Zum Inhalt springen

Blog

KI & Machine Learning

Services as Software: Warum Ergebnispreise Lizenzplätze und Stunden ablösen

Services as Software heißt, fertige Arbeit von KI-betriebenen Systemen zu kaufen, abgerechnet pro Ergebnis statt pro Lizenzplatz oder Stunde. Was das bedeutet und was Sie zuerst prüfen sollten.

7 Min. Lesezeit
Gedithertes Bild zweier Marmorhände, die einen fertigen Ballen gewebten Stoffs über eine Markttheke reichen, während leere Stühle und stillstehende Sanduhren im Schatten dahinter verblassen.
Facebook-Logo
X-Logo
LinkedIn-Logo
Reddit-Logo
Telegram-Logo

„Services as Software“ heißt, fertige Arbeit, etwa abgeschlossene Buchhaltung, gelöste Tickets oder entworfene Verträge, von einem Unternehmen zu kaufen, das den Großteil dieser Arbeit mit KI erledigt, und pro Ergebnis zu zahlen statt pro Nutzerlizenz oder abrechenbarer Stunde. Für Käufer verschiebt sich die Frage von „Welches Tool lizenzieren wir?“ zu „Für welches Ergebnis zahlen wir?“

Stellen Sie sich einen Finanzleiter vor, der im selben Monat zwei Verträge verlängert. Der eine ist die Buchhaltungssoftware, abgerechnet pro Nutzer. Der andere ist die externe Kanzlei, die jeden Monat die Bücher abschließt, abgerechnet nach Stunden. Ein neuer Anbieter bietet eine dritte Option: Schicken Sie uns Ihre Bankfeeds und Rechnungen, und wir liefern einen abgestimmten Monatsabschluss zum Festpreis pro Abschluss. Es gibt keinen Lizenzplatz und keine Stunden, die zu genehmigen wären. Der Finanzleiter muss entscheiden, ob das günstiger, riskanter oder beides ist.

Was bedeutet „Services as Software“?

Services as Software ist ein Geschäftsmodell, bei dem ein Unternehmen die Arbeit selbst verkauft, überwiegend von KI-Systemen erledigt, wobei Menschen die Teile prüfen, die Urteilsvermögen erfordern, statt ein Tool zu verkaufen, das einem Fachmann bei der Arbeit hilft. Der Kunde kauft ein Ergebnis, keinen Zugang.

Der Begriff geht auf Services: The New Software zurück, einen Essay von Julien Bek, den Sequoia Capital am 5. März 2026 veröffentlicht hat. Er beginnt mit dem Satz „Das nächste 1-Billion-Dollar-Unternehmen wird ein Softwareunternehmen sein, das sich als Dienstleister tarnt“ und zieht die Unterscheidung in zwei Sätzen: „Ein Copilot verkauft das Werkzeug. Ein Autopilot verkauft die Arbeit.“

  • Ein Copilot ist KI in den Händen eines Fachmanns; der Fachmann ist der Kunde und entscheidet, was er damit tut.

  • Ein Autopilot ist KI, die das Ergebnis liefert; Kunde ist, wer früher für die Arbeit bezahlt hat.

Das Argument des Essays dreht sich um Budgets. Er stellt fest, dass „auf jeden für Software ausgegebenen Dollar sechs für Dienstleistungen ausgegeben werden“, und nennt ein Beispiel: „Ein Unternehmen gibt vielleicht 10.000 Dollar im Jahr für QuickBooks aus und 120.000 Dollar für einen Buchhalter, der die Bücher abschließt.“ Ein Autopilot konkurriert um das zweite Budget, nicht um das erste.

Warum wechseln Anbieter von Lizenzplätzen und Stunden zu Ergebnissen?

Lizenzplätze und Stunden messen beide Eingaben, und KI kappt die Verbindung zwischen Eingaben und Ergebnissen: Wenn Software die Arbeit erledigt, melden sich weniger Menschen an und es werden weniger Stunden abgerechnet, sodass ein Anbieter, der nach einem von beiden abrechnet, für mehr Leistung weniger bezahlt bekommt.

Jedes Modell belohnt etwas anderes:

  • Pro Lizenzplatz: Der Käufer zahlt für: Personen mit Zugang. Der Anbieter wird belohnt für: mehr Nutzer, ob die Arbeit erledigt wird oder nicht. Bricht, wenn: die Software die Arbeit erledigt und weniger Menschen ein Login brauchen.

  • Pro Stunde: Der Käufer zahlt für: aufgewendete Zeit. Der Anbieter wird belohnt für: mehr Stunden, was langsamere Arbeit bedeuten kann. Bricht, wenn: KI in Minuten erledigt, was früher in Tagen abgerechnet wurde.

  • Pro Ergebnis: Der Käufer zahlt für: ein definiertes, fertiges Resultat. Der Anbieter wird belohnt für: Ergebnisse, die der Definition entsprechen. Bricht, wenn: das Ergebnis schwer zu definieren, zu prüfen oder zuzuordnen ist.

