KI-Agenten vs. SaaS: Was Entscheider jetzt strategisch neu bewerten müssen

Anthropic's Cowork-Release hat Anfang April 2026 für messbare Nervosität an den Märkten gesorgt: Domänenspezifische KI-Agenten für Legal- und Finance-Workflows – direkt eingebettet in Claude – haben bei Legal-Tech- und SaaS-Aktien einen Abverkauf ausgelöst, der in der Branche bereits als „SaaSpocalypse" diskutiert wird. Die eigentliche strategische Frage dahinter ist aber keine kurzfristige Marktreaktion, sondern eine strukturelle: Wenn ein KI-Agent autonom Verträge prüft, NDAs triagiert und Steuervoranmeldungen ausfüllt, warum zahlt ein Unternehmen dann noch Monatsgebühren für eine Software, die genau das als manuellen Prozess abbildet?

Der Marktkontext ist eindeutig: Laut einer Cloudera-Studie vom Februar 2025 haben bereits 96 Prozent der Organisationen KI-Agenten in ihre Kernprozesse integriert. Salesforce berichtete zur gleichen Zeit, dass über 340.000 Kundenanfragen vollständig autonom durch die Agentforce-Plattform bearbeitet wurden – ohne menschliche Interaktion mit einer Software-Oberfläche. Das ist kein Pilotprojekt mehr. Das ist ein Markt-Struktur-Signal.

Vom Abo-Modell zur Ergebnis-Ökonomie

Das klassische SaaS-Modell, das sich in den vergangenen 25 Jahren etabliert hat, beruht auf einem einfachen Tauschgeschäft: Zugang gegen Monatsgebühr. Der Nutzer bedient das Tool, das Tool liefert die Oberfläche. Microsoft-CEO Satya Nadella formulierte auf der Ignite-Konferenz im November 2024 in Chicago die Gegenthese präzise: „Copilot is the UI for AI." Wenn KI-Agenten direkt auf Daten zugreifen, Workflows autonom ausführen und Ergebnisse liefern, verliert die klassische Software-Oberfläche ihre Daseinsberechtigung als Abo-Objekt.

Was folgt, ist ein Preismodell-Paradigmenwechsel: weg vom sitzungsbasierten Zugang, hin zur ergebnisbasierten Abrechnung – „Agent-as-a-Service" (AaaS). Das litauische Startup Idealink setzt dieses Modell bereits um: Statt Zugang zu einer Lead-Datenbank kaufen Kunden qualifizierte Leads als Output. Gründer Rokas Jurkėnas beschreibt den Unterschied als „früher 1.000 Datenpunkte, heute 10 bis 100 passende Kunden." Für SaaS-Anbieter im Mid-Market bedeutet das: Ihr Mehrwert liegt nicht mehr in der Plattform, sondern im Ergebnis.

Wo der strukturelle Druck konkret wird

Nicht alle SaaS-Segmente sind gleich exponiert. Die höchste Erosionsgefahr besteht dort, wo Software primär als Prozessautomatisierungs-Wrapper fungiert – und das sind genau die Bereiche, in denen KI-Agenten am schnellsten Trainingsdaten akkumulieren:

• Legal Tech: Vertragsanalyse, NDA-Triage, Compliance-Checks – Cowork adressiert genau diesen Stack.
• Finance-Automatisierung: Buchhaltungssoftware wie QuickBooks steht unter Druck, sobald Agenten direkt auf Bankdaten, ERP-Systemen und Steuerformularen operieren können.
• HR-Software: Bewerbermanagement, Onboarding-Workflows und Performance-Reviews sind stark regelbasiert – damit agenten-fähig.
• Customer Service Platforms: Salesforce Agentforce demonstriert die Substitution bereits in der Praxis.

Weniger gefährdet sind hingegen Plattformen, die Netzwerkeffekte oder proprietäre Datenbindung als Moat nutzen: CRM-Systeme mit jahrzehntelanger Kundenhistorie, ERP-Plattformen wie SAP mit tief integrierten Unternehmensprozessen, oder kollaborative Tools, deren Wert in der sozialen Schicht liegt. SAP hat bereits angekündigt, KI-Agenten nativ in seine Prozesse zu integrieren – was weniger Disruption als Absorption bedeutet: Der Incumbent verteidigt seinen Moat, indem er die Technologie internalisiert.

