KI-Agenten vs. SaaS-Geschäftsmodell: Warum die SaaS-Apokalypse falsch ist

Wer die Märkte letzte Woche beobachtet hat, dürfte das Kurschaos miterlebt haben. Branchengrößen im SaaS-Bereich (Software as a Service), wie Salesforce, ServiceNow und große IT-Beratungsunternehmen, haben massive Verluste erlitten. Die Erzählung, die diesen Ausverkauf antreibt, ist eingängig, beängstigend und scheint unausweichlich: Die „SaaS-Apokalypse“ ist endlich da.

Auslöser dieser Panik ist die rasante Entwicklung „agentischer“ Fähigkeiten in der Künstlichen Intelligenz. Insbesondere die Einführung der neuesten Cowork -Funktionen von Anthropic, die Agenten einführen, die in gemeinsamen Umgebungen mit Menschen zusammenarbeiten können, hat Investoren verunsichert.

Die Logik erscheint auf den ersten Blick schlüssig: Wenn ein KI-Agent die komplexen Menüs von SAP, Infor LN oder Salesforce besser, schneller und kostengünstiger bedienen kann als ein Mensch, warum sollte ein Unternehmen dann weiterhin teure Lizenzen pro Arbeitsplatz erwerben? Warum einen Junior-Berater einstellen, um Schaltflächen anzuklicken und Tabellen zu konfigurieren, wenn ein Agent dies für einen Bruchteil eines Cents pro Token erledigen kann?

Der Markt preist eine Zukunft ein, in der die Softwareumsätze einbrechen, weil KI die Nutzerbasis kannibalisiert. Doch als jemand, der über ein Jahrzehnt Erfahrung in der Implementierung von ERP-Systemen und der Arbeit in komplexen multinationalen Umgebungen wie Infor LN hat, sehe ich eine massive, gefährliche Diskrepanz zwischen finanzieller Panik und technischer Realität.

Die wirtschaftliche Angst vs. die technische Realität

Um zu verstehen, warum der Markt falsch liegt, müssen wir zunächst verstehen, wovor er Angst hat. Das SaaS-Geschäftsmodell basiert auf Lizenzen, wobei für jeden Nutzer, der Zugriff auf das System benötigt, eine monatliche Gebühr erhoben wird.
Wenn sich ein KI-Agent als einzelner „Superuser“ anmelden und die Arbeit von 50 Kundendienstmitarbeitern oder 10 Supply-Chain-Planern erledigen kann, bricht das Umsatzmodell dieser Softwaregiganten zusammen.

Diese Befürchtung setzt jedoch eine entscheidende Sache voraus: dass die KI-Agenten tatsächlich funktionieren.

Nicht einfach nur „Arbeit“ in einer Demo, wo man einen Flug bucht oder ein PDF zusammenfasst. Ich meine die Arbeit in der komplexen und risikoreichen Umgebung von enterprise resource planning, wo ein einziger falscher Klick Millionen kosten kann.

Während die Wall Street verkaufte, warnte die Wissenschaft eindringlich.
Der neueste internationale wissenschaftliche Bericht zur Sicherheit fortgeschrittener KI, der erst vor wenigen Tagen vom britischen KI-Sicherheitsinstitut veröffentlicht wurde, kommt zu einem ernüchternden Schluss, den jeder CTO ausdrucken und an die Wand hängen sollte:

„Eine zuverlässige Automatisierung langer oder komplexer Aufgaben ist weiterhin nicht realisierbar.“ (Quelle: Internationaler wissenschaftlicher Bericht zur Sicherheit fortgeschrittener KI)

Das ist das „dunkle Geheimnis“ des aktuellen KI-Hypes. Ein Agent, der in 90 % der Fälle funktioniert, ist für kreative Aufgaben ein Wunder. Wenn man ChatGPT bittet, ein Gedicht zu schreiben, und der Reim nicht stimmt, ist das kein Weltuntergang. Aber in meiner Welt der ERP-Implementierung und geschäftskritischen Prozesse sind 90 % Genauigkeit eine Katastrophe.

