Das Ende des klassischen Softwareprodukts: Warum Softwareunternehmen ihr Geschäftsmodell jetzt neu denken müssen

Executive Summary

Das klassische Geschäftsmodell „Wir entwickeln eine standardisierte Software, lizenzieren sie an viele Unternehmen und verteilen die Entwicklungskosten über möglichst viele Kunden” gerät strukturell unter Druck.

Das bedeutet jedoch nicht das Ende von Software. Es bedeutet das Ende von Software als knappem Gut.

Wenn Entwicklungskosten drastisch sinken, Software schneller verändert als verkauft werden kann und Unternehmen ihre individuellen Anforderungen durch KI zunehmend selbst abbilden können, verschiebt sich der ökonomische Wert weg vom Programmcode.

Die zukünftige Wertschöpfung konzentriert sich auf drei Ebenen:

1. Infrastructure & Systems of Record: Daten, Identitäten, Berechtigungen, Transaktionen, Compliance und Plattformen bleiben hochgradig standardisiert.
2. Agentic Business Layer: Prozesse und Benutzerinteraktion werden zunehmend dynamisch durch KI-Agenten erzeugt und orchestriert.
3. Outcome & Expertise Layer: Kunden kaufen zunehmend nicht mehr Softwarefunktionen, sondern Ergebnisse, Prozessleistung und Verantwortung.

Meine zentrale Prognose lautet deshalb: Software verschwindet nicht. Aber Software wird vom Produkt zum Produktionsmittel.

Der strategisch gefährlichste Bereich ist klassische horizontale oder vertikale Mid-Market-Software mit begrenztem proprietären Datenbestand, langer Implementierung und vielen kundenspezifischen Kompromissen.

1. Was sich gerade fundamental verändert

Die erste Softwareökonomie beruhte auf einem enormen Skaleneffekt: Ein Unternehmen investierte beispielsweise 20 Mio. € in ein ERP-, CRM- oder Planungssystem. Anschließend wurde nahezu identischer Code an Tausende Kunden verkauft. Die marginalen Kosten eines weiteren Kunden waren gering. Daraus entstand die außergewöhnliche Ökonomie der Softwareindustrie. Cloud und SaaS änderten hauptsächlich Distribution und Finanzierung: Lizenz → Subscription. Die grundlegende Logik blieb jedoch: Build once – sell many times.

Generative KI greift erstmals genau diese Grundannahme an.

AI-Coding-Systeme können inzwischen große Codebasen verstehen, Änderungen durchführen, Tests ausführen und komplette Entwicklungsaufgaben übernehmen. OpenAI beschreibt Codex ausdrücklich als Agenten, der komplexe Softwareentwicklungsaufgaben delegiert bekommt; GitHub und Gartner erwarten durch asynchrone Coding Agents bis 2028 Produktivitätssteigerungen von 30–50 %.

McKinsey sieht bereits bei den leistungsfähigsten Unternehmen Verbesserungen von 16–30 % bei Produktivität und Time-to-Market sowie 31–45 % bei Softwarequalität. Mehr als 90 % der untersuchten Softwareteams nutzen bereits KI in Entwicklungsaktivitäten.

Entscheidend ist dabei nicht, ob Softwareentwicklung heute bereits „nahezu kostenlos” ist. Das ist sie noch nicht. Entscheidend ist die Richtung der Grenzkosten. Sie fallen massiv.

2. Der entscheidende Effekt: Make-or-Buy kippt

Historisch war die Rechnung für Unternehmen einfach. Eine individuelle Software kostete vielleicht 500.000–2 Mio. €. Eine Standardsoftware kostete beispielsweise 100.000 € jährlich. Also akzeptierte der Kunde erhebliche funktionale Kompromisse.

Mit Agentic Engineering verändert sich diese Rechnung. Eine aktuelle wissenschaftliche Untersuchung zur Make-or-Buy-Entscheidung kommt genau zu diesem Ergebnis: Agentische Softwareentwicklung verändert die Kosten-, Time-to-Market- und Asset-Specificity-Logik fundamental. Gleichzeitig bleibt „Buy” bei regulierten und mission-critical Systemen attraktiv.

Die strategische Konsequenz ist enorm. Nehmen wir an:

Standardsoftware: 100.000 € jährlich, dazu

• Einführung
• Customizing
• Schulung
• Prozesskompromisse
• Vendor Lock-in

Alternative: Eine KI erstellt innerhalb weniger Wochen eine weitgehend maßgeschneiderte Lösung auf Azure, AWS, SAP BTP oder einer vergleichbaren Infrastruktur.

