Geschäftsmodelle von KI-Startups erklärt

Von Brian Tr · Aktualisiert am 5. Oktober 2026

Das Geschäftsmodell eines KI-Startups ist die Antwort auf drei einfache Fragen: Wer zahlt, wofür zahlt er, und was kostet es Sie, die Leistung bei jeder Nutzung zu erbringen? Bei der letzten Frage unterscheiden sich KI-Unternehmen am stärksten von klassischer Software. Jede Antwort, die Ihr Produkt gibt, kann eine echte Rechnung für Rechenleistung mit sich bringen, daher bestimmt das gewählte Modell Ihre Margen ebenso sehr wie Ihr Produkt.

Die meisten KI-Startups landen in einem von sieben Archetypen. Manche verkaufen Zugang zu einem Modell, manche eine intelligentere Version vertrauter Software und manche fertige Arbeit. Und die Grenzen verschwimmen: Viele Unternehmen betreiben zwei gleichzeitig.

Dieser Leitfaden beschreibt alle sieben, zeigt, wie sie sich vergleichen lassen, und weist auf die Fallen in jedem hin. Er bleibt auf der Ebene des Modells. Preismechanik und Margenrechnung werden an anderer Stelle eigens behandelt.

Warum KI die Frage nach dem Geschäftsmodell verändert

Traditionelle Software hat eine berühmte Eigenschaft: Ist sie einmal gebaut, kostet es fast nichts, einen weiteren Kunden zu bedienen. Deshalb gilt SaaS seit Langem als Geschäft mit hohen Margen. Wenn Sie auffrischen möchten, wie diese Zahl funktioniert, lesen Sie unsere Erklärung zur Bruttomarge.

KI schwächt diese Eigenschaft. Forscher bei a16z bemerkten das früh und schrieben 2020, dass KI-Unternehmen oft Bruttomargen im Bereich von 50 bis 60 Prozent aufweisen, deutlich unter dem Richtwert von 60 bis 80 Prozent oder mehr für vergleichbare SaaS-Unternehmen. Sie nannten zwei Ursachen: Cloud-Infrastruktur für Training und Inferenz sowie menschlichen Aufwand im Prozess, etwa beim Labeln von Daten und bei der Echtzeitüberwachung. Dieser Artikel ist alt, und die Tools haben sich seither stark verändert. Doch der strukturelle Punkt gilt weiterhin. Die Leistungserbringung hat variable Kosten, und das Geschäftsmodell muss sie berücksichtigen.

Zwei weitere Faktoren prägen die Wahl. Erstens: Wem gehört das Budget? Ein Tool landet in einem Softwarebudget. Fertige Arbeit landet in einem Dienstleistungsbudget, und das ist ein völlig anderer Geldtopf. Zweitens: Wie schnell verbessern sich die zugrunde liegenden Modelle? Ist Ihr Wert eine dünne Schicht auf einem Modell, das jeder mieten kann, hilft jede Verbesserung Ihren Wettbewerbern ebenso wie Ihnen. Ist Ihr Wert ein Ergebnis, das Sie garantieren, kann jede Verbesserung Ihre Marge erhöhen.

Die sieben Archetypen im Überblick

Hier ist der schnelle Vergleich, bevor wir jeden einzeln durchgehen.

Lesen Sie die Tabelle als Landkarte, nicht als Rangliste. Keines dieser Modelle ist abstrakt betrachtet das beste. Jedes passt zu einer anderen Art von Unternehmen.

1. API und nutzungsbasierter Modellzugang

Das einfachste Modell ist der Verkauf von Zugang. Ein Startup trainiert oder optimiert ein Modell für eine bestimmte Aufgabe, etwa Transkription, Dokumentextraktion oder Bilderzeugung, und berechnet Entwicklern jeden Aufruf. Der Umsatz folgt der Nutzung, und die Kosten ebenfalls.

Der Reiz liegt in der Geschwindigkeit. Ein Entwickler kann es an einem Nachmittag ausprobieren, und eine gute API verbreitet sich durch Bottom-up-Adoption. Das Risiko ist, dass sich ein Modell schwer verteidigen lässt. Wird eine Fähigkeit zur Massenware, kaufen Käufer nach Preis und Zuverlässigkeit, und Ihre Marge wird von beiden Seiten gequetscht: Die Rechenleistung, die Sie einkaufen, kostet Geld, und die Kunden, an die Sie verkaufen, können wechseln.

