KI-Agenten Softwarebranche: Vom Stundensatz zum Ergebnis
Der Bitkom erwartet, dass sich die Abrechnung von Arbeitszeit auf messbare Resultate verschiebt. Was das für Geschäftsmodelle und Management heißt.

Der Bitkom erwartet, dass KI-Agenten die Softwarebranche von einer Arbeitszeit- auf eine Ergebnislogik umstellen. Statt verkaufter Stunden rücken laut Verband messbare Resultate in den Mittelpunkt, etwa behobene Sicherheitslücken oder gelöste Support-Tickets. Das ist weniger eine Technikfrage als eine Frage des Geschäftsmodells, und genau hier wird es für viele Anbieter unbequem.
Die Aussage stammt aus einem Bitkom-Positionspapier vom 22. Juni 2026, über das unter anderem heise online berichtete. Silicon Saxony fasst den Kern so zusammen, dass künftig eher das abgerechnet werde, was am Ende herauskommt, nicht der Weg dorthin. Eine wichtige Einordnung vorweg: Es handelt sich um eine Verbandsprognose, nicht um belegte Marktdaten. Unabhängige Zahlen zu tatsächlichen Preiseffekten liegen bislang nicht vor.
Was ist an der Bitkom-Prognose zu KI-Agenten in der Softwarebranche wirklich neu?
Neu ist nicht die Technik, sondern die Konsequenz für die Erlösmodelle. Ergebnisorientierte Abrechnung gibt es längst, etwa bei Erfolgshonoraren. Neu ist die These, dass KI-Agenten diese Logik zum Normalfall machen, weil sie genau den Aufwand automatisieren, den Dienstleister bisher als Stunden verkauft haben.
Der Punkt verdient eine nüchterne Trennung. Dass ein Agent ein Ticket schließt oder einen Patch vorschlägt, ist im Demo-Umfeld vielfach gezeigt. Dass sich daraus ein verlässliches, abrechenbares Ergebnis im Dauerbetrieb ergibt, ist eine andere Frage. Genau an dieser Stelle stand die Diskussion um autonome Agenten schon mehrfach: erst Begeisterung, dann Ernüchterung, dann der schmale Bereich, in dem es real trägt.
Wer Software verkauft, verkauft heute meist Lizenzen oder Arbeitszeit. Beides setzt voraus, dass der Aufwand teuer und knapp ist. Sinkt dieser Aufwand durch Automatisierung, schrumpft die Grundlage des Preises. Das beschreibt auch Computing Deutschland als Bewegung vom Lizenzmodell zur ergebnisorientierten Abrechnung.
Warum trifft der Wandel das Geschäftsmodell und nicht nur die Technik?
Weil das Erlösmodell vieler Software- und IT-Dienstleister an der Stelle hängt, die KI-Agenten gerade entwerten. Wer pro Stunde abrechnet, hat ein Interesse an Aufwand. Wer pro Ergebnis abrechnet, hat ein Interesse an Effizienz. Diese beiden Anreize lassen sich nicht halbherzig mischen.
Aus meiner Beratungspraxis sehe ich, dass diese Spannung selten offen ausgesprochen wird. Ein Dienstleister, der heute 1.200 Stunden für ein Projekt verbucht, wird ungern zugeben, dass ein Teil davon automatisierbar ist. Der Kunde wiederum fragt zunehmend, warum er Stunden bezahlt, wenn eine Maschine den Großteil erledigt. Der Bitkom benennt diese Reibung, ohne sie aufzulösen.
Für Kunden eröffnet das eine bessere Verhandlungsposition. Wer ein konkretes Ergebnis einkauft, etwa eine bestimmte Zahl bearbeiteter Tickets pro Monat, kann Leistung und Preis direkter koppeln. Die Kehrseite: Risiko und Verantwortung verschieben sich. Wenn ein Agent ein Ticket falsch schließt, ist die Frage der Haftung nicht trivial. Wir haben das im Beitrag zur Haftung für KI-Antworten ausführlicher behandelt.
Wie rechnet man ein Ergebnis ab, das eine KI erzeugt?
Die schwierigste Hürde ist die Definition des Ergebnisses. Bevor Sie etwas pro Resultat abrechnen, müssen Sie messbar festlegen, was als erledigt gilt, wer das prüft und wie mit Fehlern umgegangen wird. Ohne diese Vorarbeit wird aus ergebnisorientierter Abrechnung schnell ein Streit über Definitionen.
In der Praxis bedeutet das mehrere Festlegungen, die vor Vertragsschluss stehen müssen:
- Was zählt als Ergebnis: ein geschlossenes Ticket, ein bestätigter Bugfix, eine verifizierte Sicherheitslücke. Je vager die Definition, desto teurer der spätere Konflikt.
- Qualitätsschwelle: Ein vom Agenten geschlossenes Ticket, das der Kunde wieder öffnet, ist kein Ergebnis. Wiedereröffnungsraten müssen Teil der Abrechnung sein.
- Prüfinstanz: Wer kontrolliert die Resultate stichprobenartig, und in welchem Umfang?
- Haftung bei Fehlern: Was passiert, wenn ein automatisch erzeugtes Ergebnis Schaden anrichtet?
Wenn Ihr Unternehmen den Schritt von Stundensätzen zu solchen Ergebnismodellen prüft, lohnt sich vorab ein realistisches Bild davon, was Agenten in abgegrenzten Prozessen heute leisten und wo sie scheitern. Genau diese Abgrenzung, vom Pilotfall bis zur sauberen Integration, steht im Mittelpunkt eines zweitägigen Praxisworkshops zum Aufbau von KI-Agenten und automatisierten Abläufen. Sinnvoll ist er vor allem dann, wenn Sie einen konkreten, wiederkehrenden Prozess vor Augen haben; als allgemeine Einführung ohne klaren Anwendungsfall bringt er weniger.
Welche Chancen und welche Grenzen hat das Modell?
Die Chance liegt in der besseren Kopplung von Preis und Nutzen. Kunden zahlen für das, was sie bekommen, Anbieter mit gut automatisierten Prozessen können profitabler arbeiten. Die Grenze liegt dort, wo Aufgaben Urteil, Kontext und Verantwortung verlangen, die sich nicht in eine Ergebniskennzahl pressen lassen.
