Warum das Ende von SaaS ein mathematischer Fehler ist

Das Ende von SaaS? Ein Mythos. Wer glaubt, dass billiger Code die gesamte Softwarebranche wertlos macht, verwechselt Syntax mit Service.

Derzeit kursiert in den Vorstandsetagen des Silicon Valley eine Präsentation, die Investoren offenbar in Angst und Schrecken versetzt. Darin sind die Grenzkosten für die Erstellung von Code und der Unternehmenswert von SaaS-Unternehmen gegenübergestellt.

Die Argumentation ist einfach und verführerisch: KI senkt die Kosten für die Codeerstellung auf null, daher muss der Wert der gesamten Softwarebranche zwangsläufig zusammenbrechen. Das ist eine überzeugende Logik. Sie ist jedoch mathematisch und operativ falsch. 

Die derzeitige pessimistische Einschätzung für SaaS beruht auf einem fatalen Fehler. Sie geht davon aus, dass Kunden Softwareanbieter nur für die Syntax bezahlen. Das tun sie aber nicht. Sie bezahlen für eine Dienstleistung, die ein bestimmtes Geschäftsergebnis garantiert. 

Wenn man die Gewinn- und Verlustrechnung eines modernen SaaS-Unternehmens analysiert, wird deutlich, dass KI SaaS nicht ersetzen wird. Sie trennt lediglich die Gewinner, die auf Intelligenz gesetzt haben, von den Verlierern, die nur Formulare über Datenbanken verkauft haben. SaaS stirbt nicht. Es wird zum notwendigen Schutzschild zwischen dem Kunden und der Komplexität des KI Zeitalters. 

Der Service ist der Burggraben 

Um zu verstehen, warum „SaaS“ Bestand hat, müssen wir das Akronym aufschlüsseln:

• „Software“ (die Implementierung): Das sind die Bits und Bytes. Die Benutzeroberfläche, die Datenbankschemata und die Logik. In einer KI-Welt wird das Schreiben von Code zur Selbstverständlichkeit. Das Wissen, was geschrieben werden muss, bleibt jedoch rar. Das Fachwissen, die komplexe Workflow-Logik und das Verständnis für das Geschäft des Kunden  lassen sich nicht automatisieren. KI kann die Bausteine liefern, aber es bedarf nach wie vor eines Architekten mit fundierten Branchenkenntnissen, um die Blaupausen zu zeichnen. 

• „Service“ (der Wert): Das ist es, was Unternehmen kaufen. Der Service umfasst Verfügbarkeit (99,99 % Uptime), Sicherheitskonformität (SOC2, HIPAA), Datenverwaltung  und Kundensupport. 

Die Mathematik: Warum KI nur 6 Prozent der Gewinn- und Verlustrechnung ausmacht 

Schauen wir uns einmal die harten Zahlen an. Die These vom „Tod von SaaS” geht davon aus, dass das Schreiben von Code 90 Prozent der Kostenstruktur eines Unternehmens ausmacht. Das ist nicht der Fall.

Zwar geben Start-ups in der Anfangsphase viel Geld für die Entwicklung aus, aber ein profitables SaaS-Unternehmen ist im Endeffekt eher eine Vertriebsmaschine als eine Programmierwerkstatt. Bei ausgereiften, effizienten SaaS-Unternehmen liegt das tatsächliche F&E-Budget oft zwischen 10 und 25 Prozent des Gesamtumsatzes. Der Großteil der Kosten entfällt auf Vertrieb, Marketing, Hosting und Betrieb.

Werfen wir einen Blick auf das F&E-Budget: 

• Der Anteil der „Programmierung“: Ingenieure verbringen nur etwa 25 Prozent ihrer Zeit mit dem Schreiben von Code. Die restlichen 75 Prozent werden für höherwertige Aufgaben aufgewendet: architektonische Entscheidungen, Domänenmodellierung und Interpretation der Benutzeranforderungen. 

• Die Rechnung: 25 Prozent (Programmierzeit) x 25 Prozent (Gesamt-F&E-Budget) ≈ 6 Prozent Auswirkung. 

