Das Ende des Seats: Warum SaaS auf Tokenisierung umstellen muss

Der Konsens der letzten fünfzehn Jahre lautete: SaaS ist das beste Geschäftsmodell, das die Softwareindustrie je hervorgebracht hat. Planbare Abonnements je Nutzer, Net Revenue Retention über 110%, Bewertungsmultiples auf wiederkehrenden Umsatz. Der Seat — die Lizenz pro menschlichem Anwender — war die Währung der gesamten Industrie.

Diese Währung wird gerade entwertet. Am 1. Juni 2026 hat GitHub Copilot — eines der meistgenutzten KI-Produkte der Welt — sämtliche Pläne auf Token-basierte Abrechnung umgestellt: Der Planpreis ist nur noch ein monatliches Guthaben, das durch Nutzung verbraucht wird. Workday meldete über $400 Mio. AI-bezogene ARR und misst Konsum inzwischen über ein Flex-Credit-Modell, das API- und Agent-Nutzung über die gesamte Plattform trackt. Zendesk und Intercom rechnen KI-Support pro gelöstem Vorgang ab, HubSpot senkte den Preis je gelöster Konversation im April 2026 auf $0,50. Das sind keine Experimente mehr — das ist die neue Norm im Aufbau. IDC prognostiziert, dass bis 2028 rund 70% der Software-Anbieter reines Per-Seat-Pricing aufgeben; Gartner erwartet, dass bis 2030 über 40% der Enterprise-SaaS-Ausgaben auf Usage-, Agent- oder Outcome-Modelle entfallen.

Dieses Dossier zerlegt den Shift in seine Bestandteile: Warum der Seat ökonomisch bricht, welche Zielmodelle sich durchsetzen, warum die Umstellung operativ so schwer ist — und was das alles für Kapitalallokation und Bewertung bedeutet.

Teil 1: Warum der Seat bricht

Per-Seat-Pricing beruht auf einer stillen Annahme: Der Wert der Software ist proportional zur Zahl der Menschen, die sie bedienen. Diese Annahme war nie ganz richtig — aber sie war jahrzehntelang gut genug, weil Arbeit nun einmal von Menschen erledigt wurde. Mehr Arbeit bedeutete mehr Mitarbeiter bedeutete mehr Seats.

KI-Agenten zerstören genau diese Proportionalität, und zwar von beiden Seiten gleichzeitig:

Von der Nachfrageseite: Wenn ein Mitarbeiter mit KI-Assistenz die dreifache Arbeitslast eines Mitarbeiters ohne KI bewältigt, lässt Per-Seat-Pricing zwei Drittel des geschaffenen Werts beim Kunden liegen — der Anbieter partizipiert nicht. Schlimmer noch: Wenn der Kunde dank KI-Produktivität Personal abbaut, sinkt die Seat-Zahl — und mit ihr der Umsatz des Softwareanbieters, obwohl dessen Software mehr leistet als je zuvor. Der Seat bestraft den Anbieter für die Produktivität seines eigenen Produkts.

Von der Kostenseite: Klassisches SaaS hatte Grenzkosten nahe null — ein zusätzlicher Nutzer kostete den Anbieter fast nichts, der Seat-Preis war fast reine Marge. KI-Features haben dagegen reale, variable Inferenzkosten je Anfrage. Ein Nutzer, der den KI-Assistenten zehnmal täglich befragt, und einer, der autonome Agenten stundenlang laufen lässt, verursachen völlig unterschiedliche Kosten — zahlen aber denselben Seat-Preis. Das Flatrate-Modell verwandelt sich für den Anbieter in eine ungedeckte Option des Kunden auf unbegrenzten Rechenkonsum. GitHubs Copilot-Umstellung ist die direkte Antwort darauf: Eine kurze Chat-Frage und eine mehrstündige autonome Coding-Session kosten künftig nicht mehr dasselbe.

