- Im AI-Zeitalter 2025 wechseln SaaS-Preisstrategien weg von Pauschal- und Seat-basierten Modellen hin zu hybriden, nutzungsbasierten und ergebnisbasierten Modellen
- Der Anteil von Pauschalmodellen sank von 29 % auf 22 %, Seat-basierte Modelle von 21 % auf 15 %, und 29 % der AI-nativen Unternehmen verzeichnen eine Bruttomarge von unter 60 %
- Hybride Preisstrategien kombinieren eine feste Abogebühr mit nutzungsbasierten Elementen und erreichen mit 41 % eine hohe Verbreitung, da sie planbare Umsätze mit AI-Infrastrukturkosten in Einklang bringen
- Ergebnisbasierte Preisstrategien werden derzeit erst von 5 % genutzt, doch bis 2028 wird eine Verbreitung von 25 % erwartet; die Ausbreitung autonomer AI-Agenten ist der Beschleunigungsfaktor
- Nutzungsbasierte Preise werden bei APIs, Infrastruktur, Entwickler-Tools und Agent-Services ganz natürlich eingesetzt, doch wegen der Risiken Volatilität, Planbarkeit und überraschender Rechnungen entwerfen viele Unternehmen Mischmodelle in Form von Basis-Abo + Nutzungsebene
- Preisstrategien entwickeln sich über reine Monetarisierung hinaus zu einem strategischen Narrativ, das Investoren Produktwert und Skalierbarkeit belegt
1. Der Zusammenbruch von Pauschal- und Seat-basierter Preisgestaltung: Warum Vorhersehbarkeit zur Last wurde
- Pauschal- und Seat-basierte Preisstrategien, die die SaaS-Branche 20 Jahre lang beherrscht haben, verlieren wegen einer durch AI verursachten Wert-Diskrepanz rapide an Bedeutung
- Pauschalmodelle sanken von 29 % auf 22 %, Seat-basierte Modelle von 21 % auf 15 %
- 29 % der AI-nativen Unternehmen verzeichnen eine Bruttomarge von unter 60 %, verglichen mit 80–90 % bei klassischem SaaS
- Die Kostenvolatilität von AI-Workloads ist der Hauptgrund für den Zusammenbruch des Pauschalmodells
- Fortgeschrittene Modelle von OpenAI können für die Verarbeitung einer einzelnen Query mit hohem Kontext bis zu 3.500 Dollar Rechenkosten verursachen
- Kostenintensive Queries von Power-Usern können die nächtlichen Infrastrukturkosten sprunghaft ansteigen lassen
- Seat-basierte Preisgestaltung erzeugt eine paradoxe Situation, da AI-Agenten zahlreiche Arbeitskräfte ersetzen
- Cursor erreichte mit nur 60 Mitarbeitenden 200 Mio. Dollar ARR, wobei der Umsatz unabhängig von der Mitarbeiterzahl skaliert
- Klarna verdoppelte nach der Einführung von AI-Agenten den Umsatz pro Mitarbeiter
- Bestehende Preisstrategien müssen von Zugang hin zu flexiblen Strukturen wechseln, die auf tatsächlicher Nutzung oder Ergebnissen basieren
2. Warum hybride Preisgestaltung zum neuen Standard geworden ist
- Hybride Preisstrategien sind bei 41 % der SaaS- und AI-nativen Unternehmen das Hauptmodell
- Ein Toolkit-Ansatz, der feste Abogebühren mit nutzungsbasierten Elementen kombiniert
- Mischformen wie Basispreis + Mehrnutzung, Tiers + nutzungsabhängige Zusatzgebühren oder Credit-basierte Modelle
- Der zentrale Vorteil hybrider Modelle ist die Balance aus Vorhersehbarkeit und Skalierbarkeit
- Sie bieten dem Finanzteam stabile Basiserlöse und der GTM-Strategie Hebel für Expansion
- Nutzungsmessung koppelt AI-Infrastrukturkosten an Umsatz und ermöglicht Kunden einen risikoarmen Einstieg sowie wertbasierte Expansion
