Wie KI das SaaS-Geschäftsmodell neu gestaltet

Lisa Ernst · 18.02.2026 · Künstliche Intelligenz · 10 Min.

Ich schaute mir eine Folge vom 17. Februar 2026 an The Code Report die eine Angst widerspiegelte, die viele Führungskräfte nun offen aussprechen: Wenn autonome KI-Agenten nützliche Softwareergebnisse ohne zusätzliche Mitarbeiter produzieren können, gerät das sitzbasierte SaaS-Geschäftsmodell ins Wanken. (Videoquelle).

Dieses Wanken ist nicht mehr theoretisch. Anfang Februar 2026 bestraften Investoren Software- und Datendienstaktien unter der Annahme, dass sich schnell verbessernde KI-Agenten die Abonnementerträge von menschlichen Nutzern schmälern könnten – was den S&P 500 Software- und Dienstleistungsindex seit Ende Januar auf rund 1 Billion US-Dollar verlorenen Marktwert drängte. (Reuters über den Software-Ausverkauf und KI-Disruptionsängste).

Quelle: Agentische KI verschiebt die Wertigkeit von „einem menschlichen Sitz“ zu „abgeschlossener autonomer Arbeit“. Diese einzelne Änderung zwingt SaaS dazu, Preisgestaltung, Produktdesign und Verteidigungsfähigkeit neu zu überdenken.

Warum KI das SaaS-Geschäftsmodell bricht

Die sitzbasierte SaaS-Preisgestaltung passte zur Art und Weise, wie Unternehmen budgetieren: Leute zählen, Lizenzen kaufen, jährlich verlängern. Agentische KI greift die zugrundeliegenden Annahmen an. Wenn die Arbeitseinheit „ausgeführte Aufgaben“ statt „angemeldete Benutzer“ wird, verschiebt sich der wirtschaftliche Anker von pro Sitz zu Verbrauch, Ergebnisse oder Arbeitslast – genau die Änderung, die Bain hervorhebt, wenn sie beschreibt, wie Agenten die klassische SaaS-Monetarisierungslogik unter Druck setzen. (Bain über den agentischen KI-Druck auf SaaS).

Dies ist nicht das erste Mal, dass die Formulierung „SaaS ist tot“ kursiert, aber sie wirkte anders, nachdem Microsofts Führungskräfte offen die Möglichkeit diskutierten, dass Geschäftsanwendungen in einer Agentenschicht zusammenbrechen könnten, wodurch viele Apps zu Backends werden, während Agenten Workflows ausführen. (IDC über die Debatte „SaaS ist tot“ im KI-Zeitalter).

Die Woche, in der der Markt Agenten ernst nahm

Die Bewegung im Februar ging nicht um einen plötzlichen Bilanzskandal. Reuters verband den Rückgang ausdrücklich mit der Befürchtung der Anleger, dass große Sprachmodelle in die Anwendungsschicht aufsteigen und die Art und Weise bedrohen, wie Softwareunternehmen Wissensarbeit monetarisieren. (Reuters über KI, die SaaS der Anwendungsschicht stört).

Die Financial Times beschrieb das gleiche Muster in Bezug auf Arbeitsplätze: Agenten entwickeln sich von der Codeerzeugung hin zur Ausführung über Tools hinweg, was die Möglichkeit aufwirft, dass die primäre Schnittstelle der Agent und nicht das SaaS-Dashboard wird. (Financial Times über Agenten als neue Schnittstellenschicht).

1) OpenAI Codex App: Ein Kommandozentrum für Agenten

Die erste konkrete Entwicklung in der Zeitachse im Februar war die Codex-App von OpenAI für macOS, die als Kommandozentrum für die parallele Ausführung mehrerer Coding-Agenten positioniert wurde. (Ankündigung der OpenAI Codex App). Die Formulierung ist wichtig: Es handelt sich nicht um „Autovervollständigung“, sondern um Orchestrierung für langlaufende Arbeiten über den gesamten Software-Lebenszyklus hinweg, wobei ein Mensch Diffs und Entscheidungen überwacht.

Dieses Design hat eine sekundäre Konsequenz: Wenn ein Manager Agenten starten und Prototypen iterieren kann, ohne in einer Produkt-Pipeline zu warten, verschiebt sich die Rolle des Entwicklers hin zu Überprüfung, Integration und Risikokontrolle – genau das, was OpenAI bei der Beschreibung von Agenten-Workflows und -Überwachung in der Codex-App hervorhebt. (OpenAI über agentische Workflows und Überwachung).

