Preisstrategie-Framework für AI-Agenten

• Die Monetarisierung von AI-Agenten verlagert sich nun von „Nutzung“ hin zu „Ergebnis“
• Vorstellung von vier repräsentativen Preismodellen (pro Agent, pro Aktion, pro Workflow, pro Ergebnis) mit Beispielen
• Entscheidend ist die Wahl einer Preisstrategie, die zu den Fähigkeiten des Agenten und der vom Kunden wahrgenommenen Wertschöpfung passt
• Vorschlag für zukunftsorientierte Preisstrategien als Vorbereitung auf sinkende LLM-Kosten
• Mit der Philosophie „Preis = Mittel zur Wertkommunikation“ zugleich Kundenvertrauen und Profitabilität sichern

---

Neues Preisstrategie-Framework für AI-Agenten

• 75 % der Startups wissen nicht, wie sie AI-Funktionen bepreisen sollen
• Manny Medina, Gründer von Paid.ai, hat mehr als 60 Unternehmen mit AI-Agenten analysiert
• Auf dieser Basis werden vier Preisstrategie-Modelle vorgestellt, die sich in der Praxis als wirksam erwiesen haben
• Jedes Modell kann je nach Rolle des Agenten, Kundenbedarf und Kostenstruktur gewählt werden
• Unternehmen setzen ihre Preisstruktur teils als Einzelmodell, teils als Hybridmodell auf
• Das wichtigste Kriterium ist die Ausrichtung auf den vom Kunden wahrgenommenen Wert
• Diese Zusammenfassung ordnet die Kernkonzepte der einzelnen Modelle sowie Eignung, Vor- und Nachteile ein

Modell 1: Per Agent – FTE-(Full Time Employee)-Ersatzmodell

• Beispielunternehmen: 11x, Harvey, Vivun
• AI wird als digitale Arbeitskraft betrachtet und ersetzt einen Teil bestehender Mitarbeiter
• Kann als Ausgabe wahrgenommen werden, die aus dem Personalbudget kommt
• Feste monatliche Gebühr, ähnlich wie sitzplatzbasierte SaaS-Preise
• Geeignet, wenn
  • die AI ein breites Spektrum an Aufgaben übernimmt
  • das Arbeitsvolumen vorhersehbar ist
  • wiederkehrende und standardisierte Aufgaben ausgeführt werden
• Vorteile
  • Nutzung des Personalbudgets möglich → oft mehr als 10-mal größer als typische Tool-Budgets
  • vorhersehbare Kostenstruktur
• Nachteile
  • geringe Differenzierung → Wettbewerber können mit „dasselbe, nur billiger“ auftreten
  • der Wertnachweis kann auf bloßen Ersatz reduziert werden

Tipp: Ein Agent für 2.000 $/Monat, der einen Mitarbeiter mit 60.000 $ Jahresgehalt ersetzt, ist für Kunden leicht verständlich

Modell 2: Per Action – nutzungsbasiertes Modell

• Beispielunternehmen: Bland, Parloa, HappyRobot
• Abrechnung pro einzelner Aktion, die ein Agent ausführt
• Ähnlich wie Cloud-Infrastruktur oder BPO-Modelle
• Es gibt verschiedene Ansätze wie Token-Verbrauch oder Minutenabrechnung
• Geeignet, wenn
  • die Anforderungsfrequenz unregelmäßig ist oder viele unterschiedliche Aufgaben anfallen
  • sich eine Organisation noch in der frühen Testphase befindet
  • die Workloads schwanken
• Vorteile
  • Abrechnung proportional zur Nutzung → wirkt transparent und fair
  • niedrige Einstiegshürde für Kunden
  • vorteilhaft als Ersatz für BPO (US-BPO-Markt 2025: 152 Mrd. $)
• Nachteile
  • Modell mit der geringsten Differenzierung
  • verschärfter Preiswettbewerb → fördert ein Race to the Bottom

Tipp: Kunden zahlen nur für die tatsächliche Nutzung, was sich gut für Testnachfrage eignet

Modell 3: Per Workflow – Modell zur Prozessautomatisierung

• Beispielunternehmen: Rox, Salesforce, Artisan
• Bepreisung einer Reihe zusammenhängender Aufgaben, die die AI ausführt, als eine Workflow-Einheit
• Kann etwa das Schreiben von E-Mails, Research oder Gesprächsantworten umfassen
• Geeignet, wenn
  • mehrstufige Aufgaben mit klaren Zwischenergebnissen vorliegen
  • sich standardisierte Prozesse wiederholen lassen
• Vorteile
  • Kunden können eingesparte Kosten leicht nachvollziehen
  • Wettbewerbsvorteile auf Workflow-Ebene sind möglich
• Nachteile
  • einfache Workflows sind anfällig für Preisdruck
  • komplexe Workflows sind schwer angemessen zu bepreisen
  • z. B. bei Security-Scans oder der Analyse langer Verträge besteht Risiko von Margenverlusten

Tipp: Lässt sich als Mittelweg zwischen nutzungsbasierten und ergebnisbasierten Modellen verstehen

Modell 4: Per Outcome – ergebnisbasiertes Modell

• Beispielunternehmen: Zendesk, Intercom, Airhelp, Chargeflow
• Abrechnung pro erreichtem Ziel oder geliefertem Ergebnis
• Erfordert den Nachweis der Wirksamkeit per POC oder A/B-Test
• Geeignet, wenn
  • messbare Erfolgskennzahlen vorhanden sind
  • es einen starken marktseitigen Bedarf an ergebnisorientierten Lösungen gibt
• Vorteile
  • klarste Wertvermittlung für Kunden
  • geringe Austauschbarkeit im Wettbewerb
  • mit leistungsabhängigen Bonusmodellen kombinierbar
• Nachteile
  • höhere Vertragskomplexität, da Ergebnisse je nach Kunde unterschiedlich ausfallen
  • schwierig, wenn der Beitrag des Agenten nicht klar nachweisbar ist

