KI-Agenten: Das Ende des Per-Seat-Modells?

25 März 2026

10 Min. Lesezeit

Am 24. März 2026 verlor der iShares Expanded Tech-Software ETF an einem einzigen Handelstag 4,3 Prozent. Der Auslöser: ein Bericht von The Information, dass AWS intern KI-Agenten für Vertrieb und Geschäftsentwicklung baut. Die Nachricht traf eine Branche, die seit Jahresbeginn bereits 2.000 Mrd. US-Dollar an Marktkapitalisierung eingebüßt hat. Gleichzeitig zeigt Microsoft, dass nur 3,3 Prozent der 450 Millionen M365-Nutzer für den Copilot-Add-on bezahlen. Die Ära des Per-Seat-Modells geht zu Ende. Und DACH-Unternehmen stehen vor einer strategischen Grundsatzentscheidung, für die sie genau vier Monate Zeit haben.

Das Wichtigste in Kürze

Massiver Kursverfall: Software-Aktien haben seit Ende 2025 rund 2.000 Mrd. US-Dollar an Marktkapitalisierung verloren. UiPath, HubSpot und Atlassian brachen am 24. März um jeweils 8 bis 9 Prozent ein (Bloomberg, März 2026).
Copilot-Ernüchterung: Nur 15 Millionen der 450 Millionen M365-Nutzer zahlen für Copilot. Der Anteil zahlender Subscriber sank von 18,8 Prozent im Juli 2025 auf 11,5 Prozent im Januar 2026 (The Register, Februar 2026).
AWS baut KI-Agenten: Amazon entwickelt autonome Agenten, die Aufgaben von Tausenden technischen Spezialisten in Vertrieb und Geschäftsentwicklung übernehmen sollen.
Pricing-Umbruch: Intercom bepreist seinen KI-Agenten „Fin“ mit 0,99 US-Dollar pro gelöstem Ticket. Salesforce antwortet mit der „Agentic Enterprise License Agreement“ als Flatrate-Modell.
EU AI Act Deadline: Am 2. August 2026 greift die Compliance-Pflicht für Hochrisiko-KI-Systeme. Wer jetzt unkontrolliert Agenten deployt, hat in vier Monaten ein Problem.
Gartner-Prognose: 40 Prozent aller Enterprise-Anwendungen werden bis Ende 2026 aufgabenspezifische KI-Agenten integrieren, gegenüber weniger als 5 Prozent im Jahr 2025.

Was hinter dem Kursrutsch steckt

Die Nachricht, dass AWS KI-Agenten für interne Vertriebsprozesse entwickelt, war nicht der erste Schock für die Software-Branche. Am 29. Januar 2026 enttäuschte SAP mit seinem Cloud-Revenue-Forecast die Erwartungen. Am selben Tag lieferte ServiceNow schwache Earnings. Der europäische Softwarekonzern und der US-Plattformanbieter lösten gemeinsam den Ausverkauf aus, den Händler bei Jefferies umgehend SaaSpocalypse tauften.

Am 3. Februar folgte der nächste Einschlag: Neue KI-Automatisierungstools vernichteten an einem Tag 285 Mrd. US-Dollar an Börsenwert. Seitdem hat sich die Abwärtsspirale beschleunigt. Der IGV-Index, der wichtigste Gradmesser für börsennotierte Softwareunternehmen, verlor bis zum 24. März 2026 über 21 Prozent seit Jahresbeginn. Salesforce büßte mehr als 30 Prozent ein, Workday 33 Prozent, Atlassian 35 Prozent.

Das SAP als deutsches Unternehmen am Epizentrum steht, macht die SaaSpocalypse für DACH-Entscheider persönlich. Wer SAP im Portfolio hat, wer SAP-Lizenzen budgetiert, wer SAP-Projekte plant, spürt die Unsicherheit direkt.

Marktkapitalisierung Software-Sektor

-2.000 Mrd.

