Dreißig Jahre lang wurde Unternehmenssoftware pro Platz verkauft. Sie zählten Ihre Nutzer, multiplizierten mit einer monatlichen Gebühr, und das war die Rechnung. Die Logik hielt, weil ein Login einen Menschen bedeutete, der eine begrenzte Menge Arbeit erledigte. Mehr Menschen, mehr Wert, mehr Umsatz. Jedes SaaS-Unternehmen der Welt wurde auf dieser einen Annahme gebaut.
KI-Agenten brechen sie in einem Zug. Ein KI-Mitarbeiter loggt sich nicht ein, hält keine Lizenz und erledigt keine begrenzte Menge Arbeit. Er stellt ganze Arbeitsabläufe autonom fertig, und einer von ihnen kann die Arbeit vieler Menschen leisten. Pro Platz für einen Agenten zu berechnen ist wie eine Gebühr pro Parkplatz für eine selbstfahrende Flotte - die Einheit, die Sie messen, hat nichts mit dem geschaffenen Wert zu tun.
Der Markt hat es bereits bemerkt. Gartner schätzt, dass rund 234 Milliarden US-Dollar an Ausgaben für Anwendungssoftware, etwa 20 Prozent des Gesamten, bis 2030 von Plätzen zu Verbrauchs- und Ergebnismodellen umgepreist werden1. Dieser Leitfaden richtet sich an den CTO, CFO oder Geschäftsführer, der diesen Wandel einordnen will: was ergebnisbasierte Preise wirklich sind, warum sie nur unter bestimmten Bedingungen funktionieren und wie man sie als Käufer bewertet, ohne sich die Finger zu verbrennen.
Kurzfassung
Pro-Platz kollabiert - Platzbasierte Preise fielen innerhalb eines Jahres von rund 21 Prozent auf 15 Prozent der befragten SaaS-Unternehmen, während Hybridmodelle über 60 Prozent kletterten.
Agenten brechen die Platz-Logik - Ein KI-Mitarbeiter stellt ganze Arbeitsabläufe fertig, ohne einen Platz zu belegen, sodass die Verbindung zwischen Nutzerzahl und Wert verschwindet.
Ergebnispreise bedeuten, für Resultate zu zahlen - Fin von Intercom berechnet rund 0,99 US-Dollar nur dann, wenn ein Ticket vollständig gelöst wird, und nichts, wenn nicht.
Ergebnispreise funktionieren nur mit Eigentum - Ein Anbieter kann nur pro Ergebnis abrechnen, wenn der Agent tatsächlich ein durchgängiges Ergebnis besitzt, was ein Company Brain, Schreibzugriff auf Ihre Systeme und Lernen aus Feedback erfordert.
Ein umbenannter Chatbot kann nicht pro Ergebnis abgerechnet werden - weil er nie eines fertigstellt. Die Aufgabe des Käufers ist es, den Unterschied vor der Unterschrift zu erkennen.
Das Pro-Platz-Modell kollabiert
Das Pro-Platz-Abo war die erfolgreichste Preisidee der Softwaregeschichte. Es ist auch die, die KI am schnellsten demontiert. Die Zahlen der letzten zwei Preiszyklen sind kein sanftes Abdriften - sie sind ein struktureller Bruch, und jeder SaaS-Vorstand starrt inzwischen darauf.
- Plätze schrumpfen als primäres Modell - Pro-Platz-Preise fielen innerhalb eines Jahres von rund 21 Prozent auf 15 Prozent der befragten SaaS-Unternehmen, und reine Pro-Nutzer-Preise als primäres Modell sanken von 64 Prozent auf 57 Prozent13.
- Hybrid ist zum Standard geworden - Die Verbreitung hybrider Preise (Abo plus Nutzung oder Ergebnis) erreichte rund 61 Prozent, ein Plus von 12 Prozentpunkten im Jahresvergleich, und Hybrid-Unternehmen melden die höchsten mittleren Wachstumsraten9.
- Nutzungsbasierte Komponenten sind heute normal - Rund 61 Prozent der SaaS-Unternehmen haben inzwischen ein nutzungsbasiertes Element, gegenüber 34 Prozent im Jahr 2021, und etwa 83 Prozent der KI-nativen SaaS-Unternehmen bieten nutzungsbasierte Preise an3.
- Analysten sehen eine einmalige Umpreisung, kein Strohfeuer - Gartner setzt rund 234 Milliarden US-Dollar an Ausgaben für Anwendungssoftware dem Risiko aus, bis 2030 von Plätzen wegzuwandern, etwa 20 Prozent der Ausgaben für Anwendungs-SaaS1.
- Der Umbau ist breit - IDC prognostiziert, dass 70 Prozent der Softwareanbieter ihre Preise bis 2028 von reinen Pro-Platz-Modellen umbauen15.
- Etablierte Anbieter bewegen sich bereits - GitHub hat Copilot-Premium-Anfragen auf nutzungsbasierte Abrechnung umgestellt, Zendesk hat Preise eingeführt, die für gelieferte Lösungen statt für Plätze berechnen, und Workday hat Verbrauchsguthaben eingeführt, damit Kunden KI-Fähigkeit abrufen, ohne Pro-Nutzer-Lizenzen hinzuzufügen15.
Zentrale Kennzahl
Gartner formuliert den Wandel unmissverständlich: Die 234 Milliarden US-Dollar sind keine Ausgaben, die verschwinden, sondern Ausgaben, die umgepreist werden. Rund 20 Prozent der Ausgaben für Anwendungs-SaaS wandern bis 2030 von platzbasierten Abos zu Verbrauchs- und Ergebnismodellen1. Der Kuchen schrumpft nicht - die Art, wie Sie ein Stück bezahlen, ändert sich vollständig.
