DIE KURZE ANTWORT
KI schwächt Preise pro Seat, weil weniger menschliche Nutzer mehr Arbeit erledigen können, während Anbietern mit jeder KI-Interaktion reale Kosten entstehen. Hybride Modelle verbinden eine planbare Grundgebühr mit nutzungsabhängigen Komponenten. SaaS Leader sollten diese Modelle sowohl am geschaffenen Wert als auch an den Kosten erfolgreicher Nutzung messen.
Bei der SaaS Kitchen zeigte Dr. Sebastian Voigt von hy einen Wandel, der beide Seiten des Softwaremarkts betrifft. KI-Anbieter testen zunehmend Preismodelle jenseits fester Seat-Lizenzen, weil ihre Produkte Arbeit übernehmen und dabei echte variable Kosten erzeugen. Käufer erwarten gleichzeitig, dass KI den menschlichen Arbeitsaufwand reduziert.
Beides kann stimmen. Zusammen entsteht daraus eine neue Frage für jeden SaaS Founder, CRO und CFO:
Wenn wir Teamkosten senken, aber mehr für KI-Nutzung, Credits und Ergebnisse zahlen, werden wir dann tatsächlich effizienter?
Warum KI Preise pro Seat unter Druck setzt
Klassisches SaaS Pricing folgte einer bequemen Logik. Kunden zahlten für Zugang, meist pro Nutzer. Die Grenzkosten des Anbieters blieben trotz steigender Nutzung niedrig. Generative KI löst diesen Zusammenhang auf. Jede Interaktion kann Rechenkosten verursachen, während Agenten Aufgaben erledigen, ohne dass sich ein weiterer menschlicher Nutzer anmeldet.
Mehr Nutzer erzeugen mehr Umsatz. Die Nutzung ist weitgehend durch ein fixes Abo abgedeckt.
Mehr automatisierte Arbeit erzeugt mehr Umsatz und häufig auch mehr Kosten für den Anbieter.
Der Report zeigt, wie schnell der Markt diesen Wandel erwartet:
planen oder prüfen eine Preisänderung innerhalb der nächsten zwölf Monate
erwarten, dass hybride Preise in zwei Jahren für ihr Geschäft am relevantesten sind
erwartete Veränderung der Relevanz von Nutzer- oder Seat-Preisen
erwartete Veränderung der Relevanz von Outcome- oder Ergebnispreisen
Quelle: SaaS & AI Pricing Report 2027. Die Umfrageergebnisse spiegeln die teilnehmenden Unternehmen und deren Erwartungen wider.
Warum KI Softwareanbieter zu nutzungsbasierten Preisen bewegt
Der Report identifiziert vier strukturelle Veränderungen. KI verändert das Produkt, die Kostenstruktur des Anbieters, die Einheit des Kundennutzens und die Rolle der Software im Workflow.
Vom Feature zum Agenten
Software hilft nicht mehr nur einer Person bei einer Aufgabe. Sie erledigt die Aufgabe zunehmend selbst.
Von Grenzkosten zu echten Nutzungskosten
Mehr Prompts, Inferenz, Memory und Orchestrierung können bei jeder Kundeninteraktion zusätzliche Kosten erzeugen.
Vom Zugang zur erbrachten Arbeit
Preise bilden zunehmend erledigte Aufgaben, Workflows oder Ergebnisse ab statt nur den Zugang.
Vom Interface zur Infrastruktur
KI-Systeme und Agenten können über APIs oder das Model Context Protocol (MCP) auf Software zugreifen, ohne dass eine Person das Interface nutzt.
„Produkt, Packaging und Pricing müssen als ein Monetarisierungssystem verstanden werden.“
DR. SEBASTIAN VOIGT · HY CONSULTING GROUP
Wie nutzungsbasierte und hybride Preise das Budgetrisiko verändern
Seat-Preise machten Budgets relativ planbar. Ein Unternehmen wusste, wie viele Personen Zugang benötigten, und konnte die jährlichen Kosten abschätzen. Bei Nutzungsmodellen folgt die Rechnung der Aktivität, bei Outcome-Modellen dem gelieferten Wert. Hybride Modelle verbinden eine feste Basis mit einer variablen Komponente.