- Beispiele für hybride Modelle bei führenden Unternehmen
- Monday.com: AI-Credits sind im Plan enthalten, Mehrnutzung wird separat verkauft
- Clay: Begrenzungen pro Seat entfernt, Monetarisierung über Nutzung und Premium-Funktionen
- OpenAI: Wechsel von festem Abo zu einem hybriden Modell aus Credits + Upsell-Bundles
- Retool: Ergänzt klassische Pläne um eine Add-on-Ebene auf Nutzungsbasis
- Das Risiko hybrider Modelle liegt in zunehmender Komplexität, wenn sie wie ein „Universal-Label“ wirken
- Wenn Seat-Tiers + Nutzungstiers + Add-on-Bundles + Obergrenzen und Overages übereinanderliegen, fällt es Kunden schwer zu verstehen, „wofür genau sie bezahlen“
- Ein gut entworfenes Hybridmodell schafft Balance zwischen Flexibilität und Klarheit, ein schlecht entworfenes kann jedoch ein von Ausnahmen und Fußnoten überladenes, Misstrauen erzeugendes Preissystem werden; in einer Zeit, in der Transparenz der Kern von Vertrauen ist, sind diese Misstrauenskosten ein fataler Schwachpunkt
3. Praktische Einführung von Outcome-Based Pricing und das CAMP-Framework
- Ergebnisbasierte Preisgestaltung (OBP) bedeutet Abrechnung nach Resultaten statt nach Nutzung
- Derzeit nutzen sie nur 5 %, doch bis 2028 wird eine Verbreitung von 25 % erwartet
- AI-native Startups weisen eine viermal höhere OBP-Einführungsrate auf als etablierte Unternehmen
- Da AI-Systeme messbare Ergebnisse erzeugen, steigt die praktische Umsetzbarkeit von OBP
- Support-Tickets lösen, qualifizierte Leads erzeugen, juristische Dokumente erstellen: klare Erfolgsmetriken sind möglich
- Fin von Intercom ist ein repräsentatives Beispiel für OBP
- Statt nach Support-Seats oder Chatbot-Nutzung abzurechnen, gilt Abrechnung pro Lösung (
per-resolution)
- Wenn eine Anfrage nicht gelöst wird, fällt keine Gebühr an; „weil es die Rolle eines Support-Agenten übernimmt, wird es auch so bepreist“
- Das CAMP-Framework beschreibt vier Hürden, die die Einführung von OBP bremsen
- Consistency: Unterschiedliche Nutzungsweisen und Wertmaßstäbe je Kunde erschweren eine einheitliche Ergebnisdefinition
- Attribution: Es braucht einen klaren Nachweis, dass das Produkt das Ergebnis verursacht hat; in Umgebungen mit mehreren Einflussfaktoren entsteht Mehrdeutigkeit
- Measurability: Erfolgsmessung erfordert interne Systemintegration oder subjektive Berichte; nur wenn Kunden den Metriken vertrauen, ist Abrechnung möglich
- Predictability: Sowohl Käufer als auch Anbieter brauchen Planbarkeit; schwankt das Ergebnisvolumen stark, wird die Rechnung instabil, daher sind Mindest- und Höchstwerte nötig
- Die meisten Unternehmen setzen OBP als langfristiges Ziel und erweitern es schrittweise nach Tests mit wenigen Kunden
- Erst Ergebnisse messen und Vertrauen sowie Attribution aufbauen, dann bei belastbaren Daten auf OBP umstellen
4. Nutzungsbasierte Preisgestaltung: Hohe Skalierbarkeit, aber kein Allheilmittel
- Nutzungsbasierte Preisstrategien bedeuten „Abrechnung proportional zur Nutzung“ und stehen bei AI-Produkten im Fokus
- Sie funktionieren gut, wenn die Werteinheit klar, wiederholbar und skalierbar ist
- Bereiche, in denen nutzungsbasierte Modelle gut passen
- Token-basierte APIs (OpenAI, Anthropic)