US-Dollar Verlust seit Ende 2025

Quelle: J.P. Morgan / Fortune, März 2026

Die Copilot-Warnung: Was Microsofts Zahlen über das Seat-Modell verraten

Bevor man über abstrakte KI-Agenten diskutiert, lohnt ein Blick auf das größte KI-Experiment der Branche: Microsoft 365 Copilot. 450 Millionen Nutzer. 30 US-Dollar pro Seat und Monat. Der größte Distribution-Vorteil der Softwaregeschichte. Und trotzdem zahlen nur 15 Millionen Nutzer, das sind 3,3 Prozent.

Die Zahl allein wäre beunruhigend genug. Aber der Trend macht es schlimmer: Der Anteil zahlender Subscriber ist von 18,8 Prozent im Juli 2025 auf 11,5 Prozent im Januar 2026 gesunken. Microsoft gewinnt zwar absolut Nutzer hinzu, aber die Conversion-Rate fällt. Die Aktivierungsrate liegt bei nur 35,8 Prozent. Zwei von drei Unternehmen, die Copilot-Lizenzen kaufen, nutzen sie nicht.

M365 Copilot Uptake

3,3 %

der 450 Mio. M365-Nutzer zahlen

Subscriber-Trend

-39 %

Paid-Share: 18,8 % → 11,5 % in 6 Monaten

Quelle: The Register / Motley Fool, Februar 2026

Was das bedeutet: Selbst Microsoft, mit dem stärksten Bundling-Vorteil der Branche, kann das Per-Seat-Modell für KI nicht durchsetzen. Unternehmen kaufen Copilot-Lizenzen, merken dass der ROI nicht da ist, und lassen sie verfallen. Das ist kein Adoptionsproblem. Es ist ein Preismodell-Problem. 30 Dollar pro Seat pro Monat für ein Tool, das manchmal hilft und manchmal halluziniert, ist für CFOs schwer zu rechtfertigen.

Microsoft reagiert: Eine neue SMB-SKU „Copilot Business“ kostet nur noch 21 US-Dollar pro Monat. Das ist kein Rabatt, das ist ein Eingeständnis.

Per-Seat ist tot: Was kommt danach

Das Geschäftsmodell, das die Cloud-Branche in den letzten 15 Jahren getragen hat, basiert auf einer simplen Gleichung: mehr Mitarbeitende gleich mehr Lizenzen gleich mehr Umsatz. KI-Agenten hebeln diese Gleichung aus. Wenn ein Agent die Arbeit von fünf menschlichen Nutzern erledigt, braucht ein Unternehmen nicht fünf Seats, sondern einen.

Atlassian meldete im ersten Quartal 2026 erstmals einen Rückgang der Enterprise-Seat-Zahlen. Das ist kein Ausreißer: Workday strich 8,5 Prozent seiner Belegschaft. Beide Unternehmen bedienen genau die Workflows, Task-Tracking, Datenerfassung, Kundenprotokollierung, die KI-Agenten am effizientesten automatisieren.

Die Vendor-Antworten zeigen, wie ernst die Lage ist. Salesforce hat eine „Agentic Enterprise License Agreement“ (AELA) eingeführt: ein Flatrate-Modell, das vom Seat-Zählen wegkommt. ServiceNow wechselt zu nutzungs- und ergebnisbasiertem Pricing. Intercom bepreist seinen KI-Agenten „Fin“ mit 0,99 US-Dollar pro vollständig gelöstem Ticket. Nicht pro Seat, nicht pro Monat, sondern pro Ergebnis.

„Wall Street bakes in a doomsday scenario that is likely exaggerated.“
Dan Ives, Managing Director, Wedbush Securities (März 2026)

Gartner prognostiziert, dass bis 2030 rund 35 Prozent aller SaaS-Einzellösungen durch KI-Agenten ersetzt oder in größere Agenten-Ökosysteme absorbiert werden. Der Markt für agentenbasierte KI soll von 8,5 Mrd. US-Dollar auf 47 Mrd. US-Dollar bis 2030 wachsen. Gleichzeitig erwartet Gartner, dass 40 Prozent der SaaS-Ausgaben auf nutzungs-, agenten- oder ergebnisbasierte Preismodelle umgestellt werden.