Was diesen Wandel von früheren Preismoden unterscheidet, ist die Ursache. Nutzungsbasierte Preise verbreiteten sich in den 2010ern, weil Cloud-Infrastruktur nach Verbrauch abgerechnet wurde. Dieser Wandel ist anders: Er geschieht, weil das, was die Arbeit erledigt, kein Mensch am Schreibtisch mehr ist.
| Preis-Indikator | Damals | Heute | Quelle |
|---|---|---|---|
| Platzbasiert als primäres Modell | ~21% der SaaS-Unternehmen | ~15% der SaaS-Unternehmen | Monetizely 202513 |
| Verbreitung Hybridmodell | ~49% (Vorjahr) | ~61% | Maxio 20259 |
| Unternehmen mit nutzungsbasiertem Element | 34% (2021) | ~61% | Growth Unhinged14 |
| Bis 2030 umgepreiste Anwendungs-SaaS-Ausgaben | Marginal | ~20% (~234 Mrd. USD) | Gartner 20261 |
| Anbieter, die bis 2028 von reinem Pro-Platz umbauen | Wenige | ~70% | IDC via Monetizely15 |
Warum Plätze brechen, wenn Agenten die Arbeit machen
Um zu verstehen, warum der Platz die falsche Einheit ist, müssen Sie ansehen, was der Platz die ganze Zeit still gemessen hat. Ein Platz ging es nie wirklich um einen Stuhl oder ein Login - er war ein Stellvertreter für menschliche Arbeit. KI entfernt den Menschen aus dieser Gleichung, und der Stellvertreter misst nichts mehr.
Was ein Platz eigentlich bepreiste
- Ein Platz bepreiste den Durchsatz eines Menschen - Ein lizenzierter Nutzer konnte nur so viele Tickets, Rechnungen oder Leads am Tag bearbeiten, also folgte die Platzzahl der Kapazität.
- Ein Platz bepreiste Zugang, nicht Resultate - Sie zahlten für das Recht, das Werkzeug zu nutzen, und ob die Arbeit erledigt wurde, war Ihr Problem, nicht das des Anbieters.
- Ein Platz skalierte mit der Belegschaft - Mehr Output bedeutete, mehr Menschen einzustellen und mehr Plätze zu kaufen, sodass der Umsatz mit der Lohnliste des Kunden stieg.
- Ein Platz war leicht zu zählen - Das ganze Modell überlebte, weil man es mit einem Login-Report prüfen konnte, nicht weil es Wert widerspiegelte.
Ein KI-Mitarbeiter verletzt jede dieser Annahmen auf einmal. Er verarbeitet weit mehr als ein Mensch, braucht kein Login, um Wert zu schaffen, sein Output hat keine feste Beziehung zur Belegschaft, und im Platz-Report gibt es nichts zu zählen, weil kein Platz belegt ist.
Platzbasiert vs. ergebnisbasiert bei KI-Arbeit
Pro Platz, auf einen Agenten angewandt
- ✗ Misst das Falsche - berechnet ein Login, das der Agent nie nutzt
- ✗ Bestraft Effizienz - Ein Agent, der fünf Plätze ersetzt, kürzt den Umsatz des Anbieters
- ✗ Verbirgt den Wert - Der Käufer sieht nicht, was er für die Gebühr wirklich bekam
- ✗ Fehlausrichtung der Anreize - Der Anbieter wird bezahlt, ob Arbeit fertig wird oder nicht
Pro Ergebnis, auf einen Agenten angewandt
- ✓ Misst fertiggestellte Arbeit - berechnet ein gelöstes Ticket oder eine gebuchte Rechnung
- ✓ Belohnt Effizienz - Mehr fertige Ergebnisse bedeuten mehr Wert und mehr Umsatz zugleich
- ✓ Macht Wert sichtbar - Die Rechnung ist eine Zählung erledigter Dinge
- ✓ Richtet Anreize aus - Der Anbieter verdient nur, wenn die Arbeit fertig wird
Das ist keine Marketing-Vorliebe. Es ist der Grund, warum die ganze Kategorie sich bewegen muss, und die Analysten, die das beobachten, sind ungewöhnlich deutlich beim Mechanismus.
“Das durchbricht die Verbindung zwischen Nutzerwachstum und Umsatzwachstum für viele Anbieter von Unternehmenssoftware.”
- George Brocklehurst, Managing Vice President bei Gartner2
Die Analogie der selbstfahrenden Flotte, konkret gemacht
Stellen Sie sich ein Taxiunternehmen vor, das Ihnen jeden Parkplatz berechnet, auf dem seine Autos stehen können. Als menschliche Fahrer je ein eigenes Auto brauchten, folgten die Parkplätze ungefähr der Flottengröße. Jetzt ist die Flotte autonom, die Autos fahren fast rund um die Uhr, und ein Fahrzeug bedient weit mehr Fahrten. Pro Parkplatz zu zahlen wäre absurd - Sie würden für Leerkapazität zahlen, die nichts mit den gelieferten Fahrten zu tun hat.
- Der Platz ist der Parkplatz - Er zählte eine Ressource, die früher mit dem Output korrelierte und es nicht mehr tut.
- Die abgeschlossene Fahrt ist das Ergebnis - Das, was Sie eigentlich wollten, und das Einzige, wofür zu zahlen sinnvoll ist.
- Auslastung entkoppelt sich von der Belegschaft - Ein Agent kann, wie ein autonomes Auto, ununterbrochen laufen, also ist Kapazität nicht mehr durch die Zahl der Beschäftigten begrenzt.