Das kann fairer sein. Es kann erfolgreiche Nutzung aber auch teurer machen.
Warum Outcome Pricing vorerst die Ausnahme bleibt
Outcome Pricing klingt nach dem saubersten Modell, weil die Zahlung dem Wert folgt. In der Praxis funktioniert es nur, wenn beide Seiten das Ergebnis definieren, konsistent messen und sich einigen können, welchen Anteil die Software tatsächlich verursacht hat.
Der Report erwartet deshalb, dass sich Preise pro Aufgabe, Workflow oder Agent schneller etablieren als reines Outcome Pricing. Von einem Agenten erledigte Arbeit lässt sich meist leichter zählen als erzeugter Umsatz, vermiedene Kosten oder beeinflusster Customer Success. Der Markt sucht noch nach Antworten: 25 Prozent der befragten Unternehmen haben ihre künftige Preismetrik noch nicht definiert.
Der nächste Schritt nach Seats ist nicht automatisch Outcome Pricing. Für viele Produkte ist ein hybrides Modell mit messbaren Aufgaben oder Workflows der glaubwürdigere Übergang.
Wie SaaS-Anbieter eine KI-Preismetrik auswählen sollten
Der Report zeigt, dass 50 Prozent der befragten Anbieter KI derzeit im Kernprodukt enthalten, während 22 Prozent sie überhaupt nicht separat monetarisieren. Nur 15 Prozent nutzen ein kostenpflichtiges Add-on und 5 Prozent Credits oder Consumption.
Das kann heute die Nutzung fördern, wird aber riskant, wenn Nutzungskosten schneller wachsen als der Umsatz. Die Antwort ist nicht automatisch ein Credit-System. Credits können Umsatz und variable Kosten verbinden, den Business Case des Kunden aber schwerer nachvollziehbar machen.
Die bessere Metrik besteht drei Tests:
- Wert: Sie wächst, wenn der Kunde mehr Nutzen erhält.
- Kosten: Sie folgt den variablen Kosten des Anbieters eng genug, um die Marge zu schützen.
- Klarheit: Ein Käufer kann die Rechnung ohne internen Pricing Analysten prognostizieren und prüfen.
Schnellere Lieferung kann einen höheren Preis rechtfertigen
Derselbe Wandel betrifft Professional Services. Wenn der Preis an Stunden hängt, wirkt schnellere Lieferung weniger wertvoll. Wenn er am Ergebnis und an Time to Value hängt, kann das Gegenteil gelten.
Ein sechswöchiges Projekt, das monatelange Verzögerung verhindert, kann mehr wert sein als ein zwölfwöchiges Projekt mit derselben Zahl an Slides. Entscheidend ist nicht, wie lange der Anbieter gearbeitet hat, sondern was sich für den Kunden wie schnell verändert.
Belohnt Aufwand
Belohnt Ergebnisse
Belohnt Geschäftswirkung
Bepreist Time to Value
Dieselbe Logik gilt für Software. Käufer sollten nicht erwarten, dass KI allein wegen weniger menschlicher Arbeitsstunden günstiger ist. Anbieter sollten nicht erwarten, dass Kunden allein wegen des KI-Einsatzes höhere Preise akzeptieren. Beide Seiten brauchen eine glaubwürdige Verbindung zwischen Preis und Wert.
Dominics Einordnung: das System kalkulieren, nicht nur die Personalkosten
Die verführerische Gleichung ist einfach: weniger Mitarbeiter plus mehr KI gleich niedrigere Kosten. Sie ignoriert jedoch fünf Kostenblöcke außerhalb der Payroll:
- Software: Abonnements, Credits, API-Aufrufe und Agent Runs
- Implementierung: Integration, Datenaufbereitung und Workflow-Design
- Kontrolle: menschliche Prüfung, Compliance und Ausnahmebehandlung
- Wartung: Prompts, Modelle, Routing-Logik und wechselnde Tools
- Fehler: Nacharbeit, falsche Entscheidungen, Vertrauensverlust und entgangener Umsatz
Ein Unternehmen kann Personal abbauen und trotzdem bei denselben Gesamtkosten, weniger internem Wissen und größerer Anbieterabhängigkeit landen. Das kann sinnvoll sein, wenn Geschwindigkeit, Skalierbarkeit oder Output-Qualität steigen. Es ist dann aber keine Kosteneinsparung, sondern ein anderes Betriebsmodell.