Risikodimension: Autonomie, Datenzugriff, Haftung

Der analytische Fehler wäre, die Marktverschiebung allein als Effizienzgewinn zu rahmen. KI-Agenten wie Claude Cowork oder OpenClaw operieren mit systemtiefen Zugriffsrechten – sie lesen, schreiben und handeln autonom auf Unternehmensdaten. Damit verschieben sich auch Haftungsfragen: Wer ist verantwortlich, wenn ein Agent einen Vertrag fehlerhaft prüft oder eine Steuererklärung falsch einreicht?

Aus DSGVO-Perspektive ist das heikel: Art. 22 DSGVO regelt automatisierte Entscheidungen mit rechtlicher Wirkung – und genau dort operieren Legal- und Finance-Agenten. Unternehmen im DACH-Raum müssen prüfen, ob der Einsatz solcher Agenten eine Datenschutz-Folgenabschätzung nach Art. 35 DSGVO erfordert. Hinzu kommt das Drittlandtransfer-Problem: Anthropic ist ein US-Unternehmen, die Datenverarbeitung findet außerhalb der EU statt – ein struktureller Compliance-Konflikt, den kein Enterprise-Vertrag automatisch löst.

Der EU AI Act verschärft den Rahmen weiter. Seit August 2025 gelten die GPAI-Regeln und Governance-Anforderungen. Ab dem 2. August 2026 greift der Hauptteil des AI Acts, der Hochrisiko-KI in HR, Biometrie und juristischen Entscheidungsprozessen direkt reguliert. KI-Agenten, die autonom in Legal- oder Finance-Workflows eingesetzt werden, fallen potenziell unter die Hochrisiko-Kategorie – mit Strafandrohungen bis zu 15 Millionen Euro beziehungsweise drei Prozent des globalen Jahresumsatzes bei Verstößen. Wer jetzt Agenten einführt, ohne den regulatorischen Zeitplan zu kennen, baut auf Sand.

So What? Die strategische Relevanz für das Management

Die „SaaSpocalypse" ist keine apokalyptische Prophezeiung, sondern ein struktureller Marktumbau, der in mehreren Wellen verläuft. Für Entscheider gilt: Nicht jede SaaS-Investition ist akut gefährdet, aber jede muss neu bewertet werden. Die entscheidende Frage bei bestehenden Softwareverträgen lautet nicht mehr „Ist das Tool gut?", sondern „Zahlen wir für einen Prozessschritt, den ein Agent in sechs Monaten autonom abbildet?" Wenn die Antwort ja lautet, ist das ein Vendor-Risiko – unabhängig davon, ob der Vertrag noch zwei Jahre läuft.

Gleichzeitig wäre es ein strategischer Fehler, auf Ad-hoc-Substitution zu setzen. Unternehmen, die Agenten ohne Datenstrategie, ohne Zugriffskonzept und ohne Compliance-Prüfung einführen, verlagern operationelle Risiken in schlecht sichtbare Bereiche. Die relevante Kompetenz für IT-Entscheider im Jahr 2026 ist nicht Prompt Engineering – sondern Agent Governance: Welche Systeme darf ein Agent lesen? Welche Entscheidungen darf er autonom treffen? Wer haftet?

Fazit: Portfoliobereinigung vor blindem Agentenrollout

Entscheider sollten ihr SaaS-Portfolio in den nächsten 90 Tagen in drei Kategorien sortieren: erstens Plattformen mit proprietären Netzwerkeffekten oder tiefer Datenbindung – hier besteht kurzfristig kein Substitutionsdruck. Zweitens Prozess-Wrapper ohne Datendifferenzierung – hier ist Marktbeobachtung Pflicht, Vertragsverlängerungen sollten kritisch geprüft werden. Drittens regelbasierte Automatisierungstools in Legal, Finance und HR – hier ist ein strukturierter Pilot mit Agenten-Alternativen sinnvoll, aber nur nach abgeschlossener DSGVO- und AI-Act-Compliance-Prüfung.

Der Markt wartet nicht auf regulatorische Reife. Aber Unternehmen, die Agenteneinführungen ohne Governance-Rahmen starten, werden die Regulierungswelle ab August 2026 unvorbereitet treffen – mit erheblichen Nachbesserungskosten. Der erste Schritt ist kein Technologieprojekt, sondern ein strategischer: Bestandsaufnahme des eigenen SaaS-Stacks unter dem Blickwinkel der Agenten-Substituierbarkeit.