Die Klarna-Lektion: Warum „AI-first“ gescheitert ist

Im Februar 2024 verkündete Klarna, dass sein KI-Assistent in einem Monat 2,3 Millionen Kundenservice-Konversationen übernommen hatte. 23 Märkte, 35 Sprachen, rund 66 Prozent aller Chats. Die Einmalkosten: 2 bis 3 Millionen US-Dollar. Die prognostizierte Einsparung: 40 Millionen US-Dollar pro Jahr. 700 Stellen wurden abgebaut. Die Tech-Presse feierte es als Beweis, dass KI-Agenten menschliche Arbeit ersetzen können.

Ein Jahr später ruderte CEO Sebastian Siemiatkowski öffentlich zurück. Die Qualität hatte gelitten. Klarna stellte wieder menschliche Mitarbeitende ein. Nicht als Rückkehr zum alten Modell, sondern als Übergang zu einem Human-Hybrid-Ansatz: KI für Standardfälle, Menschen für komplexe Anliegen.

Die Lektion für DACH-CIOs ist dreifach. Erstens: KI-Agenten können Routineaufgaben im Customer Service automatisieren. Das ist bewiesen. Zweitens: Wer die Qualitätskontrolle überspringt und sofort skaliert, zahlt den Preis in Kundenzufriedenheit. Drittens: Die 2-3 Millionen Dollar Implementierungskosten sind nur ein Teil der Rechnung. Searchunify schätzt, dass Integration und Change Management 35 bis 45 Prozent der First-Year-TCO ausmachen. Wer das nicht einplant, unterschätzt die Gesamtkosten um 40 bis 60 Prozent.

Die Klarna-Story ist kein Argument gegen KI-Agenten. Sie ist ein Argument gegen Shortcuts.

Welche SaaS-Kategorien überleben

Nicht alle Softwarekategorien sind gleich betroffen. Die Verwundbarkeit hängt davon ab, wie stark ein Produkt auf menschliche Routinetätigkeit angewiesen ist.

Hohes Ersetzungsrisiko: Point-Solutions, die einen einzelnen Workflow abdecken. Ticket-Systeme, einfache CRM-Funktionen, Expense-Management, Meeting-Scheduling, Datenbereinigung. Gartner schätzt, dass 35 Prozent dieser Einzellösungen bis 2030 durch Agenten ersetzt werden.

Mittleres Risiko: Collaboration-Tools wie Slack, Teams oder Asana. Hier verschiebt sich das Modell: Statt zehn menschliche Nutzer zu lizenzieren, arbeiten zwei Menschen mit drei Agenten. Die Seat-Zahl sinkt, aber die Plattform bleibt als Orchestrierungsschicht relevant.

Niedriges Risiko: Systems of Record wie SAP, Oracle oder Workday-HR. Diese Systeme speichern unternehmenskritische Daten und unterliegen regulatorischen Anforderungen. KI-Agenten werden sie nicht ersetzen, sondern als Frontends nutzen. ERP-Anbieter, die frühzeitig Agenten-APIs bereitstellen, könnten sogar profitieren.

Wachstumspotenzial: Infrastruktur für Agenten-Deployments. Monitoring, Observability, Identity Management für nicht-menschliche Identitäten. Dieser Markt existiert erst seit wenigen Monaten und wächst rasant. AWS hat Ende März 2026 mit Bedrock AgentCore eine Stateful Runtime mit Memory Streaming für persistente Agenten vorgestellt. Google hat Agentspace in „Gemini Enterprise“ umbenannt und bietet einen No-Code Agent Designer mit über 1.000 vorgefertigten Partner-Agenten an.

Bull Case gegen Bear Case

J.P. Morgan titelte seine Analyse mit den Worten Software Collapse Broadens with Nowhere to Hide. Gleichzeitig argumentierte die Bank, dass die vollständige Ablösung von SaaS durch KI-Agenten eine Geschichte sei, die frühestens nach 2028 relevant werde. Aktuell dominierten Copilot-Funktionen, nicht autonome Agenten.