Zuerst klären, was tatsächlich gekauft wird
Gesparte Zeit ist nicht automatisch eine Einsparung. Bevor ihr ein ROI-Modell baut, ordnet die Investition ein. Vier Business Cases decken die meisten KI-Investitionen ab.
Kosteneinsparung
Eine Stelle, geplante Neueinstellung, Agenturpauschale oder andere Budgetposition entfällt oder wird vermieden. Wenn die Cash-Kosten nicht sinken, sollten eingesparte Stunden nicht als Einsparung verbucht werden.
Kapazitätsgewinn
Dasselbe Team kann mehr Arbeit bewältigen oder schneller liefern. Die Gesamtkosten können steigen, weil KI zur bestehenden Kostenbasis hinzukommt. Bewertet sie anhand von Durchsatz, Zykluszeit und stabiler Qualität.
Wachstumsinvestition
KI erzeugt zusätzliche Pipeline, Conversions oder Rohertrag, die sonst nicht entstanden wären. Der relevante Nachweis ist zusätzlicher kommerzieller Output, nicht Aktivitätsvolumen.
Risiko- oder Qualitätsverbesserung
KI reduziert Fehler, Compliance-Risiken oder Qualitätsschwankungen. Messt vermiedene Vorfälle, gesparten Prüfaufwand oder reduzierte Fehlerkosten, statt eine Produktivitätsersparnis zu erfinden.
Wenn ihr weder die sinkende Budgetposition noch den steigenden Business Output oder das reduzierte Risiko benennen könnt, habt ihr noch keinen KI-Business-Case. Ihr habt eine Produktivitätshypothese.
Fünf Fragen vor dem Skalieren von KI
Was erhöht die Rechnung? Seats, Prompts, Credits, Aufgaben, Workflow Runs, Tokens, Speicher oder Ergebnisse?
Skalieren die Kosten mit dem Kundennutzen? Oder kann die Nutzung steigen, ohne ein relevantes Geschäftsergebnis zu erzeugen?
Was passiert bei erfolgreicher Nutzung? Modelliert die Rechnung bei der drei-, zehn- und dreißigfachen heutigen Nutzung.
Wer trägt Fehler- und Nacharbeitskosten? Klärt, was als abgeschlossene Aufgabe oder gültiges Ergebnis zählt.
Wie reversibel ist das Betriebsmodell? Versteht Datenportabilität, Workflow-Eigentum und Anbieterabhängigkeit.
Eine praktische Entscheidungsregel
- die Arbeit häufig und messbar ist
- Qualität effizient geprüft werden kann
- Nutzungskosten langsamer wachsen als der gelieferte Wert
- der Workflow einen Anbieterwechsel übersteht
- Kontext und Vertrauen das Ergebnis bestimmen
- Ausnahmen häufiger sind als der Standardfall
- Fehler hohe kommerzielle oder rechtliche Kosten verursachen
- die Arbeit strategisches Lernen erzeugt, das intern bleiben muss
Das Fazit
KI verändert Software von einem Werkzeug, das Menschen nutzen, zu einem System, das zunehmend Arbeit übernimmt. Pricing erweitert sich deshalb über Zugang hinaus auf Nutzung, Aufgaben, Workflows und dort, wo sich Wert klar zurechnen lässt, Ergebnisse.
Für Anbieter entstehen neue Umsatzmodelle. Für Käufer entsteht eine neue Verantwortung: den gesamten operativen Hebel zu berechnen, bevor KI als Personalstrategie behandelt wird.
Das beste Modell ist weder weniger Personal noch mehr KI. Es ist die Kombination, die nach Berücksichtigung aller Kosten das beste Ergebnis liefert.
ÜBER DIE QUELLE
Dr. Sebastian Voigt & hy
Sebastian Voigt ist Partner und Managing Director bei der hy Consulting Group. Der SaaS & AI Pricing Report 2027 wurde von hy, OMR Reviews und Appinio erstellt.