Die Governance-Lücke: Ein Wettlauf ohne Bremsen

Über die technische Zuverlässigkeit hinaus hebt der Bericht ein strukturelles Risiko hervor, das in der oberflächlichen Marktanalyse völlig außer Acht gelassen wird. Er kommt zu dem Schluss, dass die Kluft zwischen dem Tempo des KI-Fortschritts und der Fähigkeit der Gesellschaft, wirksame Sicherheits- und Kontrollmaßnahmen zu entwickeln, immer größer wird.

In der Unternehmenswelt ist diese Lücke fatal. ERP-Systeme bilden das Rückgrat von Compliance, Steuern und Finanzberichterstattung. Man kann nicht einfach Technologien nach dem Motto „Schnell handeln und Fehler riskieren“ in Systeme integrieren, die auf Stabilität und Nachvollziehbarkeit ausgelegt sind. Der Hype suggeriert, wir könnten schon heute autonome Systeme einsetzen; die Realität sieht jedoch anders aus: Uns fehlen die Governance-Rahmen, um deren Aktivitäten überhaupt nur zu überwachen, geschweige denn sie zu kontrollieren.

Das versteckte Risiko: Das Ende des Ausbildungsmodells

Es gibt einen tieferliegenden, strukturellen Grund dafür, warum insbesondere Beratungsunternehmen mit Kursverlusten zu kämpfen haben. Das Problem reicht weit über Softwarelizenzen hinaus und führt zur Zerstörung des Talentpools.

Jahrzehntelang basierte das Geschäftsmodell der Unternehmensberatung auf einer Pyramide: Heerscharen von Nachwuchsberatern erledigen die einfachen Konfigurations- und Dateneingabearbeiten (die dem Kunden in Rechnung gestellt werden) und lernen dabei das Handwerk. Sie beobachten die erfahrenen Berater, um die komplexe Logik der Geschäftsprozesse zu verstehen.

Wenn wir diese Nachwuchskräfte heute aus Kostengründen durch KI-Systeme ersetzen, schaffen wir morgen ein Wissensvakuum . Eine aktuelle Analyse zur Krise der Nachwuchsentwickler wirft eine beunruhigende Frage auf: Wenn niemand die Routinearbeiten erledigt, wie soll dann jemand zum Senior aufsteigen?

Man kann nicht lernen, eine komplexe Lieferkettenkrise in Infor LN zu bewältigen, wenn man nicht jahrelang die zugrundeliegenden Transaktionen verstanden hat.
Der Markt befürchtet zu Recht, dass wir durch die Automatisierung der Einstiegsprozesse den Nachschub an zukünftigen Experten abschneiden und Unternehmen zwar schnelle KI-Agenten zur Verfügung stellen, aber keine Menschen mehr, die beurteilen können, ob deren Entscheidungen richtig oder falsch sind.

Der Trugschluss des Selberbauens

Ein weiterer gefährlicher Mythos, der diese Marktvolatilität anheizt, ist die Vorstellung, dass Tools wie Project Genie oder Claude es jedem Unternehmen ermöglichen, einfach sein eigenes ERP-System intern zu entwickeln und dabei teure SaaS-Anbieter komplett zu umgehen.

Diese Sichtweise verkennt grundlegend, was Software ist.

Das Schreiben von Code ist nicht dasselbe wie der Aufbau eines Systems.

Denken Sie an die Videospielbranche. Generative KI kann zwar 3D-Modelle erstellen und Skripte schreiben, aber das heißt nicht, dass ein Teenager in seinem Zimmer Elden Ring oder Grand Theft Auto . Ein Meisterwerk braucht Leveldesign, ein durchdachtes Erzähltempo, Physik-Engines und Optimierung. Eine komplexe Struktur, in der der Code nur ein Baustein ist.

