Wenn der Hype die Schlagzeilen überdauert: Die KI-Bedrohung für SaaS neu bewertet

Die Erzählung, dass KI die SaaS-Branche auslöschen wird, liest sich spannend. Die Realität ist deutlich vielschichtiger.

Es entbehrt nicht einer gewissen Ironie, dass einige der aufgeregtesten Kommentare, die das Ende von Software-as-a-Service vorhersagen, selbst maschinell erzeugt wurden.

Die Rede ist von der sogenannten "SaaS-pocalypse": der Vorstellung, dass KI ganze Kategorien von Unternehmenssoftware über Nacht überflüssig macht. Das ergibt eine griffige Schlagzeile. Ob es die tatsächliche Entwicklung widerspiegelt, steht auf einem anderen Blatt.

Der Markt reagiert. Aber worauf eigentlich?

Softwareaktien sind kräftig unter Druck geraten. Einige bekannte Namen liegen deutlich unter ihren Höchstständen, und die Verkäufe trafen die Branche in der Breite – starke Unternehmen ebenso wie schwache. Doch hinter dem Lärm entwickeln sich die meisten Softwareunternehmen tatsächlich gut. Das Wachstum ist gesund. Die Kunden bleiben. Manche beschleunigen sogar.

Was die Märkte wirklich umtreibt, ist nicht die Gegenwart, sondern die Zukunft. Genauer gesagt die Sorge, dass KI nicht nur verändert, wie Software gebaut wird, sondern grundlegend die Art der Arbeit verändert, die Software unterstützt. Das ist keine irrationale Sorge. Aber es ist auch nicht dasselbe wie die Behauptung, die Branche stehe kurz vor dem Zusammenbruch.

Das Problem: Viele Investoren, selbst professionelle, haben die Produkte, an denen sie beteiligt sind, nie selbst genutzt. Unternehmenssoftware ist ein Rorschach-Test: Sie bedeutet für jeden Investor etwas anderes, weil die meisten sie nie verwendet haben. Statt sie wirklich zu verstehen, projizieren sie ihre Ängste oder Hoffnungen darauf.

Ein Großteil dieser Angst kreist um die Kernidee, dass KI Software inzwischen so schnell und günstig bauen kann, dass das Argument für Standardsoftware schlicht wegfällt. Das klingt überzeugend. Es verkennt aber, wie Software tatsächlich entsteht und wofür Unternehmen wirklich bezahlen.

Software ist mehr als Programmieren

KI-Coding-Tools sind wirklich beeindruckend. Software zu entwickeln ist schneller und günstiger als noch vor zwei Jahren, und dieser Abstand wird weiter wachsen. Doch Unternehmen haben nie nur für Code bezahlt. Sie bezahlen für etwas, das im großen Maßstab zuverlässig funktioniert, Compliance-Anforderungen erfüllt, sich in alle anderen Systeme integriert – und für das jemand geradesteht, wenn es ausfällt. Daran hat sich nichts geändert.

Bevor die erste Codezeile geschrieben wird, muss weiterhin jemand den Prozess abgebildet, die Anforderungen definiert und verstanden haben, was die Software eigentlich leisten soll. KI erzeugt dieses Wissen nicht, sie braucht es als Input. Hinzu kommen ein Testaufwand, der bei KI-generiertem Code noch anspruchsvoller wird, sowie Sicherheit, regulatorische Compliance, Audit-Trails und Verfügbarkeit rund um die Uhr. Damit wirkt die Idee, praxiserprobte Plattformen gegen frisch gebaute Alternativen auszutauschen, deutlich weniger verlockend.

Was in einer Demo beeindruckend aussieht, kann in dem Moment auseinanderfallen, in dem echte Nutzer, echte Datenmengen und echter Betriebsdruck darauf treffen. Etablierte SaaS-Plattformen haben diesen Prozess bereits durchlaufen, manchmal schmerzhaft, und wofür Kunden bezahlen, ist zu einem großen Teil das Ergebnis dieser Erfahrung.

Was KI tatsächlich verändert

Das heißt nicht, dass sich SaaS-Anbieter zurücklehnen können. Der Umbruch ist real – nur ist er kein Ersatz. Er verschiebt, wofür Kunden bereit sind zu bezahlen.