Bank of America identifizierte ein Paradox: Investoren bestrafen Hyperscaler, weil deren KI-Investitionen möglicherweise schwache Renditen abwerfen. Gleichzeitig vernichten sie Softwarewerte, weil KI-Adoption so durchdringend sein werde, dass bestehende Software obsolet werde. Beides kann nicht gleichzeitig stimmen.

Der Bear Case ist ein Nullsummenspiel: KI-Agenten komprimieren bestehende Software-Umsätze durch den Wegfall von Seats. Der Bull Case ist ein Positivsummenspiel: Überlebende Softwareunternehmen erschließen den 6.000-Mrd.-US-Dollar-Markt für Wissensarbeit, der bisher nie durch Software adressierbar war.

Die Wahrheit liegt vermutlich dazwischen. Und Microsofts Copilot-Zahlen zeigen, wo genau: Der Markt will KI. Er will sie nur nicht per Seat bezahlen.

Der DACH-Faktor: Warum Europa anders betroffen ist

Der europäische SaaS-Markt unterscheidet sich strukturell vom US-Markt. Bitkom schätzt den deutschen Enterprise-Software-Markt auf 35 Mrd. Euro im Jahr 2026. Wenn Gartner recht hat und 40 Prozent der SaaS-Ausgaben bis 2030 auf neue Preismodelle umgestellt werden, stehen allein in Deutschland 14 Mrd. Euro zur Disposition. Das ist kein abstraktes US-Börsenphänomen. Es betrifft die Budgetplanung jedes CIO im Mittelstand.

Gleichzeitig schafft die stärkere Regulierung, NIS2, EU AI Act, DSGVO, eine Bremse und eine Chance. Europäische Anbieter, die Compliance-by-Design in ihre Agenten-Plattformen einbauen, könnten einen Wettbewerbsvorteil gegenüber US-Anbietern haben. Die DSGVO-Anforderungen erschweren den Einsatz von Cloud-basierten KI-Agenten, die Unternehmensdaten verarbeiten. On-Premise- und Private-Cloud-Lösungen für Agenten werden im DACH-Raum eine größere Rolle spielen als in den USA. Datensouveränität wird zum Differenzierungsmerkmal.

SAP spielt in diesem Szenario eine Doppelrolle. Als Auslöser des Selloffs steht der Konzern symbolisch für das Seat-Modell-Problem. Aber als System of Record mit tiefer DACH-Verankerung ist SAP auch am besten positioniert, die Agenten-Welle zu überleben. SAP-Systeme speichern unternehmenskritische Daten. KI-Agenten werden sie nicht ersetzen, sondern als Frontends nutzen. Wer das SAP-Ökosystem versteht, versteht auch, warum der Bear Case für Systems of Record übertrieben ist.

Die 4-Monats-Frist: EU AI Act und was das für Agent-Deployments bedeutet

Am 2. August 2026 greift die Compliance-Pflicht für Annex-III-Hochrisiko-KI-Systeme des EU AI Act. Das betrifft KI-Agenten, die Entscheidungen in den Bereichen Beschäftigung, Kreditvergabe, Bildung oder kritische Infrastruktur treffen. Die Strafen: bis zu 35 Millionen Euro oder 7 Prozent des weltweiten Jahresumsatzes. Das übersteigt die DSGVO-Bußgelder.

Für CIOs, die gerade KI-Agenten evaluieren, entsteht ein konkretes Problem: Hochrisiko-KI-Systeme, die Personendaten verarbeiten, lösen sowohl ein Fundamental Rights Impact Assessment nach Art. 27 AI Act als auch eine Datenschutz-Folgenabschätzung nach Art. 35 DSGVO aus. Multi-Step-Agenten erzeugen verteilte Logs, die Traceability-Anforderungen erheblich erschweren. Wer heute Agenten deployt, ohne die Compliance-Architektur mitzudenken, baut technische Schulden auf, die in vier Monaten fällig werden.

