Das SaaS-Modell ist nicht gestorben – es hat gelernt, seinen Nutzen zu beweisen
Es gibt einen präzisen Moment im Zyklus jedes Geschäftsmodells, an dem die kollektive Erzählung aufhört, die Realität zu beschreiben, und beginnt, sie herzustellen. Der SaaS-Sektor hat diesen Moment vor mehr als einem Jahr erreicht, und die Branche verarbeitet noch immer, was er bedeutet. Es ist nicht der Zusammenbruch, den manche mit dem Begriff „SaaS-pocalypse" vorhergesagt hatten, aber auch keine reibungslose Rückkehr zum Wachstum des Jahres 2021. Was sich ereignet, ist unbequemer und nützlicher als jede dieser beiden Versionen: Käufer, Investoren und Kapitalmärkte verlangen den Beweis, dass die von ihnen gebuchte Software tatsächlich etwas Messbares bei ihren Nutzern verändert.
Das klingt selbstverständlich. War es nicht.
In der Phase der reichlichen Liquidität nach der Pandemie funktionierte das Modell der wiederkehrenden Einnahmen als ausreichendes Argument. Eine angemessene Erneuerungsrate und eine aufsteigende Wachstumskurve reichten aus, um Bewertungsmultiplikatoren zu rechtfertigen, die heute schwer zu begründen erscheinen. Die Multiplikatoren auf den ARR – den jährlich wiederkehrenden Umsatz – erreichten Niveaus, die Jahre künftigen Wachstums diskontierten, als wäre dieses Wachstum eine strukturelle Gewissheit. Laut Daten von SaaS Capital befinden sich diese Multiplikatoren jetzt auf einem Tiefstand von mehr als einem Jahrzehnt – was nicht nur eine Zinsanpassung widerspiegelt, sondern einen Wandel darin, welche Art von Evidenz als überzeugend gilt, um Kapital zuzuweisen.
Der Sektor bricht nicht ein. Die Projektion bis 2030 liegt nach wie vor bei über 900 Milliarden Dollar globalem Marktwert, mit einem jährlichen zusammengesetzten Wachstum von rund 18 %. Für 2024 wurde die Ausgaben für Software as a Service laut Gartner auf rund 232 Milliarden Dollar geschätzt. Die absoluten Zahlen widersprechen der Expansionserzählung nicht. Was sich verändert hat, ist die Qualität der Evidenz, die erforderlich ist, damit sich diese Zahlen in eine günstige Bewertung übersetzen. Und diese Veränderung hat sehr konkrete operative Auswirkungen für diejenigen, die diese Geschäftsmodelle aufbauen oder finanzieren.
Künstliche Intelligenz ersetzt keine Software – sie erhöht den Rechtfertigungsdruck
Ein Teil der narrativen Panik rund um das „Ende des SaaS" stammt aus einer vorschnellen Lesart der Rolle, die künstliche Intelligenz im Sektor spielt. Das vereinfachte Argument lautet: Wenn KI auf Abruf Code generieren, autonome Workflows aufbauen und Funktionalitäten replizieren kann, die früher Jahresverträge erforderten, verlieren Abonnementmodelle pro Nutzerplatz ihre Daseinsberechtigung. Daran ist etwas Wahres. Vieles davon übertreibt die Geschwindigkeit des Wandels und unterschätzt die tatsächliche Reibung bei seiner Einführung.
Was die KI tatsächlich bewirkt, ist die Senkung der Grenzkosten für die Produktion generischer Software. Das setzt die Marktsegmente unter Druck, die hauptsächlich über Standardfunktionalität zu einem akzeptablen Preis konkurrierten. Ein einfaches CRM, ein Aufgabenverwaltungstool, eine Formularplattform: Diese Kategorien sind mit realem Preisdruck konfrontiert, weil die Replikationsbarriere gesunken ist. Aber Software, die an der Schnittstelle spezifischer Industrieprozesse, proprietärer Datenflüsse und tiefer Geschäftslogik operiert, lässt sich nicht mit einem Prompt replizieren. Die Komplexität ist nicht verschwunden – sie hat sich umverteilt.
Unternehmen, die Spezialsoftware für Branchen wie Mode, Fertigung oder Logistik kaufen, erwerben keine isolierten Funktionalitäten. Sie kaufen die Akkumulation operativen Wissens, das Jahre zur Kodifizierung brauchte, dazu die Integrationsinfrastruktur mit Legacy-Systemen und das eingebettete Compliance-Wissen. Nichts davon lässt sich in Echtzeit mit einem KI-gestützten Coding-Tool erzeugen. Was KI in diesem Kontext tun kann, ist die Erkennung von Anomalien in diesen Prozessen zu beschleunigen, repetitive Entscheidungen innerhalb bereits gestalteter Workflows zu automatisieren oder Datenquellen zu verbinden, die früher aufwendige manuelle Integration erforderten. Das zerstört das Modell nicht – es zwingt es, mit größerer Präzision als zuvor nachzuweisen, wo es inkrementellen Wert schafft.