Jahrzehntelang wurde Software nach Nutzern und Speicherplatz bepreist. Das war sinnvoll, solange die Aufgabe von Software darin bestand, Informationen zu speichern und zugänglich zu machen. KI verändert die Erwartung. Unternehmen wollen heute Software, die etwas tut, nicht nur etwas speichert: Automatisierung, Erkenntnisse, weniger manuelle Schritte, schnellere Entscheidungen.

Das setzt Anbieter unter echten Druck, deren Reflex es war, KI-Funktionen an Plattformen von vor zwanzig Jahren anzuschrauben, statt sie von Grund auf neu zu denken. Kunden erkennen den Unterschied, und das zeigt sich zunehmend in ihren Verlängerungsgesprächen.

Einer der unterschätzten Effekte ist, was KI mit den Kosten und der Geschwindigkeit von Experimenten gemacht hat. Ein Proof of Concept war noch nie so einfach zu bauen. Nicht-technische Mitarbeitende sind nicht mehr auf Mockups und Wireframes beschränkt: Sie liefern provisorisch zusammengebaute Tools, die tatsächlich funktionieren – gut genug, um eine echte Idee zu testen, erste Kunden an Bord zu holen und den Praxistest zu bestehen. Diese Medaille hat zwei Seiten. Einerseits wächst der Wettbewerb: Die Hürde, interne Tools oder sogar junge SaaS-Produkte zu bauen, ist drastisch gesunken. Andererseits verschafft es Menschen, die Produktgespür mit Umsetzungstempo verbinden, einen echten Vorsprung. Jakub Sadowski bei Surfer ist ein gutes Beispiel – ein Produktmanager, der einen funktionierenden Prototyp gebaut hat, der inzwischen in ein ausgereiftes, ausgeliefertes Produkt eingeflossen ist. Prototyp statt Spezifikation. Das ist ein völlig anderes Spiel, und etablierte Anbieter sind nicht unbedingt am besten aufgestellt, um es zu spielen.

Nicht jedes Produkt ist dem gleichen Risiko ausgesetzt. Software, die direkt an die Zahl der Mitarbeitenden gekoppelt ist – zum Beispiel Kundensupport-Tools –, gerät unter echten Preisdruck, wenn KI die Zahl der benötigten Personen reduziert. Software, die tief in den Abläufen eines Unternehmens verankert ist, ist deutlich beständiger, weil Kosten und Risiko eines Austauschs fast jede Alternative überwiegen.

Die schwierigere Frage, die nur wenige offen stellen: Sind die Teams, die CRM-Plattformen, ERP-Systeme und Content-Management-Suiten gebaut und gepflegt haben, auch die richtigen Teams, um deren KI-native Nachfolger zu entwickeln? Die Kompetenzprofile unterscheiden sich tatsächlich, und institutionelle Expertise in einem Bereich lässt sich nicht automatisch auf den anderen übertragen.

Anpassung statt Apokalypse

Der realistischste Ausblick ist kein plötzlicher Kahlschlag in der Branche, sondern eine Phase des Wandels, in der sich manche Anbieter erfolgreich anpassen und andere nicht. Einzellösungen mit geringen Wechselkosten und klaren KI-nativen Alternativen stehen unter dem größten Druck. Plattformen, die tief in operative Workflows eingebettet sind und hinter denen jahrelange Konfigurations- und Integrationsarbeit steckt, sind deutlich beständiger.

Gut durch diese Phase kommen werden die Organisationen – Anbieter wie Unternehmen –, die sich nicht auf eine Entweder-oder-Entscheidung einlassen. Alles zu ersetzen ist ebenso verfehlt, wie nichts zu ersetzen. Die eigentliche Arbeit besteht darin, ein Urteilsvermögen zu entwickeln, das unterscheidet: Was verbessert KI wirklich, was verändert sie wirtschaftlich, aber nicht praktisch, und was hat ohnehin Bestand?

Die SaaS-pocalypse liefert spannende Inhalte, und das Aussterben ergibt bessere Schlagzeilen als die Evolution. Doch was kommt, ist mit ziemlicher Sicherheit Evolution.

‍