Was bedeutet agentenbasierte KI für die Zukunft der Software?

Der Januar war ein harter Monat für Softwareaktien. Die Marktstimmung schwankte stark und hatte in vielen Fällen weniger mit den Fundamentaldaten zu tun als mit einer einzigen Frage, die über dem Sektor schwebte: „Was bedeutet agentenbasierte KI für die Zukunft der Software?“

Eine aktuelle William-Blair-Analyse* 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. Der entscheidende Punkt ist jedoch nicht die exakte Zahl, sondern was sie aussagt: Die Furcht vor Risiken verdrängt die Differenzierung, und der Markt behandelt „Software“ als einen einzigen Block. In Wirklichkeit aber teilt sich der Markt in zwei sehr unterschiedliche Kategorien.

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: API-first, datenzentrierte, Cloud-native Plattformen. Diese Art von Software wurde dafür gebaut, ebenso gut von Maschinen wie von Menschen bedient zu werden – ausgelegt auf Orchestrierung, Integration und Skalierbarkeit. 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 „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.

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

Es hält sich hartnäckig die Vorstellung, dass „KI künftig die App generiert“ und Enterprise-SaaS damit obsolet wird.

So funktionieren unternehmenskritische Systeme in der Realität 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 bremst das Geschäft aus.

Drei Gründe, warum KI nicht das Ende von SaaS bedeutet

Es gibt drei Gründe, warum KI nicht das Ende von SaaS sein wird – und warum starke SaaS-Anbieter besonders gut positioniert sind, um den Wert von KI zu steigern.

Höhere laufende Kosten

KI wird die Entwicklungskosten senken, teilweise deutlich. Die laufenden Kosten steigen jedoch oft – und zwar signifikant.

Klassische Unternehmenssoftware ist im Betrieb vergleichsweise günstig, weil sie überwiegend auf deterministischen Rechenprozessen auf CPUs basiert. Ein Klick auf „Bericht exportieren“ oder das Ausführen einer Abfrage ist berechenbar und relativ kostengünstig.

Agentenbasierte KI verändert diese Ökonomie.

Natürlichsprachliche Q&A, Zusammenfassungen, Extraktion, Reasoning-Workflows und mehrstufige Agenten verbrauchen Inferenzkapazität – häufig auf GPUs oder anderen Beschleunigern. Jede Interaktion kann um Größenordnungen teurer sein als eine klassische Datenbankabfrage.

Kurz gesagt: Die „Herstellung“ von Software mag günstiger werden. Der Betrieb intelligenter Software wird teurer und komplexer.

Genau hier glänzen KI-native SaaS-Plattformen: Sie werden zur Optimierungsschicht zwischen Kunden und Chaos.

• Nutzen Sie deterministische Systeme überall dort, wo Prozesse schnell, günstig und korrekt sein müssen (Transaktionen, Berechtigungen, Speicher, Buchungen).
• Setzen Sie probabilistische KI nur dort ein, wo sie messbaren Mehrwert schafft (Assistenz, Discovery, Verdichtung/Synthese, Automatisierung).
• Orchestrieren Sie die hybride Infrastruktur zentral, damit Kunden keine Experten für GPU-Scheduling, Prompt-Caching, Retrieval-Pipelines, Model-Routing, Safety-Layer und Kostensteuerung werden müssen.

Mit anderen Worten: Im Zeitalter der Agenten wird SaaS nicht durch KI ersetzt – SaaS wird zur Plattform, die die Kosten von Intelligenz steuert.

Erhöhtes Risiko und der Mehrwert von „Service“

Der „Service“ in SaaS wird oft unterschätzt – gerade von denen, die erwarten, dass KI Unternehmenslösungen übernimmt. Für börsennotierte Unternehmen, regulierte Branchen, Behörden und alle, die operatives Risiko managen müssen, ist der „Service“ jedoch essenziell.

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

• Verfügbarkeit (und belastbare Uptime-Garantien)
• Sicherheit und Compliance (SOC 2, HIPAA, ISO, Auditierbarkeit)
• Daten-Governance (Zugriffskontrollen, Aufbewahrung, Herkunft, Datenresidenz)
• Support und Betrieb (Incident Response, SLAs, Schulungen)
• Beständigkeit über die Zeit („Morgen funktioniert es genauso wie heute“)
• Verantwortlichkeit und Vertrauen (Wer trägt die Verantwortung, wenn es wirklich darauf ankommt?)

Wenn ein KI-Agent Ihre Anwendung generiert – wer wird dann um 3 Uhr morgens angerufen, wenn sie ausfällt? Wer spricht mit den Aufsichtsbehörden, wenn sensible Daten verloren gehen? Wer kann im Detail belegen, warum ein System eine bestimmte Entscheidung getroffen hat?

Operative Verantwortlichkeit, Governance und Zuverlässigkeit bleiben zentrale Werttreiber – auch (und gerade) im Zeitalter agentenbasierter Systeme.

Mit anderen Worten: Je günstiger und autonomer Code wird, desto teurer wird Risiko.

Verkürzte Time-to-Market: Domain-Tiefe schlägt generierten Code

Die Sichtweise „KI macht alles“ unterstellt oft, dass die Code-Erstellung den Großteil des Werts einer SaaS-Lösung ausmacht. In ausgereiften, geschäftskritischen Enterprise-Systemen ist das selten der Fall.

In einem System wie einer Warehouse-Management-Plattform sind vielleicht 20 Prozent des Werts der Code. Die übrigen 80 Prozent sind angewandtes Domänenwissen – die unzähligen Sonderfälle und betrieblichen Realitäten, die man erst versteht, wenn man sie über Tausende Live-Umgebungen hinweg gesehen hat. Zum Beispiel:

• Wie gehen Sie bei einer Teillieferung vor, wenn auf dem Lieferschein 1.000 Einheiten stehen, physisch aber nur 997 ankommen und 14 davon beschädigt sind?
• Welche Auswirkungen hat das auf Allokation, Nachschubtrigger und Bestandsbewertung?
• Wie lösen Abweichungen bei Inventurzählungen unterschiedliche Workflows aus – abhängig von SKU-Umschlagshäufigkeit, Wertgrenzen oder Zeit seit der letzten Vollinventur?

Teams, die Enterprise-SaaS bauen und betreiben, haben solche Szenarien immer wieder erlebt. Dieses Wissen fließt in das Produkt ein – und genau deshalb funktionieren kommerzielle Plattformen ab dem ersten Tag des Go-Live.

Eine Individuallösung, selbst wenn sie durch KI beim Coden beschleunigt wird, braucht Jahre, um all das zu entdecken, was man vorher „nicht wusste, dass man es nicht weiß“.

Kurz gesagt: Eingebettete KI macht moderne SaaS-Lösungen schneller und effizienter. Sie macht sie nicht verzichtbar.

Den Wert von SaaS neu bewerten

Am Ende wird KI Software nicht wahllos entwerten.

Sie wird Software nach architektonischen Realitäten neu bepreisen – und jene SaaS-Anbieter belohnen, die den klassischen Wert von Enterprise-Software (Zuverlässigkeit, Governance, Verantwortlichkeit, Time-to-Value) mit dem Potenzial und der Leistungsfähigkeit von KI verbinden.

KI wird nicht das Ende von SaaS sein. Sie markiert den Moment, in dem der Markt die Gewinner vom Rest trennt.

*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.