Der eigentliche Effekt der KI auf den SaaS-Sektor ist kein Substitutionseffekt, sondern ein Anforderungseffekt. Er zwingt Anbieter dazu, spezifischer zu benennen, welchen Teil des Kundenproblems sie lösen, mit welchem messbaren Ergebnis und unter welchen Adoptionsbedingungen. Diese Anforderung existierte schon vorher; die KI macht es unmöglich, ihr auszuweichen.
Als der Preis aufhörte, pro Nutzerplatz zu gelten, und anfing, pro Ergebnis zu gelten
Der Wandel des Preismodells, der sich im Sektor beschleunigt, hat Auswirkungen, die weit über die vertragliche Mechanik hinausgehen. Der Übergang von Nutzerlizenzen hin zu verbrauchs- oder ergebnisbasierten Preisen verändert grundlegend, wie das Risiko zwischen Anbieter und Kunde verteilt wird und welche Art von operativer Beziehung erforderlich ist, damit das Modell funktioniert.
Im Modell der Nutzerplätze berechnet der Anbieter für den Zugang, und der Kunde übernimmt das Adoptionsrisiko. Wenn die Nutzer das Tool nicht verwenden, wird der Vertrag trotzdem verlängert, bis jemand im Einkaufsbereich die Rechnung prüft. Diese Entkopplung zwischen Nutzung und Zahlung war jahrelang eine Quelle komfortabler Margen für Anbieter und eine Quelle stiller Verschwendung für Käufer. Die Daten von Zylo über „Shadow AI" und unvorhersehbare Softwarekosten sind keine Anomalie – sie sind der zeitgenössische Ausdruck eines strukturellen Problems, das lange vor dem Einzug der KI bestand.
Das ergebnisbasierte Modell schließt diese Entkopplung mit Nachdruck. Wenn der Vertrag festlegt, dass der Anbieter proportional zur Reduzierung der Produktionszykluszeit, zum Anstieg der Konversionsrate oder zur Verringerung von Fehlern in einem operativen Prozess bezahlt wird, wird die Beziehung überprüfbar. Das ist gut für die Kunden. Für Anbieter bedeutet es, dass sie ihre Produkte mit ausreichender Tiefe instrumentieren müssen, um diese Ergebnisse zuverlässig messen zu können, und dass sie die Überzeugung – gestützt auf Daten früherer Kunden – haben müssen, dass das Produkt diese Ergebnisse tatsächlich liefert.
Hier zeigt sich eine Falle, die Beachtung verdient. Mehrere Anbieter, die die Sprache der „wertbasierten Preisgestaltung" oder „ergebnisorientierten Modelle" übernommen haben, bauen nicht die Messinfrastruktur auf, die dieses Modell erfordert. Sie verwenden das Vokabular des Ergebnisses ohne den Verifizierungsapparat, der es glaubwürdig machen würde. Das ist keine Modelltransition, sondern ein kosmetisches Reframing des bisherigen Vertrags. Der Unterschied zwischen einem Ergebnismodell und einem Zugriffsmodell mit Ergebnismarketing liegt darin, ob der Anbieter akzeptiert, dass seine Vergütung variiert, wenn die Ergebnisse nicht eintreten. In der Praxis akzeptieren das noch wenige.
Die Entwicklung hin zu verbrauchsbasierten Preisen, die Infrastrukturplattformen und einige Applikationsschichten übernehmen, ist eine ehrlichere Version dieses Übergangs. Der Kunde zahlt für das, was er nutzt, der Anbieter hat einen Anreiz für hohe Nutzung, weil sie reale Adoption widerspiegelt, und beide haben Transparenz über das Verhältnis zwischen Aktivität und Kosten. Das Problem ist, dass dieses Modell Budgetvolatilität einführt, mit der die Finanzteams großer Organisationen schlecht umgehen, was internen Widerstand im Kaufprozess erzeugt – selbst wenn das Produkt überlegen ist.
Vertikale SaaS-Lösungen haben einen Vorteil, den horizontale nicht schnell kopieren können
Die Unterscheidung zwischen horizontaler und vertikaler Software gab es schon immer, aber der aktuelle Marktdruck macht sie strategisch relevanter. Horizontale Software konkurriert über Adoptionsbreite und funktionale Reichweite. Vertikale Software konkurriert über die Tiefe des Domänenwissens und die Wechselkosten, die diese Tiefe erzeugt. In einem Umfeld, in dem KI die Kosten für die Produktion generischer Funktionalität senkt, erodiert der Vorteil des Horizontalen schneller als der des Vertikalen.
