Das, was B2B-Software altmodisch erscheinen lässt, macht sie zugleich zur besten Plattform für den Einsatz von KI.
Julie Colwell
Principal Strategist
Workday
In den letzten zwei Jahren standen Anbieter von Unternehmenssoftware unter genauer Beobachtung. Wenn Agenten die Arbeit erledigen können, warum dann noch für die Software bezahlen? Der anfängliche Ausverkauf von Aktien deutete auf eine drohende „SaaSpocalypse“ hin.
Doch das ist nicht eingetreten. Stattdessen hat sich das Bild aufgehellt. Anbieter von Unternehmenssoftware beweisen, dass sie perfekt aufgestellt sind, um skalierbare, verantwortungsvolle KI zu ermöglichen. Und sie haben den schwersten Kampf bereits gewonnen: das Vertrauen der Kunden zu gewinnen.
SaaS-Unternehmen bieten drei zentrale Vorteile, die sie als geeignete Grundlage für KI positionieren:
Das Betriebsmodell (IT): wie das System selbst strukturiert ist – Rollen, Berechtigungen, Genehmigungsketten und Regeln des Rechtssystems, die in die Plattform integriert sind.
Das Preismodell (Finanzen): wie Arbeit gemessen, zugeordnet und fakturiert wird.
Das Talentmodell (HCM): wie die Belegschaft das On- und Offboarding durchläuft, Aufgabengebiete zugewiesen bekommt und bewertet wird.
Dieser Vorsprung macht Enterprise-SaaS zum sichereren Ort, um einen Agenten mit Zahlungen, Zugriffsrechten oder den Geschäftsbüchern eines Unternehmens zu betrauen. Das ist auch der Grund, warum sich die Angst vor der „SaaSpocalypse“ nicht bewahrheitet hat. Die Aspekte von SaaS, die einst schwerfällig wirkten, haben sich als Voraussetzung dafür erwiesen, der KI weitreichende Aufgaben anzuvertrauen.
Studie
Anfangs versuchten Anbieter von Unternehmenssoftware, ihren Vorteil auf Daten zu stützen – mehr Transaktionen, sauberere Unterlagen, eine Lösung statt eines Flickenteppichs. Das stimmt, doch es ist nur ein Teil der Geschichte.
Daten können einem Modell verraten, was passiert ist, doch sie sagen nicht, was als Nächstes passieren darf, unter wessen Befugnis, in welchem Rechtssystem oder wer bei Fehlern haftet. Dies sind unverhandelbare Grundlagen. Kunden können nicht das Risiko eingehen, Fehler sofort zu skalieren, Agenten falsch zu trainieren oder sie einzusetzen, ohne die Tragweite der Konsequenzen zu verstehen. Es steht zu viel auf dem Spiel.
Aneel Bhusri, CEO von Workday, erklärte, dass HR und Finanzen zwangsläufig deterministisch sind und absolute Genauigkeit sowie Auditierbarkeit über alle Rechtssysteme hinweg erfordern. HR-Analyst Josh Bersin stimmt zu: Die Berechtigungen, das Sicherheitsmodell und die Compliance-Logik, die bereits in ein Stammdatensystem integriert sind, sollten als Guardrails dienen, innerhalb derer sich ein Agent sicher bewegen kann. Diese Guardrails von Grund auf neu zu entwickeln, ist teuer und birgt Risiken, die von außen leicht unterschätzt werden.
Mit anderen Worten: Unternehmens-KI erfordert ein zuverlässiges Betriebsmodell, nicht nur ein Dataset. Es muss Fall für Fall innerhalb des Stammdatensystems aufgebaut werden, das ein Unternehmen führt.
Es wird Fall für Fall innerhalb des Stammdatensystems aufgebaut, das ein Unternehmen führt.
Nehmen wir zum Beispiel Medtronic. Das Gesundheitstechnologieunternehmen hat sich zum Ziel gesetzt, 80 % seiner HR-Prozesse zu automatisieren – beginnend mit der Talentakquise, die rund 12.000 Neueinstellungen pro Jahr abwickelt. Ihr KI-Agent wird je nach Rolle unterschiedlich konfiguriert – eine hochrangige medizinische Fachkraft durchläuft einen differenzierteren Screening-Prozess als eine Standard-Neueinstellung. Dies ist genau die Art von rollenbasierter, richtlinienbewusster Festlegung des Umfangs, die in die Plattform integriert sein muss und nicht vom Modell geliefert werden darf.
Anstatt einem universellen Agenten die Unternehmensregeln anhand der Trial-and-Error-Methode beizubringen – und zu hoffen, dass die Fehler nicht teuer werden –, weiß die Plattform bereits, wie eine Kündigung in Frankreich im Vergleich zu Texas abläuft. Die Berechtigungen werden vererbt, nicht erlernt.