Dieser Archetyp funktioniert am besten, wenn Sie etwas besitzen, das schwer zu kopieren ist: proprietäre Daten, ein spezialisiertes Modell oder Latenz und Genauigkeit, die allgemeine Modelle nicht erreichen. Zur Mechanik der verbrauchsabhängigen Abrechnung im Allgemeinen behandelt unser Leitfaden zur nutzungsbasierten Preisgestaltung das Konzept, und die breitere Wahl zwischen Zählern, Seats und Stufen finden Sie unter SaaS-Preismodelle.

2. KI-erweitertes Seat-basiertes SaaS

Der zweite Archetyp ist der unspektakulärste: Man nimmt eine etablierte Softwarekategorie, ergänzt KI-Funktionen und rechnet weiter pro Seat ab. Der Käufer versteht das Produkt bereits, der Beschaffungsweg ist vertraut, und der Umsatz ist planbar.

Die Preisgestaltung ändert sich hier eher langsam als abrupt. Bain & Company untersuchte über 30 SaaS-Anbieter und berichtete im Oktober 2025, dass 35 Prozent die Preise pro Seat erhöhten, indem sie KI in bestehende Tarife bündelten, 65 Prozent Zähler für KI-Nutzung oder Funktionszugang zusätzlich zu den Seats einführten und keiner vollständig auf nutzungs- oder ergebnisbasierte Preisgestaltung umgestiegen war. Bains Lesart war, dass „Seats sind tot“ übertrieben ist. Die Stichprobe bestand aus etablierten Anbietern, sie zeigt also, was etablierte Unternehmen tun, nicht was jedes AI-native Startup tut. Dennoch ist sie eine nützliche Erinnerung daran, dass das Seat-Modell beständig ist.

Für ein Startup lautet die Frage, ob KI das Produkt oder eine Funktion ist. Wenn Sie einem Workflow-Produkt KI hinzufügen, ist das Seat-Modell sicher. Wenn KI den Großteil der Arbeit erledigt, kann ein Seat zu niedrig abrechnen, denn eine Person mit einem KI-Tool kann leisten, wofür früher mehrere nötig waren. Diese Spannung drängt Unternehmen zu den nächsten Archetypen.

3. Copilots

Ein Copilot hilft einer Fachkraft, ihre Arbeit schneller zu erledigen. Der Mensch behält die Kontrolle, und die Software unterstützt. Denken Sie an einen Entwurfsassistenten für eine Anwältin, ein Tool zur Code-Vervollständigung für einen Engineer oder eine Rechercheunterstützung für eine Analystin. Der Käufer ist meist die Fachkraft oder die Abteilung, die sie beschäftigt, und die Preisgestaltung erfolgt typischerweise pro Seat, manchmal mit Nutzungsobergrenzen.

Copilots lassen sich leicht verkaufen, weil der Wert sichtbar und das Risiko gering ist. Der Mensch prüft den Output. Die Schwäche ist strategischer Natur. Julien Bek von Sequoia brachte den Unterschied im März 2026 prägnant auf den Punkt: Ein Copilot verkauft das Werkzeug, ein Autopilot verkauft die Arbeit. Tools konkurrieren um Softwarebudgets, und mit besseren Modellen schrumpft tendenziell der Abstand zwischen einem guten und einem ausreichend guten Tool. Das ist das Kommodifizierungsrisiko, das Copilots tragen.

Copilots können dennoch starke Geschäfte sein, besonders wenn sie tief in einem Workflow sitzen, die Daten und den Kontext eines Kunden halten und sich schwer ersetzen lassen. Aber ein Gründer, der diesen Archetyp wählt, sollte sagen können, warum ein Kunde nicht nächstes Jahr einfach zu einem günstigeren Assistenten wechselt.

4. Agents und Services-as-Software

Der vierte Archetyp verkauft die Arbeit selbst. Statt einer Fachkraft ein besseres Werkzeug zu geben, erledigt das Startup die Aufgabe von Anfang bis Ende: Es entwirft den Vertrag, bearbeitet den Schadensfall, gleicht die Rechnungen ab oder sichtet die Bewerber. Ein Mensch prüft vielleicht die Ausnahmen, aber der Kunde kauft das fertige Ergebnis.