Und von der konzeptionellen Seite: Wenn KI-Agenten selbst zu „Nutzern" werden — wer ist dann der Seat? Ein Agent, der rund um die Uhr arbeitet, parallel skaliert und sich in Sekunden klonen lässt, sprengt jede personenbasierte Lizenzlogik. Die Branche braucht eine neue Verrechnungseinheit, und sie hat sie in der granularsten verfügbaren Größe gefunden: dem Token, dem API-Call, der gelösten Aufgabe.

Die Daten zeigen, dass der Shift bereits läuft, nicht bevorsteht: Nach Bessemer-Tracking fiel der Anteil reiner Per-Seat-Modelle unter SaaS-Unternehmen binnen zwölf Monaten von 21% auf 15%, während Hybrid-Modelle von 27% auf 41% sprangen. Bloomberg-Schätzungen sehen den Anteil klassischer Subscription-Modelle über die nächste Dekade von 60% auf 30% fallen.

Teil 2: Die drei Zielmodelle — und ihre sehr unterschiedliche Qualität

„Tokenisierung" ist der Sammelbegriff, aber dahinter stehen drei verschiedene Modelle mit fundamental unterschiedlicher ökonomischer Qualität:

Die Hybrid-Dominanz ist kein Zufall, sondern Risikomanagement: Das Basis-Abo liefert den planbaren Revenue-Floor, den CFOs und Investoren verlangen, die Verbrauchskomponente fängt das KI-Upside ein. Die meisten Enterprise-Verlängerungen 2025–2026 landen genau hier. Reine Token-Modelle bleiben die Domäne von API-first-Produkten, reine Outcome-Modelle die von eng abgrenzbaren Aufgaben (Support-Tickets, Lead-Qualifizierung).

Ein Detail verdient besondere Aufmerksamkeit, weil es in der Diskussion fast immer untergeht: Nicht jede verbrauchsnahe Metrik ist gleich volatil. Eine Gebühr je Token schwankt mit jeder Nutzungsentscheidung des Kunden. Eine Gebühr je physischem Asset — je überwachter Tür, je installiertem Funkmodul, je angeschlossenem Fahrzeug — ist formal auch „usage-based", verhält sich aber wie eine Annuität, weil das Asset nicht täglich neu über seinen Verbrauch entscheidet. Diese Unterscheidung zwischen verhaltensbasierten und bestandsbasierten Verbrauchsmetriken wird im Bewertungsteil zentral.

Teil 3: Warum die Umstellung so schwer ist — die fünf Baustellen

Der Pricing-Shift klingt nach einer Preislisten-Änderung. Tatsächlich ist er ein Umbau des gesamten Finanz- und Vertriebs-Betriebssystems. Fünf Baustellen, die jedes umstellende Unternehmen durchlaufen muss:

Baustelle 1: Prognoseverlust. Unter Flatrate-Abos ist der Umsatz der nächsten zwölf Monate im Wesentlichen unterschrieben. Unter Verbrauchsmodellen wird er geschätzt. Selbst Mindestabnahme-Verträge und Committed-Spend-Pools lösen das Problem nur teilweise, weil der Abrufzeitpunkt unbekannt bleibt. Revenue Forecasting verwandelt sich von einer Quartalsroutine in tägliche operative Intelligenz. Ein Trost aus der Praxis: Auf Portfolioebene glättet sich die Volatilität — über fünfzig Kunden hinweg kompensieren sich Verbrauchsschwankungen erheblich. Das Problem ist primär ein Einzelkunden-Forecasting-Problem, kein zwingendes Gesamtvolatilitäts-Problem.

Baustelle 2: Revenue Recognition. Abo-Umsatz wird ratierlich über die Vertragslaufzeit erfasst; Verbrauchsumsatz entsteht, wenn der Verbrauch stattfindet (ASC 606 / IFRS 15). Tiered Pricing, Free-Allowances, Rollover-Guthaben und Ramp-Phasen machen die Bestimmung des Transaktionspreises komplex. Wer das mit alten Billing-Systemen und manuellen Prozessen versucht, produziert Abrechnungsfehler und Compliance-Risiken — die Investition in Metering- und Billing-Infrastruktur ist nicht optional, sondern Voraussetzung.