Adoptierungssignale folgten schnell. TechRadar berichtete, dass die Codex-App eine Million Downloads erreichte, und diskutierte die operativen Grenzen, die auftreten können, wenn die agentische Nutzung skaliert. (TechRadar über Codex-Downloads und Skalierungsbeschränkungen).

2) GPT-5.3-Codex: Schnellere agentische Codierung, breitere Verantwortlichkeiten

Die Schnittstellengeschichte wurde sofort mit einer Modellgeschichte kombiniert. OpenAI führte GPT-5.3-Codex ein und betonte die verbesserte Geschwindigkeit für Codex-Benutzer, einschließlich einer 25 % schnelleren Laufzeit in ihrem Inferenz-Stack. (OpenAI über die Leistung von GPT-5.3-Codex). Schnellere Agenten sind keine Kosmetik; sie ändern, wie oft Teams bereit sind, Arbeit ohne Reibungsverluste zu delegieren.

OpenAI beschrieb Codex auch als zugänglich über mehrere Oberflächen – App, CLI, IDE-Erweiterung und Web – und behandelte agentische Codierung als Plattform-Primitiv statt als einmalige Funktion. (OpenAI über Codex in App, CLI, IDE und Web).

3) Claude Opus 4.6: Enterprise-fähige Agenten und langer Kontext

Anthropic trieb eine ähnliche Erzählung vom „langlaufenden Worker“ mit Claude Opus 4.6 voran, wobei der Schwerpunkt auf Zuverlässigkeit beim Codieren, Debugging, Überprüfung und anhaltenden agentischen Aufgaben in größeren Codebasen lag. (Anthropic Release Notes für Claude Opus 4.6). Eine herausragende Behauptung ist das 1-M-Token-Kontextfenster in Beta, eine explizite Wette darauf, dass Unternehmens-Workflows langzeitige Analysen über Repos und Dokumentationen hinweg erfordern.

Die breitere Botschaft ist in Anthropic's eigenem Newsroom klar: Claude wird als professionelle Arbeit in großem Maßstab positioniert, nicht nur als Entwicklerassistent. (Anthropic Newsroom).

4) Offene Gewichtungen unter Druck: Qwen3-Coder-Next und das Lock-in-Problem

Geschlossene Modelle sind nur die halbe Belastung für SaaS. Die andere Hälfte sind offene Gewichtungen – Modelle, die Unternehmen hinter ihrer eigenen Firewall hosten können, was die Abhängigkeit von den Preisen und der Roadmap eines Anbieters verringert. Das Qwen-Team von Alibaba führte Qwen3-Coder-Next als Open-Weight-Modell ein, das speziell für Coding-Agenten und lokale Entwicklungsworkflows entwickelt wurde. (Qwen: Qwen3-Coder-Next).

Reuters bezeichnete die Qwen-Updates auch als Teil einer „agentischen KI-Ära“, die Autonomie und Effizienz betont, was die sitzbasierte Lizenzierungslogik direkt untergräbt. (Reuters über Alibaba und die agentische KI-Offensive).

5) GLM-5: Langfristiges Engineering als Produktkategorie

Z.ai / Zhipu positionierte GLM-5 im Bereich komplexer Systemtechnik und langlaufender agentischer Aufgaben – Formulierungen, die „Zielerhalt über Zeit“ signalisieren, nicht nur eine einmalige Codeausgabe. (GLM-5 Modellkarte).

AWS hat sogar ein auf SaaS fokussiertes Papier veröffentlicht, wie agentische KI die Produktentwicklung, den Betrieb und die Monetarisierung verändert – eine ungewöhnlich direkte Bestätigung, dass der alte Spielplan überarbeitet werden muss. (AWS-Papier zur Neubewertung von SaaS im agentischen Zeitalter).

6) MiniMax-M2.5: Spitzenmäßige Leistung zu niedrigeren Rechenkosten

MiniMax's M2.5 erregte Aufmerksamkeit, weil es die Kostenkurve direkt angriff und gleichzeitig starke Leistung in den Bereichen Codierung und Werkzeugnutzung beanspruchte. (MiniMax über M2.5). Wenn Modelle wie dieses weit verbreitet sind, verschiebt sich das Premium-Preisargument von „Zugriff auf Schlussfolgerungen“ hin zu Orchestrierung, Sicherheit und Integration.