- Entwicklerplattformen (Vercel – Abrechnung nach Bandbreite, Build-Zeit und Requests)
- Autonome AI-Agenten (Bolt.new – nach starkem Nutzungsanstieg Wechsel zu tokenbasierter Abrechnung)
- Payment-Infrastruktur (Stripe – Abrechnung pro Transaktion ist direkt mit dem Kundenwachstum verknüpft)
- Prinzipien für effektives Design nutzungsbasierter Preise
- Wertwahrnehmung mit Nutzung verknüpfen: nicht nach API-Calls abrechnen, sondern nach versendeten E-Mails oder Ergebnissen
- Unerwartete Rechnungen vermeiden: klare Nutzungs-Dashboards, Schwellenwert-Warnungen und Ausgabenlimits sorgen für Transparenz
- Planbarkeit mit Credits oder Tiers erhalten: Prepaid-Credits, Nutzungstiers und Peak-Pricing-Modelle schaffen Balance zwischen Flexibilität und Vorhersehbarkeit
- Das Volatilitätsproblem nutzungsbasierter Modelle
- Anbieterseite: Schwankende Monatserlöse erschweren Prognosen, und für Investoren wird die Vorhersage in frühen Phasen schwieriger
- Käuferseite: Ausgaben sind schwer planbar, große Vorausverpflichtungen werden schwieriger, kostenbewusste Kunden wandern eher ab und Einkaufsteams leisten Widerstand
- Die meisten AI-Unternehmen nutzen nutzungsbasierte Preise als Layer, nicht als vollständiges Modell
- Eine hybride Struktur aus Basis-Abo (Zugang) + Nutzungsgebühr (für Workloads mit hoher Last) erhält Upsell-Potenzial
5. Agentic vs. Assistive AI: Zwei Wege, die die Preisstrategie bestimmen
- In der AI-Monetarisierung entsteht eine klare Trennung zwischen autonomen (Agentic) und unterstützenden (Assistive) Produkten
- Autonome AI: führt Aufgaben mit minimalem menschlichem Eingriff aus (Support-Tickets bearbeiten, Outbound-E-Mails erzeugen, juristische Dokumente verfassen)
- Unterstützende AI: verbessert menschliche Workflows, der Mensch bleibt stets im Loop (Schreibvorschläge, Code-Autovervollständigung, Grammatikprüfung)
- Autonome AI = ergebnisbasierte oder task-basierte Preisgestaltung
- Wenn AI die volle Verantwortung für eine Aufgabe trägt, ist Abrechnung pro Ergebnis passend
- Neben Intercoms Fin setzen auch Adept (Agenten über Unternehmenssysteme hinweg) und Jasper (vollständiges Verfassen von Marketinginhalten) task-basierte Abrechnung ein
- Abrechnung pro Nutzer oder pro Seat ist bedeutungslos, weil die AI selbst der Nutzer ist
- Unterstützende AI = nutzungsbasierte oder tier-basierte Preisgestaltung
- Wenn AI menschliche Arbeit ergänzt, eignen sich nutzungsbasierte oder funktionsbasierte Tier-Preise
- GitHub Copilot: Abrechnung pro Entwickler-Seat (Integration in den Coding-Workflow)
- Grammarly: Tiered Pricing je nach erweiterten Vorschlägen, Tonfall-Funktionen und Grad der Teamzusammenarbeit
- Die Wahl des falschen Modells führt zu Monetarisierungsfehlern
- Wird autonome AI pro Seat bepreist, schrumpft mit sinkender Mitarbeiterzahl auch der TAM
- Wird für unterstützende Tools ergebnisbasiert abgerechnet, führt die unklare Attribution zu Widerstand bei Käufern
- Wird das Produkt klar als autonom oder unterstützend definiert, ergibt sich die Preislogik fast von selbst
6. Verhaltensbasierte Monetarisierung: die neue PLG-Frontier
- Klassisches PLG nutzte Upgrades über Nutzungsgrenzen (10 Dashboards, 500 Kontakte, 100 MB Speicher usw.)