- Wert konzentriert sich in der Fertigstellung - Eine Fahrt, die nie endet, ist wertlos, und ebenso ein Ergebnis, das nie fertig wird - genau das erfasst Ergebnispreisgestaltung.
Was ergebnisbasierte Preisgestaltung wirklich ist
Ergebnisbasierte Preisgestaltung ist leicht gesagt und leicht falsch gemacht, weil sie neben zwei Nachbarn steht, die ähnlich aussehen. Die Definitionen sauber zu bekommen ist der Unterschied zwischen einem Vertrag, der alle ausrichtet, und einem, der bei der Verlängerung eine böse Überraschung erzeugt.
Die vier Modelle im Vergleich
| Modell | Sie zahlen für | Wer trägt das Risiko | Beispiel |
|---|---|---|---|
| Pro Platz | Zugang pro Nutzer | Käufer (zahlt, ob Arbeit fertig wird oder nicht) | Klassische CRM-Lizenz pro Vertriebler |
| Nutzungsbasiert | Verbrauch (Tokens, Aufrufe, Nachrichten) | Käufer (zahlt für Versuche, nicht Resultate) | Pro-Token-Abrechnung einer Modell-API |
| Ergebnisbasiert | Ein definiertes fertiggestelltes Resultat | Anbieter (nur bei Erfolg bezahlt) | Intercom Fin, ~0,99 USD pro Lösung6 |
| Hybrid | Plattformgebühr plus Nutzung und/oder Ergebnis | Geteilt | Basisplan plus Gebühr pro Ergebnis7 |
Das bestimmende Merkmal von Ergebnispreisen ist, wo das Risiko sitzt. Bei Platz- und Nutzungsmodellen zahlt der Käufer unabhängig davon, ob die Arbeit erfolgreich war. Bei Ergebnispreisen wird der Anbieter nur bezahlt, wenn das Resultat geliefert wird, also trägt der Anbieter die Kosten fehlgeschlagener Versuche.
Wie die echten Beispiele aussehen
- Intercom Fin - berechnet rund 0,99 US-Dollar pro Lösung, wobei eine Lösung bedeutet, dass das Anliegen des Kunden vollständig ohne Menschen gelöst wurde. Fin kann auf bestehenden Helpdesks laufen, ganz ohne Plätze6.
- Fin for Sales - Intercom erweiterte das Modell mit einer Lead-Qualifizierung zu rund 9,99 US-Dollar, einem höherwertigen Ergebnis als eine Support-Lösung, was zeigt, dass verschiedene Ergebnisse verschiedene Preise tragen7.
- Decagon - bietet Optionen pro Konversation (Nutzung) und pro Lösung (Ergebnis) und fährt Pilotphasen, die Deflection und CSAT verfolgen, bevor ein Kunde sich auf Ergebnispreise festlegt4.
- Sierra - baute sein Geschäftsmodell um Ergebnisse herum, die seine Agenten lösen, statt um Plätze oder Konversationen8.
- Zendesk - stellte darauf um, für gelieferte Lösungen seiner KI-Agenten zu berechnen statt pro Agentenplatz15.
Die Käufer-Erkenntnis hinter Fin
Als Intercom untersuchte, wie Kunden für Fin zahlen wollten, war der Befund eindeutig: Kein einziger Käufer wollte für Aktivität zahlen. Sie wollten für Resultate zahlen, und sie wollten, dass der Anbieter das Risiko trägt, wenn das Produkt nicht leistet7. Ergebnispreise sind kein Anbieter-Trick - sie sind, worum Käufer baten, sobald die Arbeit automatisierbar wurde.
a16z ruft diesen Wandel seit Ende 2024 aus, und seine Formulierung ist die, die inzwischen die meisten Führungskräfte wiederholen: Wenn KI die Arbeit selbst erledigen kann, wird das natürliche Preismaß das erfolgreiche Ergebnis, denn der Platz ist nicht länger die atomare Einheit der Software4.
Warum Hybrid in der Praxis dominiert
- Reine Ergebnispreise sind volatil - Ein schwacher Monat kann einen Anbieter aushungern, selbst wenn das Produkt funktioniert, also gehen wenige rein auf Ergebnis.
- Ein Plattform-Sockel deckt die Grundkosten - Eine bescheidene Fixgebühr hält den Betrieb und die Integration am Laufen, unabhängig vom Volumen.
- Die Ergebniskomponente richtet die Chance aus - Der variable Teil koppelt den Umsatz des Anbieters weiterhin an tatsächlich fertiggestellte Arbeit.
- Käufer bekommen Planbarkeit plus Fairness - Ein bekannter Sockel plus ein Satz pro Ergebnis lässt sich leichter budgetieren als ein reiner Verbrauchszähler.
- Es ist inzwischen Marktnorm - Hybride Strukturen sind das häufigste Modell in SaaS und melden das stärkste Wachstum9.
Ergebnispreise funktionieren nur, wenn der Agent das Ergebnis besitzt
Hier ist der Teil, den die meisten Preisdebatten überspringen. Ergebnisbasierte Preisgestaltung ist keine Abrechnungswahl, die Sie auf jedes KI-Produkt aufsetzen können. Sie ist nur möglich, wenn das System ein durchgängiges Ergebnis eigenständig fertigstellen kann. Wenn es die Arbeit nicht abschließen kann, gibt es kein Ergebnis zum Abrechnen - und keine clevere Vertragsformulierung ändert das.
Hier trennen sich ein umbenannter Chatbot und ein echter KI-Mitarbeiter. Ein Chatbot entwirft eine Antwort und übergibt. Ein KI-Mitarbeiter liest die Anfrage, erledigt die Arbeit in Ihren echten Systemen und stellt die Aufgabe fertig. Nur der zweite lässt sich ehrlich pro Ergebnis bepreisen, und dafür müssen drei Dinge wahr sein.