7) GitHub Agent HQ: Orchestrierung wird zum neuen Plattformkonflikt

Während Modellvorteile schrumpfen, werden Kontrollmechanismen wichtiger. Die Beschreibung von GitHubs Agent HQ beschreibt einen einheitlichen Workflow zur Orchestrierung von Agenten innerhalb von Issues, Branches, Pull Requests und Richtlinien. (GitHub über Agent HQ). In der Praxis bündelt dies Projekt-Hygiene, QA und DevOps-ähnliche Automatisierung rund um die Agentenausführung.

Branchenberichte betonten auch die Öffnung für Drittanbieter-Agenten und die Governance-Erwartungen, die mit Agenten einhergehen, die Produktivsysteme berühren. (TechTarget über Agent HQ und Drittanbieter-Agenten).

Ein Blick über die Software hinaus: Das Waymo World Model

Waymo stellte das Waymo World Model als generatives Simulationssystem für groß angelegte, hyperrealistische Autonomes-Fahren-Szenarien vor und zeigte, wie Autonomie zunehmend von Simulation in großem Maßstab abhängt. (Waymo über das World Model).

Die Berichterstattung von Ars Technica hob hervor, wie Weltmodellansätze die Szenariengenerierung über aufgenommene Fahrdaten ermöglichen, was die Schleife „simulieren, vorhersagen, handeln“ auf Geschäftsabläufe wie Prognose und Logistik übertragbar erscheinen lässt. (Ars Technica über Waymos World Model).

Was passiert, wenn der Sitz stirbt

Der gemeinsame Nenner ist, dass Intelligenz als autonome Arbeit verpackt wird. Wenn diese reichlich vorhanden ist, verschiebt sich die Preisscheinheit. L.E.K. argumentiert, dass sich SaaS-Plattformen anpassen müssen, da agentische KI Workflows und Wettbewerbsdynamics neu gestaltet. (L.E.K. über die Neubewertung von SaaS im Zeitalter der agentischen KI).

Anbieter passen bereits ihre Pakete an, um KI tiefer in Kernpläne einzubringen. Slacks Preisaktualisierung verbindet explizit Paketverschiebungen mit erweitertem KI-Zugang. (Slack-Preisgestaltung und Paketierung Ankündigung), Und Slacks Hilfe-Dokumente zeigen, wie schnell Add-ons in Stufen integriert werden, sobald KI zentral wird. (Slack-Dokumentation zu Planänderungen).

Wo Entwickler immer noch wichtig sind: Steuerung der Agenten-Ära

Die Rolle des Entwicklers verschwindet nicht; sie verschiebt sich hin zu Verifizierung, Architektur, Sicherheit und Festlegung von Einschränkungen – denn Agenten benötigen sichere Schnittstellen, starke Tests und geprüfte Bereitstellungswege. Deshalb werden Orchestrierungsplattformen zu strategischen Vermögenswerten. (GitHub über die Orchestrierung von Agenten als Workflow).

Warp's Oz-Start ist ein konkretes Beispiel für diese Plattformschicht: Er wird als Möglichkeit dargestellt, Coding-Agenten in großem Maßstab mit Kontrolle und wiederholbaren Umgebungen auszuführen und zu verwalten. (Warp über Oz und Cloud-Agenten-Orchestrierung), mit der Produktübersicht, die die Mechanismen und Kontrollflächen beschreibt, die Teams benötigen, wenn Agenten kontinuierlich laufen. (Warp Oz Produktübersicht).

Fazit

Agentische KI ist keine Feature-Welle; sie verändert die Wertigkeit. Die Marktreaktion im Februar 2026 zeigt, dass Investoren eine Welt einpreisen, in der „wie viele Menschen das Werkzeug nutzen“ weniger wichtig ist als „wie viel autonome Arbeit erledigt wird“. (Reuters über den Software-Ausverkauf im Februar 2026). SaaS wird nicht über Nacht verschwinden, aber das Geschäftsmodell wird gezwungen, sich zu rechtfertigen, wenn Intelligenz billiger, portabler und aktionsorientierter wird.

Die verteidigungsfähige Zukunft sieht weniger nach dem Verkauf von Sitzen und mehr nach dem Besitz der Ausführungsschicht aus: Governance, Integrationsrechte, Audit-Trails und domänenspezifische Zuverlässigkeit. Entwickler, die Systeme bauen können, die Agenten sicher bedienen können, werden weiterhin knapp sein – denn wenn der Sitz stirbt, stirbt die Rechenschaftspflicht nicht. (Bain über den strategischen Wandel von Sitzen zu Ergebnissen).