SaaS ist tot. Oder etwa doch nicht? Warum KI die Regeln für Unternehmenssoftware neu schreibt

Von Stefan von Lieven

Wer wie ich seit mehr als 20 Jahren als Gründer und CEO im E-Mail-Marketing tätig ist, entwickelt eine gewisse Gelassenheit gegenüber Untergangsprognosen. Kaum ein digitaler Kanal wurde so oft für tot erklärt wie die E-Mail – und kaum ein Kanal hält sich so hartnäckig. Und jetzt also SaaS? Nein, SaaS ist nicht tot. Aber diesmal lohnt es sich, genauer hinzusehen.

Denn die eigentliche Frage ist nicht, ob Software-as-a-Service verschwindet. Die entscheidende Frage ist, wie sich SaaS verändert, wenn künstliche Intelligenz grundlegend beeinflusst, wie Software entwickelt, eingeführt und genutzt wird. Es geht also nicht um das Ende von SaaS. Es geht um das Ende von SaaS, wie wir es bisher kennen.

Erwartung vs. Realität: Der Engpass ist oft organisatorisch

Rund um KI erleben wir derzeit eine Phase überzogener Erwartungen. Das Innovationstempo ist enorm. Fast jedes Wochenende entstehen neue Prototypen, Demos und Anwendungsbeispiele, die den Eindruck vermitteln, eine völlig neue Softwarewelt stehe unmittelbar bevor. In den Unternehmen selbst ist davon bislang allerdings nur begrenzt etwas zu sehen. Viele Organisationen tun sich nach wie vor schwer damit, auch nur einen einzigen KI-Anwendungsfall aus der Pilotphase in den produktiven Betrieb zu überführen. Zwischen ersten Experimenten und einem belastbaren Einsatz im Unternehmen liegt oft noch ein weiter Weg – vor allem dann, wenn Sicherheit, Skalierbarkeit und Compliance mitgedacht werden müssen. Während einige wenige Unternehmen bereits erstaunlich weit sind, kommen viele andere kaum über KI-gestützte Suche oder erste Assistenzfunktionen hinaus.

Der Engpass liegt selten in der Technologie, sondern in der Organisation. KI ist kein Wundermittel, um bestehende Schwächen auszugleichen. Unzureichende Datenqualität, historisch gewachsene Systemlandschaften und fehlende Zusammenarbeit zwischen Bereichen bleiben auch im KI-Zeitalter ein Bremsklotz. Im Gegenteil: Oft werden diese Schwächen durch KI erst richtig sichtbar. Unternehmen mit sauber strukturierten Daten, modularen Architekturen und gut eingespielten, bereichsübergreifenden Teams kommen schneller voran. Wo diese Grundlagen fehlen, bleibt KI häufig im Stadium des Dauerpiloten stecken – begleitet von endlosen Abstimmungen zwischen Fachbereich, IT, Datenschutz und Compliance.

Vor diesem Hintergrund überrascht es kaum, dass Unternehmen das Potenzial von KI derzeit vor allem unter Effizienzgesichtspunkten betrachten. Laut Gartner steht für 49 Prozent der Unternehmen Zeitersparnis im Vordergrund, 40 Prozent priorisieren Kostensenkung. Nur 19 Prozent sehen den Schwerpunkt in einer weiterentwickelten Personalisierung. Anders gesagt: KI wird aktuell vor allem eingesetzt, um Bestehendes effizienter zu machen – nicht, um grundlegend Neues zu schaffen. Wie groß die Lücke zwischen Erwartung und konkreter Umsetzung ist, zeigt eine weitere Gartner-Zahl: 79 Prozent der Führungskräfte gehen davon aus, dass KI bis 2030 einen spürbaren Beitrag zum Umsatz leisten wird. Aber nur 24 Prozent können heute konkret benennen, woher dieser zusätzliche Umsatz eigentlich kommen soll.