Baustelle 3: Vertriebsvergütung. Das klassische Comp-Modell bezahlt den Abschluss (Booking). Bei Verbrauchsmodellen gibt es zwei Überzeugungsmomente: die Landung des Kunden und das anschließende Konsumwachstum. Vergütungspläne müssen beide abbilden — was Sales-Organisationen umbaut, Customer Success aufwertet und in der Übergangsphase regelmäßig Reibung und Fluktuation erzeugt.

Baustelle 4: Margenrisiko durch Inferenz-COGS. Das ist die gefährlichste Baustelle. Klassisches SaaS hatte 75–85% Bruttomarge, weil die Bereitstellungskosten fix waren. KI-Produkte tragen variable Inferenzkosten, die mit der Nutzung skalieren — wer KI-Features unter Flatrate verkauft, dessen Bruttomarge erodiert mit jedem Power-User. Die Pricing-Architektur muss deshalb spiegelbildlich zur Kostenarchitektur gebaut werden: Variable COGS verlangen variable Erlöse. Genau das ist der tiefere Grund, warum der Shift unausweichlich ist — er ist keine Marketing-Mode, sondern Margenverteidigung.

Baustelle 5: Die J-Kurve der Migration. Wer eine Bestandsbasis von Per-Seat auf Verbrauch umstellt, erlebt fast immer eine Übergangsdelle: Leichtnutzer zahlen sofort weniger, Power-User wehren sich gegen Mehrkosten, und die neuen Systeme kosten, bevor sie liefern. Die Umstellung frisst kurzfristig Umsatz und Marge, um langfristig Wert-Alignment zu gewinnen — ein klassisches Investitionsproblem, das Quartalsdenken bestraft.

Teil 4: Was das für die Kapitalallokation bedeutet

Hier wird das Dossier zum Investment-Werkzeug. Der Pricing-Shift verändert drei Ebenen der Kapitalallokation: die des Software-Unternehmens, die des Bewertungsmodells und die des Portfolios.

Ebene 1: Kapitalallokation im Unternehmen

Das umstellende Unternehmen muss Kapital an neue Stellen lenken: Metering- und Billing-Infrastruktur (Build oder Buy — die Existenz von Spezialisten wie Metronome oder m3ter zeigt, dass hier eine eigene Infrastrukturschicht entsteht), Customer-Success-Kapazität (die unter Verbrauchsmodellen den Expansion-Umsatz treibt, den früher der Vertrieb verkaufte) und FinOps-Fähigkeiten zur Inferenzkosten-Attribution je Kunde und Feature. Gleichzeitig sinkt der relative Wert klassischer Sales-Kapazität: Wenn Expansion automatisch mit der Nutzung skaliert, ist jeder in Quota-Carrying-Vertrieb investierte Dollar weniger wert als zuvor. Die Kapitalallokations-Signatur erfolgreicher Umsteller: weniger CAC, mehr Infrastruktur und Retention.

Ebene 2: Bewertung — die Neuvermessung der Revenue-Qualität

Für den Investor ist die wichtigste Konsequenz unbequem: Nicht jeder „wiederkehrende" Umsatz ist mehr gleich viel wert. Der Markt hat begonnen, Revenue-Qualität neu zu staffeln:

Die Spannungslinie: Usage-Modelle erzielen systematisch höhere Net Revenue Retention, weil Expansion ohne Sales-Intervention mit der Wertschöpfung des Kunden mitwächst — und NRR ist 2026 der dominante Bewertungstreiber geworden (eine 10-Punkte-NRR-Verbesserung wird mit 20–30% Bewertungsaufschlag assoziiert). Gleichzeitig handelt unkommittierter Verbrauchsumsatz mit Abschlag zu vertraglich fixiertem Umsatz, weil er in der Rezession ohne Kündigung schrumpfen kann — der Kunde muss nicht churnen, er muss nur weniger verbrauchen. Für das DCF-Modell heißt das konkret: Verbrauchsbasierte Cashflows verdienen einen höheren Diskontsatz oder konservativere Wachstumsannahmen als vertraglich committete — die Revenue-Beta steigt.