Wenn diese Lösung nur noch beispielsweise 50.000–150.000 € kostet, verändert sich die Make-or-Buy-Entscheidung fundamental. Noch wichtiger: Sie kann anschließend permanent angepasst werden. Damit verschwindet einer der wichtigsten Vorteile von Standardsoftware: die Kostendegression der Entwicklung.

3. Innovationszyklus schlägt Vertriebszyklus

Hier liegt möglicherweise die größere Disruption.

Enterprise-Software besitzt häufig 12–24 Monate Produktentwicklung, 6–18 Monate Enterprise-Sales-Cycle, mehrjährige Implementierung und mehrjährige Amortisation. Agentische Softwareentwicklung reduziert Produktentwicklungszyklen dagegen auf Wochen oder Monate.

Damit entsteht ein gefährliches Missverhältnis: Der Markt verändert sich schneller, als ein klassischer Softwareanbieter sein Produkt verkaufen kann. Ein Produkt kann technologisch bereits überholt sein, bevor der letzte Kunde der ursprünglichen Zielgruppe überhaupt erreicht wurde.

Auch die Erwartungshaltung der Käufer verändert sich. Bei AI-Produkten erwarten laut einer von a16z zitierten Untersuchung 57 % der Käufer einen positiven ROI innerhalb von drei Monaten; weitere 11 % erwarten ihn praktisch unmittelbar.

Das klassische Modell — Produkt entwickeln → Marketing → Vertrieb → Einführung → Renewal — wird deshalb zunehmend ersetzt durch: Problem → Prototyp → Integration → Betrieb → permanente Evolution.

4. Warum Microsoft, AWS, SAP und ähnliche Plattformen strategisch gewinnen

Unterhalb der sichtbaren Business-Anwendungen entsteht eine zunehmend mächtige standardisierte Infrastruktur.

Microsoft positioniert Dataverse mit Fabric inzwischen explizit als „enterprise-ready agentic and low-code data platform”, auf der skalierbare Agents, Copilot-Anwendungen und Automationen aufgebaut werden können. Microsoft beschreibt Dataverse zugleich als „Agent Data Platform”, die Agenten Datenzugriff plus Business Context zur Verfügung stellt.

Copilot Studio wird entsprechend nicht mehr primär als Low-Code-Tool, sondern als Plattform für Agents, agentic Workflows und Multi-Agent-Prozesse positioniert.

AWS beschreibt bereits eine Enterprise-Architektur mit getrennten Ebenen für Applications, Agents, Models, Tools und Knowledge Bases.

SAP verfolgt dieselbe Richtung. Joule Agents besitzen Business-Process-Kontext und sollen komplette Workflows automatisieren; Joule Assistants koordinieren diese Agents abhängig von Rolle, Prozess und Intention.

Daraus entsteht eine neue Architektur: unten stabil, oben hochgradig dynamisch. Datenbank, Identity, Security, ERP Ledger und Transaktionssystem verändern sich relativ langsam. Die darüberliegenden Business-Anwendungen können dagegen zunehmend kurzfristig generiert werden.

5. Die neue Unternehmensarchitektur

Heute denken Unternehmen beispielsweise: SAP, Salesforce, HubSpot, ServiceNow, Power BI, Planning Software, HR Software.

Die zukünftige Perspektive könnte eher lauten:

Data + Transaction Layer — SAP / Microsoft / AWS / Snowflake / Databricks / andere Systems of Record.

Darüber: Semantic & Governance Layer — Unternehmensobjekte, Berechtigungen, Policies, APIs, MCP, Knowledge Graphs.

Darüber: Agent Layer — Agents übernehmen Sales Operations, Planung, Controlling, Procurement, Recruiting oder Customer Service.

Ganz oben: Generative UI — die Benutzeroberfläche wird abhängig von Aufgabe und Nutzer erzeugt.

Damit entsteht ein fundamentaler Paradigmenwechsel. Heute benutzt ein Mensch Software. Morgen sagt ein Mensch: „Analysiere die Abweichungen im europäischen Vertrieb und entwickle drei Maßnahmen.” Der Agent entscheidet selbst, welche Daten, Systeme, Modelle und Tools dafür benötigt werden. Die Anwendung verschwindet aus Sicht des Nutzers weitgehend.