1. Er braucht ein Company Brain
Um ein Ergebnis zuverlässig fertigzustellen, muss ein Agent wissen, wie Ihr Unternehmen die Arbeit erledigt - nicht allgemein, sondern konkret. Dieses Wissen sind Ihre Regeln, Ihre Ausnahmen, Ihre Freigebenden, Ihre Definitionen, und es lebt meist in den Köpfen der Menschen statt in irgendeinem Dokument.
- Ein Company Brain ist dauerhaftes Gedächtnis - eine lebendige Aufzeichnung, wie Ihr Unternehmen wirklich arbeitet, die bleibt, statt bei jeder Aufgabe zurückgesetzt zu werden.
- Es überlebt Personalwechsel - Wenn die Person, die “einfach weiß, wie wir das machen”, geht, bleibt das Wissen im System, statt aus der Tür zu gehen.
- Es hebt die Abschlussquoten - Ein Agent, der in Ihrem Kontext verankert ist, stellt weit mehr Aufgaben ohne Eskalation fertig, und genau das macht Ergebnispreise tragfähig.
- Ohne es scheitert die Abrechnung pro Ergebnis - Ein generisches Modell lernt Ihren Kontext bei jeder Aufgabe neu, die Abschlussquoten bleiben niedrig, und keine Seite kann auf ein Resultat Preise bilden, das selten eintrifft.
“Bessere Ergebnisse aus KI erfordern Systeme, die tiefes institutionelles Gedächtnis und Kundenkontext über die Zeit bewahren können.”
- George Brocklehurst, Managing Vice President bei Gartner2
2. Er braucht Schreibzugriff auf Ihre echten Systeme
Ein Ergebnis ist kein Vorschlag. Ein gelöstes Ticket, eine gebuchte Rechnung oder ein gebuchter Termin zählt nur, wenn sich etwas in einem führenden System ändert. Das erfordert, dass der Agent schreibt, nicht nur liest.
- Nur-Lesen heißt nur-Entwerfen - Ein Agent, der nur lesen kann, erzeugt eine Empfehlung, die ein Mensch noch ausführen muss, also wird kein Ergebnis fertig.
- Schreibzugriff schließt den Kreis - Der Agent aktualisiert das CRM, bucht ins ERP, sendet die E-Mail oder legt den Eintrag ab, und das Ergebnis ist echt und überprüfbar.
- Die Konnektoren sind der Ort des Werts - Die Integration in E-Mail, Teams, SharePoint, CRM und ERP ist der schwere Teil, und sie trennt eine Demo von einem eingesetzten KI-Mitarbeiter.
- Überprüfbarkeit gibt es gratis dazu - Weil der Agent in ein führendes System schreibt, hinterlässt das Ergebnis eine Prüfspur, gegen die beide Seiten abrechnen und Streit klären können.
3. Er muss aus Feedback lernen
- Abschlussquoten müssen steigen - Ergebnispreise zahlen dem Anbieter nur, wenn Arbeit fertig wird, also muss das System mit der Zeit besser im Fertigstellen werden.
- Korrekturen speisen das Brain - Jede menschliche Korrektur, jedes Überschreiben und jede Präferenz wird zu dauerhaftem Wissen, das der Agent beim nächsten Mal anwendet.
- Ein statischer Bot verbessert sich nie - Wenn das System nicht lernen kann, ist seine Abschlussquote am ersten Tag gedeckelt, und die Ergebnisökonomie geht nie auf.
- Die Schleife verdichtet sich zum Burggraben - Je länger ein KI-Mitarbeiter in Ihrem Unternehmen läuft, desto mehr Ihrer spezifischen Ergebnisse kann er fertigstellen, und desto schwerer ist er zu ersetzen.
Der Test, der durch den Lärm schneidet
Stellen Sie jedem Anbieter, der Ergebnispreise anpreist, eine Frage: Was genau passiert zwischen dem Eintreffen der Anfrage und der Fertigstellung des Ergebnisses, und welches Ihrer Systeme ändert der Agent, um es abzuschließen? Wenn die ehrliche Antwort lautet “er entwirft etwas, das ein Mensch verschickt”, sehen Sie einen Chatbot mit einer ergebnisförmigen Rechnung. Ein echter KI-Mitarbeiter kann die Systeme nennen, in die er schreibt, und das Gedächtnis, aus dem er schöpft.
Das ist das Superkind-Argument in einem Satz: Hebelwirkung, nicht Kopfzahl. Der Sinn eines KI-Mitarbeiters ist mehr Output pro Person, bepreist nach der geleisteten Arbeit statt nach den belegten Plätzen. Das hält nur, wenn der Agent das Ergebnis wirklich besitzt, weshalb das Company Brain, die schreibfähigen Integrationen und die Feedback-Schleife keine Features sind - sie sind die Voraussetzungen, die Ergebnispreise ehrlich machen.
Preise an Arbeit koppeln, nicht an Logins?
Buchen Sie ein 30-minütiges Gespräch. Wir kartieren ein durchgängiges Ergebnis, das ein KI-Mitarbeiter in Ihrem Unternehmen besitzen könnte.
Der Einkaufsleitfaden für ergebnisbasierte KI-Preise
Ergebnispreise klingen nach einem Freibier für Käufer: nur zahlen, wenn es klappt. In der Praxis kann ein schlecht definiertes Ergebnis mehr kosten als eine Platzlizenz und schlimmere Probleme verdecken. So bewerten Sie ein ergebnisbasiertes Angebot, ohne hereinzufallen.
