Die Post-SaaS Ära: Agenten statt Abos

Du zahlst pro User, pro Monat, pro Seat. So funktioniert Software seit 20 Jahren. Salesforce, HubSpot, Zendesk — alle leben davon. Aber was passiert, wenn AI-Agenten die Aufgaben übernehmen, für die diese Seats gedacht waren? Wenn weniger Menschen vor den Bildschirmen sitzen, weil eine KI den First-Level-Support macht, die Kundendaten pflegt und die Reports erstellt? Dann braucht ein Unternehmen weniger Lizenzen. Und das Geschäftsmodell, das Billionen an Wert geschaffen hat, bricht zusammen.

Genau das passiert gerade. Willkommen in der Post-SaaS Ära.

Das SaaS-Modell wankt — und die Märkte bestrafen es

Ende 2025 passierte etwas, das die Softwarebranche in Panik versetzte. Bei den jährlichen Budgetrunden begannen CIOs großer Konzerne, massenhaft Seat-Verlängerungen zu streichen. Der Grund: AI-Agenten übernahmen Aufgaben, für die früher menschliche Mitarbeiter nötig waren. Weniger Mitarbeiter bedeutet weniger Seats. Weniger Seats bedeutet weniger Umsatz.

Die Märkte reagierten brutal. Bis März 2026 fiel der iShares Expanded Tech-Software ETF (IGV) — der wichtigste SaaS-Börsenindex — um fast 21 Prozent. Analysten prägten Begriffe wie „SaaSpocalypse" und „Software Slaughter". Nicht weil Software stirbt, sondern weil die Mechanik, wie man damit Geld verdient, fundamental ins Wanken gerät.

Die Gleichung „mehr Mitarbeiter = mehr Lizenzen" funktioniert nicht mehr, wenn AI-Agenten die Arbeit von fünf Leuten für einen Bruchteil der Kosten erledigen.

Wenn der Agent den Job macht, braucht niemand das Dashboard

Ein konkretes Beispiel, das die Branche aufgerüttelt hat: Im März 2026 ersetzte ein Vertriebsteam seinen kompletten Pre-Call-Research-Workflow durch einen einzigen Claude-Agenten mit drei MCP-Integrationen — Google Calendar, eine Firmendatenbank und Slack. Vor jedem Kundengespräch zieht der Agent automatisch Teilnehmerprofile, Unternehmensdaten und Terminkontext, generiert ein vollständiges Briefing und postet es in Slack. Das Ganze läuft auf einem Cronjob.

Kein Dashboard. Keine Seat-Lizenzen. Kein Jahresvertrag. Vor zwölf Monaten wäre genau dieser Workflow das Kernfeature eines Sales-SaaS-Produkts mit einem Preisschild von 50.000 Dollar im Jahr gewesen. Heute ist es ein Skill-File, ein paar API-Keys und ein Agent der im Hintergrund läuft.

Das ist kein Einzelfall. Es ist das Muster. Quer durch alle Branchen kollabieren ganze Software-Kategorien in leichtgewichtige Agent-Workflows, die einen Bruchteil kosten. Eine Marketing-Agentur, die früher ein Team von zehn Leuten mit einem komplexen SaaS-Stack brauchte, erzielt jetzt vergleichbare Ergebnisse mit zwei Leuten und einer Handvoll autonomer Agenten.

Die Zahlen dahinter: AI explodiert, SaaS blutet

Die Verschiebung ist nicht anekdotisch — die Daten sind eindeutig:

OpenAI hat bis April 2026 einen annualisierten Umsatz von über 25 Milliarden Dollar erreicht — verfünffacht in einem Jahr. AWS meldet eine AI-Revenue-Run-Rate von 15 Milliarden Dollar im Q1 2026. Das sind keine Experimentier-Budgets. Das sind produktionskritische Enterprise-Workloads.

Gleichzeitig wurden im Q1 2026 über 78.000 Tech-Mitarbeiter entlassen. 48 Prozent der Kürzungen werden direkt auf AI und Workflow-Automatisierung zurückgeführt.

Die Unternehmen addieren AI nicht oben auf ihren Stack. Sie ersetzen Schichten dieses Stacks — inklusive der Menschen, die diese Schichten bedient haben.

Von Software-as-a-Service zu Result-as-a-Service

Die philosophische Verschiebung lässt sich in einem Satz zusammenfassen: Das SaaS-Zeitalter hat dir Zugang zu einem Werkzeug verkauft. Die Post-SaaS Ära verkauft dir das Ergebnis.

