Die These „KI wird SaaS töten / verdrängen / ersetzen (frei wählbar)“ klingt auf den ersten Blick wie reiner Marketing-Quatsch (ok, auf den zweiten Blick auch…), aber in den letzten ein bis zwei Jahren sind spannende Dinge passiert – und es passieren auch jetzt noch ständig spannende Dinge, die unsere Fantasie beflügeln. Um einen Klassiker zu zitieren: Der technologische Fortschritt ist sogar vom Mond aus zu sehen.

‍

Im Benchmark „SWE-bench Verified“ – der die Lösung realer GitHub-Issues misst – stieg die Leistung der führenden Modelle von etwa 4–5 % Ende 2023 auf 93,9 % im Jahr 2026, was einer fast 50-fachen Verbesserung in knapp zweieinhalb Jahren entspricht. Der „Zeithorizont“-Indikator des METR-Forschungsinstituts (der misst, wie zeitaufwändige Aufgaben ein KI-Agent selbstständig mit einer Wahrscheinlichkeit von 50 % erfolgreich lösen kann)hat sich zwischen 2019 und 2024 alle sieben Monate verdoppelt, seit 2024 jedoch bereits alle drei bis vier Monate – die Beschleunigung der KI-Entwicklung beschleunigt sich also ebenfalls. (METR, März 2026)

‍

Das ist genau der technologische Fortschritt, der – wenn man ihn auf die nächsten Jahre hochrechnet und mit den Rechenressourcen multipliziert, die gerade im Rahmen des Baubooms für KI-Rechenzentren entstehen – dazu führt, dass sich die Eigentümer von Legacy-Anbietern und SaaS-Unternehmen angesichts der Softwareentwicklungskapazitäten, die in naher Zukunft auf den Markt kommen werden, zu Recht in die Hose machen.
‍

Anfang 2026, als ein Produkt-Update von Anthropic (das eigentlich nur die Aufmerksamkeit auf diesen Bereich der KI-Technologieentwicklung lenkte) innerhalb von zwei Tagen rund 300 Milliarden Dollar vom Marktwert der Softwarebranche wegfegte. Salesforce, ServiceNow, Adobe und Workday brachen innerhalb eines einzigen Tages um 7–11 % ein, das Forward-KGV des Sektors fiel innerhalb weniger Monate von 39 auf etwa 21. Die Presse bezeichnet dieses Ereignis seitdem als „SaaSocalypse“, und es hält bis heute an: Der IGV-Softwareindex liegt 30 % unter seinem Höchststand vom September, der kumulierte Verlust an Marktkapitalisierung beläuft sich bereits auf rund 2.000 Milliarden Dollar.

‍
Was wirklich interessant ist: Der Markt preist nicht ein, dass Unternehmen weniger Software kaufen werden, und schon gar nicht geht jemand davon aus, dass sie weniger davon nutzen werden. Allerdings könnten sie bereit sein, statt einer gemieteten Lizenz für konkrete Funktionen, die von KI-gestützten Entwicklern bereitgestellt werden, für die höhere Effizienz und das geringere Risiko einer Anbieterabhängigkeit bezahlen – und aus diesem Grund ist das SaaS-Dogma der „wiederkehrenden Umsätze“, auf dem die hohen SaaS-Gewinne und die Vorhersehbarkeit des letzten Jahrzehnts beruhten, plötzlich verflogen.

‍

Kurz gesagt, eine Frage an mich selbst als Unternehmensleiter: Warum sollte ich einem externen SaaS-Anbieter viel Geld zahlen, wenn ich die für die Prozesse meines Unternehmens erforderlichen Technologien bereits mit einem ROI von 1–2 Jahren (manchmal sogar innerhalb eines Jahres) selbst entwickeln kann?

‍

Beispiele aus kleinen und mittleren Unternehmen

Die von „The Information“ aufgedeckten und von PYMNTS zusammengefassten Fälle sind besonders aufschlussreich, da sie namentlich genannte Unternehmen sowie konkrete Dollarbeträge und Zeitangaben enthalten:

• ‍Greenleaf Management, ein Immobilieninvestitionsunternehmen mit 55 Mitarbeitern aus Atlanta, hat Salesforce durch eine mit Claude Code und Replit entwickelte Anwendung ersetzt. Die Wartungskosten für das neue System belaufen sich auf etwa 300 Dollar pro Monat, was im Vergleich zu den früheren Kosten eine Einsparung von etwa 100.000 Dollar pro Jahr bedeutet.‍
• Atonom, ein Start-up aus Utah mit 45 Mitarbeitern, hat seinen Salesforce-Vertrag im Wert von 40.000 Dollar pro Jahr gegen ein mit Lovable erstelltes CRM-System ausgetauscht, dessen jährliche Wartungskosten bei etwa 1.200 Dollar liegen.
• Das Profi-Rugby-Team Seattle Seawolves (ca. 70 Spieler) hat mit Hilfe von ClaudeCode innerhalb von vier Monaten sowohl sein Salesforce-CRM als auch sein AXS-Ticketverkaufssystem umgestellt.

‍

Ein ähnliches Muster zeigt sich auch in der „Build vs. Buy“-Umfrage von Retool aus dem Jahr 2026, für die 817 Entwickler und Systemadministratoren in Unternehmen befragt wurden: Das GTM-Team von ClickUp entwickelte sechs interne KI-Tools, mit denen es jährlich 200.000 Dollar an Automatisierungssoftware einsparen konnte, während es Salesforce-, Zendesk- und Snowflake-Systeme miteinander verknüpfte. Das Unternehmen Harmonic hat ein Tool im Wert von 20.000 Dollar pro Jahr selbst neu entwickelt, weil dies schneller war, als auf die Antwort des Kundensupports zu warten – heute betreibt es 33 interne Anwendungen mit Integrationen zu Salesforce, Gong und Slack.

