61% — und alle tun so, als wäre das normal.
Warum das klassische SaaS-Modell strukturell kaputt ist — und was KI daran ändert
(english below)
61% der Unternehmen berichten, dass ihre SaaS-Lösungen nur 60–70% ihrer tatsächlichen Prozessanforderungen abdecken (Forrester, 2024). Das ist kein Ausreißer — das ist der Marktdurchschnitt. Den Rest überbrücken Unternehmen mit Customizing, Middleware und manuellen Workarounds.
Diese Lücke ist keine Frage schlechter Softwarequalität. Sie ist das strukturelle Ergebnis eines Geschäftsmodells, das Standardisierung gegenüber Passgenauigkeit systematisch bevorzugt — weil die zugrundeliegende Ökonomie es so vorschreibt.
Warum SaaS so funktioniert, wie es funktioniert
Das klassische SaaS-Modell basiert auf einer einfachen Kostenstruktur: Hohe R&D-Investitionen werden über möglichst viele Lizenznehmer amortisiert. Profitabilität entsteht durch Volumen — was bedeutet, dass Anbieter Software entwickeln, die für möglichst viele Unternehmen gleichzeitig ausreichend funktioniert.
Maßgeschneiderte Software für einzelne Kunden ist in diesem Modell strukturell unwirtschaftlich. Wer gegen Anbieter antritt, die ihre R&D-Kosten über Millionen Nutzer verteilt haben, kann weder auf Preis noch auf Breite des Angebots gewinnen. Das erklärt, warum europäische Softwareunternehmen diesen Wettbewerb nicht aus technischer Schwäche verloren haben — das Modell selbst hat Wettbewerb irrational gemacht.
Das Ergebnis ist ein globaler SaaS-Markt von 232 Milliarden Dollar, der nicht primär durch Passgenauigkeit gewachsen ist, sondern weil strukturell keine Alternative existierte.
Was sich mit KI-Generierung verändert
Wenn maßgeschneiderte Software für wenige Euro generiert werden kann, entfällt die Voraussetzung, auf der das gesamte Modell aufbaut: die hohe Anfangsinvestition, die auf viele Lizenznehmer verteilt werden muss.
Eine Lösung, die für genau ein Unternehmen optimiert ist — für dessen Prozesse, Daten und Kontext — ist damit wirtschaftlich tragfähig, auch bei einer Nutzerbasis von eins. Die Kostenlogik invertiert sich: nicht weil Software billiger zu schreiben ist, sondern weil der Fixkostenblock, der Skalierung erzwungen hat, strukturell wegfällt.
Laut IDC evaluierten 2025 bereits 42% aller Unternehmen aktiv, mindestens ein bestehendes SaaS-Abonnement durch eine intern generierte KI-Lösung zu ersetzen.
Diese Entwicklung lässt sich als Mikro-Competition beschreiben: keine frontale Herausforderung etablierter Anbieter durch neue Marktteilnehmer, sondern eine strukturelle Verschiebung, bei der Unternehmen zunehmend selbst zu Software-Produzenten werden — vermittelt durch Plattformen, die Generierungsinfrastruktur bereitstellen statt fertige Produkte.
Wo die eigentliche Komplexität liegt
Die Verschiebung von "Welche Software kaufen wir?" zu "Was genau brauchen wir?" klingt nach einer Vereinfachung. In der Praxis ist sie anspruchsvoller.
Sprachmodelle liefern schnell Ergebnisse — aber sie treffen Annahmen dort, wo Rückfragen nötig wären, und generieren bevor Anforderungen vollständig geklärt sind. Der Abstand zwischen einem funktionierenden Prototyp und produktionsreifer, wartbarer Software ist nicht primär ein technisches Problem. Es ist ein Architekturproblem: Rollenlogik, Zugriffsrechte, Schnittstellen, Ausnahmefälle — das sind Dimensionen, die in einem einfachen Generierungsprozess systematisch unterrepräsentiert bleiben.
Plattformen, die diesen Prozess strukturiert begleiten — mit klarer Anforderungsklärung vor der Generierung, dekoppelter Architektur und validierten Deployment-Pipelines — adressieren genau diese Lücke. Sie stehen nicht als Alternative zu einem bestimmten SaaS-Produkt, sondern repräsentieren ein anderes ökonomisches Modell: keine zentralisierten R&D-Kosten, keine Lizenzvolumen-Abhängigkeit, keine 70%-Passgenauigkeit als akzeptabler Kompromiss.