Für CIOs und CMOs ist diese Haltung nachvollziehbar. In einem wirtschaftlichen Umfeld, das von Kostendruck, knappen Ressourcen und hoher Unsicherheit geprägt ist, wirkt es vernünftig, zunächst Produktivität zu steigern und Kapazitäten freizusetzen. Genau darin liegt aber auch die Grenze dieses Denkens: Wer KI vor allem als Effizienzwerkzeug betrachtet, verschiebt die eigentliche Transformation. Die entscheidende Frage, wie sich Geschäftsmodelle, Kundenbeziehungen und Wertschöpfung durch KI neu denken lassen, bleibt dann vorerst offen.

Gleichzeitig gerät noch ein anderes Grundprinzip der bisherigen Softwarewelt unter Druck: das klassische SaaS-Modell selbst. Über viele Jahre haben Unternehmen immer größere Martech-Stacks aufgebaut. Scott Brinker und Frans Riemersma haben diese Entwicklung mit ihrer Martech Landscape eindrucksvoll sichtbar gemacht: Aus einigen Hundert Lösungen wurden viele Tausend. Doch mehr Auswahl hat nicht zu mehr Einfachheit geführt. Stattdessen ist in vielen Unternehmen eine Softwarelandschaft entstanden, die von unzureichend genutzten Tools, fragilen Integrationen und komplexen Workflows geprägt ist – also von genau jenen Reibungsverlusten, die Software eigentlich beseitigen sollte.

Hier verändert KI die Spielregeln. Denn KI senkt die Hürden für Entwicklung, Integration und Automatisierung. Aufgaben, für die früher spezialisierte Anbieter oder aufwendige Individualentwicklungen nötig waren – etwa Prozesslogiken, Datentransformationen oder Orchestrierungsschichten –, lassen sich zunehmend intern und mit deutlich geringerem Aufwand umsetzen. Was derzeit unter Begriffen wie „Vibe Coding“ diskutiert wird, ist deshalb weit mehr als ein kurzfristiger Trend. Es zeigt, dass die Grenze zwischen Software einkaufen und Software selbst bauen zunehmend verschwimmt.

Unternehmen setzen damit immer seltener auf fertige Anwendungen als geschlossene Produkte. Stattdessen kombinieren sie gezielt die Funktionen und Bausteine, die sie für ihre eigenen Prozesse wirklich brauchen. Auch dieser Wandel ist längst sichtbar. Gartner geht davon aus, dass 80 Prozent der Unternehmen künftig auf Composable-Architekturen setzen werden, während nur noch 20 Prozent überwiegend auf monolithische Suite-Ansätze bauen. Dahinter steckt mehr als nur ein Architekturtrend. Es geht um ein neues Verständnis von Unternehmenssoftware: weg von vordefinierten Werkzeugkästen, hin zu flexiblen, anschlussfähigen Systemen, die sich an den tatsächlichen Anforderungen des Unternehmens orientieren.

Genau daraus entsteht der eigentliche Druck auf SaaS-Anbieter. Es geht dabei nicht nur um technologische Disruption durch KI. Es geht auch um die wachsende Reife auf Kundenseite. Unternehmen sind immer weniger bereit, für überladene Funktionspakete zu zahlen, von denen sie nur einen Bruchteil nutzen. Ebenso wenig akzeptieren sie eingeschränkte Interoperabilität, die allzu oft als nahtlose Integration vermarktet wurde. KI verschafft ihnen nun die Möglichkeit, sich aus solchen Abhängigkeiten schrittweise zu lösen: indem sie gezielter selbst entwickeln, Systeme bewusster integrieren und die Abhängigkeit von einzelnen Anbietern verringern.

Für Anbieter schafft das eine neue Realität. Software ohne tiefes fachliches Domänenwissen wird es künftig deutlich schwerer haben, relevant zu bleiben. Standardfunktionen lassen sich immer häufiger nachbauen, automatisieren oder systemübergreifend steuern. Auch Lösungen, die sich nun als „agentisch“ positionieren, werden nicht automatisch überzeugen. Entscheidend ist nicht das Etikett, sondern ob ein System den fachlichen und operativen Kontext eines Unternehmens wirklich versteht und daraus belastbare Ergebnisse ableiten kann.