Das ist bei einem externen KI-Modell nicht möglich.
Der zweite Vorteil, den Anbieter von Unternehmenssoftware haben, ist ihr dynamisches Preismodell.
Bei verbrauchs- oder nutzungsbasierten Modellen werden die von den Agenten erbrachten Leistungen in Rechnung gestellt, und nicht eine feste Anzahl an Mitarbeiterlizenzen.
Laut Prognosen von Gartner werden sich bis 2030 mindestens 40 % der Ausgaben für Enterprise-SaaS auf nutzungs-, agenten- oder ergebnisbasierte Preismodelle verlagern. Ein Großteil der Branche nutzt heute bereits dieses Modell oder eine hybride Variante davon.
Eine verbrauchsbasierte Preisgestaltung ist der einzige faire Weg, um einen Service zu bewerten, der sowohl aus Software als auch aus Arbeitsleistung besteht.
Eine verbrauchsbasierte Preisgestaltung ist der einzige faire Weg, um einen Service zu bewerten, der sowohl aus Software als auch aus Arbeitsleistung besteht. Was Agenten tun und welche Aufgaben sie erledigen, lässt sich messen, zuordnen und überprüfen – mit denselben Berechtigungen und der gleichen Nachweisführung, auf denen auch das Betriebsmodell basiert.
In diesem Modell ist die Rechnung ein belastbarer Finanzbeleg, da jede Einheit der Arbeit des Agenten protokolliert wird und zuordenbar ist.
Die letzten zwei Jahre haben uns gezeigt, dass die Belegschaft der Zukunft sowohl Mitarbeiter als auch Agenten umfasst, und Unternehmen, die nicht lernen, diesen Mix zu managen, werden ins Hintertreffen geraten.
Enterprise-SaaS ist optimal aufgestellt, um Unternehmen bei dieser Umstellung zu unterstützen. B2B-Software ist bereits in die HR-Kernfunktionen integriert: Onboarding, Rollendefinition, Performance-Tracking, Zugriffsänderungen und Offboarding. Wenn KI strategisch eingebunden statt nachträglich aufgesetzt wird, kann das Talentmodell Agenten Seite an Seite mit menschlichen Mitarbeitenden managen, ohne den Prozess neu erfinden zu müssen.
Ein Unternehmen kann für einen Agenten ein sicheres Onboarding durchführen, seine Rolle und Verantwortlichkeiten definieren sowie seine Kosten und Wirkung verfolgen – genau wie bei einer Person.
Mit anderen Worten: Ein Unternehmen kann für einen Agenten ein sicheres Onboarding durchführen, seine Rolle und Verantwortlichkeiten definieren sowie seine Kosten und Wirkung verfolgen – genau wie bei einer Person. Kunden vertrauen Anbietern von Unternehmenssoftware bereits bei diesen Funktionen. Dadurch ist KI von Enterprise-SaaS-Anbietern weitaus weniger riskant als unkontrollierte Lösungen, die nur nachträglich aufgesetzt werden.
Alles, was Enterprise-SaaS eher traditionell wirken ließ – Verwaltungsaufwand, Abrechnungsdisziplin, HR-Bürokratie – erweist sich als genau das, was KI benötigt, um sicher zu handeln. Eine Plattform, die bereits weiß, wer was genehmigen darf, die eine Einheit der Arbeit messen und überprüfen sowie eine Belegschaft managen kann, ist kein störendes Legacy-System. Es ist die Plattform, die entwickelt wurde, damit ein Agent im Namen eines Unternehmens handeln kann.
Es ist die Plattform, die entwickelt wurde, damit ein Agent im Namen eines Unternehmens handeln kann.
Wir sollten davon ausgehen, dass die Grenze zwischen Mitarbeiter und Agent innerhalb dieser Plattformen zunehmend verschwimmt – mit mehr Rollen, mehr Genehmigungsketten und einem zunehmend hybriden Organisationsdiagramm. Wir können erwarten, dass sich die Preisgestaltung weiter dahin verlagert, was ein Agent tatsächlich leistet – inklusive der Datensätze, um dies zu belegen. Zudem dürften die Aufgabenbereiche, die Agenten anvertraut werden, Schritt für Schritt und Funktion für Funktion wachsen, während die Guardrails erprobt werden. Anbieter, die jahrelang Software für Menschen entwickelt haben, verfügen bereits über das nötige Vertrauen, um diese Erfahrung auch auf Agenten auszuweiten – und sind damit klar im Vorteil.
Studie
Das wahre ROI-Problem liegt in der Diskrepanz zwischen dem investierten Aufwand und der tatsächlichen Wirkung. Entdecken Sie die Lösung.