‍

Auch Unternehmenssoftware ist nicht sicher, wobei die Kategorie der ERP-Systeme für Großunternehmen besser geschützt ist

Der Fall ERPClaw ist wegweisend: Ein ehemaliger Accenture-Berater, der zuvor SAP-Einführungen bei großen Kunden aus der Energiebranche (Allegheny Power, E.ON, American Water) geleitet hatte, entwickelte im Alleingang ein aus 45 Modulen bestehendes Open-Source-ERP-System mit KI-Tools. Während die jährlichen Kosten für eine typische SAP-Lizenz mindestens 50.000 Dollar betragen, läuft ERPClaw auf einem Server für 20 Dollar im Monat. Das Projekt verspricht (noch) keine SAP-Ablösung im Großunternehmensmaßstab, zeigt jedoch, dass sich auch das Geschäftsmodell von Softwarekategorien, die bisher mit sechs- bis siebenstelligen Preisen verbunden waren, rasch verändern wird. (HackerNoon, 2026)

‍
Aspen Pumps (britischer Hersteller von Klimaanlagenkomponenten, Nutzer von SAP Business ByDesign / SAP Cloud ERP) hat gemeinsam mit seinem Partner 12 Automatisierungs-Bots entwickelt – darunter einen, der Daten aus CAD-Zeichnungen extrahiert und automatisch Stücklisten (BOM) erstellt. Ergebnis: insgesamt 10.000 Stunden Zeitersparnis pro Jahr, wobei allein der Stücklisten-Bot durch die Beseitigung früherer manueller Bearbeitungsfehler jährlich 25.000 Pfund einspart. (SAP, Fallstudie)

‍

Unified Women's Healthcare (ein US-amerikanisches Gesundheitsnetzwerk) hat gemeinsam mit einem Partner seine NetSuite-Umgebung neu gestaltet und automatisiert (Vereinfachung der Skripte, Automatisierung, Optimierung) und dadurch einejährliche Einsparung von mehr als 1.500 Arbeitsstundenerzielt. (Rand Group)

‍

BI und Datenanalyse

Auch auf dem Power BI-/Tableau-Markt wurden erfolgreiche Umstellungen dokumentiert: Jean Mandarin, Leiter des Daten- und Insight-Teams bei aMatillion, stellte öffentlich vor, wie er die Anzahl der Fehlermeldungen bei der Berichterstellung um 80 % reduzierte, indem das Team von Tableau auf eine Lösung mit einer anderen Architektur umstieg, die KI-fähig ist. (Velosio, 2026)

‍

Klarna – einer der am besten dokumentierten Fälle

Der im Februar 2024 von dem schwedischen Fintech-Unternehmen eingeführte, auf OpenAI basierende Kundendienst-Assistent bearbeitete im ersten Monat 2,3 Millionen Chats, was nach Angaben des Unternehmens der Arbeitsbelastung von 700 Vollzeitmitarbeitern entsprach;Bis zum dritten Quartal 2025 stieg diese Zahl bereits auf den „Arbeitswert“ von 853 Mitarbeitern und jährliche Einsparungen von rund 60 Millionen Dollar, die Antwortzeit verkürzte sich um 82 % und der Kundenzufriedenheitsindex (NPS) erreichte 73 Punkte. (Twig, 2026)

‍

Beispiele aus europäischen kleinen und mittleren Unternehmen

Es geht nicht nur um amerikanische Unternehmen: Der Gründer eines Berliner Cybersicherheits-Startups, DmarcDkim.com, hat innerhalb eines Jahres etwa zehn SaaS-Produkte durch selbst gehostete Open-Source-Alternativen ersetzt (Rocket.chat statt Slack, Twenty statt HubSpot/Salesforce) – teils aus Preisgründen, teils aus Erwägungen der europäischen Datensouveränität. Derselbe Artikel stellt das Entwicklerteam von Warp vor, bei dem die Neugestaltung eines internen Dokumentationsprodukts nur etwa zwei Arbeitstage in Anspruch nahm und zu einem besseren Endprodukt führte, das zur Marke des Unternehmens passt. (LeadDev, 2026)

‍

Was die Zahlen zeigen. Und was sie nicht zeigen.

Explosiv wachsende Rechenkapazität multipliziert mit der exponentiell steigenden Effizienz von KI-Codierung, hoch um die Frustration der Unternehmensleiter, die der Willkür von SaaS- und Legacy-Tech-Unternehmen ausgesetzt sind =

‍

ABER. Oder besser gesagt: ABER-ABER-ABER-ABER-ABER. Nur Vorsicht. Auch wenn dies für unser Unternehmen ein vielversprechender, spannender Weg ist, auf dem viel zu gewinnen ist und der viele unserer Probleme löst, sollten wir deshalb nicht mit offenem Mund in diesen bestimmten Wald hineinstürmen.

‍

Es gibt jede Menge Risiken. Sowohl beim Einsatz von KI als auch bei der Technologie selbst. Auch bei der IT-Sicherheit und beim Datenschutz. Bei der KI-Bereitschaft der Unternehmen, bei der Qualität der bisherigen Digitalisierung und bei der Ausgereiftheit der Prozesse. Bei der Einhaltung rechtlicher und ethischer Vorgaben. Bei den Mitarbeitern. Und bei noch tausend anderen Dingen.

‍

In den nächsten Beiträgen werde ich versuchen, auch über diese Risiken zu schreiben: Was sie sind, wie man sie rechtzeitig erkennen und vielleicht sogar verhindern oder zumindest aufdecken kann.

‍