Was sich stattdessen abzeichnet, ist eine neue Form von Enterprise Architecture – und diese ist im Kern hybrid. Im Zentrum steht eine verlässliche, regelbasierte Ebene: Systeme, in denen Daten sauber geführt, Prozesse kontrolliert und Regeln nachvollziehbar umgesetzt werden. Drum herum entsteht eine agentische Ebene, in der KI systemübergreifend arbeitet, Abläufe koordiniert, Entscheidungen vorbereitet oder trifft und Ergebnisse laufend optimiert. In einem solchen Modell verlieren einzelne Tools an Bedeutung. Sie sind nicht länger der Endpunkt, sondern werden zu Bausteinen, die sich je nach Bedarf aufrufen, kombinieren und anhand ihrer Wirkung bewerten lassen. Der Blick richtet sich damit weniger auf den Funktionsumfang einzelner Anwendungen als auf die Ergebnisse, die sich mit ihnen erzielen lassen. Nicht der Besitz einzelner Tools steht im Vordergrund, sondern ihre intelligente Orchestrierung.

Für CMOs hat das weitreichende Folgen. Marketing wird in der Ausführung zunehmend autonomer. Kampagnen sind dann keine statischen Maßnahmen mehr, sondern dynamische Systeme, die sich in Echtzeit an Zielgruppen, Kontexte und Signale anpassen. Personalisierung bedeutet dann nicht länger nur Segmentierung, sondern kontinuierliche Entscheidungslogik auf individueller Ebene.

Für CIOs ist diese Entwicklung nicht weniger tiefgreifend. Architektur wird zum strategischen Hebel. Data Governance wird zur Voraussetzung dafür, dass KI im Unternehmen überhaupt zuverlässig wirken kann. Und die Anbieterstrategie wird zur Grundsatzfrage: Wie viel Offenheit ist gewünscht, wie viel Kontrolle notwendig – und wie lässt sich beides so austarieren, dass daraus langfristige Handlungsfähigkeit entsteht?

Genau diese Spannung zwischen offenen Ökosystemen und geschlossenen Suites dürfte die nächste Phase der Unternehmenssoftware prägen. Die etablierten Suite-Anbieter werden versuchen, sich als KI-Plattformen neu zu positionieren – häufig, indem sie ihren bestehenden Architekturen eine zusätzliche agentische Schicht hinzufügen. Zugleich werden viele von ihnen daran festhalten, Daten, Zugänge und Wertschöpfung möglichst eng an das eigene Ökosystem zu binden. Parallel dazu entsteht jedoch eine neue Generation von Lösungen, die Composability, Interoperabilität und Offenheit nicht als Zusatz versteht, sondern als Ausgangspunkt.

SaaS verschwindet also nicht. Aber es verliert seine Rolle als Zentrum der Wertschöpfung. KI verschiebt den Wert weg von einzelnen Anwendungen und hin zu intelligenten, vernetzten Systemen, die sich flexibel zusammensetzen, steuern und weiterentwickeln lassen.

Offene Ökosysteme gewinnen an Bedeutung – und Entirely setzt genau hier an

Für Entscheiderinnen und Entscheider in Unternehmen lautet die strategische Frage deshalb nicht mehr in erster Linie, welche Tools sie kaufen sollten. Wichtiger ist, welche Fähigkeiten sie aufbauen wollen, wie sie diese orchestrieren und wie sie sie über die Zeit weiterentwickeln. Erfolgreich werden nicht jene Organisationen sein, die mit KI einfach nur dasselbe schneller erledigen. Erfolgreich werden diejenigen sein, die mit KI Dinge möglich machen, die bisher außerhalb ihres Handlungsspielraums lagen.

KI macht SaaS nicht überflüssig. Aber sie verändert, wofür SaaS künftig steht.