Das ist die Idee hinter „Services-as-Software“. Der Reiz liegt in der Größe des Budgets. Sequoias Essay argumentiert, dass auf jeden Dollar, der für Software ausgegeben wird, sechs für Dienstleistungen entfallen, und dass Unternehmen, die die Arbeit verkaufen, vom ersten Tag an das Budget für Arbeit erschließen können, statt um den kleineren Softwareposten zu konkurrieren. Verstehen Sie das als These einer Investmentfirma, nicht als gemessenes Gesetz. Es erklärt aber, warum so viele Gründer von diesem Modell angezogen werden.

Auch die Kosten sind anders. Anfangs können die Margen niedrig sein, weil das System Rechenleistung und oft menschliche Prüfung braucht, um zuverlässig zu liefern. Die Wette lautet, dass die Marge wächst, wenn sich die Modelle verbessern und die Prüfung abnimmt. Das ist das Gegenteil des Copilot-Problems, bei dem Fortschritte der Modelle Ihren Wettbewerbern helfen. Es ist aber auch riskanter: Sie sind jetzt für das Ergebnis verantwortlich, nicht nur für das Werkzeug. Erledigt Ihr Agent eine Aufgabe falsch, gibt der Kunde Ihnen die Schuld, nicht seinem Mitarbeiter.

Einen tieferen Blick darauf, wie das mit dem Stack unter Ihrem Produkt zusammenhängt, bietet Anwendungsschicht vs. Modellschicht.

5. Ergebnisbasierte Modelle

Ergebnisbasierte Preisgestaltung geht noch einen Schritt weiter als der Verkauf einer erledigten Aufgabe. Sie berechnen nur dann etwas, wenn ein bestimmtes Ergebnis erreicht ist: ein gebuchter Termin, ein gelöstes Ticket, ein zurückgeholter Anspruch. Das Risiko des Kunden sinkt nahezu auf null, was den Verkauf erleichtert, und Ihr Umsatz folgt dem Wert, den Sie liefern.

Die Idee ist attraktiv und schwieriger, als sie klingt. Sie brauchen eine klare Definition des Ergebnisses, die beide Seiten akzeptieren. Sie brauchen Daten, die belegen, dass Sie es verursacht haben. Und Sie tragen die Kosten jedes Versuchs, auch der fehlgeschlagenen. Bains Analyse dazu, warum Anbieter nicht vollständig umgestiegen waren, verwies auf interne Hindernisse wie fehlende Produkttelemetrie und auf externe Reibung wie sich ändernde Beschaffungsgewohnheiten der Kunden, was ein Teil der Erklärung ist, warum keiner der untersuchten Anbieter den vollständigen Umstieg vollzogen hatte.

Ergebnisbasierte Modelle passen zu engen, messbaren Aufgaben, bei denen das Ergebnis eindeutig ist. Sie passen schlecht, wo Ergebnisse von Faktoren abhängen, die Sie nicht kontrollieren, etwa vom Vertriebsprozess eines Kunden oder von der Stimmung eines Marktes. Viele Startups landen bei einem Hybrid: einer Grundgebühr für den Zugang plus einem variablen Betrag, der an Ergebnisse gekoppelt ist.

Wichtige Fakten: Geschäftsmodelle von KI-Startups

• KI-Unternehmen weisen oft Bruttomargen von 50 bis 60 Prozent auf, gegenüber 60 bis 80 Prozent oder mehr bei vergleichbarem SaaS, laut der Analyse von a16z aus dem Jahr 2020 zu den Finanzen von KI-Unternehmen.
• Unter über 30 SaaS-Anbietern erhöhten 35 Prozent die Seat-Preise durch Bündelung von KI, 65 Prozent ergänzten KI-Zähler zusätzlich zu den Seats, und keiner war vollständig auf nutzungs- oder ergebnisbasierte Preise umgestiegen (Bain, Oktober 2025).
• Auf jeden Dollar, der für Software ausgegeben wird, entfallen sechs auf Dienstleistungen, so Sequoia (März 2026). Ein Copilot verkauft das Werkzeug, ein Autopilot verkauft die Arbeit.
• Bessemers Studie zu 20 wachstumsstarken KI-Startups ergab, dass schnell skalierende „Supernovas“ im Durchschnitt etwa 25 Prozent Bruttomarge erreichten, „Shooting Stars“ dagegen etwa 60 Prozent (August 2025).
• Die Ausgaben von Unternehmen für generative KI erreichten 2025 $37 Milliarden, davon $19 Milliarden für die Anwendungsschicht (Menlo Ventures, Dezember 2025).
• 76 Prozent der KI-Anwendungsfälle in Unternehmen wurden 2025 eingekauft statt intern entwickelt, gegenüber 53 Prozent im Jahr 2024.

