KI-Agenten statt SaaS: ein neuer Markt für Automatisierung

Noch vor kurzem bedeutete Automatisierung fast immer dasselbe: Ein Unternehmen kaufte ein SaaS-Produkt, Mitarbeitende lernten die Oberfläche, verschoben Daten manuell zwischen Systemen, klickten die richtigen Buttons, schickten E-Mails, schlossen Tickets und bauten Reports zusammen. In diesem Modell steckte der größte Teil des Produktwerts in Screens, Rollen und Schritt-für-Schritt-Abläufen, durch die sich Menschen selbst bewegen mussten.

2025 und 2026 begann sich dieser Grundvertrag zu verschieben. Ein LLM, das auf Suche, Dateien, Unternehmenssysteme und manchmal sogar auf eine Computeroberfläche zugreifen kann, ist nicht mehr nur ein weiterer "smarter Button", sondern ein Ausführer digitaler Arbeit. Die Frage lautet damit immer seltener: "In welchem SaaS arbeitet der Mitarbeitende?" und immer öfter: "Welchen Teil des Prozesses kann ein Agent selbst erledigen?" (1)

Was KI-Agenten sind, ohne den Marketingnebel

Es ergibt wenig Sinn, jedes Chat-Interface als KI-Agenten zu bezeichnen oder jedes Workflow-System mit zwei Tool-Aufrufen als agentisch. OpenAI definiert Agenten schlicht als Systeme, die Aufgaben eigenständig im Auftrag von Nutzern erledigen. Anthropic liefert die praktischere Unterscheidung: Workflows folgen vordefinierten Pfaden, während Agents Schritte, Werkzeuge und Reihenfolge während der Ausführung dynamisch selbst bestimmen. (1)

Diese Unterscheidung ist wichtig, weil der Markt inzwischen fast alles als Agent verkauft. Wenn der Ablauf vollständig hart kodiert ist und das Modell nur an den richtigen Stellen Text produziert, ist das eher ein LLM-Workflow. Wenn das System selbst entscheidet, wann es sucht, welches Tool es aufruft, wann es stoppt, wann es an einen Menschen übergibt und wie es Zwischenergebnisse prüft, dann ist das deutlich näher an einer echten Agentenschicht.

Praktisch ist der Grundbaustein dabei erstaunlich nüchtern: ein LLM, ergänzt um Retrieval, Werkzeuge und manchmal Gedächtnis. Genau deshalb warnt Anthropic vor unnötiger Komplexität: Man sollte keinen komplexen Agenten bauen, wenn ein starker Modellaufruf, gute Suche und sauber gewählte Beispiele ausreichen. (2)

Wodurch sich Agenten von klassischem SaaS unterscheiden

Klassisches SaaS verkauft den Ort, an dem Menschen Arbeit erledigen. Agentische Produkte verkaufen immer häufiger die Erledigung der Arbeit selbst: eine Antwort finden, einen Vorgang bearbeiten, Kontext einsammeln, eine Nachricht vorbereiten, einen CRM-Eintrag aktualisieren und den nächsten Schritt auslösen. Das schafft SaaS nicht ab, verändert aber die Einheit des Produktwerts.

SaaS optimiert die Oberfläche für Menschen; ein Agent optimiert den Abschluss eines Workflows.
SaaS wird meist über Seats, Rollen und Zugänge monetarisiert; eine Agentenschicht drängt den Markt fast automatisch in Richtung usage- und outcome-based Modelle, bei denen nicht der Login zählt, sondern das abgeschlossene Ergebnis.
Im klassischen SaaS springen Mitarbeitende manuell zwischen CRM, Wissensdatenbank, Tickets, E-Mail und Tabellen; ein Agent soll diese Systeme über APIs, Dokumente und manchmal computer use orchestrieren.
Bei gewöhnlichem SaaS drehen sich die Hauptfragen um Bedienbarkeit und Funktionsumfang; bei Agenten geht es um Berechtigungen, Datenqualität, Evals, Observability, Fehlerkosten und die Grenzen von Autonomie.

Genau deshalb trifft der Druck nicht alle Kategorien gleich. Am stärksten gefährdet sind nicht die großen Systeme of Record, sondern schmale Produkte, deren Wert vor allem darin besteht, Menschen sauber durch einen wiederholbaren digitalen Prozess zu führen.

