Die Erzählung "Die KI tötet / verdrängt / ersetzt (Wunschverb einsetzen) SaaS" klingt auf den ersten Blick nach reinem Marketing-Bullshit (ehrlich gesagt auch auf den zweiten). Doch in den letzten ein bis zwei Jahren ist einiges passiert, und es passiert gerade weiterhin Spannendes, das unsere Fantasie beflügelt. Um einen Klassiker zu zitieren: Dieser technologische Fortschritt ist selbst vom Mond aus sichtbar.

‍

Beim Benchmark SWE-bench Verified, der misst, wie gut Modelle reale GitHub-Issues lösen, ist die Leistung der führenden Modelle von rund 4 bis 5 % Ende 2023 auf 93,9 % im Jahr 2026 gestiegen: mehr als 20-fache Verbesserung in kaum zweieinhalb Jahren. Die "Zeithorizont"-Kennzahl des Forschungsinstituts METR (sie misst, wie zeitaufwendig eine Aufgabe sein darf, die ein KI-Agent mit 50-prozentiger Wahrscheinlichkeit eigenständig erfolgreich lösen kann) hat sich zwischen 2019 und 2024 alle 7 Monate verdoppelt. Seit 2024 verdoppelt sie sich bereits alle 3 bis 4 Monate, was bedeutet, dass sich das Tempo der KI-Entwicklung selbst beschleunigt. (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 löschte ein Produktupdate von Anthropic (das eigentlich nur die Aufmerksamkeit auf diesen Fortschrittsbereich der KI-Technologien lenkte) innerhalb von zwei Tagen rund 300 Milliarden US-Dollar Marktwert der Softwarebranche aus. Salesforce, ServiceNow, Adobe und Workday stürzten an einem einzigen Tag um 7 bis 11 % ab, das Forward-KGV der Branche fiel innerhalb weniger Monate von etwa dem 39-Fachen auf etwa das 21-Fache. Die Presse spricht seitdem von der "SaaSpocalypse ", und die Entwicklung hält bis heute an: Der IGV-Softwareindex liegt 30 % unter seinem September-Hoch, der kumulierte Marktkapitalisierungsverlust bewegt sich inzwischen in der Größenordnung von 2.000 Milliarden US-Dollar.

‍
Wirklich interessant ist Folgendes: Der Markt preist nicht ein, dass Unternehmen künftig weniger Software kaufen werden, und schon gar nicht glaubt jemand, dass sie weniger davon nutzen werden. Sie können aber etwas anderes tun: statt für eine gemietete Lizenz lieber für die konkrete Funktionalität bezahlen, die KI-gestützte Entwickler liefern, für die höhere Effizienz und für das geringere Vendor-Lock-in-Risiko. Und genau deshalb ist das SaaS-Dogma des "wiederkehrenden Umsatzes" (Recurring Revenue), auf dem der hohe SaaS-Gewinn und die Planbarkeit des letzten Jahrzehnts aufgebaut waren, plötzlich verdampft.

‍

Kurz gesagt, die Frage, die ich mir als Geschäftsführer selbst stelle: Warum sollte ich einem externen SaaS-Anbieter viel Geld zahlen, wenn ich mit einem ROI von 1 bis 2 Jahren (manchmal sogar innerhalb eines Jahres) die für die Prozesse meines Unternehmens nötigen Technologien bereits 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 55-köpfiges Immobilieninvestment-Unternehmen aus Atlanta, hat Salesforce durch eine mit Claude Code und Replit gebaute Anwendung ersetzt. Der Unterhalt des neuen Systems kostet rund 300 US-Dollar im Monat, das sind rund 100.000 US-Dollar pro Jahr weniger als zuvor.‍
• 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.
• Die Seattle Seawolves, ein Profi-Rugbyteam (rund 70 Mitarbeitende), haben innerhalb von vier Monaten mithilfe von Claude Code sowohl ihr Salesforce-CRM als auch ihr AXS-Ticketingsystem abgelöst.

‍

Ein ähnliches Muster zeigt auch die Build-vs.-Buy-Umfrage 2026 von Retool, für die 817 Entwickler und Betriebsverantwortliche in Unternehmen befragt wurden: Das GTM-Team von ClickUp hat sechs interne KI-Tools gebaut und damit 200.000 US-Dollar pro Jahr an Automatisierungssoftware eingespart, während es gleichzeitig Salesforce-, Zendesk- und Snowflake-Systeme miteinander verband. Harmonic hat ein jährlich 20.000 US-Dollar teures Tool intern neu entwickelt, weil das schneller ging, als auf die Antwort des Kundendienstes zu warten. Heute betreibt das Unternehmen 33 interne Anwendungen mit Salesforce-, Gong- und Slack-Integration.

