Warum sich die Bruttomargen von KI und SaaS unterscheiden

Von Brian Tr · Aktualisiert am 6. Oktober 2026

Die Bruttomarge ist die Zahl, die ein Softwaregeschäft am klarsten von einem Servicegeschäft trennt. SaaS-Unternehmen verdienten ihre Premium-Bewertungen zum Teil dadurch, dass jeder zusätzliche Kunde fast nichts kostete. KI-Produkte funktionieren so nicht. Jede Anfrage läuft auf Rechenleistung, die jemand bezahlen muss, und manche Produkte brauchen weiterhin Menschen, die das Ergebnis prüfen.

Dieser Artikel stellt beide Margenprofile nebeneinander, erklärt, warum die Lücke besteht, prüft, ob sie dauerhaft ist, und behandelt, was sie für die Preisgestaltung bedeutet und dafür, wie Investoren Ihre Zahlen lesen. Brauchen Sie zuerst die Grundlagen, beginnen Sie mit was Bruttomarge bedeutet.

Das klassische SaaS-Margenprofil

Ein Softwareprodukt wird einmal geschrieben und viele Male verkauft. Einen weiteren Kunden zu bedienen bedeutet etwas mehr Hosting, etwas Support und Zahlungsabwicklung. Der Großteil der Ausgaben liegt unterhalb der Bruttomargenlinie, in Entwicklung und Vertrieb. Deshalb melden reife SaaS-Unternehmen hohe und stabile Margen.

Die Benchmarks in Bessemers Scaling to $100 Million setzen die durchschnittliche Bruttomarge eines Cloud-Unternehmens bei 65 bis 70 Prozent an und halten fest, dass die mittleren 50 Prozent der Unternehmen etwa zwischen 60 und 80 Prozent liegen. Sie nennen durchschnittliche Margen von 70 Prozent bei $1 Million bis $25 Millionen ARR, 65 Prozent zwischen $25 Millionen und $100 Millionen und 70 Prozent darüber. Sie weisen auch auf Ausnahmen hin: Twilio lag in seinen Wachstumsjahren bei etwa 50 Prozent, wegen der Telekommunikationskosten unter seinem Produkt.

Börsennotierte Unternehmen im großen Maßstab können höher liegen. Die Ergebnisse von ServiceNow für das Gesamtjahr 2025 zeigen eine Bruttomarge im Abonnementgeschäft von 80 Prozent nach GAAP und 83,5 Prozent nach Non-GAAP, mit einer Prognose für 2026 von 82 Prozent nach Non-GAAP. Das ist ein Unternehmen mit enormer Größe und reifem Produkt, betrachten Sie es also als Spitze der Spanne, nicht als Norm für ein Startup.

Das KI-Margenprofil

Die am häufigsten zitierte Primärquelle dazu ist a16zs The New Business of AI (and How It's Different From Traditional Software), veröffentlicht von Martin Casado und Matt Bornstein am 16. Februar 2020. Ihr Befund: KI-Unternehmen haben oft „Bruttomargen im Bereich von 50 bis 60 Prozent“, deutlich unter dem Benchmark von 60 bis 80 Prozent und mehr für vergleichbare SaaS-Unternehmen.

Sie nannten drei Treiber:

• Cloud-Infrastruktur. KI-Unternehmen geben oft 25 Prozent des Umsatzes oder mehr für Cloud-Ressourcen aus.
• Menschlicher Support. Viele Unternehmen geben bis zu 10 bis 15 Prozent des Umsatzes für Datenlabeling und Modellpflege aus, und manche Produkte brauchen Menschen, die Ergebnisse in Echtzeit prüfen.
• Modellpflege. Ein einzelnes Modell zu trainieren kann Hunderttausende Dollar oder mehr kosten, und Nachtraining ist ein wiederkehrender Kostenpunkt, weil sich Daten verschieben.

Dieser Essay stammt aus der Zeit vor der aktuellen Generation großer Sprachmodelle, daher haben sich die konkreten Ursachen verschoben. Die Kernidee hat Bestand: KI verbindet Software-Ökonomie mit Service-Ökonomie.

Neuere Daten stehen in Bessemers State of AI 2025. Er trennt schnell wachsende „Supernovas“ von gleichmäßigeren „Shooting Stars“. Supernovas erreichen im Schnitt eine Bruttomarge von etwa 25 Prozent, oft negativ, weil sie Gewinn gegen Distribution eintauschen. Shooting Stars liegen im Schnitt bei etwa 60 Prozent, was Bessemer als etwas niedriger als bei SaaS-Vergleichsunternehmen beschreibt, wegen schnelleren Wachstums und moderater modellbezogener Kosten.