Ein Ergebnis ist eine Einheit fertiger Arbeit, auf die sich beide Seiten vorab einigen und die sich danach prüfen lässt: ein Ticket, das ohne Mensch gelöst wurde, eine Rechnung, die zugeordnet und gebucht wurde, ein Lead, der anhand vereinbarter Kriterien qualifiziert wurde. Ergebnisbasierte Preise funktionieren nur, wenn sich diese Einheit aufschreiben lässt.

Wie sehen ergebnisbasierte Preise in der Praxis aus?

Im Kundenservice sind ergebnisbasierte Preise am weitesten fortgeschritten, weil sich ein gelöstes Gespräch leicht zählen lässt. Zwei bekannte Anbieter veröffentlichen, wie sie das handhaben.

Ein Marmordaumen führt ein kleines Messer, um eine Kerbe in einen hölzernen Kerbstock zu schneiden, jede Kerbe einem darüberliegenden fertigen Gegenstand zugeordnet

Zendesk: Zahlen pro automatisierter Lösung

Am 28. August 2024 kündigte Zendesk ergebnisbasierte Preise für seine KI-Agenten an, bei denen „Kunden nur für Anliegen Kosten entstehen, die von der KI autonom gelöst wurden“. Das Hilfecenter erklärt, dass ein Large Language Model jedes Gespräch bei dessen Ende prüft, „um zu bestätigen, dass die Anfrage des Kunden zufriedenstellend gelöst wurde“, und nur verifizierte Lösungen zählen. Am 18. Mai 2026 ergänzte Zendesk Lösungsstufen, bepreist nach der Komplexität der Lösung.

Intercom Fin: Zahlen pro Ergebnisart

Die Preisseite von Fin von Intercom (geprüft am 31. Oktober 2026) bepreist Fin mit 0,99 US-Dollar pro Ergebnis. Eine Lösung, definiert als „Nach der letzten Antwort von Fin wird keine weitere Hilfe angefordert“, ist ein Ergebnis; weitere sind eine Prozessübergabe, bei der Fin eine konfigurierte Übergabe an einen Menschen abschließt, ebenfalls für 0,99 US-Dollar, und eine Qualifizierung, bei der Fin einen Interessenten mit von Ihnen definierten Kriterien abgleicht, für 9,99 US-Dollar. Sie zahlen höchstens ein Ergebnis pro Gespräch, und die Seite sagt, dass Ihnen nichts berechnet wird, „wenn ein Gespräch ohne Ergebnis einfach an Ihr Team weitergegeben wird“.

Das Muster ist bei beiden dasselbe: ein eng gefasstes Ergebnis, eine schriftliche Definition davon und eine Regel, wer entscheidet, ob es eingetreten ist.

Welche Arbeit ist reif, als Ergebnis gekauft zu werden?

Arbeit ist reif, als Ergebnis gekauft zu werden, wenn sie bereits ausgelagert ist, Regeln statt Geschmack folgt und ein Resultat liefert, das jemand prüfen kann. Arbeit, die von Urteilsvermögen, Beziehungen oder Verantwortlichkeit abhängt, bleibt bei Menschen, auch wenn KI dabei hilft.

Der Sequoia-Essay liefert einen nützlichen Test. „Wenn eine Aufgabe bereits ausgelagert ist, sagt Ihnen das drei Dinge. Erstens: Das Unternehmen hat akzeptiert, dass diese Arbeit extern erledigt werden kann. Zweitens: Es gibt bereits eine Budgetposition, die sich sauber ersetzen lässt. Drittens: Der Käufer kauft bereits ein Ergebnis.“ Er trennt Intelligenz, das Befolgen komplexer Regeln, von Urteilsvermögen, der Entscheidung, was als Nächstes zu tun ist: „Code zu schreiben ist überwiegend Intelligenz. Zu wissen, was als Nächstes gebaut werden soll, ist Urteilsvermögen.“

Eine Marmorbüste im Profil blickt an Reihen identischer behauener Steinblöcke vorbei auf einen rauen, unbehauenen Block auf einem Sockel

Checkliste: Ist diese Arbeit ein Kandidat?

  1. Sie ist bereits ausgelagert oder könnte es werden, ohne dass jemand widerspricht.

  2. Das fertige Ergebnis lässt sich in ein bis zwei Sätzen beschreiben.

  3. Jemand kann das Ergebnis prüfen, ohne die Arbeit zu wiederholen.

  4. Das Volumen ist gleichmäßig genug, um pro Einheit zu bepreisen.

  5. Ein falsches Ergebnis lässt sich abfangen und korrigieren, bevor es bleibenden Schaden anrichtet.

  6. Die Ermessensentscheidungen im Prozess lassen sich herauslösen und bei einer benannten Person belassen.

Backoffice-Arbeit wie Rechnungsabgleich und Abstimmung erfüllt oft die meisten dieser Punkte; unser Beitrag zu KI im Finance-Backoffice zeigt, wo die menschlichen Kontrollen hingehören.