6. Marktplätze und Datengeschäfte

Zwei ältere Modelle erleben mit KI ein zweites Leben: der Marktplatz und das Datengeschäft.

Ein Marktplatz verbindet zwei Seiten, etwa Käufer und Anbieter von Spezialwissen, und erhält einen Anteil an jeder Transaktion. KI kann die Vermittlung schärfer machen oder Lücken im Angebot füllen, indem Software einen Teil der Arbeit übernimmt. Die klassische Herausforderung eines Marktplatzes ist jedoch nicht verschwunden. Sie brauchen weiterhin genug Angebot und Nachfrage auf beiden Seiten, und Sie brauchen weiterhin einen Grund, warum beide auf Ihrer Plattform handeln statt an ihr vorbei.

Ein Datengeschäft verkauft Zugang zu Informationen, die schwer zu beschaffen sind: kuratierte Datensätze, gelabelte Beispiele, fachspezifische Korpora oder Erkenntnisse aus proprietären Quellen. Hier stammt der Umsatz aus Abonnements oder Lizenzen, und die Kosten liegen in Beschaffung, Bereinigung und Pflege der Daten. Der Burggraben ist die Einzigartigkeit der Daten. Lassen sich die Daten günstig scrapen oder synthetisch erzeugen, hat das Geschäft keine Verteidigung.

Ein Unternehmen, das ein Produkt baut, bei der Arbeit seiner Kunden einzigartige Nutzungsdaten sammelt und diese Daten dann in einen verteidigungsfähigen Vorteil verwandelt, hat sich diesem Archetyp angenähert, ob geplant oder nicht. Für den allgemeinen Rahmen hinter dieser Art von Entscheidung sind unser Überblick zu Geschäftsmodellen für Startups und das Business Model Canvas gute Ausgangspunkte.

7. Open-Weight-Modelle plus gehostete Dienste

Der letzte Archetyp leiht sich etwas aus dem Open-Source-Playbook. Ein Startup veröffentlicht ein Modell, dessen Gewichte jeder herunterladen kann, baut eine Community und einen Ruf auf und verkauft das, wofür Unternehmen zahlen: verwaltetes Hosting, Support, Tuning auf privaten Daten, Sicherheitsfunktionen und Servicegarantien.

Die Begriffe sind hier wichtig. Gewichte zu veröffentlichen ist nicht dasselbe wie Open Source zu sein. Die Open Source AI Definition 1.0 der Open Source Initiative verlangt die Freiheit, ein System zu nutzen, zu untersuchen, zu verändern und weiterzugeben, und besagt, dass die bevorzugte Form für Änderungen ausreichend detaillierte Informationen über die Trainingsdaten, den vollständigen Code und die Parameter umfasst. Ein Modell, das nur Gewichte unter einer restriktiven Lizenz liefert, mag „Open Weight“ sein, ohne diese Hürde zu nehmen. Gründer sollten sagen, was sie meinen, denn Käufer im Enterprise-Umfeld und Rechtsabteilungen werden fragen.

Die Geschäftslogik ist die klassische, die unser Leitfaden zum Open-Source-Geschäftsmodell behandelt: Die kostenlose Version schafft Verbreitung, und die bezahlte Version monetarisiert Komfort, Zuverlässigkeit und Compliance. Die Falle ist, dass jeder die kostenlose Version selbst hosten kann, also müssen Sie über den Download hinaus etwas bieten, für das sich das Zahlen lohnt.

Wie Sie zwischen ihnen wählen

Kein Archetyp ist für sich genommen richtig. Vier Fragen helfen, die Wahl einzugrenzen.