Der Bericht State of AI 2026 von ICONIQ, der auf einer Umfrage im zweiten Quartal 2026 unter mehr als 300 Führungskräften von Softwareunternehmen beruht, die KI-Produkte bauen, zeigt eine durchschnittliche Bruttomarge von KI-Produkten von 45 Prozent im Jahr 2025, die 2026 voraussichtlich 53 Prozent und 2027 59 Prozent erreicht.

Direkter Vergleich

Die Zahlen messen nicht in jeder Zeile dasselbe. Die Umfragen nutzen unterschiedliche Stichproben, Jahre und Kostendefinitionen, lesen Sie sie daher als Spannen und nicht als exakte Lücke.

Warum die Lücke besteht

Rechenleistung sind Umsatzkosten, kein Gemeinkostenblock

Bei SaaS kostet ein intensiverer Nutzer etwas mehr Hosting. Bei KI kann ein intensiverer Nutzer dramatisch mehr kosten, weil jeder Prompt Rechenleistung auslöst. Diese Kosten fallen in die Umsatzkosten und treffen die Bruttomarge daher direkt. Wie Inferenzausgaben zu Marge werden, behandelt KI-Inferenzkosten und Bruttomarge.

Gebühren für Modelle Dritter

Ein Produkt, das auf dem Modell eines anderen aufbaut, bezahlt diesen Lieferanten bei jedem Aufruf. Sie kontrollieren diesen Preis nicht und können ihn nicht einfach erhöhen. Ist Ihr Produkt nur eine dünne Schicht über dem Modell, fällt es Ihnen zudem schwer, genug zu verlangen, um ihn zu decken. Das ist ein Grund, warum Wrapper dünne Margen haben.

Menschen im Prozess

Viele KI-Produkte leiten unsichere Fälle an Menschen weiter oder brauchen Mitarbeitende, die Daten labeln und die Qualität prüfen. Das ist Arbeit im Stil eines Servicegeschäfts innerhalb eines Softwareprodukts. a16z nannte dies 2020 als Kostenquelle, die SaaS in diesem Umfang schlicht nicht trägt.

Nutzung, die nicht zum Preis passt

SaaS-Preise gelten meist pro Seat und flach, was funktioniert, wenn die Kosten der Bereitstellung flach sind. Wenn die Kosten mit der Nutzung wachsen, der Umsatz aber nicht, verschlechtert sich die Marge, je besser das Produkt wird. Das ist der Kern der Frage der KI-Preisgestaltung für SaaS-Unternehmen.

Wachstum zuerst

Ein Teil der Lücke ist eine Entscheidung, kein Naturgesetz. Bessemers Supernovas laufen bei etwa 25 Prozent Marge zum Teil, weil sie Akzeptanz kaufen. Subventionierte Nutzung senkt heute die Marge, in der Hoffnung, Kunden zu binden.

Wie Investoren den Unterschied lesen

Investoren behandeln 60 Prozent KI-Marge nicht wie 60 Prozent SaaS-Marge. Sie stellen vier Fragen.

1. Welche Kosten stecken in der Zahl? Unternehmen klassifizieren Kosten unterschiedlich. Ob Inferenz, menschliche Prüfung und Support oberhalb der Linie liegen, verändert die berichtete Marge. Machen Sie Ihre Kostenklassifizierung explizit, bevor jemand anderes rät.
2. Steigt die Marge? Ein Produkt bei 45 Prozent und steigend ist etwas anderes als eines bei 45 Prozent und stagnierend. ICONIQs Prognosen von 53 Prozent für 2026 und 59 Prozent für 2027 sind Umfrageerwartungen, keine Garantien, aber sie zeigen, was der Markt von Gründern erwartet.
3. Sind die Kosten ans Wachstum gekoppelt? Fällt die Marge, wenn die Nutzung steigt, macht Skalierung das Geschäft schlechter, nicht besser.
4. Was wird mit der niedrigen Marge gekauft? Marge, die gegen dauerhafte Kundenbindung getauscht wird, gilt als Investition. Marge, die gegen neuheitsgetriebene Nutzung getauscht wird, gilt als Risiko. Bessemer sagt offen, dass schnelle Akzeptanz geringe Wechselkosten verschleiern oder Neuheit signalisieren kann.