Bisher hat ein Unternehmen 150 Dollar pro Seat pro Monat für ein CRM bezahlt. Der Mitarbeiter loggt sich ein, klickt durch Dashboards, erstellt Berichte, aktualisiert Kundendaten. Die Software ist ein Werkzeug, die Arbeit macht der Mensch. Das Unternehmen zahlt für den Zugang zum Werkzeug.

In der neuen Welt fragt man sich: Warum zahle ich für ein Dashboard, das ein Mensch bedienen muss, wenn ein Agent die Aufgabe direkt erledigen kann? Statt „50 Seats CRM" kauft man „1.000 automatisch aktualisierte Kundenprofile pro Monat". Nicht das Tool, sondern das Ergebnis.

Bret Taylor, Mitgründer von Sierra AI und ehemaliger Co-CEO von Salesforce, bringt es auf den Punkt: Der ganze Markt bewegt sich in Richtung Agents und in Richtung Outcome-based Pricing. Es ist einfach die richtige Art, Software zu bauen und zu verkaufen.

Sierra AI ist der lebende Beweis: Das Unternehmen berechnet nur dann, wenn der Agent ein Problem erfolgreich ohne menschliche Hilfe löst. In nur 21 Monaten hat Sierra 100 Millionen Dollar ARR erreicht, bis Anfang 2026 über 150 Millionen. Bewertung: 10 Milliarden Dollar. Kunden sehen 50 bis 90 Prozent ihrer Kundenservice-Interaktionen vollständig automatisiert.

Wie die Großen umbauen: Sechs Preismodelle, Flex Credits und das Microsoft-Experiment

Die SaaS-Giganten bauen fieberhaft um. Das ist kein Feature-Update — es ist ein fundamentaler Umbau ihres Geschäftsmodells.

Salesforce Agentforce

Salesforce hat mittlerweile sechs verschiedene Preismodelle für Agentforce parallel laufen. Das klingt nach Panik — und ist es auch. Die Realität zwingt sie dazu.

Zuerst kam ein einfaches Modell: 2 Dollar pro Konversation. Funktionierte nicht, weil eine simple Kundenanfrage oft komplexe Backend-Prozesse auslöst. Dann kamen Flex Credits: 0,10 Dollar pro Aktion. Ein Kundendaten-Update kostet 60 Credits (30 Cent), eine Terminplanung 120 Credits (60 Cent). Dann kamen Agentforce-Editionen mit Pro-User-Lizenzen ab 550 Dollar pro Nutzer.

Die Kunden kombinieren mittlerweile mehrere Modelle: ausgehandelte Credit-Raten plus die Option, auf Per-User umzusteigen, falls sich die Teamgröße ändert. 8.000 Kunden nutzen Agentforce bereits. 900 Millionen Dollar AI- und Data-Cloud-Umsatz in sechs Monaten. Aber gleichzeitig berichten Salesforce-Kunden schon von einer 10-Prozent-Reduktion bei Seats und Headcount.

Zendesk und Intercom

Beide wetten voll aufs Outcome. Zendesk nimmt 1,50 Dollar pro automatisch gelöster Anfrage. Wenn ein Mensch eingreifen muss, zahlst du den Agenten nicht.

Intercom Fin: 0,99 Dollar pro Resolution. Du zahlst nur, wenn der Agent die Konversation erfolgreich beendet. Transparent, vorhersehbar — und von der Branche gelobt.

Microsoft: Der Gegenentwurf

Microsoft geht den komplett anderen Weg. Statt auf Usage-Pricing umzustellen, bündelt Microsoft AI-Funktionen in teurere Seat-Lizenzen. Im Dezember 2025 kündigte Microsoft an, dass die Preise der Core Suite im Juli 2026 steigen, mit Copilot Chat und Security-Features inklusive. Die Wette: Man kann den Preis pro Seat schneller erhöhen, als Kunden Seats reduzieren.

Der VC-Goldrausch: 24,2 Milliarden für Agentic AI

Die Investment-Daten zeigen klar, wohin sich die Branche bewegt.

In 2025 haben VC-finanzierte Agentic-AI-Unternehmen 24,2 Milliarden Dollar über 1.311 Deals eingesammelt. Das entspricht fast 73 Prozent des gesamten kumulierten VC-Deal-Volumens dieser Kategorie zwischen 2015 und 2024. In einem einzigen Jahr fast so viel wie in den gesamten zehn Jahren davor.

