80% der SaaS- und AI-Firmen prüfen Preiserhöhungen wegen Compute-Kosten
Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.
Eine neue Studie der Pricing-Beratung hy Consulting Group, der Bewertungsplattform OMR Reviews und des Marktforschungsunternehmens Appinio zeichnet nach, wie stark Künstliche Intelligenz die Ökonomie der Softwarebranche verschiebt. Für den „SaaS & AI Pricing Report 2027″ wurden 4.400 Softwareprofile auf OMR Reviews ausgewertet, 153 SaaS- und KI-Unternehmen befragt und 23 Expert:innen interviewt.
Am deutlichsten zeigt sich die Verschiebung bei den Bewertungen. Laut der im Report zitierten Auswertung von VC-Finanzierungsrunden (Median EV/Revenue, erstes Quartal 2026) liegt das Umsatzmultiple für klassische Legacy-SaaS-Plattformen bei 5,5x. Produkte, die KI-Funktionen nachgerüstet haben (AI-Enabled), kommen auf 8,5x. Rein KI-native Architekturen erzielen 21,2x und damit fast das Vierfache des SaaS-Niveaus.
Die Autor:innen leiten daraus zwei Beobachtungen ab: Investor:innen zahlen erhebliche Prämien für tief integrierte KI-Architekturen, und bereits das Nachrüsten einzelner Funktionen bringt einen messbaren Bewertungsaufschlag. Die Zahlen stammen aus Quellen wie Finro, Windsor Drake, Eqvista und Aventis Advisors und beziehen sich auf private Finanzierungsrunden, sind also keine Bewertungen börsennotierter Unternehmen.
Vier von fünf Unternehmen basteln am Preismodell
Der Handlungsdruck in den Unternehmen selbst ist hoch: 80 Prozent der befragten Software- und KI-Firmen planen oder prüfen innerhalb der kommenden zwölf Monate eine Änderung ihres Preismodells. Als Grund nennt der Report die veränderte Kostenstruktur. Klassische SaaS-Produkte skalierten nahezu ohne zusätzliche Grenzkosten, während jede KI-Interaktion reale Compute-Kosten verursacht. Gleichzeitig verschiebt sich die Wertschöpfung: Kund:innen kaufen zunehmend erledigte Arbeit statt Zugang zu einem Werkzeug.
Bei den Abrechnungsmodellen bleibt das reine Abonnement vorerst das häufigste primäre Modell, wenn auch mit sinkender Tendenz: 40 Prozent der Befragten setzen aktuell darauf, hybride Modelle aus Fixsockel und variablem Verbrauch folgen mit 34 Prozent, Lizenz- und Kaufmodelle liegen bei 22 Prozent, rein nutzungsbasierte Abrechnung bei 4 Prozent. Für einen Zeitraum von zwei Jahren dreht sich das Bild: 63 Prozent erwarten, dass hybride Modelle für ihr Unternehmen am relevantesten werden, nur noch 22 Prozent sehen reine Abos vorn, 13 Prozent tippen auf reine Usage-Modelle.
Per-Seat verliert am stärksten
Noch klarer fällt die erwartete Verschiebung bei der Preismetrik aus, also bei der Einheit, für die Kund:innen tatsächlich bezahlen. Gefragt danach, welche Metrik künftig an Bedeutung gewinnt, verliert die Abrechnung pro Nutzer:in 31 Prozentpunkte. Zulegen sollen ergebnisbasierte Metriken (plus 20 Prozentpunkte), Credits und Tokens (plus 14), API- und Consumption-Modelle (plus 9) sowie Workflow- und Task-Metriken (plus 3). Ein Viertel der Teilnehmenden hat für die Zukunft noch gar keine Zielmetrik definiert.
Bei autonomen Agenten zeigt die Umfrage allerdings, dass die Praxis konservativer ausfällt als die Erwartungshaltung. 31 Prozent rechnen Agenten heute schlicht im bestehenden Paket ab, weitere 31 Prozent haben noch keine klare Vorstellung, 16 Prozent nutzen Credits, jeweils 8 Prozent setzen auf Outcome- beziehungsweise Usage-Modelle, 7 Prozent verkaufen pro Agent. Insgesamt bündeln 62 Prozent der Anbieter Agenten in bestehenden Paketen oder haben noch keine Monetarisierungsstrategie. Reine Erfolgsvergütung bleibt laut Report vorerst auf Nischen mit sehr klarer Messbarkeit und Attribution beschränkt, während sich Task- und Workflow-Abrechnung schneller etabliert. Ein struktureller Unterschied wird dabei betont: Ein KI-Feature konkurriert um das Software-Budget und wird mit anderen Tools verglichen, ein Agent zielt auf das Personalbudget und wird an FTE-Kosten und Tagessätzen gemessen.
Bei KI-Features selbst ist der Markt zweigeteilt. Die Hälfte der Anbieter integriert KI-Funktionen kostenlos als Standard ins Kernprodukt, 22 Prozent monetarisieren sie bislang gar nicht. Differenzierte Ansätze wie kostenpflichtige Add-ons (15 Prozent) oder Credit-Modelle (5 Prozent) bilden die Ausnahme.
Discovery wird zum Nadelöhr
Ein eigenes Kapitel widmet der Report der Frage, wie Software überhaupt noch gefunden wird. 25 Prozent der Softwaresuchenden im DACH-Raum nutzen für ihre Recherche bereits KI-Systeme, 22 Prozent der Anbieter nennen KI-Chats als Lead-Kanal. 41 Prozent der Befragten sehen die LLM-basierte Suche als größte Veränderung im Softwarekauf, 16 Prozent nennen KI-Agenten als Käufer. 76 Prozent passen ihre Vermarktung deswegen bereits an.
Die Autor:innen verknüpfen das direkt mit dem Pricing: Weil 92 Prozent der B2B-Kaufenden am Ende ein Produkt wählen, das schon auf ihrer ersten Shortlist stand, und diese Liste zunehmend in KI-Systemen entsteht, entscheidet Maschinenlesbarkeit über den Marktzugang. Wer Preise hinter „Contact Sales“ versteckt, verschwindet nicht aus dem Vergleich, verliert aber die Kontrolle darüber, mit welchem Preis verglichen wird.
Auffällig ist dabei eine Lücke in der Praxis: 93 Prozent der befragten Anbieter publizieren primär auf der eigenen Website, nur 22 Prozent auf Review-Plattformen. KI-Systeme validieren ihr Urteil jedoch überwiegend über Drittquellen, 95 Prozent der Zitate stammen laut Report aus Non-Paid-Quellen. 88 Prozent der interviewten Anbieter nennen KI-Sichtbarkeit als höchste Priorität, ein dediziertes Budget dafür hat keiner von ihnen.
Ein universell richtiges KI-Preismodell gibt es laut Studie nicht. Als Fazit formulieren die Autor:innen, dass Produkt, Packaging und Pricing künftig als gemeinsames Monetarisierungssystem gedacht werden müssen und sich Unternehmen darauf einstellen sollten, ihre Monetarisierung laufend an Produktreife und Kundennutzen anzupassen.
