei Gründe, warum KI nicht das Ende von SaaS bedeuten wird und warum die erfolgreichsten SaaS-Unternehmen besonders gut positioniert sind, um KI noch wertvoller zu machen.

Höhere laufende Kosten

KI wird die Entwicklungskosten senken, und zwar deutlich. Allerdings werden die laufenden Kosten oft erheblich steigen.

Herkömmliche Unternehmenssoftware ist vergleichsweise günstig im Betrieb, weil sie überwiegend auf klar definierten, wiederholbaren Rechenprozessen auf herkömmlichen CPUs basiert. Ein Benutzer, der auf »Bericht exportieren« klickt oder eine Abfrage ausführt, ist rechnerisch vorhersehbar und relativ kostengünstig. Agentische KI verändert die Wirtschaftlichkeit. Verständnisfragen in natürlicher Sprache, Zusammenfassungen, Extraktion, Reasoning-Workflows und mehrstufige Agenten verbrauchen deutlich mehr Rechenleistung für die KI-Modelle, oft auf GPUs oder anderen Beschleunigern. Jede Interaktion kann um ein Vielfaches teurer sein als eine herkömmliche Datenbankabfrage.

Während also die »Softwareerstellung« günstiger werden mag, wird der Betrieb intelligenter Software kostspieliger und komplexer. Genau hier punkten KI-native SaaS-Plattformen: Sie werden zur optimierenden Schnittstelle zwischen Kunden und Chaos.

Nutzen Sie klassische, regelbasierte Systeme überall dort, wo Abläufe schnell, kostengünstig und zuverlässig sein müssen (Transaktionen, Berechtigungen, Speicher, Buchungen).
Setzen Sie KI-Modelle nur dort ein, wo sie nachweislich Mehrwert schaffen (Assistenz, Suche/Discovery, Verdichtung/Synthese, Automatisierung).
Steuern Sie die hybride Infrastruktur zentral, damit Ihre Kunden sich nicht selbst mit Themen wie GPU-Scheduling, Prompt-Caching, Retrieval-Pipelines, Model-Routing, Safety-Layern und Kostensteuerung beschäftigen müssen.

Das heißt, im Zeitalter der Agenten wird SaaS nicht durch KI ersetzt, sondern wird zur Plattform, die die Kosten für Intelligenz kontrolliert.

Erhöhtes Risiko und der Mehrwert von »Service«

Der »Service« in SaaS wird oft von Menschen übersehen, die davon ausgehen, dass KI Unternehmenslösungen übernehmen wird. Für börsennotierte Unternehmen, regulatorisch beaufsichtigte Branchen, staatliche Einrichtungen und alle, die sich mit operativen Risiken befassen, ist der »Service« jedoch unverzichtbar.

Moderne Unternehmen brauchen geschäftskritische Verbindlichkeiten, auf die sie sich verlassen können:

Verfügbarkeit (und zuverlässige Verfügbarkeitsgarantien)
Sicherheit und Compliance (SOC 2, HIPAA, ISO, Überprüfbarkeit)
Datenverwaltung (Zugriffskontrollen, Speicherung, Herkunft, Speicherort)
Support und Betrieb (Reaktion auf Vorfälle, Service-Level-Agreements, Trainings)
Langfristige Konsistenz (»Morgen funktioniert es genauso wie heute«)
Verantwortlichkeit und Vertrauen (Wer ist für Ausfälle verantwortlich, wenn es darauf ankommt?)

Wenn ein KI-Agent eine Anwendung generiert, wer wird dann um drei Uhr morgens angerufen, wenn sie ausfällt? Wer antwortet den Aufsichtsbehörden, wenn sensible Daten verloren gehen? Wer kann genau nachweisen, warum ein System eine bestimmte Entscheidung getroffen hat?

Operative Verantwortlichkeit, Unternehmensführung und Zuverlässigkeit sind auch im Zeitalter der KI-Agenten von höchstem Wert und verlieren nicht an Bedeutung. Wenn überhaupt, dann werden sie sogar noch wichtiger. Mit anderen Worten: Je günstiger und autonomer Code wird, desto teurer werden die Risiken.