Ein Anbieter, der seit zehn Jahren Software für die textile Produktionskette entwickelt, hat in sein Produkt ein Wissen über Rückverfolgbarkeitsstandards, Materialabfall-Logik, Integration mit spezifischen Maschinen und regionale Compliance-Anforderungen eingebettet, das sich nicht durch das Kopieren seiner Oberfläche replizieren lässt. Dieses Wissen brauchte Jahre, um sich in Softwarelogik zu übersetzen, weil es echte Gespräche mit Anlagenbedienern, Produktionsleitern und Qualitätsauditoren erforderte. KI kann die nächste Iteration dieses Produkts beschleunigen. Sie kann die zehn Jahre akkumulierten Lernens im bestehenden Produkt nicht komprimieren.
Die Kennzahl, die die Dauerhaftigkeit einer vertikalen SaaS-Lösung am besten vorhersagt, ist nicht die Wachstumsrate neuer Verträge, sondern die Net Revenue Retention – die misst, ob bestehende Kunden ihre Nutzung und ihre Ausgaben im Laufe der Zeit ausweiten. Laut verfügbaren Daten nutzen Investoren und Kreditgeber diese Kennzahl zusammen mit der Gross Revenue Retention als zuverlässigsten Indikator dafür, dass das Produkt echte Bindungskraft hat. Eine Net Revenue Retention von über 110 % zeigt an, dass die Expansion innerhalb der bestehenden Kundenbasis die Kundenverluste ausgleicht, was das Modell in Bezug auf Wachstum autark macht, ohne ausschließlich auf Neuakquise angewiesen zu sein.
Dieses Muster ist in horizontaler Software schwieriger aufzubauen, weil es erfordert, dass der Kunde Gründe findet, die Nutzung innerhalb derselben Plattform auszuweiten – und diese Gründe konkurrieren mit dem Angebot Dutzender Alternativen, die dasselbe mit geringfügigen Abwandlungen tun. Im Vertikalen geschieht die Expansion natürlicher, weil der Anbieter Einblick in weitere Reibungspunkte desselben operativen Prozesses hat, den er bereits gut kennt. Das nächste zu lösende Problem liegt direkt neben dem, das er bereits gelöst hat.
Die Falle für vertikale Anbieter ist, die Tiefe des Domänenwissens mit strategischem Komfort zu verwechseln. Eine Branche gut zu kennen, ist ein anfänglicher Vorteil, keine dauerhafte Garantie. Wenn dieses Wissen nicht mit den Veränderungen in den Prozessen des Kunden, mit neuen Regulierungen und mit der Weiterentwicklung der verfügbaren Technologie aktualisiert wird, verwandelt es sich in technische Schulden, die als Spezialisierung getarnt sind. Anbieter, die über lange Zeit eine hohe Net Revenue Retention aufrechterhalten, sind diejenigen, die vom Kunden mit derselben Intensität im dritten Jahr noch lernen wie im ersten.
Dauerhaftigkeit ist keine Erzählung, sondern eine Umsatzarchitektur mit echten Reibungspunkten
Der SaaS-Sektor erreicht 2026, nachdem er einen Stresstest durchlaufen hat, der teils eine Bewertungskorrektur, teils eine makroökonomische Anpassung und teils echter Druck durch neue Technologien war. Was aus diesem Prozess hervorgeht, ist kein zerbrochenes Modell auf der Suche nach narrativer Erlösung. Es ist ein besser lesbares Modell, bei dem die Kennzahlen, die schon immer hätten wichtig sein sollen – Retention, Expansion innerhalb der bestehenden Kundenbasis, Kundenakquisitionskosten im Verhältnis zum Customer Lifetime Value –, endlich die Aufmerksamkeit erhalten, die sie schon längst verdient hatten.
Der Begriff „SaaS-pocalypse" beschrieb die Angst präzise, nicht die Realität. Was geschieht, ist eine Selektion innerhalb des Sektors: Anbieter, die ihr Wachstum auf echter Adoption, nachgewiesener Retention und organischer Expansion innerhalb ihrer Kunden aufgebaut haben, bestehen den Filter mit intakten Modellen. Diejenigen, die in einem Umfeld technologischer Ausgaben ohne Prüfung gewachsen sind, sehen sich nun mit den Kosten konfrontiert, dieses Gespräch aufgeschoben zu haben.
Für diejenigen, die diese Geschäftsmodelle aufbauen oder finanzieren, erfordert die Anpassung keine philosophische Kehrtwende, sondern eine Klarheit, die der vorherige Kontext optional erscheinen ließ: mit eigenen und verifizierbaren Daten nachzuweisen, dass das Produkt das Ergebnis liefert, das den Vertrag rechtfertigt. Das ist kein neuer, vom Markt auferlegter Standard. Es ist der Standard, der schon immer darüber entschieden hat, ob ein Geschäftsmodell solide ist. Der Markt hat lediglich aufgehört, seinen Aufschub zu akzeptieren.