Mein Eindruck als Berater: Der Wandel wird selektiv kommen, nicht flächendeckend. Routinearbeit mit klaren Erfolgskriterien, etwa standardisierter Support oder das Abarbeiten bekannter Schwachstellen, eignet sich gut für Ergebnismodelle. Beratungsintensive Projekte mit unklaren Anforderungen eignen sich kaum. Die spannende Verschiebung betrifft auch die Rolle von Einstiegspositionen, ein Thema, das wir unter der Frage, ob KI Junior-Entwickler ersetzt, genauer beleuchtet haben.
Für Führungskräfte, die solche Modellwechsel strategisch bewerten müssen, ohne selbst zu programmieren, gibt es kompakte KI-Weiterbildungen für die Managementebene, die Strategie und Umsetzung verbinden. Das ersetzt keine eigene Marktanalyse, hilft aber bei der Frage, welche Prozesse sich überhaupt für ergebnisbasierte Abrechnung eignen.
Was sollten Software- und IT-Unternehmen jetzt tun?
Vor jedem Modellwechsel steht die ehrliche Bestandsaufnahme, welcher Teil der heute verkauften Arbeitszeit tatsächlich automatisierbar ist. Erst danach lässt sich entscheiden, ob ein Ergebnismodell für einzelne Leistungen sinnvoll ist. Ein konkreter Einstieg:
- Identifizieren Sie einen Prozess mit klaren Erfolgskriterien und hohem Volumen.
- Messen Sie den heutigen Aufwand und die Fehlerquote als Ausgangsbasis.
- Testen Sie einen Agenten an realen Fällen, nicht an Demo-Daten, und prüfen Sie die Wiedereröffnungsrate.
- Definieren Sie erst dann eine Ergebniseinheit und einen Preis, wenn die Qualität verlässlich ist.
Behandeln Sie die Bitkom-Prognose dabei als Hinweis, nicht als Beweis. Sie beschreibt eine plausible Richtung, gestützt auf ein Positionspapier vom Juni 2026. Belastbare Marktdaten zu tatsächlichen Preiseffekten fehlen bislang.
Verschiebt sich die Softwarebranche wirklich vom Stundensatz zum Ergebnis?
Für eng umrissene, gut messbare Leistungen spricht vieles dafür, und der Druck durch KI-Agenten ist real. Für alles, was Urteil, Verantwortung und unklare Anforderungen verlangt, bleibt die Stunde oder das Festpreisprojekt vorerst das passendere Modell. Die entscheidende Frage für die kommenden Monate ist deshalb nicht, ob die Technik mehr kann. Sie lautet, welche Ihrer Leistungen sich überhaupt sauber in ein Ergebnis übersetzen lassen. Daran entscheidet sich, ob der Umbau Ihr Geschäft trägt oder nur Ihre Marge.
Häufige Fragen
Wie wird ein "Ergebnis" überhaupt verlässlich gemessen und abgerechnet?
Das ist der Knackpunkt. Damit etwa ein geschlossenes Ticket oder ein behobener Sicherheitsfehler abrechenbar wird, braucht es klare Definitionen, Messpunkte und Abnahmekriterien. Im Demo-Umfeld funktioniert das oft, im Dauerbetrieb ist Verlässlichkeit schwerer. Bisher fehlen unabhängige Marktdaten zu tatsächlichen Preiseffekten – die Bitkom-Aussage ist eine Verbandsprognose, kein Beleg.
Wer haftet, wenn ein KI-Agent ein Ergebnis liefert, das fehlerhaft ist?
Bei ergebnisorientierter Abrechnung verschiebt sich die Verantwortung stärker zum Anbieter, der für das Resultat einsteht. Genau deshalb ist die Haftungsfrage bei KI-Ergebnissen ungelöst und wichtig: Ein geschlossenes Ticket oder ein vorgeschlagener Patch kann falsch sein. Klare Abnahmekriterien und vertragliche Regelungen werden zentral, bevor man auf reine Resultatabrechnung umstellt.
Bedroht das ergebnisorientierte Modell klassische Stundensatz-Dienstleister?
Potenziell ja. Wer Arbeitszeit verkauft, setzt darauf, dass Aufwand teuer und knapp ist. Automatisieren KI-Agenten genau diesen Aufwand, gerät die Stundenlogik unter Druck. Es ist aber eine Prognose, kein gesicherter Trend. Realistisch dürfte zunächst ein schmaler Bereich tragen, in dem Ergebnisse zuverlässig genug für eine Abrechnung sind.
Lohnt es sich für mein Unternehmen, jetzt auf Outcome-based Pricing umzustellen?
Vorsichtig herangehen. Solange unabhängige Zahlen zu Preiseffekten fehlen, ist ein kompletter Modellwechsel riskant. Sinnvoller ist, einzelne, gut messbare Use Cases zu testen – etwa Support-Tickets – und Ergebnisqualität sowie Kosten sauber zu erfassen. Daraus lässt sich entscheiden, ob und wo sich Ergebnislogik tatsächlich rechnet, statt der Verbandsprognose blind zu folgen.
Wie wirken sich die Betriebskosten der KI-Agenten auf die Marge aus?
Bei Ergebnisabrechnung trägt der Anbieter die laufenden Modellkosten, unabhängig davon, wie viele Versuche ein Agent braucht. Teure Modelle oder viele Fehlversuche können die Marge auffressen. Deshalb werden Modellwahl und Kostenkontrolle entscheidend: Günstigere Modelle für geeignete Aufgaben einzusetzen kann den Unterschied zwischen profitablem und defizitärem Ergebnis ausmachen.
Wie steige ich praktisch in den Aufbau von KI-Agenten ein?
Beginnen Sie mit klar abgegrenzten, messbaren Aufgaben statt mit voll autonomen Agenten. Definieren Sie Erfolgskriterien, halten Sie einen Menschen in der Abnahme und sammeln Sie Daten zu Trefferquote und Kosten. So bauen Sie schrittweise Erfahrung auf, bevor Sie über veränderte Abrechnungsmodelle entscheiden – die Technik ist nur ein Teil, das Geschäftsmodell der andere.
Diskussion
Noch keine Kommentare. Schreiben Sie den ersten.
Weiterlesen
Mehr aus Strategie & Management →
KI-Finanzmarkt Risiken: Was J.P. Morgans Warnung bedeutet
J.P. Morgan warnt vor Volatilität und Konzentrationsrisiken am KI-Finanzmarkt. Wir trennen die belegten Befunde von den Dotcom-Parallelen und zeigen, was die Marktdynamik für KI-Strategien bedeutet.