Tipp: Ergebnisbasierte Modelle sind direkt mit dem Geschäftserfolg des Kunden verknüpft und eignen sich gut für langfristige Verträge

---

Zukunftsstrategien für die einzelnen Modelle

• Preisstrategien für AI-Agenten werden sich mit technischem Fortschritt und sinkenden Kosten weiter verändern
• Insbesondere könnten die Kosten für LLMs (Large Language Models) innerhalb von 3 bis 5 Jahren um bis zu den Faktor 100 sinken
• Je stärker ein Preismodell rein kostenbasiert ist, desto anfälliger ist es für Wettbewerbsdruck
• Deshalb braucht es Strategien, um jedes Modell langfristig überlebensfähig zu machen

Per Agent – Zukunftsstrategie für das FTE-Ersatzmodell

Dieses Modell dürfte vorerst weiter tragfähig sein. Zur Vorbereitung auf die Zukunft sind jedoch folgende Strategien nötig:

• Wertversprechen von „günstiger als ein Mensch“ zu „leistungsfähiger als ein Mensch“ verschieben
• mehr Funktionen und Integrationsservices in die Pauschalgebühr bündeln
• Einführung eines Agenten-Stufensystems nach Leistungsfähigkeit → Preisstaffelung nach Performance

Per Action – Zukunftsstrategie für das nutzungsbasierte Modell

Dieses Modell dürfte langfristig schwer zu halten sein. Mit sinkenden Technologiekosten steigt die Gefahr, in Preisverfall und Wettbewerb nach unten gezogen zu werden:

• schneller Wechsel zu workflowbasierten oder ergebnisbasierten Preismodellen
• Ergänzung um proprietäre Funktionen, die Wettbewerber nicht bieten
• Spezialisierung auf bestimmte Branchen → Wechsel in Bereiche mit hoher Wertschöpfung

Per Workflow – Zukunftsstrategie für das Prozessautomatisierungsmodell

Dieses Modell ist vergleichsweise stabil, braucht aber folgende Ergänzungen:

• Fokus auf komplexe und mehrstufige Workflows, um einen klaren ROI zu liefern
• Aufbau von Bestandteilen mit hoher Resistenz gegen Kommodifizierung
• Integration zentraler Funktionen wie Analyse-/Optimierungstools in den Workflow-Preis

Per Outcome – Zukunftsstrategie für das ergebnisbasierte Modell

Dieses Modell ist langfristig am vielversprechendsten. Es ist stark auf den Kundennutzen ausgerichtet und am widerstandsfähigsten gegen Preiswettbewerb:

• Aufbau einer Methodik zur Zuordnung von Ergebnissen → auf Basis von A/B-Tests und POCs
• Abschluss von Bonus-/Risikoteilungs-Verträgen → zusätzliche Vergütung bei Kundenerfolg
• Fokus auf messbare, hochwertige Geschäftsergebnisse

---

Framework zur Entscheidung über die Preisstrategie für AI-Agenten

• Stellen Sie sich selbst die folgenden Fragen, um das passende Preismodell für Ihren AI-Agenten zu wählen

  Fragen Sie sich an jedem Entscheidungspunkt: „Warum Yes/No?“ Liegt es an technischen Einschränkungen oder an geschäftlichen? Könnte sich das in Zukunft ändern?

1. Ersetzt der Agent tatsächlich Personal (Headcount)?

• Wenn es eher um Zeitersparnis als um klar messbare Ergebnisse geht:
  • per agent: wenn wiederholbare Aufgaben auf vorhersehbare Weise ausgeführt werden
  • per workflow: wenn die Arbeit über mehrere Schritte abgeschlossen wird, auf Basis von eingesparter Zeit × Personalkosten

2. Lassen sich Ergebnisse messen?

• Wenn der Agent konsistent klare Resultate liefern kann:
  • per outcome: Abrechnung nach Ergebnis, direkt an den Geschäftswert gekoppelt
  • leistungsbasierter Bonus: Kombination mit anderen Modellen, Auszahlung bei Erfolg

3. Sind die Aufgabentypen vielfältig und das Volumen unvorhersehbar?

• Wenn der Agent vielfältige Aufgaben flexibel bearbeiten muss:
  • per action: Abrechnung pro Aufgabe (z. B. Anzahl der Aufgaben × Stückpreis), auch als Hybrid möglich

---

Kernaussagen

• Wählen Sie jetzt das passende Preismodell
  • Automatisierung kompletter Rollen → per agent, um Personalbudgets zu adressieren
  • schwankendes Arbeitsvolumen → per action
  • komplexe Prozesse → per workflow
  • klar definierte Ergebnisse → per outcome

• Umsetzungsstrategie

  • mit einem einfachen Modell starten und über Kundenlernen ausbauen
  • Pilotprojekte mit besonders guten Kunden → Feedback sammeln → schnell nachjustieren
  • kreative Ansätze wie ergebnisbasierte Boni oder Hybrid-Tarife ausprobieren
  • Preisstrategie ist auch eine Frage davon, wie Wert vermittelt wird

• Kontinuierliche Verbesserung

  • Kundenfeedback → Preismodell aktualisieren
  • wichtige Kennzahlen laufend beobachten:
    • Conversion Rate
    • Expansion Revenue
    • Churn

• 👉 Die erfolgreichsten Unternehmen mit AI-Agenten entwickeln ihre Preisstrategie parallel zu technologischem Fortschritt und Kundenbedürfnissen weiter