Geopolitische Dimension
70% des europäischen Cloud-Markts werden von drei US-amerikanischen Hyperscalern kontrolliert (Synergy Research Group, 2025). Diese Konzentration ist nicht das Ergebnis technischer Überlegenheit, sondern das strukturelle Resultat des klassischen SaaS-Modells — das Wettbewerb durch skalenbasierte Kostenvorteile irrational gemacht hat.
KI-Generierung als Infrastrukturleistung kann diese Logik aufbrechen. Ob das zu echter technologischer Unabhängigkeit führt, hängt davon ab, wo diese Infrastruktur gebaut, gehostet und kontrolliert wird.
Wir arbeiten daran, genau das für den europäischen Mittelstand zugänglich zu machen — built and hosted in Germany. Mehr dazu unter mai-platform.com.
Quellen: Forrester (2024), IDC (2025), Synergy Research Group (2025), Stanford HAI (2025) — vollständige Referenzen im Whitepaper "The Era of Micro-Innovation", mAI (2026): mai-platform.com
Hashtags: #AI #SaaS #MicroInnovation #DigitaleTransformation #Mittelstand #Softwareentwicklung #MadeInGermany #BuildInPublic
61% of companies report that their SaaS solutions cover only 60–70% of their actual process requirements (Forrester, 2024). This is not an outlier — it is the market average. The remainder is bridged with customization, middleware, and manual workarounds.
This gap is not a question of poor software quality. It is the structural result of a business model that systematically favours standardisation over fit — because the underlying economics demand it.
Why SaaS works the way it works
The classic SaaS model is built on a straightforward cost structure: high R&D investments are amortised across as many licensees as possible. Profitability requires volume — which means providers build software that works sufficiently well for as many companies as possible, simultaneously.
Custom software for individual customers is structurally uneconomical in this model. Competing against providers who have distributed their R&D costs across millions of users means losing on both price and breadth. This explains why European software companies did not lose this competition due to technical weakness — the model itself made competition irrational.
The result is a global SaaS market worth $232 billion, which grew not primarily through fit, but because no structural alternative existed.
What changes with AI generation
When customised software can be generated for a few euros, the premise underpinning the entire model disappears: the large upfront investment that had to be distributed across many licensees.
A solution optimised for exactly one company — its processes, its data, its context — becomes economically viable with a user base of one. The cost logic inverts: not because software is cheaper to write, but because the fixed-cost block that forced scaling disappears structurally.
According to IDC, 42% of enterprises in 2025 were already actively evaluating replacing at least one existing SaaS subscription with an internally generated AI solution.
This development can be described as micro-competition: not a frontal challenge to established providers by new market entrants, but a structural shift in which companies increasingly become their own software producers — mediated by platforms that provide generation infrastructure rather than finished products.
Where the actual complexity lies
The shift from "which software do we buy?" to "what exactly do we need?" might appear to simplify the question. In practice, it is more demanding.
Language models produce results quickly — but they make assumptions where questions are needed, and generate before requirements are fully understood. The gap between a working prototype and production-ready, maintainable software is not primarily a technical problem. It is an architecture problem: role logic, access rights, interfaces, edge cases — dimensions that remain systematically underrepresented in a simple generation process.
Platforms that accompany this process in a structured way — with clear requirement clarification before generation, decoupled architecture, and validated deployment pipelines — address precisely this gap. They do not position themselves as alternatives to specific SaaS products, but represent a different economic model: no centralised R&D costs, no license volume dependency, no 70% fit as an acceptable compromise.
The geopolitical dimension
70% of Europe's cloud market is controlled by three US-based hyperscalers (Synergy Research Group, 2025). This concentration is not the result of technical superiority, but the structural outcome of the classic SaaS model — which made competition irrational through scale-based cost advantages.
AI generation as an infrastructure service can disrupt this logic. Whether this leads to genuine technological independence depends on where that infrastructure is built, hosted, and controlled.
We are working to make exactly that accessible for European enterprises — built and hosted in Germany. Learn more at mai-platform.com.
Sources: Forrester (2024), IDC (2025), Synergy Research Group (2025), Stanford HAI (2025) — full references in the whitepaper "The Era of Micro-Innovation", mAI (2026): mai-platform.com
Hashtags: #AI #SaaS #MicroInnovation #DigitalTransformation #Mittelstand #SoftwareDevelopment #MadeInGermany #BuildInPublic