Schritt 1: Definieren Sie, was ein Ergebnis wirklich ist
- Bestehen Sie auf einer abgegrenzten, überprüfbaren Einheit - Ein Ergebnis muss eine einzelne Sache sein, die entweder eintrat oder nicht, belegbar aus einem Systemeintrag, etwa ein gelöstes Ticket oder eine gebuchte Rechnung.
- Weisen Sie als Ergebnis verkleidete Aktivität zurück - Gesendete Nachrichten, Engagement und eingesparte Zeit sind Aktivitätsmaße, die Bewegung statt Resultate belohnen.
- Nennen Sie das führende System - Einigen Sie sich genau, welches System das Ergebnis belegt, damit später niemand streitet, ob ein Ticket wirklich gelöst wurde.
- Bepreisen Sie verschiedene Ergebnisse verschieden - Ein qualifizierter Lead ist mehr wert als eine abgefangene FAQ, und der Vertrag sollte das abbilden, wie Intercoms Aufteilung von 0,99 zu 9,99 US-Dollar zeigt7.
Schritt 2: Normieren Sie jedes Angebot auf Kosten pro fertigem Ergebnis
- Rechnen Sie Plätze in Ergebnisse um - Nehmen Sie das Platz-Angebot und teilen Sie durch die Ergebnisse, die diese Plätze erzeugen würden, um Gleiches mit Gleichem zu vergleichen.
- Verankern Sie gegen die menschliche Basis - Vergleichen Sie die Kosten pro Ergebnis mit den vollen Kosten eines Menschen für dieselbe Aufgabe, nicht mit dem Listenpreis einer Lizenz.
- Modellieren Sie Ihr echtes Volumen - Rechnen Sie mit Ihrem tatsächlichen Monatsvolumen, denn Ergebnispreise können Plätze je nach Durchsatz schlagen oder verlieren.
- Beziehen Sie Integrations- und Gedächtnisschicht ein - Prüfen Sie, ob Konnektoren und das Company Brain im Preis sind oder separat berechnet werden, denn dort verstecken sich die meisten Kosten.
Schritt 3: Setzen Sie die Leitplanken
Checkliste für ergebnisbasierte Verträge
- Das Ergebnis ist schriftlich definiert und beide Seiten sind sich einig
- Das messende führende System ist benannt und für Sie zugänglich
- Eine Qualitätsschwelle verhindert Bezahlung für schnelle, aber falsche Arbeit
- Es gibt einen Streitprozess für strittige oder teilweise Ergebnisse
- Eine monatliche Obergrenze oder Budgetwarnung schützt vor einem Volumensprung
- Human-in-the-Loop-Checkpoints sind für heikle Entscheidungen definiert
- Dateneigentum und Verarbeitungsort sind festgelegt (DSGVO)
- Sie besitzen oder können das Company Brain bei Anbieterwechsel exportieren
- Audit-Logs werden aufbewahrt und sind für die Prüfung verfügbar
- Transparenzpflichten nach der EU-KI-Verordnung sind abgedeckt
Schritt 4: Achten Sie auf die Fehlermuster
Ergebnispreise: grüne Flaggen vs. rote Flaggen
Grüne Flaggen
- ✓ Anbieter nennt die Systeme, in die er schreibt - echtes durchgängiges Eigentum
- ✓ Kostenloser oder risikoarmer Pilot - sie beweisen Fertigstellung vor Ihrem Commitment
- ✓ Klare Ergebnisdefinition - ein Satz, überprüfbar, vorab vereinbart
- ✓ Abschlussquote steigt über die Zeit - das System lernt aus Feedback
Rote Flaggen
- ✗ Ergebnis ist eigentlich Aktivität - abgerechnet nach Nachrichten oder Engagement
- ✗ Mensch macht weiter die letzte Meile - der Agent entwirft nur
- ✗ Keine Obergrenze der Rechnung - ein Sprung wird zum Budgetschock
- ✗ Sie können Ihr Gedächtnis nicht exportieren - als Preis getarnte Bindung
Gehen Sie diese vier Schritte durch, und Ergebnispreise werden, was sie sein sollten: eine Art, fertige Arbeit zu einem verteidigbaren Preis zu kaufen, von einem Anbieter, dessen Anreize in dieselbe Richtung zeigen wie Ihre.
Wie Superkind passt
Superkind baut maßgeschneiderte KI-Mitarbeiter, die durchgängige Ergebnisse in Ihrem Unternehmen besitzen. Der Ansatz ist prozessorientiert, nicht werkzeugorientiert - wir starten bei der Arbeit, die Sie fertiggestellt haben wollen, und bauen dann einen KI-Mitarbeiter, der in einem Company Brain verankert und mit den Systemen verbunden ist, die Sie bereits betreiben. Genau das macht die Bepreisung nach Ergebnis ehrlich statt bloß angestrebt.
- Durchgängiges Eigentum - Ein KI-Mitarbeiter führt einen Ablauf von der Anfrage bis zum fertigen Resultat, nicht von der Anfrage bis zum Entwurf, sodass es ein echtes Ergebnis gibt, auf das man zeigen kann.
- Company Brain - Dauerhaftes Unternehmensgedächtnis erfasst, wie Ihr Team wirklich arbeitet, sodass Abschlussquoten hoch genug für Ergebnispreise sind und Personalwechsel überleben.
- Schreibfähige Integrationen - Der Agent handelt über E-Mail, Teams, SharePoint, CRM und ERP hinweg und schließt den Kreis, statt die letzte Meile einem Menschen zu überlassen.
- Lernen aus Feedback - Jede Korrektur speist das Company Brain, sodass der Agent jede Woche mehr Ihrer spezifischen Ergebnisse fertigstellt.