Warum das Thema 2025-2026 so schnell erwachsen wurde

Am 11. März 2025 veröffentlichte OpenAI eine Reihe von Grundbausteinen für agentische Anwendungen: die Responses API, eingebaute Tools wie web search, file search und computer use sowie das Agents SDK zur Orchestrierung von Single-Agent- und Multi-Agent-Szenarien. Für den Markt war das ein wichtiges Signal: Agenten waren nicht länger nur ein Thema aus Open-Source-Demos, sondern wurden zu einer offiziellen Plattformgeschichte eines der führenden Modellanbieter. OpenAI empfiehlt ausdrücklich, neue Integrationen mit der Responses API zu starten, während die Assistants API auf einen späteren Sunset zusteuert, sobald Feature-Parität erreicht ist. (1)

Das heißt allerdings nicht, dass Autonomie bereits gelöst ist. In derselben Ankündigung bezeichnet OpenAI computer use als Research Preview und zeigt offen, dass die Zuverlässigkeit noch weit vom menschlichen Niveau entfernt ist: Auf OSWorld liegt die Performance bei 38.1%, und für sensible Szenarien empfiehlt das Unternehmen menschliche Aufsicht. Das ist eine wichtige Korrektur zur Euphorie. Der Markt wird realer, aber nicht magisch. (1)

Parallel dazu wurde auch das Umfeld rund um Agenten erwachsener. AutoGPT wirkt 2026 deutlich weniger wie ein Meme über "vollständig autonome KI" und deutlich mehr wie eine Low-Code-Plattform mit visuellem Builder, Bibliothek und Marketplace für Agenten. CrewAI hat sich im selben Zeitraum von einem Orchestrierungs-Framework zu einer Agent Operations Platform entwickelt, in der nicht mehr bloß Agenten verkettet werden, sondern memory, guardrails, RBAC, Audit-Logs und Produktionsbetrieb im Zentrum stehen. Anders gesagt: OpenAI, AutoGPT und CrewAI sind wichtig, gehören aber zu unterschiedlichen Schichten desselben Marktes - zur Basistechnologie, zur Build-und-Distribution-Schicht und zur Betriebsschicht. (3 5)

Wo Agenten schon heute echten Wert schaffen

Support ist einer der natürlichsten Einsatzbereiche für Agenten. Anthropic betont ausdrücklich, dass Customer Support gut zu einem agentischen Ansatz passt, weil hier Dialog, Zugriff auf externe Daten, die Möglichkeit zu handeln und ein klares Erfolgskriterium zusammenkommen: Ein Problem ist gelöst oder eben nicht. Zendesk beschreibt in seiner Resolution Platform nicht mehr bloß einen Chat über einer Wissensdatenbank, sondern eine Schicht aus KI-Agenten, Knowledge Graph, Aktionen und Integrationen, Reasoning Controls und Qualitätsmessung. Entscheidend ist: Der Fokus liegt nicht auf "besserem Chat", sondern auf tatsächlicher Lösung. (2)

Im Vertrieb greifen Agenten einen der teuersten und repetitivsten Bereiche an: Prospecting. HubSpot Breeze Prospecting Agent überwacht Buying Signals, findet Kontakte über angeschlossene Datenanbieter, formuliert personalisierte Outreach-Nachrichten und kann entweder mit menschlicher Prüfung oder in einem autonomeren Modus arbeiten. Das ist ein gutes Beispiel dafür, wie eine ganze Schicht manueller digitaler Arbeit verschwindet: Wo ein BDR früher Stunden in Firmenrecherche, Kontaktsuche und erste Nachrichten investierte, übernimmt nun Software einen großen Teil dieses Zyklus. (7)

Auch Analytics verschiebt sich in dieselbe Richtung. Salesforce Tableau Next beschreibt agentic analytics als Übergang von statischen Dashboards hin zu einer Zusammenarbeit zwischen Nutzern und KI-Agenten über den gesamten Zyklus "Daten -> Analyse -> Aktion". ThoughtSpot ging Ende 2025 noch weiter und stellte mehrere BI-Agenten für Datenmodellierung, Visualisierungserstellung, Codegenerierung und analytisches Reasoning vor. Die Logik ist dieselbe: Wert verlagert sich weg von einem weiteren Chart-Screen und hin zu Datenaufbereitung, Anomalieerkennung, Erklärung und der Empfehlung nächster Schritte. (8)

Welche SaaS-Kategorien zuerst unter Druck geraten

Wenn man den Hype abzieht und nur auf die Ökonomie des Workflows schaut, geraten zuerst die Produkte unter Druck, die vier Merkmale kombinieren: standardisierte Eingaben, wiederholbare Schritte, messbare Ergebnisse und kontrollierbare Fehlerkosten.

Dazu gehören vor allem:

Tier-1-Support-Schichten, in denen es um Standardfragen, Routing, Statusänderungen, Standardaktionen und die Übergabe komplexer Fälle an Menschen geht.
Schmale prospecting- und Outbound-Tools, deren Produkt im Kern aus Signalüberwachung, Kontaktsuche, Datenanreicherung und Personalisierung des ersten Kontakts besteht.
Leichte BI-Erweiterungen für wiederkehrendes Reporting, standardisierte Dashboard-Erstellung und erste Erklärungen ohne tiefes Domänenmodell.
Einfache Approval- und Ops-Tools, in denen Mitarbeitende im Kern nur als Router zwischen Systemen fungieren und nicht als Träger einzigartiger Expertise.
Dünne Wrapper-Produkte rund um die Unternehmens-Wissensdatenbank, wenn ihnen eine starke Schicht aus Berechtigungen, Daten und Integrationen fehlt und sich ihr Wert im Wesentlichen auf "Chat mit Dokumenten" reduziert.