‍

Auch Enterprise-Software ist nicht sicher, ERP jedoch noch vergleichsweise gut geschützt

Wegweisend ist der Fall von ERPClaw: Ein ehemaliger Accenture-Berater, der zuvor SAP-Einführungen bei großen Energieunternehmen (Allegheny Power, E.ON, American Water) geleitet hatte, hat allein mit KI-Tools ein Open-Source-ERP-System mit 45 Modulen gebaut. Während eine typische SAP-Lizenz mindestens 50.000 US-Dollar pro Jahr kostet, läuft ERPClaw auf einem Server für 20 US-Dollar im Monat. Das Projekt verspricht (noch) nicht, SAP im Konzernmaßstab abzulösen, zeigt aber, dass sich auch das Geschäftsmodell von Softwarekategorien, die bislang sechs- bis siebenstellige Preisschilder trugen, schnell verändern wird. (HackerNoon, 2026)

‍
Aspen Pumps ( (ein britischer Hersteller von Klimaanlagen-Komponenten und Nutzer von SAP Business ByDesign / SAP Cloud ERP) hat gemeinsam mit seinem Partner 12 Automatisierungsbots gebaut, darunter einen, der aus CAD-Zeichnungen Daten extrahiert und automatisch eine Stückliste (BOM) erstellt. Ergebnis: 10.000 eingesparte Arbeitsstunden pro Jahr insgesamt, allein der BOM-Bot spart durch die Beseitigung früherer manueller Verarbeitungsfehler 25.000 britische Pfund pro Jahr. (SAP, Fallstudie)

‍

Unified Women's Healthcare (ein US-amerikanisches Gesundheitsnetzwerk) hat gemeinsam mit seinem Partner die NetSuite-Umgebung neu gestaltet und automatisiert (Vereinfachung von Skripten, Automatisierung, Optimierung) und dabei über 1.500 Arbeitsstunden pro Jahr eingespart. (Rand Group)

‍

BI und Datenanalyse

Auch im Power-BI-/Tableau-Markt sind erfolgreiche Wechsel dokumentiert: Jean Mandarin, Head of Data & Insights bei Matillion, hat öffentlich gezeigt, wie das Team die Zahl der Tickets wegen fehlerhafter Reports um 80 % senkte, indem es Tableau verließ und zu einer anders aufgebauten, KI-nativen Lösung wechselte. (Velosio, 2026)

‍

Klarna: einer der am besten dokumentierten Fälle

Der im Februar 2024 gestartete, auf OpenAI basierende Kundenservice-Assistent des schwedischen Fintechs hat im ersten Monat 2,3 Millionen Gespräche bearbeitet, was nach Angaben des Unternehmens der Arbeitsleistung von 700 Vollzeitmitarbeitenden entsprach. Im dritten Quartal 2025 war dieser Wert bereits auf eine "Arbeitsleistung" von 853 Mitarbeitenden und rund 60 Millionen US-Dollar jährliche Einsparungen gestiegen, die Antwortzeit verbesserte sich um 82 %, und der Kundenzufriedenheitswert (NPS) erreichte 73 Punkte. (Twig, 2026)

‍

Europäische KMU-Beispiele

Es geht nicht nur um US-Unternehmen: Der Gründer eines Berliner Cybersicherheits-Startups, DmarcDkim.com, hat innerhalb eines Jahres rund zehn SaaS-Produkte durch selbstgehostete Open-Source-Alternativen ersetzt (Rocket.chat statt Slack, Twenty statt HubSpot/Salesforce), teils aus Kostengründen, teils aus Erwägungen zur europäischen Datensouveränität. Derselbe Artikel stellt auch das Team des Entwicklertools Warp vor, bei dem der Neuaufbau eines internen Dokumentationsprodukts nur rund zwei Arbeitstage benötigte und ein besseres, zur Marke des Unternehmens passendes Endprodukt hervorbrachte. (LeadDev, 2026)

‍

Was die Zahlen zeigen. Und was nicht.

Explosionsartig wachsende Rechenkapazität, multipliziert mit exponentiell wachsender Effizienz von KI-Programmierung, potenziert mit der Frustration von Geschäftsführerinnen und Geschäftsführern, die der Willkür von SaaS- und Legacy-Tech-Unternehmen ausgesetzt sind, ergibt: KI-Blase. Die Bäume wachsen nicht in den Himmel (nur die Erwartungen daran tun das). Es gibt bereits jetzt Risiken, es wird Engpässe geben, menschlicher Widerstand existiert und wächst, auch die staatliche Kontrolle nimmt zu (sehr zu Recht). Wir nähern uns der KI-Lichtgeschwindigkeit, erreichen sie in den nächsten zwei Jahren aber noch nicht. Meiner Meinung nach.

‍

ABER. Und dieses Aber ist entscheidend. Nur mit Vorsicht. Nur weil das eine vielversprechende, spannende Richtung für unser Unternehmen ist, bei der viel zu gewinnen ist und die viele unserer Probleme lösen kann, ist das dennoch kein Grund, kopflos in diese Richtung zu stürmen.

‍

Es gibt reichlich Risiken. Bei der Nutzung von KI, auch bei der Technologie selbst. Bei der IT-Sicherheit, beim Datenschutz. Bei der (KI-)Reife der Unternehmen, bei der Qualität der bisherigen Digitalisierung und bei der Ausgereiftheit der Prozesse. Bei der rechtlichen und ethischen Compliance. Bei den Mitarbeitenden. Und noch bei tausend weiteren Dingen.

‍

In den nächsten Beiträgen werde ich versuchen, auch über diese Risiken zu schreiben: was sie sind, wie man sie frühzeitig erkennen und entweder vermeiden oder zumindest absichern kann.

‍