KI macht die Erstellung von Software etwas kostengünstiger, verändert aber das Kostenmodell nicht grundlegend. Sie entlastet lediglich die F&E, sodass diese sich auf den schwierigsten Teil der Software konzentrieren kann: die Definition der Lösung. Allerdings dürfen sich die etablierten Unternehmen nicht auf ihren Lorbeeren ausruhen. Die Kosteneinsparungen sind zwar minimal, aber das Risiko, gegenüber der Konkurrenz zurückzufallen, ist existenziell.

Ein Wettbewerber wird sich nicht durchsetzen, weil er billiger ist, sondern weil er deutlich schneller innovativ sein kann. Das Ziel von KI ist nicht, das Budget zu kürzen, sondern die Liefergeschwindigkeit zu verdoppeln. 

Die versteckten Kosten der Inferenz: Warum KI einen wirtschaftlichen Mindestpreis hat 

Hier ist der Punkt, den die Befürworter der „SaaS ist tot“-Hypothese übersehen: Die einmaligen Entwicklungskosten mögen zwar sinken, aber die laufenden Betriebskosten werden strukturell steigen. Software läuft nicht durch Magie, sondern auf Hardware.  

Jedes Mal, wenn ein Benutzer mit einem „intelligenten” System interagiert, indem er eine Frage in natürlicher Sprache stellt oder eine Zusammenfassung anfordert, verbraucht diese Anfrage deutlich mehr Strom und Hardware-Zyklen als eine herkömmliche Datenbankabfrage. Wir tauschen eine Senkung der Entwicklungskosten um 6 Prozent gegen einen explosionsartigen Anstieg der laufenden Betriebskosten ein. 

„Service“ wird zur Optimierungsebene

Da die Laufzeitkosten steigen werden, wird die Rolle des SaaS-Anbieters noch wichtiger. Er fungiert als Schiedsrichter für Effizienz. Er muss eine hybride Infrastruktur verwalten und die deterministischen Systeme für 90 Prozent der Aufgaben beibehalten, die schnell, kostengünstig und perfekt arbeiten müssen (Transaktionen, Speicherung). Probabilistische KI sollte er hingegen nur dort einsetzen, wo sie einen hohen Mehrwert bietet. Diese hybride Realität offenbart den fatalen Fehler im Disruptionsnarrativ.

Die vorherrschende Befürchtung ist, dass ein einzelner Entwickler an einem Wochenende einen Klon von Salesforce, Workday oder ServiceNow erstellen und für wenig Geld verkaufen könnte. Um jedoch in dieser neuen Ära wettbewerbsfähig zu sein, kann dieser Klon nicht nur ein Formular über einer Datenbank sein, sondern muss intelligent sein und KI im laufenden Betrieb einsetzen.  

Selbst wenn ein Wettbewerber den Code kostenlos generiert, kann er ihn nicht kostenlos ausführen. Er sieht sich mit hohen „Kosten für verkaufte Ware” in Form von Inferenzrechnungen konfrontiert. Er kann den Markt nicht wesentlich unterbieten, da er seine eigenen teuren CPU- und GPU-Kosten decken muss. Dies führt zu einer harten wirtschaftlichen Preisuntergrenze.

Die Behauptung, dass KI einen „Wettlauf nach unten” bei den Preisen auslösen wird, ist mathematisch falsch. Es gibt kein Szenario, in dem die Gesamtkosten für die Bereitstellung eines intelligenten, logisch denkenden Systems sinken. Die Kostenbasis steigt, und folglich werden wahrscheinlich auch der Wert der Software und ihr Preis steigen. Diese Preissetzungsmacht ist jedoch denjenigen vorbehalten, die die hybride Architektur beherrschen, die erforderlich ist, um die Kosten unter Kontrolle zu halten. 

Das deterministische Rückgrat: Blaupause für ein KI-natives System

Wenn die Wirtschaftlichkeit gegeben ist, stellt sich die Frage: Wie entwickelt man für diese Zukunft? Die meisten Menschen gehen davon aus, dass ein KI-natives System eines ist, in dem ein LLM (wie Claude oder ChatGPT) den Code spontan schreibt. Diese Vorstellung suggeriert, dass in Zukunft jede  Aktion von einem LLM bestimmt wird. Dieser Innovationsgeist ist zwar spannend, scheitert jedoch an der „Realitätsprüfung im Unternehmen“.