6. Software wird zu „Ephemeral Software”

Hier liegt meines Erachtens der langfristig wichtigste Punkt.

Wir werden zunehmend Software sehen, die nicht als langlebiges Produkt gedacht ist. Sie wird für einen bestimmten Prozess oder eine bestimmte Aufgabe erzeugt. Ändert sich der Prozess, wird die Software geändert oder neu generiert.

Ein aktuelles Forschungspapier beschreibt genau diesen Übergang: Entscheidungslogik liegt zunehmend im LLM-basierten Agenten, während Code zum temporären Werkzeug des Agenten wird. Die Autoren sprechen von einem Übergang von Software-as-a-Service zu Agent-as-a-Service.

Das ist konzeptionell radikal. Heute lautet die Frage: Welche Software kaufen wir? Künftig lautet sie: Welchen Prozess wollen wir ausführen? Noch später: Welches Ergebnis wollen wir erreichen?

7. Was passiert mit SaaS?

SaaS verschwindet nicht kurzfristig. Aber seine wirtschaftliche Rolle verändert sich.

Deloitte beschreibt 2026 ausdrücklich keine einfache Ablösung von SaaS durch Individualsoftware, sondern eine hybride Welt aus SaaS, agentisch entwickelten Individualanwendungen und AI-Layern.

Das halte ich für die realistischste Übergangsphase:

2026–2028: Bestehende SaaS-Systeme dominieren weiterhin. Agents werden darübergelegt.

2028–2031: Immer mehr Point Solutions werden durch Agenten ersetzt oder gar nicht mehr gekauft.

Nach 2030: Viele Business-Anwendungen werden eher konfiguriert, komponiert oder generiert als gekauft.

Die Unsicherheit ist bei den Jahreszahlen hoch. Bei der Richtung dagegen deutlich geringer.

8. Welche Software besonders gefährdet ist

Besonders gefährdet ist Software, deren Wert hauptsächlich aus UI, Workflow und Businesslogik besteht. Beispielsweise: einfache CRM-Erweiterungen, Reporting-Tools, Projektmanagement, Workflow-Systeme, Konfiguratoren, Planungsanwendungen, einfache HR-Anwendungen, Sales-Tools und zahlreiche Branchenlösungen.

Warum? Weil sich deren Funktion relativ einfach beschreiben lässt. Und alles, was sich präzise beschreiben lässt, wird zunehmend generierbar.

Eine Unternehmenssoftware mit dem Kernversprechen „Wir haben 15 Screens und 40 Workflows für diese Branche programmiert” besitzt deshalb langfristig nur noch einen schwachen Burggraben.

9. Welche Software bestehen bleibt

Ganz anders sieht es bei sogenannten Systems of Record aus. SAP ist nicht primär wertvoll, weil SAP besonders gute Eingabemasken besitzt. Der Wert liegt unter anderem in: Datenmodell, Transaktionslogik, Compliance, Berechtigungen, Integration, Auditierbarkeit und jahrzehntelang codiertem Prozesswissen.

Ähnliches gilt für Bankensysteme, Versicherungsplattformen, industrielle Steuerung, Medizintechnik oder Safety-Critical Software. Agentische KI erhöht dort eher die Nutzbarkeit der Systeme, als dass sie diese kurzfristig ersetzt.

Genau deshalb bauen SAP, Microsoft und ServiceNow Agents in ihre Plattformen hinein, statt ihre Plattformen abzuschaffen.

10. Der eigentliche Burggraben verschiebt sich

Früher war Code Intellectual Property. Dieser Burggraben wird kleiner. Die neuen Burggräben heißen:

Daten und Kontext. Wer beispielsweise historische Maschinen-, Kunden-, Prozess- oder Transaktionsdaten besitzt, kann bessere Systeme bauen.

Integration und Execution Authority. Ein Agent, der lediglich Antworten gibt, ist austauschbar. Ein Agent, der tatsächlich bestellen, buchen, konfigurieren, freigeben oder Maschinen steuern darf, ist tief im Unternehmen verankert.

Vertrauen und Verantwortung. Governance, Security, Compliance und Auditierbarkeit gewinnen massiv an Bedeutung. AWS, ServiceNow und Microsoft bauen genau deshalb Governance- und Control-Layer für Agents auf.

Der Burggraben wandert damit: Code → Daten → Integration → Workflow → Trust → Outcome.