Dasselbe gilt für ERP- und CRM-Systeme.
Ein ERP-System ist nicht einfach nur eine Sammlung von Python-Skripten; es ist ein komplexes Gefüge internationaler Steuergesetze, Richtlinien zur Lieferkettenkonformität, Sicherheitsprotokolle und bewährter Buchhaltungsmethoden. Zu glauben, ein Unternehmen könne SAP oder Salesforce einfach aufgeben, um ein selbstentwickeltes KI-CRM-System zu erstellen, ist naiv. Es unterschätzt die Komplexität der Prozesse .

Aktuelle Berichte von SupplyChainBrain (Februar 2026) bestätigen dies: Führungskräfte erkennen bereits, dass die Wartung kundenspezifischer KI-Agenten ein Albtraum ist und wenden sich wieder etablierten Anbietern zu.

Darüber hinaus dürfen wir die menschliche Trägheit. Ich habe einen Großteil meiner bisherigen Karriere damit verbracht, Unternehmen von On-Premise-Lösungen in die Cloud zu migrieren. Technisch gesehen sollte dieser Übergang nur Monate dauern, doch branchenweit hat er Jahrzehnte und ist noch immer nicht abgeschlossen. Warum? Weil sich Menschen und Organisationen nur langsam verändern. Die Illusion, dass sich Unternehmensgewohnheiten über Nacht wandeln, nur weil ein neues KI-Modell veröffentlicht wurde, ignoriert die Realität der tatsächlichen Geschäftsprozesse.

Agentenwahn

Dies führt zu einem entscheidenden Missverständnis in der Branche. Oft wird die KI für diese Fehlschläge verantwortlich gemacht, doch das Problem liegt tiefer.
Wie ich in meinem kürzlich erschienenen Artikel „ Die Agenten-Illusion: Warum Ihr ERP (noch) nicht bereit für den Autopiloten ist“, gibt es eine bittere Realität, die bis zu 85 % der KI-Projekte schon im Keim erstickt.

Der Irrglaube besteht darin, zu denken, man könne eine autonome Intelligenz des 21. Jahrhunderts auf statische, unstrukturierte Datenstrukturen des 20. Jahrhunderts aufsetzen und Wunder erwarten. Man kann keinen Ferrari-Motor (den KI-Agenten) in ein verrostetes Chassis (die veralteten ERP-Daten) einbauen und erwarten, damit ein Rennen zu gewinnen. Der Agent muss nicht nur intelligent sein; die Umgebung, in der er agiert, muss bereit . Die meisten ERP-Systeme sind es schlichtweg nicht.

Das Zeitalter des agentischen Engineerings

Heißt das also, dass die Saaspocalypse ein Mythos ist? Nein. Es bedeutet, dass der Zeitablauf und die Art des Wandels falsch verstanden werden. Wir steuern nicht auf eine Welt zu, in der Software morgen von selbst läuft.
Wir steuern auf eine Welt zu, in der sich die Rolle des Menschen dramatisch verändert.

Andrej Karpathy, einer der führenden Köpfe im Bereich KI (ehemals OpenAI und Tesla), stellte kürzlich fest , dass die Ära des Vibe Coding, bei dem man eine KI einfach Code schreiben lässt und auf das Beste hofft, vorbei ist.
Wir treten in die Ära des Agentic Engineering.

Für Fachleute wie uns, darunter Berater, Entwickler und Systemarchitekten, verschwindet der Beruf nicht, sondern wird deutlich anspruchsvoller.
Wir entwickeln uns zu Architekten und Supervisoren von KI-Systemen.

„Agenten-Engineering“ bedeutet, das Gerüst zu bauen, das diese Agenten schützt. Es umfasst:

1. Evaluierungsrahmen: Ausführliche Testreihen, um sicherzustellen, dass der Agent keine falschen Bestandszahlen angibt.
2. Leitplanken: Fest codierte Grenzwerte (z. B. „Die KI kann eine Bestellung über 10.000 Euro nicht ohne menschliche Genehmigung genehmigen“).
3. Arbeitsabläufe mit Mensch-Maschine-Interaktion: Prozesse gestalten, bei denen die KI die Hauptarbeit der Dateneingabe übernimmt, aber ein menschlicher Experte (der „Pilot“) die kritischen Entscheidungspunkte validiert.