Das BSI hat im Juni 2025 einen Kriterienkatalog für den Einsatz generativer KI in der Bundesverwaltung veröffentlicht. Der Katalog adressiert genau die Agent-Use-Cases: Chatbots, Text-Zusammenfassung, Übersetzung. Er ist noch nicht bindend für die Privatwirtschaft, aber er definiert den Mindeststandard, an dem sich Aufsichtsbehörden orientieren werden.

Die Konsequenz: Wer Agent-Deployments plant, sollte das BSI-Papier als Baseline nutzen und Art. 27 AI Act plus Art. 35 DSGVO in den Architektur-Entwurf einbauen. Nicht nach dem Go-Live, nicht als Phase 2, sondern jetzt.

Was DACH-Unternehmen jetzt tun sollten

Die SaaSpocalypse ist kein US-Phänomen. Jedes Unternehmen im DACH-Raum, das SaaS-Lizenzen nach Seats bezahlt, muss seine Softwarestrategie überprüfen. Fünf konkrete Schritte:

1. SaaS-Portfolio auditieren. Welche Tools werden pro Seat lizenziert? Welche davon adressieren Aufgaben, die ein KI-Agent übernehmen könnte? Die Faustregel: Jede Software, deren Kernfunktion Datenerfassung, Standardkommunikation oder regelbasierte Entscheidungen ist, steht auf der Abschussliste.

2. Pricing-Modelle neu verhandeln. Wer heute Dreijahresverträge mit Per-Seat-Pricing unterschreibt, bindet sich an ein Modell, das in 18 Monaten obsolet sein könnte. Nutzungsbasierte oder Outcome-basierte Modelle bieten mehr Flexibilität. Referenz: Intercom bepreist KI-gelöste Tickets mit 0,99 US-Dollar pro Stück. Salesforce bietet mit der AELA eine Agent-Flatrate an. Das sind die Modelle, die man als Benchmark in Verhandlungen mitbringen sollte.

3. Build-vs.-Buy neu bewerten. Die Kostenstruktur verschiebt sich. Ein interner KI-Agent, der auf Unternehmensdaten trainiert ist, kann günstiger sein als fünf SaaS-Lizenzen. Die Voraussetzung: saubere Dateninfrastruktur und eine Platform-Engineering-Strategie, die Agenten-Deployments ermöglicht.

4. Agenten-Readiness schaffen. GPU-Kapazitäten, API-Gateways mit Rate-Limiting, Observability-Stacks für Agenten-Monitoring und Identity Management für nicht-menschliche Identitäten. AWS Bedrock AgentCore, Azure AI Agent Service und Google Gemini Enterprise bieten jeweils eigene Frameworks. Die Wahl des Ökosystems wird in den nächsten 12 Monaten strategisch.

5. Compliance von Anfang an einbauen. Vor jedem Agent-Deployment: Art. 27 AI Act Impact Assessment und Art. 35 DSGVO Datenschutz-Folgenabschätzung prüfen. BSI-Kriterienkatalog als Baseline nutzen. Multi-Step-Agenten brauchen Traceability-Logs. Das ist keine Phase 2. Das ist Tag 1.

Fazit

Die SaaSpocalypse ist weder Hysterie noch Apokalypse. Sie markiert das Ende eines Preismodells, das zwei Jahrzehnte lang funktioniert hat. Microsofts Copilot-Zahlen liefern den Beweis von der Käuferseite: 3,3 Prozent Uptake bei 450 Millionen potenziellen Nutzern zeigt, dass das Per-Seat-Modell für KI nicht funktioniert. Klarnas Reversal zeigt, dass „AI-first“ ohne Qualitätskontrolle ein teurer Umweg ist. AWS, Google und Salesforce zeigen mit ihren Agent-Plattformen, wohin die Reise geht.

Der konkrete nächste Schritt: In der nächsten Budgetrunde eine Zeile für Agenten-Infrastruktur einplanen, gleichzeitig jede SaaS-Verlängerung über 12 Monate kritisch hinterfragen, und das BSI-Papier plus EU AI Act Art. 27 auf den Schreibtisch legen. Die Unternehmen, die diese Übergangsphase aktiv gestalten, kommen mit niedrigeren Softwarekosten und höherer Prozessautomatisierung heraus. Wer wartet, zahlt weiter für Seats, die niemand mehr braucht.

