8 Minuten
Die Erzählung war fast zu sauber, um infrage gestellt zu werden: Die KI steigt auf, alte Software fällt. Investoren kauften diese Vorstellung schnell. Dann begann die Realität, sich einzumischen — nicht mit einem einzigen Knall, sondern in Form eines langsamen, oft unsichtbaren Umbaus in vielen Unternehmen.
Brad Lightcap, der COO von OpenAI, akzeptiert die Vorstellung nicht, dass etablierte Softwareunternehmen unweigerlich in Bedeutungslosigkeit abdriften. Wenn überhaupt, beobachtet er hinter den Kulissen das genaue Gegenteil. Gerade jene Unternehmen, denen viele Beobachter Rückständigkeit vorausgesagt hatten, handeln inzwischen mit überraschender Dringlichkeit: Sie formen ihre Produkte neu, überdenken Kundenbeziehungen und bauen Prozesse so um, dass sie in einer KI-first-Welt bestehen können.
In einem Gespräch für den Uncapped-Podcast wehrte sich Lightcap gegen die jüngste Marktpanik, die Milliarden von Marktwerten bei Softwareaktien tilgte. Die Annahme, die den Ausverkauf trieb, war simpel: Wenn KI Werkzeuge bauen kann, warum sich dann noch auf traditionelle Softwareanbieter verlassen? Diese Logik verkennt jedoch, so Lightcap, wie entschlossen und schnell viele etablierte Anbieter reagieren, wie tief ihre Kundenbeziehungen sind und wie schwer es ist, das Vertrauen und die betriebliche Infrastruktur, die sie bereitstellen, kurzfristig zu reproduzieren.
Was der Markt falsch einschätzte
Der Abschwung, den manche als eine Art „Software‑Apokalypse“ bezeichneten, gewann im Februar an Fahrt, nachdem neue KI‑Werkzeuge demonstrierten, dass sie juristische und administrative Arbeiten bis zu einem gewissen Grad automatisieren können. Technologien wie große Sprachmodelle und spezialisierte Dokumenten‑Analysetools zeigten beeindruckende Fähigkeiten bei Vertragsprüfung, Zusammenfassungen und einfacher Entscheidungsunterstützung. Investoren fürchteten eine Domino‑Wirkung: Wenn KI Arbeitsabläufe ersetzt, könnte sie auch die dahinterliegende Unternehmenssoftware obsolet machen.
Diese Angst schlug sich in Kursverlusten nieder. Unternehmen wie Salesforce, Snowflake und Microsoft verzeichneten in diesem Jahr Kursrückgänge zwischen etwa 24 % und 30 %. Die zugrundeliegende Sorge war, dass Unternehmen ihre Anbieter überspringen und eigene, maßgeschneiderte Tools mithilfe von KI bauen könnten — eine Art DIY‑Approach für Unternehmenssoftware, gestützt auf generative Modelle und Automatisierungsframeworks.
Doch in denselben Unternehmen spielt sich eine andere Geschichte ab. Lightcap beschreibt, dass es nicht reicht, nur punktuelle KI‑Funktionen hinzuzufügen. Vielmehr werden komplette Nutzerreisen neu entworfen: Produkte werden um Architekturen erweitert, die Automatisierung als Grundbaustein begreifen, neue Marktsegmente werden erschlossen, Integrationsoptionen verbessert und Governance‑Funktionen für Sicherheit und Compliance ausgebaut. All dies sind Schritte, die kurzfristig kaum durch einfache, interne KI‑Basteleien ersetzt werden können.
Der echte Wandel ist nicht Ersatz. Er ist Neuerfindung.
KI beseitigt nicht die Komplexität. Sie vervielfacht sie
Dan Rogers, CEO von Asana, beschreibt das gleiche Muster aus einer anderen Perspektive. Sein Unternehmen gehörte zu denjenigen, die vom Ausverkauf besonders hart getroffen wurden. Dennoch argumentiert er, dass KI in vielen Fällen den Bedarf an strukturierter Unternehmenssoftware erhöht, nicht verringert. Weshalb? Weil die Koordination schwieriger wird, nicht leichter.
Wenn Menschen und potenziell tausende KI‑Agenten parallel zusammenarbeiten, bleibt die Frage bestehen: Wer organisiert Aufgaben, verfolgt Fortschritte, stellt Verantwortlichkeiten sicher und verwaltet Workflows? Diese Schicht verschwindet nicht; sie wächst. Orchestrierung, Nachverfolgbarkeit, Datenkonsistenz, Rollen‑ und Zugriffsmanagement sowie Audit‑Trails werden zentraler denn je. Ohne robuste Plattformen wird der Betrieb solcher hybriden Systeme schnell chaotisch.
Rogers bringt es auf den Punkt: „Das Koordinationsproblem wächst exponentiell.“ In der Praxis bedeutet das, dass Systeme wie Asana, die auf Arbeitsmanagement, Sichtbarkeit und Zusammenarbeit spezialisiert sind, an Relevanz gewinnen können, weil sie die nötige Struktur liefern, um KI‑gestützte Automatisierungen sicher, nachvollziehbar und skalierbar zu betreiben. Unternehmenssoftware verwandelt sich dabei von reiner Funktionalität hin zu einer Steuerungs‑ und Governance‑Ebene für komplexe, vernetzte Prozesse.
Diese Sichtweise widerspricht der populären Erzählung, dass KI alles vereinfacht. Zwar automatisiert KI einzelne Aufgaben — aber sie schafft dadurch neue Abstimmungs‑, Integrations‑ und Kontrollaufgaben. Moderne Unternehmenssoftware muss deshalb nicht nur Funktionen bereitstellen, sondern auch Management‑ und Kontrollmechanismen für KI‑gestützte Automationen. Stichworte sind Observability, Metriken für Modellleistung, Sicherheitstokens, Datenlineage und menschliche Kontrollinstanzen (Human‑in‑the‑Loop).