PitchBook beschreibt das als einen strukturellen Shift: weg von Seat-basierter SaaS und hin zu Systemen, die Ende-zu-Ende-Workflows ausführen und den Wert direkt an Ergebnisse koppeln.

Allein im Q1 2026 haben Agentic-AI-Firmen 2,66 Milliarden Dollar eingesammelt — ein Anstieg von 142 Prozent gegenüber dem Vorjahr. Über 1.083 aktive Unternehmen im Sektor, davon 573 mit Finanzierung.

Einige der bemerkenswertesten Deals:

• Anysphere (Cursor): 900 Millionen Dollar bei einer Bewertung von 9 Milliarden Dollar
• Sierra AI: 10 Milliarden Dollar Bewertung, rein outcome-basiertes Preismodell
• Salesforce Ventures: 500-Millionen-Dollar AI-Fund, rund eine Milliarde in AI-Startups in 18 Monaten investiert
• Hippocratic AI: Über 500 Millionen Dollar Bewertung im Healthcare-Bereich

KPMG schätzt die globalen Marktausgaben für Agentic AI auf 50 Milliarden Dollar in 2025. Der Gesamtmarkt wird von 5,25 Milliarden (2024) auf 199 Milliarden bis 2034 wachsen — fast 44 Prozent jährliches Wachstum. Kein Enterprise-Technologiesektor ist seit der frühen Cloud-Migration so schnell gewachsen.

Und KPMG rechnet vor: Agentic AI wird zu 3 Billionen Dollar an Unternehmensproduktivität und einer durchschnittlichen EBITDA-Verbesserung von 5,4 Prozent pro Unternehmen jährlich führen. Unternehmen erzielen durchschnittlich einen 2,3-fachen ROI innerhalb von 13 Monaten.

Der Reality-Check: 79 Prozent experimentieren, 11 Prozent liefern

Bevor jetzt jemand denkt, SaaS ist morgen tot — die Zahlen zeigen auch die andere Seite.

79 Prozent der Unternehmen haben Agentic AI in irgendeiner Form adoptiert. Aber nur 11 Prozent haben es tatsächlich in Produktion. Das ist die definierende Kluft von 2026: Fast alle experimentieren, fast niemand hat es live.

Die Hürden sind real:

• Cybersecurity ist die größte Barriere für 35 Prozent der Organisationen
• Datenschutz für 30 Prozent
• Regulatorische Unklarheit für 21 Prozent
• 40 Prozent der Projektfehlschläge kommen durch Risikomanagement-Versagen

Und da ist das Vertrauensproblem: Wenn ein Agent eigenständig Entscheidungen trifft, wer haftet? Wenn er einen falschen Betrag überweist, einen falschen Termin bucht oder sensible Daten an den falschen Kontakt schickt? Diese Fragen sind 2026 noch nicht gelöst.

Gartner prognostiziert: Bis Ende 2026 werden 40 Prozent der Enterprise-Apps aufgabenspezifische Agents enthalten. Bis 2030 werden 35 Prozent aller Point-Product-SaaS-Tools durch AI-Agents ersetzt oder in größere Ökosysteme absorbiert. Das heißt aber auch: 65 Prozent überleben — wenn auch in veränderter Form.

SaaS stirbt nicht über Nacht. Es verändert sich. Aber wer die Richtung ignoriert, wird überrollt.

Was das für Solo-Founder bedeutet

Wenn du 2026 ein SaaS-Produkt baust, musst du dir eine fundamentale Frage stellen: Verkaufe ich Zugang zu einem Tool oder verkaufe ich ein Ergebnis?

Ein Gedankenexperiment: Stell dir vor, du baust ein Tool, das Social-Media-Posts für Restaurants erstellt. Der klassische SaaS-Weg: Dashboard, Login, Templates, Drag-and-Drop-Editor, 49 Euro pro Monat. Der Agent-Weg: Der Restaurantbesitzer schickt dem Bot eine WhatsApp-Nachricht mit dem Tagesmenü. Der Agent erstellt automatisch Posts für Instagram, Facebook und Google Business, inklusive Bilder, Hashtags und optimaler Postingzeit. 2 Euro pro generiertem Post-Set.

Kein Dashboard, kein Login, keine Lernkurve. Für welchen Service entscheidet sich ein gestresster Wirt nachts um 23 Uhr?