Häufige Fragen

Was genau ist die SaaSpocalypse?

Die SaaSpocalypse bezeichnet den massiven Kursverfall bei Software-Aktien seit Anfang 2026. Auslöser waren enttäuschende Quartalszahlen von SAP und ServiceNow am 29. Januar sowie die Befürchtung, dass KI-Agenten das Per-Seat-Licensing untergraben. Bis Mitte März 2026 verlor der Sektor rund 2.000 Mrd. US-Dollar an Marktkapitalisierung.

Warum hat Microsoft Copilot nur 3,3 Prozent Uptake?

Trotz des stärksten Bundling-Vorteils der Branche (450 Mio. M365-Nutzer) zahlen nur 15 Millionen für Copilot. Die Aktivierungsrate liegt bei 35,8 Prozent. Das Problem ist weniger die Technologie als das Preismodell: 30 US-Dollar pro Seat pro Monat für ein Tool mit inkonsistenter Qualität ist für CFOs schwer zu rechtfertigen. Microsoft hat bereits eine günstigere SMB-SKU (21 Dollar) eingeführt.

Was baut AWS konkret?

AWS hat Ende März 2026 „Partner Central Agents“ auf Basis von Bedrock AgentCore vorgestellt: KI-gestütztes Co-Selling mit Pipeline-Insights und automatischer CRM-Befüllung. Parallel dazu bietet Bedrock AgentCore eine Stateful Runtime mit Memory Streaming für persistente Agenten. Ein AWS-Sprecher bestätigte, dass der Agent Spezialwissen aus allen AWS-Bereichen aggregieren soll.

Was ist Intercom Fin und warum ist es wichtig?

Intercom bepreist seinen KI-Agenten „Fin“ mit 0,99 US-Dollar pro vollständig gelöstem Ticket. Das ist Outcome-based Pricing: Kosten entstehen nur, wenn das Problem gelöst wird. Im Vergleich zu Per-Seat-Lizenzen von 50 bis 150 Dollar pro Monat ist das ein Paradigmenwechsel. Salesforce hat mit der „Agentic Enterprise License Agreement“ ein Flatrate-Modell als Alternative eingeführt.

Welche Softwarekategorien sind am stärksten betroffen?

Am anfälligsten sind Point-Solutions: Ticket-Systeme, einfache CRM-Funktionen, Expense-Management, Meeting-Scheduling. Gartner schätzt, dass 35 Prozent dieser Einzellösungen bis 2030 durch Agenten ersetzt werden. Systems of Record (SAP, Oracle, Workday-HR) sind weniger gefährdet, da sie unternehmenskritische Daten speichern und regulatorischen Anforderungen unterliegen.

Was bedeutet der EU AI Act für Agent-Deployments?

Am 2. August 2026 greift die Compliance-Pflicht für Hochrisiko-KI-Systeme. KI-Agenten, die Entscheidungen in Beschäftigung, Kreditvergabe oder kritischer Infrastruktur treffen, benötigen ein Impact Assessment nach Art. 27 AI Act. Zusammen mit der DSGVO-Datenschutz-Folgenabschätzung (Art. 35) entsteht ein doppelter Compliance-Aufwand. Strafen: bis zu 35 Mio. Euro oder 7 Prozent des Jahresumsatzes.

Sollten DACH-Unternehmen jetzt SaaS-Verträge kündigen?

Nicht pauschal. Der erste Schritt ist ein SaaS-Portfolio-Audit: Welche Tools adressieren Aufgaben, die ein KI-Agent erledigen könnte? Neue Dreijahresverträge mit Per-Seat-Pricing sollten vermieden werden. Stattdessen auf nutzungs- oder ergebnisbasierte Modelle setzen und Ausstiegsklauseln verhandeln. Die Klarna-Erfahrung zeigt: Qualitätskontrolle und Change Management einplanen, bevor man skaliert.