Die Grenzen, alles mit KI zu bauen
Es gibt zudem eine sehr praktische Frage: Selbst wenn Unternehmen in der Lage wären, mit KI eigene Tools zu bauen, sollten sie das auch tun? Die Antwort ist nicht nur technisch, sondern wirtschaftlich und organisatorisch zu betrachten. Anish Acharya von Andreessen Horowitz äußerte sich hierzu skeptisch. Seiner Einschätzung nach liefern ausgefeilte KI‑Modelle beim vollständigen Nachbau standardisierter Unternehmenssoftware wie Lohnabrechnung (Payroll) oder ERP‑Systemen nur begrenzte Margenvorteile. Die eingesparten Kosten könnten im Bereich von grob geschätzt 10 % liegen — nicht die Art von Einsparung, die einen kompletten Systemumbau rechtfertigt.
Hinter dieser Einschätzung stecken mehrere Gründe: Erstens sind viele Standardprozesse stark reguliert und erfordern robuste Prüfpfade, Compliance‑Funktionen und Integrationen mit externen Diensten (Banken, Steuerbehörden usw.). Das interne Wiederaufbauen dieser Verbindungen ist teuer. Zweitens sind Stabilität, Support und langfristige Wartbarkeit kritische Werte, die etablierte Anbieter dank Erfahrung, Ökosystemen und professionellen Dienstleistungen liefern. Drittens unterschätzen interne Projekte oft den Aufwand für Datensammlung, Qualitätsverbesserung und kontinuierliche Modellpflege — Kosten, die in erste ROI‑Rechnungen leicht übersehen werden.
Acharya fragt provokativ: „Warum dieses Innovationsniveau darauf verwenden, bestehende Systeme neu zu bauen?“ Er verweist damit auf die strategische Überlegung, KI lieber für neue Geschäftsmodelle, bessere Kundenerlebnisse oder differenzierende Automatisierungen einzusetzen, statt sie ausschließlich für das Redesign bereits gelöster Infrastrukturprobleme einzuspannen. Für viele Unternehmen bleibt daher die praktischere Route, bestehende Plattformen zu erweitern, statt sie komplett zu ersetzen.
Eine konträre Wette, die an Fahrt gewinnt
Auch Nvidia‑CEO Jensen Huang hat die Vorstellung zurückgewiesen, traditionelle Softwareunternehmen stünden zwangsläufig vor dem Aus. Seiner Ansicht nach übersteht die Annahme, KI würde Softwaretools vollständig ersetzen, eine fundierte Prüfung nicht. Vielmehr werde KI diese Werkzeuge nutzen, ausdehnen und in sie integriert werden — nicht auslöschen.
Lightcaps Schlussfolgerung liegt auf einer ähnlichen Linie, jedoch mit einem investorenorientierten Blickwinkel. Wer an KI‑Startups glaubt, hat guten Grund, gleichzeitig an etablierte Softwareanbieter zu glauben — nicht trotz der KI, sondern gerade wegen ihr. Starke Kundenbeziehungen, wiederkehrende Umsätze, tief gehende Integrationen in Unternehmenslandschaften und Vertrauenskapital sind Vermögenswerte, die KI nicht automatisch ersetzt. Stattdessen bieten sie eine Basis, auf der Anbieter schneller und risikoärmer KI‑Funktionen in großem Maßstab ausrollen können.
Für Investoren bedeutet das: Die Wette ist nicht „KI gegen Software“, sondern eher „Wer kann Software neu denken, wenn Intelligenz von Anfang an eingebaut wird?“ Unternehmen rüsten auf, modernisieren ihre Plattformen, verbessern APIs, bauen Marktplätze und eröffnen Partner‑Ökosysteme. Diese Entwicklungen schaffen neue Chancen — etwa für hybride Geschäftsmodelle, SaaS‑Anbieter mit integrierten KI‑Services und Plattformen, die als Orchestratoren für KI‑Agenten fungieren.
Die Wettbewerbslandschaft verändert sich dadurch nicht in ein Binärszenario, sondern in ein Ökosystemspiel: Startups bringen Agilität und oft radikal neue UX‑Konzepte, während etablierte Anbieter Stabilität, Skalierbarkeit, Compliance‑Expertise und tiefe Kundenbeziehungen liefern. Beide Seiten werden voneinander profitieren oder sich gegenseitig herausfordern — je nachdem, wie schnell sie integrieren, skaliert liefern und Vertrauen aufbauen.
Für CIOs, Produktverantwortliche und Investoren ist die Lehre pragmatisch: Priorisieren Sie Interoperabilität, Governance und Nachvollziehbarkeit beim Einsatz von KI; messen Sie nicht nur kurzfristige Kosteneinsparungen, sondern auch langfristige Total Cost of Ownership, Integrationsaufwand und Risiko; und erkennen Sie, dass die wirklichen Gewinner jene sind, die KI als eingebettetes Element in Plattformen und Prozessen betrachten, nicht als add‑on.
Zusammenfassend ist das Rennen nicht „KI gegen Software“. Es ist vielmehr ein Wettlauf aller Akteure darum, wie Software aussieht, wenn Intelligenz von Beginn an integriert ist — mit neuen Architekturen, erweiterten Funktionen für Automatisierung und Orchestrierung sowie einem stärkeren Fokus auf Governance, Sicherheit und Kundennutzen. Unternehmen, die diese Komplexität anerkennen und gezielt adressieren, werden die größten Vorteile aus der Verschmelzung von KI und Unternehmenssoftware ziehen.
Kommentar hinterlassen