In missionskritischen Branchen (wie der Lieferkette oder dem Bankwesen) ist „wahrscheinlich richtig” praktisch dasselbe wie „falsch”. Unternehmen können sich kein Produktionssystem leisten, bei dem ein LLM am Dienstag einen anderen Code generiert als am Montag. Der wahre Unternehmenswert liegt in der Zuverlässigkeit, nicht nur in der Kreativität. Das echte „KI-native” System ist nicht eines, das von KI geschrieben wurde, sondern eines, das so konzipiert ist, dass es sicher von KI orchestriert werden kann.

Absicht vor Syntax: Ein Jahrzehnt kostengünstiger Code

Wir müssen nicht raten, was mit einem Geschäftsmodell passiert, wenn die Codegenerierung kostenlos wird. Wir haben seit einem Jahrzehnt ein Testfeld dafür. Es heißt „Intent-based Architecture“ (absichtsbasierte Architektur). Das ist keine bloße Theorie. Bei Manhattan Associates wenden wir dieses Modell an und haben vor über zehn Jahren unseren Fokus vom Schreiben von Syntax auf das Erfassen von Geschäftsabsichten verlagert. 

Die Philosophie war einfach: Menschen sollten das Was (Geschäftslogik und Regeln) definieren, und Maschinen sollten das Wie (Code) generieren. Folglich unterhalten wir keine statische Legacy Codebasis. Stattdessen regenerieren wir jede Nacht etwa 75 Prozent von mehr als 60 Millionen Codezeilen auf der Grundlage dieser Intent-Definitionen. 

Diese operative Realität enthält eine wichtige wirtschaftliche Lektion. Wir führen seit einem Jahrzehnt eine Fallstudie für das Zeitalter der „Null-Grenzkosten für Code” durch. Da der Großteil unseres Codes maschinell generiert wird, sind die „Kosten” für das Schreiben dieser Syntax bereits vernachlässigbar. Diese Effizienz hat jedoch nicht dazu geführt, dass unsere Gesamtentwicklungskosten auf null gesunken sind. Stattdessen konnten wir diese Ressourcen  vollständig in den „Service” umverteilen – die komplexe Problemlösung, Domänenmodellierung und  Zuverlässigkeit, für die Kunden bezahlen.  

Unser System altert praktisch nie, da es alle 24 Stunden neu geboren wird. Da der Code nicht auf Wahrscheinlichkeiten, sondern auf strengen logischen Regeln basiert, ist er deterministisch. Wenn das System 2 + 2 berechnet, ist das Ergebnis immer 4. Es gibt keine Halluzinationen in der Geschäftslogik. Alle KI-nativen Systeme benötigen ein „deterministisches Rückgrat“ – einen starren, zuverlässigen Kern, der genau das tut, was ihm gesagt wird.

Dies ist der Entwurf für das KI-native Zeitalter. Anstatt KI zu bitten, spontan wegwerfbaren, riskanten Code zu schreiben, besteht der nachhaltige Ansatz darin, Menschen die Geschäftsziele definieren zu lassen und die Code-Generierung von Maschinen verwalten zu lassen.

Die perfekte Hybridlösung aufbauen 

Diese Struktur schafft die perfekte Mischung aus einem probabilistischen (KI) und einem deterministischen (System) Workflow und optimiert sowohl die Latenz als auch die Kosten. Wir verwenden keine teure, zu Halluzinationen neigende KI, um die „langweilige” Arbeit der Datenbankverwaltung zu erledigen. Das überlassen wir effizientem, generiertem Code. Wir setzen die teure KI nur dann für Schlussfolgerungen ein, wenn dies erforderlich ist. 

Das probabilistische Gehirn auf einem deterministischen Rückgrat

SaaS stirbt nicht, es wandelt sich nur. Das Argument, dass „billiger Code Software wertlos macht“, ignoriert die Tatsache, dass erfolgreiche Softwareunternehmen schon vor Jahren davon abgekommen sind, „Code“ zu verkaufen. Die Entwicklung von „Software“ wird zu einer  Massenware, und das ist großartig. Es senkt die Kosten und beschleunigt Innovationen. Aber der „Service“, aus dem Fachwissen, Architektur und Zuverlässigkeitsgarantie hervorgehen, ist wertvoller denn je.

Während sich der Markt Sorgen darüber macht, dass KI Code schreibt, werden diejenigen gewinnen, die KI nutzen, um ihre Dienstleistungen zu verbessern, und sich bereithalten, jede Schnittstelle zu nutzen, die die Zukunft bereithält.