- Bepreist nach geleisteter Arbeit - Projekte werden um messbare Ergebnisse mit klarer, vor dem Bau vereinbarter Definition zugeschnitten, nicht um Platzzahlen.
- Hebelwirkung, nicht Kopfzahl - Das Ziel ist mehr Output pro Person, sodass Ihr Team eine Reihe von KI-Mitarbeitern führt, statt zu wachsen, um Schritt zu halten.
- Prozessorientierte Analyse - Wir kartieren den echten Ablauf mit den Menschen, die ihn machen, bevor Code entsteht, sodass das bepreiste Ergebnis das ist, das Sie wirklich brauchen.
- Human-in-the-Loop by Design - Heikle Entscheidungen laufen an einen Menschen, und Audit-Logs erfassen jede Aktion zur Prüfung und Streitklärung.
- EU-bereit - Dateneigentum, Verarbeitungsort, DSGVO und EU-KI-Verordnungs-Transparenz sind Teil des Baus, nicht nachträglich angesetzt.
| Dimension | Platzbasiertes KI-Tool | Superkind KI-Mitarbeiter |
|---|---|---|
| Werteinheit | Ein Login | Ein fertiggestelltes Ergebnis |
| Arbeitsumfang | Entwürfe und Vorschläge | Durchgängiges Aufgaben-Eigentum |
| Gedächtnis | Setzt pro Sitzung zurück | Dauerhaftes Company Brain |
| Systemzugriff | Nur-Lesen oder keiner | Schreibzugriff auf echte Systeme |
| Verbesserung | Statisch bis zum Neukauf | Lernt wöchentlich aus Feedback |
| Preislogik | Zahle pro Platz, egal was passiert | Zahle für die fertige Arbeit |
Superkind
Vorteile
- ✓ Besitzt echte Ergebnisse - gebaut, um Arbeit fertigzustellen, nicht nur zu entwerfen
- ✓ Company Brain, das Ihnen gehört - Ihr Wissen bleibt Ihres und überlebt Personalwechsel
- ✓ Preise an Wert gekoppelt - um Ergebnisse zugeschnitten, nicht um Plätze
- ✓ Läuft auf Ihrem Stack - verbindet sich mit bestehenden Systemen, kein Rip-and-Replace
- ✓ Kontinuierliche Verbesserung - Abschlussquoten steigen mit Feedback
Nachteile
- ✗ Keine Self-Service-App - erfordert ein Scoping-Gespräch mit unserem Team
- ✗ Braucht Prozesszugang - wir müssen Ihren echten Ablauf verstehen, um ihn zu besitzen
- ✗ Überzogen für triviale Aufgaben - eine simple Automatisierung rechtfertigt vielleicht keinen KI-Mitarbeiter
- ✗ Ergebnisse müssen definierbar sein - Arbeit, die sich nicht messen lässt, lässt sich nicht nach Ergebnis bepreisen
Entscheidungsrahmen: Welches Preismodell zu welcher Arbeit passt
Ergebnispreise sind nicht für alles die richtige Antwort. Das Modell sollte der Form der Arbeit folgen, und beides zusammenzubringen ist eine geradlinige Übung, sobald man weiß, worauf man achtet.
| Wenn die Arbeit ... ist | Bestes Modell | Warum |
|---|---|---|
| Hochvolumig und klar definiert (Ticketlösung, Rechnungsbuchung) | Ergebnisbasiert | Jedes Ergebnis ist abgegrenzt und überprüfbar, also ist Zahlung pro Resultat sauber |
| Schwankend und schwer vorhersehbar | Hybrid (Sockel plus Ergebnis) | Ein Sockel deckt die Grundkosten, während der Ergebnisteil dem Wert folgt |
| Explorativ oder recherchelastig | Nutzungsbasiert | Kein einzelnes fertiges Ergebnis in Sicht, also ist Verbrauch fairer |
| Kollaboratives menschliches Werkzeug (Design, Redaktion) | Pro Platz weiterhin in Ordnung | Ein Mensch macht die Arbeit; der Platz folgt weiterhin dem Wert |
| Objektiv nicht messbar | Nicht ergebnisbasiert | Ohne überprüfbare Einheit lädt Ergebnispreis zu Streit ein |
Für den Großteil der repetitiven, hochvolumigen, regelbasierten Arbeit, für die ein KI-Mitarbeiter geeignet ist, gewinnen Ergebnis- oder Hybridpreise, weil die Arbeit natürlich zählbare Resultate erzeugt. Die Analysten, die den Wandel beobachten, sind sich über den zugrunde liegenden Mechanismus einig.
“KI-Agenten könnten einem Nutzer die Kraft vieler Nutzer verleihen und die Zahl der in einer Organisation benötigten Plätze verringern, was die Umsätze von SaaS-Anbietern trifft.”