Ebene 3: Portfolio — Gewinner und Verlierer des Shifts

Strukturell verwundbar: Horizontale Per-Seat-Software mit hoher natürlicher Churn-Rate, deren Wertversprechen an menschlicher Bedienung hängt — Collaboration-Tools, generische Produktivitätssoftware, Tools für Einstiegs-Wissensarbeit (Dateneingabe, einfache Sachbearbeitung). Hier wirkt der doppelte Hebel: KI-Agenten reduzieren die Seats und erzwingen Pricing-Zugeständnisse. Die Eagle-Point-Beobachtung trifft den Kern: Wenn ein Agent den Junior-Sachbearbeiter ersetzt, wird auch die Software für den Junior-Sachbearbeiter obsolet.

Strukturell geschützt: Tiefe vertikale Software mit Nicht-Seat-Wertmetriken, Compliance-Verankerung und proprietären Datenbeständen. Das Constellation-Software-Lager argumentiert seit Monaten genau so: KI bedroht primär horizontale Software mit hohen Churn-Raten, während sie für Mission-Critical-VMS (Notruf-Dispatch, Krankenhausabrechnung, Versorger) eher als Feature-Beschleuniger wirkt — die Kunden kaufen dort nicht Code, sondern regulatorische Verlässlichkeit und Prozessvertrauen. Unabhängige Analysen schätzen 40–50% des CSU-Portfolios als „Fortress"-Quadranten (Behörden, Versorger, compliance-lastige Healthcare) ein. Der Markt preist die Gruppe dennoch wie generische Software — die Bewertungskorrektur von CSU (−26% in 2025, weitere Rückgänge 2026 bei gleichzeitig ~15% Umsatz- und ~20% EPS-Wachstum) ist die Wette, dass der Markt hier zu pauschal straft.

Bereits am Ziel: Geschäftsmodelle, deren Verrechnungseinheit nie der Seat war, sondern das physische Asset. Die Gebühr je installiertem Funkmodul, je überwachter Tür, je vernetztem Gerät ist formal Verbrauchs-Pricing — aber mit Annuitäten-Stabilität, weil die installierte Basis nicht täglich neu über ihren Konsum entscheidet und kein KI-Agent ein physisches Brandmelde-Funkmodul ersetzt. Diese Modelle (im eigenen Coverage-Universum: NAPCOs gerätegebundene RSR und das Per-Door-Pricing von MVP Access) haben den Endzustand des Pricing-Shifts vorweggenommen, ohne je durch die Migrations-J-Kurve zu müssen. Sie tragen keine Inferenz-COGS, keine Seat-Erosion und keine Umstellungskosten.

Teil 5: Die Prüfliste für den Investor

Aus dem Dossier folgt ein konkretes Analyse-Raster. Für jede Software-Position (und jeden Kandidaten) sind fünf Fragen zu beantworten:

Erstens: Was ist die Verrechnungseinheit — und ersetzt KI sie? Seats für Routine-Wissensarbeit sind die höchste Risikoklasse. Transaktionen, Assets, Geräte, Betten, Fahrzeuge sind robuste Metriken. Tokens sind volatil, aber wenigstens wert-aligned.

Zweitens: Wie hoch ist der committete Anteil des Umsatzes? Vertraglich fixierte Mindestabnahmen, Multi-Year-Deals und bestandsbasierte Gebühren verdienen den Recurring-Multiple; spotartiger Verbrauch nicht.

Drittens: Trägt das Unternehmen Inferenz-COGS — und sind sie im Pricing abgebildet? KI-Features unter Flatrate sind eine tickende Margenbombe. Die Frage an jedes Management: Wie wird Inferenzkosten-Attribution je Kunde gemessen?

Viertens: Wo steht das Unternehmen in der Migrations-J-Kurve? Vor der Umstellung (Risiko unterschätzt), mittendrin (Umsatzdelle, aber Fortschritt messbar) oder durch (NRR-Profil sollte sich strukturell verbessert haben)?

Fünftens: Was bleibt vom Moat, wenn Software-Erstellung deflationiert? Daten, Workflow-Verankerung, Compliance, installierte Basis und Vertrauensbeziehungen überleben; reine Feature-Überlegenheit nicht.