Auf wessen Budget zielen Sie? Verkaufen Sie ein Tool, konkurrieren Sie um Softwarebudgets, und der Käufer vergleicht Sie mit anderen Tools. Verkaufen Sie fertige Arbeit, konkurrieren Sie mit Personalkosten und Outsourcing-Anbietern. Das ist ein größerer Markt mit einer höheren Hürde für Zuverlässigkeit.

Wo wachsen Ihre Kosten? Berechnen Sie die variablen Kosten einer einzelnen Kundeninteraktion. Sind sie erheblich, kann ein pauschaler Seat-Preis Sie Ihren intensivsten Nutzern ausliefern. Bessemers Studie vom August 2025 zu 20 wachstumsstarken KI-Startups zeigt, wie groß die Spanne sein kann: Die am schnellsten wachsenden „Supernovas“ erreichten im Durchschnitt etwa 25 Prozent Bruttomarge, die stetigeren „Shooting Stars“ etwa 60 Prozent. Bessemer bezeichnete die zweite Gruppe als den Archetyp, den die meisten Gründer anstreben sollten. Eine Stichprobe von 20 ist keine Marktzählung, aber genau der Abstand zwischen den beiden Gruppen ist der Punkt: Wie Sie wachsen wollen, ist eine Entscheidung über das Geschäftsmodell.

Wie messbar ist das Ergebnis? Ergebnisbasierte Modelle und Agent-Modelle brauchen ein Ergebnis, das beide Seiten verifizieren können. Wenn Sie es nicht messen können, können Sie es nicht abrechnen.

Wie verteidigungsfähig ist es? Fragen Sie, was einen Kunden davon abhält zu gehen, wenn eine günstigere Alternative auftaucht. Workflow-Tiefe, proprietäre Daten, durch zuverlässige Lieferung aufgebautes Vertrauen und eine Marke zählen. Eine dünne Schicht über einem gemieteten Modell zählt nicht. Mehr zu dieser Frage finden Sie unter AI wrapper vs. AI-native und Was ein AI-native Startup ist.

Häufige Fehler

Vier Muster tauchen immer wieder auf.

Das erste ist, einen Seat-Preis aus der klassischen Software auf ein Produkt mit hohen variablen Kosten zu übertragen. Die intensivsten Nutzer können am Ende mehr kosten, als sie zahlen.

Das zweite ist, Ergebnisse zu versprechen, die Sie nicht messen können. Ohne eine vereinbarte Definition von Erfolg wird jede Rechnung zum Streitfall.

Das dritte ist, Nachfrage mit einem Geschäft zu verwechseln. Käufer geben Geld aus: Menlo Ventures berichtet, dass Unternehmen 2025 $19 Milliarden in die KI-Anwendungsschicht investierten und dass 76 Prozent der KI-Anwendungsfälle eingekauft statt intern entwickelt wurden, gegenüber 53 Prozent im Vorjahr. Doch ein wachsender Markt rettet kein Modell ohne Marge. Menlos Umfrage umfasste rund 500 Entscheidungsträger in US-Unternehmen, verstehen Sie sie also als Stimmungsbild einer Käufergruppe, nicht der ganzen Welt.

Das vierte ist, das Modell zu früh festzuschreiben. Die meisten dieser Unternehmen wechseln den Archetyp, während sie lernen. Ein Copilot wird zum Agent, eine API ergänzt eine gehostete Stufe, und ein Seat-Produkt ergänzt einen Nutzungszähler. Wählen Sie den Archetyp, der zu den heutigen Belegen passt, und planen Sie die Veränderung ein.

Wie es weitergeht

Geschäftsmodelle sind Hypothesen darüber, wer Ihr Produkt schätzt und was es kostet, es zu liefern. Wenn Sie sich eines merken, dann dies: Bei KI ist das gewählte Modell zugleich eine Kostenstruktur, also entscheiden Sie beides gemeinsam.

Weiterführende Lektüre

• Was ist ein AI-native Startup?
• AI wrapper vs. AI-native
• Anwendungsschicht vs. Modellschicht
• Geschäftsmodelle für Startups
• Open-Source-Geschäftsmodell
• Bruttomarge