- Deloitte, Technology, Media & Telecommunications Predictions 20263
Wechsel zu Ergebnispreisen: jetzt vs. später
Jetzt umsteigen
- ✓ Kosten folgen dem Wert - Sie zahlen nicht mehr für leere Plätze
- ✓ Anbieter trägt Risiko - Sie zahlen nur, wenn Arbeit fertig wird
- ✓ Gedächtnis früh aufbauen - Ein Company Brain verdichtet sich, je früher es startet
- ✓ Vor der Umpreisung - Sie bewegen sich vor der 234-Mrd.-USD-Verschiebung1
Warten
- ✗ Zahlen für ungenutzte Plätze - während Agenten die Arbeit übernehmen
- ✗ Verlängerungen werden ohnehin neu verhandelt - Anbieter bewegen sich bereits15
- ✗ Kein Gedächtnisvorsprung - die Company Brains der Wettbewerber verdichten sich, während Sie warten
- ✗ Wert bleibt unsichtbar - Sie sehen nicht, was Ihre KI-Ausgaben liefern
Häufig gestellte Fragen
Ergebnisbasierte Preisgestaltung berechnet Ihnen ein fertiggestelltes Ergebnis statt den Zugang zur Software. Anstatt eine monatliche Gebühr pro Nutzerplatz zu zahlen, zahlen Sie, wenn der KI-Agent tatsächlich etwas liefert, das Sie als wertvoll definiert haben - ein gelöstes Support-Ticket, einen qualifizierten Lead, ein abgestimmtes Konto, eine verarbeitete Rechnung. Fin von Intercom berechnet zum Beispiel rund 0,99 US-Dollar pro Lösung und nichts, wenn keine Lösung zustande kommt. Der Anbieter verdient nur, wenn die Arbeit erledigt ist.
Pro-Platz-Preise gehen davon aus, dass ein Mensch sich einloggt und eine begrenzte Menge Arbeit erledigt, also bedeuten mehr Nutzer mehr Wert und mehr Umsatz. KI-Agenten brechen diese Annahme, weil ein Agent die Arbeit vieler Menschen erledigen kann und nie einen Platz belegt. Gartner berichtet, dass der Umsatzanteil aus Platz-Lizenzen sinken wird, da bis 2030 rund 20 Prozent der Ausgaben für Anwendungssoftware, etwa 234 Milliarden US-Dollar, zu Verbrauchs- und Ergebnismodellen wandern. Pro-Platz-Preise sind bereits innerhalb eines Jahres von rund 21 Prozent auf 15 Prozent der befragten SaaS-Unternehmen gefallen.
Nicht immer. Ergebnispreise koppeln Kosten an Wert, aber wenn ein Agent sehr hohe Volumina abarbeitet, kann die Rechnung pro Ergebnis höher ausfallen als eine pauschale Platzlizenz. Der Vorteil ist, dass Sie nur zahlen, wenn Arbeit fertiggestellt wird, und so weniger Risiko bei fehlgeschlagenen oder abgebrochenen Aufgaben tragen. Der richtige Vergleich sind die Kosten pro fertiggestelltem Ergebnis gegen die vollen Kosten eines Menschen für dieselbe Arbeit, nicht gegen den Listenpreis eines Platzes.
Ein Ergebnis muss eine klar abgegrenzte, überprüfbare Einheit fertiggestellter Arbeit sein, auf die sich beide Seiten vor Vertragsbeginn einigen. Gute Beispiele sind ein vollständig gelöstes Ticket, ein gebuchter Termin, eine zugeordnete und gebuchte Rechnung oder eine bestandene Compliance-Prüfung. Schlechte Beispiele sind vage Maße wie Engagement oder gesendete Nachrichten, die Aktivität statt Ergebnisse belohnen. Wenn Sie keinen Systemeintrag nennen können, der belegt, dass das Ergebnis eingetreten ist, ist es kein sauberes Ergebnis zum Abrechnen.
Selten, denn ein Chatbot stellt in der Regel kein durchgängiges Ergebnis fertig. Er beantwortet eine Frage im Chatfenster und übergibt dann für die eigentliche Arbeit an einen Menschen. Um pro Ergebnis abzurechnen, muss das System den gesamten Ablauf besitzen - die Anfrage lesen, in Ihren echten Systemen handeln und die Aufgabe abschließen. Ein umbenannter Chatbot, der nur eine Antwort entwirft, erreicht nie die Ziellinie, also gibt es kein sauberes Ergebnis, das man berechnen könnte.
Um ein Ergebnis zuverlässig fertigzustellen, braucht ein KI-Mitarbeiter dauerhaftes Gedächtnis dafür, wie Ihr Unternehmen die Arbeit erledigt - Ihre Regeln, Ihre Ausnahmen, Ihre Freigebenden, Ihre Definitionen. Ein Company Brain ist dieses lebendige Gedächtnis, und es überlebt Personalwechsel, statt aus der Tür zu gehen. Ohne es lernt der Agent Ihren Kontext bei jeder Aufgabe neu, und die Abschlussquoten bleiben zu niedrig, um darauf Preise zu bilden. George Brocklehurst von Gartner sagt es direkt: Bessere Ergebnisse aus KI erfordern Systeme, die tiefes institutionelles Gedächtnis und Kundenkontext über die Zeit bewahren können.
Definieren Sie das Ergebnis schriftlich, einigen Sie sich, wie es gemessen wird und aus welchem führenden System, und legen Sie einen Streitprozess für strittige Ergebnisse fest. Ergänzen Sie eine Qualitätsschwelle, damit der Agent nicht für schnelle, aber falsche Arbeit bezahlt wird, einen Human-in-the-Loop-Checkpoint für heikle Entscheidungen und eine Obergrenze oder Budgetwarnung, damit ein Volumensprung keine böse Überraschung erzeugt. Sie sollten auch klären, wem die Daten und das Company Brain gehören, falls Sie den Anbieter wechseln.
Nutzungsbasierte Preise berechnen den Verbrauch - Tokens, API-Aufrufe, Nachrichten, Rechenleistung - unabhängig davon, ob die Arbeit erfolgreich war. Ergebnisbasierte Preise berechnen nur, wenn ein definiertes Ergebnis geliefert wird, sodass der Anbieter das Risiko fehlgeschlagener Versuche trägt. Viele KI-Unternehmen nutzen ein Hybridmodell: eine Plattformgebühr plus Nutzung plus eine Ergebniskomponente. Hybridmodelle sind heute die häufigste Struktur in SaaS und weisen die höchsten mittleren Wachstumsraten auf.