Der Wandel von „Sitzen“ zu „Ergebnissen“

Das Geschäftsmodell wird sich ändern. Das pro Arbeitsplatz ist zwar bedroht, aber nicht, weil niemand die Software nutzen wird. Es ist bedroht, weil sich die Wertvorstellung verschiebt.

Die ersten konkreten Anzeichen dieses Paradigmenwechsels sind bereits sichtbar. Salesforce hat mit der Einführung von Agentforce, sich an diese Realität anzupassen und ein Preismodell auf Basis von 2 US-Dollar pro Konversation anstatt pro Benutzerlizenz einzuführen. Dem Unternehmen wurde klar, dass der Verkauf von Login-Lizenzen für autonome Bots keinen Sinn ergibt; vielmehr muss der Nutzen der Arbeit verkauft werden.

Dies deckt sich mit dem, was Bessemer Venture Partners als den Aufstieg von „Service-as-a-Software“ definiert. In diesem neuen Paradigma verkaufen Anbieter nicht nur ein Werkzeug (ein CRM- oder ERP-System), sondern die digitale Arbeitskraft selbst.

Zukünftig werden Infor oder SAP wahrscheinlich nicht mehr nur die Anzahl der Anmeldungen in Rechnung stellen, sondern voraussichtlich auch die erzielten Ergebnisse.

• „Kosten pro bearbeiteter Rechnung.“
• „Kosten pro erfolgreicher Kundensupportlösung“
• „Kosten pro optimiertem Lieferkettenplan.“

Diese Entwicklung ist für die Anbieter tatsächlich von Vorteil, sofern sie die Zuverlässigkeit ihrer Systeme verbessern können. Solange dies jedoch nicht gelingt, bleibt die Abhängigkeit von menschlicher Expertise absolut unerlässlich.

Warum Erfahrung wichtiger ist als je zuvor

Es besteht die Befürchtung, dass KI für Chancengleichheit sorgt und einen Junior-Berater mit ChatGPT einem Senior-Experten gleichstellt. Ich behaupte das Gegenteil.

Wenn man ein Werkzeug benutzt, das dreist lügt, braucht man mehr Fachwissen, um die Lüge zu entlarven, nicht weniger.

Ein Juniorberater könnte den Vorschlag der KI zur Änderung einer Hauptbuchzuordnung akzeptieren, weil er „plausibel erscheint“. Ein Seniorberater weiß jedoch, dass die Änderung dieser Zuordnung den Jahresabschluss aufgrund einer lokalen Steuervorschrift, über die die Trainingsdaten der KI (die größtenteils auf die USA ausgerichtet sind) keine Kenntnis haben, verfälschen wird.

Während die Jobpocalypse- Erzählung davon ausgeht, dass unser Wert in der Tippgeschwindigkeit oder im Gedächtnis liegt, liegt unser wahrer Wert im Urteilsvermögen.

Mein Fazit

Der Markt bewertet Unternehmen anhand des Potenzials von KI und ignoriert dabei die technischen Realitäten der Implementierung.

Echte Ingenieursarbeit befasst sich mit Sonderfällen. Sie befasst sich mit fehlerhaften Daten, bestehenden Integrationen und widersprüchlichen Geschäftsregeln. Solange KI-Systeme zuverlässig im großen Maßstab – was laut Wissenschaft noch in weiter Ferne liegt –, steht das SaaS-Modell lediglich unter Entwicklungsdruck, anstatt vom Aussterben bedroht zu sein.

Die Zukunft liegt darin, dass Menschen Agenten steuern, anstatt in einem Kampf zwischen KI und Menschen.

Verfasst von Andrea Guaccio 

9. Februar 2026