Drei strategische Optionen

Option 1: Klassisches SaaS mit Agent-Layer. Du baust weiterhin ein SaaS, aber integrierst Agents als Feature. Power-User haben das Dashboard, der gestresste User chattet mit dem Agenten. Hybridmodell. Das machen gerade die meisten.

Option 2: Agent-first Micro-Service. Kein Dashboard, kein Login. Der Kunde interagiert nur per Chat, E-Mail oder API. Du berechnest pro Ergebnis. Niedrigere Entwicklungskosten, aber der Agent muss fehlerfrei liefern.

Option 3: Infrastructure für Agents. Du baust nicht den Agent selbst, sondern Tools die andere brauchen: MCP-Server, Evaluierungs-Tools, Monitoring, Guardrails. Der Picks-and-Shovels-Ansatz.

Fünf Dinge die du jetzt tun solltest

1. Verstehe das neue Pricing. Denk jetzt darüber nach, wie ein ergebnisbasiertes Preismodell für dein Produkt aussehen könnte. Nicht weil du sofort umstellen musst, sondern weil die Architektur es ermöglichen sollte. Miss was dein Produkt für den Kunden leistet, nicht nur wie viele Seats aktiv sind.

2. Integriere MCP in deine Roadmap. Das Model Context Protocol mit seinen 97 Millionen Installs ist der Standard für Agent-Kommunikation. Wenn dein SaaS einen MCP-Server anbietet, wird es für AI-Agents nutzbar — und Teil des Ökosystems statt ein Opfer davon.

3. Hinterfrage jedes Feature. Braucht das wirklich ein Dashboard? Ein automatischer Report per E-Mail ist oft mehr wert als ein Chart zum Selberklicken. Viele Features, die klassischerweise über ein UI bedient werden, können als Agent-Aufgabe formuliert werden.

4. Beobachte die Preismodelle der Großen. Was Salesforce, Zendesk und Intercom mit Flex Credits, Per-Resolution und Outcome-Pricing machen, wird in zwei Jahren der Standard. Lerne von ihren Experimenten.

5. Baue einen Daten-Moat. In einer Welt, in der der Agent-Layer austauschbar wird, sind proprietäre Daten der einzige nachhaltige Vorteil. Die Frage ist nicht „Kann ein Agent das auch?" — sondern „Hat der Agent Zugriff auf die gleichen Daten?" Wenn dein Produkt einzigartige Daten sammelt und vernetzt, bist du schwer ersetzbar.

🎙️ Die ausführliche Diskussion mit allen Zahlen und Hintergründen gibt es in unserer Podcast-Episode: Auf Spotify anhören →

WEBSE-Lexikon:

• SaaS (Software as a Service): Das dominierende Geschäftsmodell der letzten 20 Jahre. Der Kunde zahlt eine monatliche Gebühr pro Nutzer (Seat) für Zugang zu einer Cloud-Software. Giganten wie Salesforce, HubSpot und Zendesk basieren darauf.
• Seat-based Pricing: Preismodell bei dem pro aktivem Nutzer abgerechnet wird. Funktioniert, solange die Gleichung „mehr Mitarbeiter = mehr Lizenzen" gilt. AI-Agenten brechen diese Gleichung, weil sie Aufgaben ohne menschliche Seats erledigen.
• SaaSpocalypse: Von Analysten geprägter Begriff für den Kursverfall von SaaS-Aktien Anfang 2026, ausgelöst durch massenhafte Seat-Reduktionen bei Enterprise-Kunden. Der iShares Tech-Software ETF (IGV) fiel um fast 21 Prozent.
• Result-as-a-Service (RaaS): Das aufkommende Gegenmodell zu SaaS. Statt Zugang zu einem Werkzeug zu verkaufen, wird das Ergebnis verkauft. Statt „50 Seats CRM" kauft man „1.000 automatisch aktualisierte Kundenprofile". Der Wert geht vom Werkzeug direkt zur erledigten Aufgabe.
• Outcome-based Pricing: Preismodell bei dem nur bezahlt wird, wenn das AI-System ein definiertes Ergebnis liefert. Sierra AI berechnet nur bei erfolgreicher autonomer Problemlösung. Intercom Fin kostet 0,99 Dollar pro erfolgreich gelöster Konversation.
• Flex Credits: Ein von Salesforce eingeführtes Preismodell für Agentforce. Statt pro Seat wird pro Aktion abgerechnet: 0,10 Dollar pro Agent-Aktion. Ein Kundendaten-Update kostet 60 Credits (30 Cent), eine Terminplanung 120 Credits (60 Cent).
• Agentforce: Salesforces AI-Agent-Plattform mit mittlerweile sechs verschiedenen Preismodellen. 8.000 Kunden, 900 Millionen Dollar Umsatz in sechs Monaten. Zeigt exemplarisch, wie etablierte SaaS-Konzerne den Übergang zu Agent-basierter Software gestalten.
• Sierra AI: Von Bret Taylor (ex-Salesforce Co-CEO) gegründetes Unternehmen das rein auf Outcome-based Pricing setzt. 150 Millionen Dollar ARR in 21 Monaten, Bewertung 10 Milliarden Dollar. Gilt als Prototyp des Post-SaaS-Geschäftsmodells.
• ARR (Annual Recurring Revenue): Jährlich wiederkehrender Umsatz — die zentrale Kennzahl für SaaS-Unternehmen. Zeigt das stabile, vorhersagbare Einkommen aus Subscriptions. In der Post-SaaS Ära wird diese Kennzahl durch nutzungsbasierte Metriken ergänzt oder ersetzt.
• Agentic AI: Sammelbegriff für AI-Systeme die autonom handeln können — nicht nur Text generieren, sondern Aufgaben in der realen Welt ausführen. Der Markt wächst von 5,25 Milliarden Dollar (2024) auf prognostizierte 199 Milliarden (2034), mit 44 Prozent jährlichem Wachstum.
• MCP (Model Context Protocol): Von Anthropic entwickelter Standard für die Kommunikation zwischen AI-Agenten und externen Tools. 97 Millionen Installs (März 2026). Wird in der Post-SaaS Ära zum entscheidenden Integrationspunkt: wer einen MCP-Server anbietet, ist für Agenten nutzbar.
• Daten-Moat: Ein Burggraben aus proprietären Daten, der ein Produkt vor Ersetzung durch generische Agenten schützt. Die Intelligenz des Agent-Layers wird billiger und austauschbarer — aber einzigartige, vernetzte Daten kann kein generischer Agent replizieren.
• Point-Product SaaS: Kleine SaaS-Tools die nur eine einzige Funktion abdecken (z. B. PDF-Konvertierung, Social-Media-Scheduling). Laut Gartner werden bis 2030 35 Prozent davon durch AI-Agents ersetzt. Am stärksten bedroht in der Post-SaaS Ära.
• Usage-based Pricing: Preismodell bei dem nach tatsächlicher Nutzung abgerechnet wird (z. B. pro API-Call, pro Token, pro Gigabyte). Ein Zwischenschritt zwischen Seat-basiertem SaaS und Outcome-based Pricing. Viele Unternehmen experimentieren 2026 mit Hybrid-Modellen.
• iShares Expanded Tech-Software ETF (IGV): Der wichtigste Börsenindex für SaaS-Unternehmen. Der Rückgang um 21 Prozent bis März 2026 gilt als Indikator dafür, dass Investoren das langfristige Potenzial des Seat-basierten Modells hinterfragen.
• Human-in-the-Loop: Im Post-SaaS Kontext: das Vertrauensproblem das Adoption bremst. Wenn ein Agent autonom Entscheidungen trifft, muss irgendwann ein Mensch die Kontrolle behalten — aber wie viel Kontrolle ist genug? 40 Prozent der Agentic-AI-Projekte scheitern am Risikomanagement.
• EBITDA: Earnings Before Interest, Taxes, Depreciation and Amortization — eine Kennzahl für die operative Ertragskraft eines Unternehmens. KPMG prognostiziert, dass Agentic AI eine durchschnittliche EBITDA-Verbesserung von 5,4 Prozent pro Unternehmen jährlich ermöglicht.
• ROI (Return on Investment): Rendite einer Investition. Unternehmen erzielen laut KPMG einen durchschnittlichen 2,3-fachen ROI auf Agentic-AI-Investitionen innerhalb von 13 Monaten — in der Enterprise-Welt „Lichtgeschwindigkeit".
• Agent-first Micro-Service: Ein Geschäftsmodell ohne klassisches Dashboard oder Login. Der Kunde interagiert nur per Chat, E-Mail oder API mit einem spezialisierten Agenten. Abrechnung pro Ergebnis statt pro Seat. Niedrigere Entwicklungskosten, höhere Anforderungen an Agent-Zuverlässigkeit.