Ja, und genau das ist der Sinn. Wenn ein Anbieter nur für fertiggestellte Ergebnisse bezahlt wird, übernimmt er das Risiko, dass sein System nicht leistet. Diese Risikoverlagerung ist genau der Grund, warum Käufer sie mögen - Intercom stellte fest, dass kein einziger Käufer für Aktivität zahlen wollte, sie wollten für Ergebnisse zahlen. Sie diszipliniert auch Anbieter, denn ein Unternehmen, das Ergebnisse gar nicht fertigstellen kann, überlebt nicht mit Ergebnispreisen.
Normieren Sie jedes Angebot auf Kosten pro fertiggestelltem Ergebnis und vergleichen Sie das dann mit Ihren aktuellen vollen Kosten für dieselbe Arbeit. Fragen Sie jeden Anbieter genau, was eine Gebühr auslöst, was bei einer fehlgeschlagenen oder teilweisen Aufgabe passiert und wie Streitfälle behandelt werden. Prüfen Sie, ob der Preis die Integrations- und Gedächtnisschicht enthält oder ob diese separat abgerechnet werden, denn die Konnektoren und das Company Brain sind der Ort, an dem der meiste echte Wert und die meisten Kosten sitzen.
Das Preismodell selbst ist eine kommerzielle Frage, aber der zugrunde liegende Agent muss weiterhin die EU-Pflichten erfüllen. Nach der EU-KI-Verordnung gelten Transparenzpflichten, wenn KI mit Menschen interagiert, und höherriskante Anwendungen bringen strengere Anforderungen mit sich. Die DSGVO regelt alle personenbezogenen Daten, die der Agent berührt. Ergebnispreise ändern diese Pflichten nicht, stellen Sie also sicher, dass Ihr Vertrag neben den kommerziellen Bedingungen auch Dateneigentum, Verarbeitungsort und Audit-Logs abdeckt.
Unvorhersehbares Volumen ist genau der Fall, in dem Ergebnispreise am meisten helfen, denn Sie zahlen im Verhältnis zur tatsächlich fertiggestellten Arbeit, statt Plätze für eine Spitze vorzuhalten, die vielleicht nie kommt. Das Risiko ist, dass ein Nachfragesprung eine hohe Rechnung erzeugt, vereinbaren Sie also vorab eine monatliche Obergrenze, eine Budgetwarnung oder eine hybride Struktur aus Sockel plus Ergebnis. So bleiben die Kosten am Wert ausgerichtet und schützen Sie zugleich vor einer entgleisten Rechnung.
Weiterführende Artikel
- Agent Washing - wie Sie einen echten KI-Mitarbeiter von einem umbenannten Chatbot unterscheiden, bevor Sie kaufen, mit den Tests, die ein System entlarven, das kein Ergebnis fertigstellen kann.
- Warum 400.000 Copilot-Agenten Ihr Unternehmen immer noch nicht kennen - warum ein Company Brain generische Copilots schlägt, die Gedächtnisschicht, die den Abschluss von Ergebnissen erst möglich macht.
- Die Integrationssteuer - warum der KI-Wert in den schreibfähigen Konnektoren liegt, nicht im Modell, und wer die Kosten trägt, Ihre echten Systeme zu erreichen.
- Die besten KI-Kundensupport-Agenten 2026 - ein genauer Blick auf Decagon, Sierra und Intercom Fin, die Vorreiter der Preisgestaltung pro Lösung.
- Einstellungsstopp statt Entlassungen - das Playbook für Hebelwirkung statt Kopfzahl, um den Output zu steigern, während die Belegschaft flach bleibt.
Quellen
- Gartner - 234 Billion USD in Enterprise Application Software Spend Is at Risk from Agentic AI (July 2026)
- CIO Dive - Agentic AI to Disrupt 234 Billion USD in SaaS Spending (George Brocklehurst quotes)
- Deloitte - SaaS Meets AI Agents: TMT Predictions 2026
- a16z - AI Is Driving a Shift Towards Outcome-Based Pricing (December 2024)
- a16z - How to Price and Package Your Gen AI Feature: Revisited
- Intercom / Fin - Pricing: Outcomes (0.99 USD per resolution)
- Intercom Blog - Building Outcome-Based Pricing for Fin for Sales
- Sierra - Outcome-Based Pricing for AI Agents
- Maxio - 2025 SaaS Pricing Trends Report
- Metronome - State of Usage-Based Pricing 2025
- Flexera - From Seats to Consumption: Why SaaS Pricing Has Entered Its Hybrid Era
- The SaaS CFO - The Death of Per-Seat Pricing
- Monetizely - SaaS Pricing Benchmark Study 2025
- Growth Unhinged - The State of Usage-Based Pricing in SaaS
- Monetizely - The 2026 Guide to SaaS, AI, and Agentic Pricing Models
- Business Standard - Agentic AI May Put 234bn USD of SaaS Spending at Risk by 2030 (Gartner)
- Deloitte DART - Accounting for Outcome-Based Pricing in an Agentic AI Software Product
- Userpilot - What Is the Endgame for SaaS Pricing Models After the AI Panic?
- Pickaxe - AI Agent Pricing Models Explained (2026)
Bereit, für Ergebnisse zu zahlen statt für Logins?
Buchen Sie ein 30-minütiges Gespräch mit Henri. Wir identifizieren ein durchgängiges Ergebnis, das ein KI-Mitarbeiter in Ihrem Unternehmen besitzen könnte - keine Verpflichtung, kein Verkaufsgespräch.
Demo buchen →