11. Was Kunden zukünftig kaufen

Die entscheidende Veränderung betrifft möglicherweise nicht Technologie, sondern die Einkaufseinheit.

Vergangenheit: Softwarelizenz. Heute: SaaS Seat. Nächste Stufe: AI Usage. Danach: Outcome.

Bessemer formuliert diese Entwicklung sehr klar: AI-Systeme ähneln zunehmend digitalen Mitarbeitern und sollten daher eher für geleistete Arbeit oder Ergebnisse bezahlt werden als für Zugang zur Software. Deloitte untersucht inzwischen bereits die Bilanzierung von „outcome-based pricing” für agentische SaaS-Angebote.

Damit könnten zukünftig Angebote entstehen wie:

Statt: „Sales Software: 89 € pro User.” Sondern: „Qualifizierter Lead: 70 €.” Oder: „Bearbeitete Rechnung: 1,20 €.” Oder: „Gelöster Supportfall: 4 €.” Oder: „Produktionsplanung: 25.000 € pro Werk und Monat einschließlich garantiertem Service Level.”

Die Software verschwindet wirtschaftlich hinter dem Ergebnis.

12. Noch radikaler: Software greift den Dienstleistungsmarkt an

Hier entsteht wahrscheinlich der größere Markt.

Wenn AI-Agenten nicht Software ersetzen, sondern menschliche Arbeit, konkurriert ein Anbieter nicht mehr mit dem Softwarebudget. Er konkurriert mit Personalkosten und externen Dienstleistungen.

Bessemer weist darauf hin, dass Professional Services rund 13 % des US-BIP ausmachen und damit etwa zehnmal größer als die Softwareindustrie sind. AI-native Services könnten auf einen Teil dieses erheblich größeren Marktes zugreifen.

Das verändert die Logik des adressierbaren Marktes fundamental.

Ein heutiger Anbieter verkauft beispielsweise: Controlling Software für 100.000 €. Der zukünftige Anbieter verkauft: „Wir betreiben Dein Controlling.” Preis: 500.000 € p.a. Interne Kosten vorher: 1,5 Mio. € p.a.

Plötzlich ist der adressierbare Markt nicht das IT-Budget. Es ist das Prozesskostenbudget.

13. Das zukünftige Businessmodell lautet deshalb nicht „Software”

Es lautet wahrscheinlich: Outcome-as-a-Service.

Der Anbieter übernimmt einen Geschäftsprozess oder einen klar definierten Teil davon. Software und Agents sind lediglich Produktionsmittel.

Ein klassisches Beispiel wäre: „Wir liefern Dir monatlich einen geprüften Forecast einschließlich Abweichungsanalyse und Handlungsempfehlungen.” Nicht: „Wir liefern Dir Forecasting-Software.”

14. Drei strategische Modelle

Modell A – Plattform / System of Record

Beispiele: Microsoft, AWS, SAP, ServiceNow. Extrem attraktive Position, hohe Lock-ins und hohe Wechselkosten. Nachteil: Für neue Anbieter kaum erreichbar.

Modell B – Vertical Intelligence / Agent Platform

Der Anbieter besitzt tiefes Prozesswissen einer Branche. Beispielsweise: „AI Operating System für Maschinenbauer”. Aber nicht als klassische Anwendung — der Anbieter liefert Datenmodell, Agents, Integrationen, Policies und Branchenwissen. Vorteil: Differenzierung über Domain Expertise. Risiko: Die Hyperscaler ziehen Teile dieser Funktionalität in ihre Plattformen.

Modell C – AI-native Managed Outcome

Der Anbieter verkauft direkt das Ergebnis. Beispielsweise: Sales Operations, Controlling, Procurement, Customer Service. Vorteil: Sehr großer adressierbarer Markt und unmittelbarer ROI. Nachteil: Mehr operative Verantwortung und geringere klassische Softwaremargen.

Meine Einschätzung: Modell C besitzt für viele heutige Mittelstandssoftwareanbieter das größte disruptive Potenzial.

15. Das Paradox der kommenden Softwareökonomie

Wir werden wahrscheinlich mehr Software als jemals zuvor haben. Aber möglicherweise weniger klassische Softwareunternehmen.

Denn wenn Softwareerstellung billig wird, lohnt es sich nicht mehr zwingend, Software zu verkaufen. Unternehmen produzieren Software selbst. Beratungen produzieren Software. Fachabteilungen produzieren Software. Agents produzieren Software.