KI ersetzt Junior-Entwickler: Schock oder Übertreibung?
Anthropic stellt nach eigenen Angaben kaum noch Junior-Ingenieure ein und warnt vor einem Wirtschaftsschock. Wir prüfen die Behauptung und ordnen ein, was sie für Weiterbildung und Personalplanung im DACH-Raum bedeutet.

KI-Kosten senken: Was der Lindy-Wechsel zu Deepseek lehrt
Das KI-Startup Lindy ersetzte Claude vollständig durch Deepseek, weil die Modellkosten die Personalkosten überstiegen. Was Unternehmen daraus über strategische Kostensteuerung lernen können.

Anthropic Mythos 5: Was die US-Sperre für DACH bedeutet
Die US-Regierung untersagte im Juni 2026 den Zugriff auf Anthropics Modelle Fable 5 und Mythos 5 für ausländische Staatsangehörige. Was das über die Abhängigkeit europäischer Organisationen von US-KI verrät und welche Lehren daraus folgen.

China-KI-Modelle: Warum kostengünstige chinesische Sprachmodelle Marktanteile gewinnen
Günstige KI-Modelle aus China dringen in den US-Markt vor. Ich ordne ein, was an der Entwicklung belegt ist, was offen bleibt und welche Konsequenzen das für Unternehmen im DACH-Raum hat.

Token-Rationierung: Wenn KI-Budgets außer Kontrolle geraten
Nach der Phase des grenzenlosen Token-Verbrauchs steuern immer mehr Unternehmen gegen. Wie Sie Kosten kontrollieren und Governance aufbauen, ohne die Produktivität abzuwürgen.