Verkürzte Zeit bis zur Markteinführung: Domain-Tiefe schlägt generierten Code

Die Ansicht, dass »KI alles macht«, setzt häufig voraus, dass die Erstellung des Codes den größten Teil des Werts einer SaaS-Lösung ausmacht. In ausgereiften, geschäftskritischen Unternehmenssystemen trifft das jedoch selten zu.

In einem System wie einer Warehouse-Management-Plattform machen vielleicht 20 Prozent des Werts den Code selbst aus. Die übrigen 80 Prozent sind angewandtes Fachwissen, also die unzähligen Sonderfälle und betrieblichen Realitäten, die man nur durch die eigene Erfahrung in zahlreichen Live-Umgebungen erlernt. Zum Beispiel:

Wie gehen Sie bei einer Teillieferung vor, wenn auf dem Lieferschein 1.000 Einheiten angegeben sind, die tatsächliche Stückzahl jedoch bei 997 liegt und 14 Einheiten beschädigt sind?
Welche Auswirkungen hat dies auf die Zuweisung, die Nachbestellung und die Bestandsbewertung?
Wie lösen Abweichungen bei den Inventurzählungen unterschiedliche Workflows aus – je nachdem, wie schnell sich ein Artikel verkauft (Fast/Slow Mover), ab welchen Wertgrenzen und wie viel Zeit seit der letzten Vollinventur vergangen ist?

Teams, die Enterprise-SaaS entwickeln und betreiben, haben solche Szenarien schon oft erlebt. Dieses Know-how fließt in das Produkt ein, weshalb kommerzielle Plattformen vom ersten Tag an einsatzbereit sind.

Bei einer individuellen Entwicklung, selbst wenn sie durch KI beschleunigt wird, dauert es immer noch Jahre, bis man etwas herausfindet, über das man bisher nichts wusste. Kurz gesagt: Durch KI werden moderne SaaS-Lösungen schneller und effizienter, aber sie sind nicht optional.

Den Wert von SaaS neu betrachten

KI wird Software auf der Grundlage architektonischer Realitäten neu bewerten und diejenigen SaaS-Anbieter belohnen, die den traditionellen Wert von Unternehmenssoftware (Zuverlässigkeit, Steuerung, Verantwortlichkeit, Time-to-Value) mit dem Versprechen und der Leistungsfähigkeit von KI verbinden.

KI wird nicht das Ende von SaaS bedeuten. Es wird den Moment markieren, in dem der Markt die Gewinner vom Rest trennt.

Eric Clark, President & Chief Executive Officer, Manhattan Associates

[1] Arjun Bhatia et al., »Fear, Not Fundamentals: the Sentiment Problem and Why Software Is So Challenging Right Now,« William Blair Equity Research, Technology, Media, and Communications, 2. Februar 2026. https://www.williamblair.com/Equity-Research

[2] https://medium.com/@rboboe/ai-isnt-killing-jobs-it-s-killing-the-trillion-dollar-industry-built-on-bad-software-e662d3319f87

7418 Artikel zu „KI Software“

News | Business | Business Process Management | Favoriten der Redaktion | Infrastruktur | Künstliche Intelligenz | Services

KI, Low-Code und die Zukunft der Softwareentwicklung: Wie Unternehmen 2026 auf Erfolgskurs bleiben

5. Februar 2026

Raymond Kok, CEO von Mendix, ein Siemens-Unternehmen, ordnet die relevanten KI-Trends in der Softwareentwicklung im Gespräch ein und gibt IT-Entscheiderinnen und IT-Entscheidern in Unternehmen klare Empfehlungen, welche Weichen sie 2026 neu stellen müssen, um auf Erfolgskurs zu bleiben. Herr Kok, wie sieht die Zukunft der Anwendungsentwicklung aus und wie sollten sich Unternehmen darauf vorbereiten?…