- Führende PLG-Unternehmen wechseln nun zu verhaltensbasierter Monetarisierung
- Preisgestaltung richtet sich nicht mehr nach willkürlichen Limits, sondern nach dem Engagement, Wachstum und der Art der Wertabschöpfung durch Nutzer
- Zentrale Mechanismen verhaltensbasierter Monetarisierung
- Premium-Funktionen werden freigeschaltet, nachdem Nutzer eine bestimmte Zahl von Workflows automatisiert oder die ersten 100 Rechnungen versendet haben
- Wenn ein Team neue Integrationen hinzufügt oder die Nutzung auf Abteilungen ausweitet, werden Upsell-Nudges ausgelöst
- Bei tiefer Adoption wie Nutzung fortgeschrittener Workflows, Einladung von Mitwirkenden oder Überschreiten von Erfolgsmetriken erfolgt der Wechsel in höhere Tiers
- Notion, ClickUp, Clay und andere sind führend bei der Verfolgung von User-Milestones und der Anpassung von Preis-Nudges
- Warum verhaltensbasierte Monetarisierung nötig ist
- Statische Tiers sind für heutige Power-User zu generisch
- Ein Marketingteam mit 50 AI-Workflows pro Monat und ein Solo-Gründer mit nur einem Workflow sind unterschiedlich, könnten im traditionellen Modell aber im selben Plan landen
- Verhaltensbasierte Monetarisierung ermöglicht eine Preisgestaltung näher am real gelieferten Wert
- Nutzer verstehen intuitiv, wann und warum mehr Kosten entstehen
- Es fühlt sich eher wie natürlicher Fortschritt an als wie eine Barriere
7. Strategische Monetarisierung = Narrativ für Fundraising
- Für Gründer in der Frühphase ist Preisgestaltung eine narrative Waffe
- Die besten GTM-Teams behandeln Pricing als Verlängerung der Produktstrategie
- Smarte Preismodelle betonen Stärken auf mehreren Ebenen
- Bewertungstreiber: starke Net Dollar Retention (NDR), kurze CAC-Payback-Zeiten, sich verbessernde Bruttomargen trotz steigender Infrastrukturkosten
- Wettbewerbsgraben: Preise, die Ergebnisbezug und exklusive Attributionslogik nutzen, sind schwer zu kopieren und leichter zu verteidigen
- Skalierbarkeit: flexible hybride oder ergebnisbasierte Modelle, die mit Produktreife und Kundennutzung wachsen
- Die Kernfragen der Investoren
- „Wie gut folgt der Preis dem Wert? Wie entwickelt er sich mit der Adoption? Wie schützt er die Marge in einer AI-zentrierten Welt?“
- Für AI-native Startups ist das besonders wichtig
- Wenn das Produkt Aufgaben automatisiert oder messbare Ergebnisse liefert, muss der Preis das widerspiegeln
- Sonst ist es ein Signal für einen Bruch zwischen Produktversprechen und GTM-Umsetzung
- Roadmap zur Pricing-Reife nach ARR
- 0–1 Mio. ARR: einfaches Pauschalmodell oder Tiers
- 1–5 Mio. ARR: Tracking der Nutzung ergänzen
- 5–20 Mio. ARR: hybride Modelle, fortgeschrittene Tiers
- 20 Mio.+ ARR: Experimente mit ergebnisbasierter Preisgestaltung, Enterprise-Anpassung
- 2025 ist Pricing die Schlagzeile auf Seite eins jedes Investoren-Memos; wenn es die Produktintelligenz nicht widerspiegelt, fällt das Investoren auf
8. Die Zukunft: von Zugang zu Nutzung und dann zu Ergebnissen
- SaaS-Preisgestaltung entwickelt sich über das Packaging von Funktionen hinaus hin zur Übereinstimmung zwischen der Art, wie ein Produkt Wert schafft, und der Art, wie das Geschäft diesen Wert abschöpft
- Zeitalter statischer Software: Pauschal- und Seat-basierte Modelle (Wert skaliert mit Personenzahl)
- Zeitalter AI-basierter Produkte: nutzungsbasierte Modelle (passend für Computing und API-Aufrufe)
- Zeitalter autonomer AI: ergebnisbasierte Modelle (Umsatz ist an Resultate statt an Aktivität gekoppelt)
- Führende SaaS-Unternehmen verkaufen nicht Softwarezugang, sondern Erfolg und rechnen entsprechend ab
- Die besten Teams experimentieren mit Preisen fortlaufend wie mit einem Produkt
- iterieren, testen, verbessern
- Verantwortlichkeiten zuweisen und Billing-Design in die GTM-Strategie integrieren
- sich auf eine Welt vorbereiten, in der Multi-Model-Pricing zum Standard wird
- Preisgestaltung im AI-Zeitalter ist mehr als ein Geschäftsmodell: ein Vertrauensvertrag, ein Wachstumshebel und ein klares Signal dafür, wie gut gelieferter Wert verstanden wird
Noch keine Kommentare.