Was sollte ein Käufer prüfen, bevor er einen ergebnisbasierten Vertrag unterschreibt?

Prüfen Sie, wie das Ergebnis definiert ist, wer es verifiziert, was passiert, wenn es falsch ist, und was Sie zahlen, wenn Volumen oder Qualität sich verschieben. Ein ergebnisbasierter Vertrag ist nur so gut wie seine Definition eines fertigen Resultats.

  1. Die Definition. Halten Sie genau fest, was als ein Ergebnis zählt und was nicht, mit Beispielen für Grenzfälle.

  2. Verifizierung. Vereinbaren Sie, wer entscheidet, ob ein Ergebnis eingetreten ist: das System des Anbieters, Ihr Team oder eine Stichprobenprüfung. Wenn die KI des Anbieters die eigene Arbeit beurteilt, lassen Sie sich zeigen, wie, und prüfen Sie eine Stichprobe.

  3. Qualität, nicht nur Menge. Koppeln Sie den Preis an ein Qualitätsmaß, etwa wiedereröffnete Tickets oder später gefundene Korrekturen, sodass billige, aber falsche Ergebnisse den Anbieter etwas kosten.

  4. Mindestmengen und Obergrenzen. Achten Sie auf monatliche Mindestmengen und setzen Sie eine Obergrenze, damit ein Volumenanstieg keine böse Überraschung auf der Rechnung erzeugt.

  5. Eskalation und Haftung. Vereinbaren Sie, was der Anbieter schuldet, wenn ein Ergebnis falsch ist, und wer sich um den Kunden oder die Aufsichtsbehörde kümmert, wenn es darauf ankommt.

  6. Ihre Daten und Ihr Ausstieg. Stellen Sie sicher, dass Sie Eingaben, Ausgaben und Logs behalten und die Arbeit wieder ins Haus oder zu einem anderen Anbieter verlagern können.

Das ist eine praktische Checkliste, keine Rechts- oder Finanzberatung; lassen Sie den Vertrag von Ihrem eigenen Rechtsbeistand prüfen. Bevor Sie unterschreiben, lassen Sie den Anbieter an Ihren eigenen vergangenen Fällen laufen, so wie Sie auch einen KI-Agenten vor dem Livegang testen würden.

So gehen wir bei Vizio AI vor

Wir beginnen jedes KI-Projekt damit, die Arbeitseinheit aufzuschreiben: wie ein fertiges Ergebnis aussieht, wie wir es prüfen und was es heute an Arbeitszeit und externen Honoraren kostet. Diese Ausgangsbasis muss jedes neue System und jeder Anbieter schlagen.

Dann teilen wir den Prozess in die Schritte, die Regeln folgen, und die Schritte, die Urteilsvermögen erfordern, wie in Was ist ein KI-Agent wirklich? beschrieben. Die regelfolgenden Schritte gehen an Workflows und Agenten mit messbarem Ergebnis; das Urteilsvermögen bleibt bei einem benannten Verantwortlichen auf Kundenseite. Verifizierung, Logs und Daten bleiben beim Kunden, sodass sich die Arbeit pro Ergebnis messen lässt, egal ob wir sie betreiben, der Kunde oder ein anderer Anbieter.

Das läuft über unsere drei Studios: das Venture Studio für neue Produkte, das Growth Studio für Umsatzarbeit und das DX Studio für Abläufe.

Quellen

FAQs.

01

02

03

04

05

Mehr lesen.

Dithered illustration of two marble hands pulling a mason's line taut between stakes across bare ground at dawn, the first course of stones laid along it and a pink knot at the nearest stake.
Your First 30 Days With a Product Studio: What Happens Week by Week
7 Min.

The first 30 days with a product studio: week one sets access and goals, week two tests the riskiest assumption, weeks three and four ship a first slice.

Dithered illustration of a marble hand opening the case of a bracket clock to show a dense hidden mechanism, one small gear deep inside glowing red.
What Does an AI Agent Cost to Run? Tokens, Tools and the Hidden Line Items
6 Min.

An AI agent's running cost is model tokens across every step, plus retries, tool and search fees, hosting, monitoring and human review. Budget per task, not per token.

Dithered illustration of a fragmented marble face looking down at a jeweller's tray where gems are sorted by size, the largest stone glowing amber under a brass lamp.
AI Lead Scoring in Your CRM: Start With the Rules You Already Trust
7 Min.

Add AI lead scoring by writing down the rules sales already trusts, cleaning CRM data, then testing the AI score against those rules before reps use it.

AI-first denken.
Zukunftsschnell handeln.

Lassen Sie uns bauen, was als Nächstes kommt! Von Produktideen und intelligenten Workflows bis zu datengetriebenen Systemen und skalierbaren Growth Operations.

Strategiegespräch buchen