Software wird Bestandteil nahezu jedes Geschäftsprozesses. Damit passiert mit Software möglicherweise dasselbe, was mit Webseiten passiert ist. 1996 war „Wir erstellen Webseiten” ein Geschäftsmodell. Heute benötigt praktisch jedes Unternehmen Webseiten. Aber das Erstellen einer normalen Webseite ist kein besonders attraktiver Burggraben mehr. KI könnte Software denselben Weg gehen lassen.

16. Gewinner und Verlierer

Die strategische Landschaft könnte sich stark polarisieren.

Gewinner: Hyperscaler, Systems of Record und AI-Plattformen. Unternehmen mit proprietären Daten, Netzwerken oder Transaktionen. Anbieter, die komplette Outcomes verantworten.

Unter Druck: klassische Point-Solution-SaaS-Anbieter. Softwareprodukte mit langen Vertriebs- und Implementierungszyklen. Anbieter, deren Intellectual Property im Wesentlichen aus Code und UI besteht.

17. Ein neuer strategischer Test für Softwareunternehmen

Die zentrale Frage lautet zukünftig nicht mehr: Wie gut ist unser Produkt?

Sondern: Warum sollte ein Kunde diese Funktion in drei Jahren noch kaufen, statt sie von seiner AI-Plattform generieren zu lassen?

Wenn die Antwort lautet „Weil wir bessere Funktionen haben”, ist das strategisch schwach.

Starke Antworten wären: „Weil wir einzigartige Daten besitzen.” „Weil wir Teil der Transaktionsinfrastruktur sind.” „Weil wir regulatorische Verantwortung übernehmen.” „Weil wir den gesamten Prozess betreiben.” „Weil unser Netzwerk Marktzugang schafft.” „Weil wir für das Ergebnis haften.”

18. Meine Prognose für 2030+

Ich würde die Softwareindustrie nicht als sterbende Industrie betrachten. Ich würde sie in drei Schichten zerlegen.

Layer 1 – Software Infrastructure

Bleibt extrem wertvoll. Cloud, Daten, Security, Identity, Transaktionen, Plattformen.

Layer 2 – Applications

Wird massiv commoditisiert. Viele klassische Anwendungen verlieren ihren eigenständigen Produktstatus.

Layer 3 – Intelligent Work

Explodiert. Agents führen Prozesse aus, treffen vorbereitende Entscheidungen und erzeugen bei Bedarf Software.

Der größte Teil neuer Wertschöpfung wandert damit von Layer 2 zu Layer 1 und Layer 3. Das klassische Softwareunternehmen sitzt genau in der gefährlichsten Mitte.

19. Strategische Konsequenz für heutige Softwareanbieter

Ein Softwareunternehmen sollte deshalb nicht primär fragen: „Wie integrieren wir KI in unser Produkt?” Das ist zu defensiv.

Die bessere Frage lautet: „Wenn unsere heutige Software kostenlos erzeugt werden könnte – welches Geschäft hätten wir dann noch?”

Aus dieser Frage ergibt sich die Transformation. Von: Software Vendor. Zu beispielsweise: Process Platform, Data Platform, Agent Operator, Industry Operating System, Managed Outcome Provider.

20. Gesamtbewertung

„Die ökonomische Knappheit standardisierter Business-Applikationen verschwindet.”

Und genau diese Knappheit war bislang Grundlage eines großen Teils der Softwareindustrie.

Was knapp bleibt, sind dagegen: Daten. Zugang. Vertrauen. Integration. Prozesswissen. Haftung. Marktzugang. Execution Authority.

Darauf werden die nächsten großen Businessmodelle aufgebaut.

Die vielleicht wichtigste Konsequenz lautet deshalb: Der Wettbewerb der Zukunft lautet nicht mehr Software gegen Software. Er lautet: Wer kann einen Geschäftsprozess am besten, schnellsten und günstigsten ausführen? Software ist dann nur noch ein Bestandteil der Produktionsmaschine.

Für die strategische Diskussion würde ich daraus eine noch zugespitztere These ableiten: Der Softwaremarkt wird nicht kleiner, aber der eigenständige Application-Layer wird ökonomisch ausgehöhlt. Wert wandert gleichzeitig nach unten zu Plattform/Data und nach oben zu Prozess/Outcome. Genau dort würde ich bei einem heutigen Softwareunternehmen nach der zukünftigen Positionierung suchen.