Das bedeutet nicht zwangsläufig, dass Marken buchstäblich verschwinden. Häufiger wird eine Kategorie zusammengestaucht, in größere Plattformen absorbiert oder zu einer Änderung des Preismodells gezwungen. Anders gesagt: Nicht jedes SaaS verschwindet, sondern vor allem das SaaS, dessen Wettbewerbsvorteil zu eng daran hing, dass Menschen manuell durch eine Standardoberfläche klicken mussten.

Was nicht verschwinden wird - und warum

Systeme of Record verschwinden nicht einfach, nur weil sich ein Agent darüberlegt. Irgendjemand muss weiterhin Kunden, Verträge, Zahlungen, Lagerbestände, HR-Datensätze, Berechtigungen und Aktionslogs speichern. CRM, ERP, Billing-Systeme, Service-Plattformen und branchenspezifische Kerne bleiben die Quelle der Wahrheit. Agenten werden eher zu einer neuen Ausführungsschicht darüber als zu einem Ersatz dafür.

Genau deshalb sehen große Anbieter nicht zwangsläufig verloren aus. Oracle baut AI Agent Studio, einen Marketplace und Observability rund um Fusion Applications und verankert damit eine Agentenschicht direkt im bestehenden Enterprise-Stack. ServiceNow führte 2025 AI Agent Studio, AI Agent Orchestrator und AI Agent Control Tower ein und erkennt damit faktisch an, dass die nächste Stufe der Automatisierung nicht in einem isolierten Chatfenster liegt, sondern in einer steuerbaren Schicht aus Agenten, Workflows und Kontrolle. (10)

Am robustesten bleiben Produkte, die mindestens einen von drei Vermögenswerten besitzen: ein tiefes Domänenmodell, den Status als offizielles System of Record oder ein starkes Ökosystem aus Daten, Berechtigungen und Prozessen. In solchen Segmenten ersetzt der Agent die Plattform nicht. Er macht sie ausführbarer.

Welche neuen Produkte entstehen

Die spannendere Frage lautet nicht "Welches SaaS stirbt zuerst?", sondern "Welche neuen Märkte entstehen rund um die Agentenschicht?" Mindestens fünf Kategorien sind bereits sichtbar.

Agent ops: Tracing, Evals, Kosten- und Latenzkontrolle, Sandbox-Umgebungen, Memory-Management, Rollbacks und Reproduzierbarkeit.
Governance-Schichten: Berechtigungen, Policy Enforcement, Approval Loops, Auditierbarkeit von Aktionen und sichere Grenzen für Autonomie.
Builder und Marketplaces: Kataloge fertiger Agenten, Templates, interne Tool-Bibliotheken und wiederverwendbare Domain Components.
Domain-spezifische Agenten-Workspaces: Produkte, die System of Record, Wissen, Aktionen und menschliche Operatoren um eine Geschäftsaufgabe wie Support, Vertrieb oder Finance herum bündeln.
Outcome-based Service-Produkte: Modelle, bei denen nicht für einen Seat in einer Oberfläche gezahlt wird, sondern für einen gelösten Fall, einen abgeschlossenen Workflow, einen qualifizierten Lead oder ein anderes fertiges Ergebnis.

Diese Welle ist auch deshalb wichtig, weil sie nicht nur das Produkt, sondern ebenso das Pricing verändert. Wenn ein Agent die Arbeit mehrerer Nutzer übernimmt, wirkt das klassische Per-Seat-Modell schnell schwächer. Es ist kein Zufall, dass Support und angrenzende Kategorien sich zunehmend in Richtung ergebnisbasierter Preise bewegen statt in Richtung Bildschirm- und Login-Bepreisung. (6)

KI-Agenten töten SaaS nicht. Sie verändern, wo das Produkt sitzt

Der größte Fehler in der Agenten-Debatte ist die Frage, welches SaaS zuerst stirbt. Die nützlichere Frage lautet: Wer kontrolliert Orchestrierung, Datenzugang, Ausführungsqualität, Auditierbarkeit und Preismodell in einer Welt, in der Software anfängt, die Arbeit selbst zu erledigen?

Der nächste Automatisierungsmarkt ist nicht einfach "noch ein SaaS-Produkt mit KI-Button". Es ist ein Markt für Produkte, die Workflow-Ausführung, kontrollierte Autonomie und ein klares Geschäftsergebnis verkaufen. SaaS bleibt das System of Record. Agenten werden immer stärker zum System of Work darüber. Genau an dieser Schnittstelle entsteht gerade ein neuer Markt für Automatisierung.