Bei der Bewertung setzt die übliche SaaS-Logik, für wiederkehrenden Umsatz einen Aufschlag zu zahlen, hohe Margen voraus. Eine niedrigere Bruttomarge bedeutet, dass jeder Dollar Umsatz weniger Bruttogewinn erzeugt, und Umsatzmultiplikatoren spiegeln das tendenziell wider. Vergleichen Sie auch auf Basis des Bruttogewinns, nicht nur des Umsatzes, und seien Sie vorsichtig, SaaS-Multiplikatoren auf ein KI-Geschäft zu übertragen. Zu den weiteren Kennzahlen, die Investoren nutzen, siehe SaaS-Ökonomie und Unit-Kennzahlen.

Ist die Lücke dauerhaft?

Wahrscheinlich nicht dauerhaft, aber verlassen Sie sich nicht darauf, dass sie sich von selbst schließt. Es wirken Kräfte in beide Richtungen.

Kräfte, die die Lücke verkleinern:

• Die Stückkosten für den Betrieb von Modellen sind tendenziell gesunken, da sich Modelle und Hardware verbessern.
• Teams lernen, einfache Anfragen an günstigere Modelle zu leiten und wiederholte Arbeit zu cachen.
• Die Preisgestaltung wandert von flachen Seats zu nutzungsabhängigen Tarifen, sodass der Umsatz den Kosten folgt.
• Produkte, die mehr der menschlichen Prüfung automatisieren, senken die Personalkostenzeile.

ICONIQs Verlauf von 45 Prozent auf prognostizierte 59 Prozent deutet in diese Richtung. Die Hebel dahinter behandelt Kostenmanagement für KI-Modelle.

Kräfte, die die Lücke offen halten:

• Die Nutzung pro Kunde kann schneller wachsen, als die Kosten pro Einheit fallen. Günstigere Anfragen führen oft zu sehr viel mehr Anfragen.
• Kunden erwarten leistungsfähigere Funktionen, und die leistungsfähigsten Modelle kosten im Betrieb meist mehr.
• Der Wettbewerbsdruck verhindert, dass Preise steigen, um Kosten zu decken.
• Produkte, die pro Aufgabe mehr Arbeit leisten, etwa Agents mit vielen Schritten, verbrauchen mehr Rechenleistung pro Ergebnis.

Die ehrliche Zusammenfassung lautet: Margen können sich verbessern, aber der strukturelle Unterschied bleibt. Die Umsatzkosten von SaaS sind überwiegend fix, die von KI haben einen großen variablen Anteil. Selbst ein gut geführtes KI-Produkt wird voraussichtlich mehr Kostensensibilität tragen als ein traditionelles SaaS-Produkt. Planen Sie mit einer Marge, die durch Preisgestaltung und Engineering erarbeitet wird, nicht mit einer, die mit der Zeit von allein kommt.

Folgen für Preisgestaltung und Benchmarking

Bepreisen Sie nach dem Kostentreiber. Folgen die Kosten der Nutzung, sollte zumindest ein Teil des Preises das auch tun. Hybride Modelle, also eine Grundgebühr mit Nutzungs- oder Ergebniskomponenten, sind eine verbreitete Antwort.

Vergleichen Sie mit den richtigen Peers. Ein KI-Produkt mit klassischem SaaS zu vergleichen schmeichelt niemandem. Vergleichen Sie mit KI-Unternehmen in derselben Phase und mit demselben Anteil menschlicher Prüfung, und berichten Sie den SaaS-Vergleich separat.

Verfolgen Sie die Marge nach Kunde und nach Funktion. Eine Durchschnittsmarge kann eine Handvoll intensiver Konten verbergen, die Geld verlieren. Schlüsseln Sie sie auf.

Trennen Sie Vorübergehendes von Strukturellem. Stammt die niedrige Marge aus subventioniertem Wachstum, sagen Sie das und zeigen Sie, wann es endet. Stammt sie aus der Architektur des Produkts, beheben Sie die Architektur.

Berichten Sie Kostenzeilen offen. Nennen Sie, was in den Umsatzkosten steckt: Inferenz, Gebühren Dritter, menschliche Prüfung, Support. Das schafft Vertrauen und macht Ihren Trend leicht nachvollziehbar.

Wichtige Fakten

• a16z (16. Februar 2020) fand KI-Bruttomargen oft im Bereich von 50 bis 60 Prozent, gegenüber 60 bis 80 Prozent und mehr bei vergleichbarem SaaS, mit Cloud-Kosten von 25 Prozent des Umsatzes oder mehr und bis zu 10 bis 15 Prozent für Labeling und Modellpflege (a16z).
• Bessemers Cloud-Benchmarks setzen die durchschnittliche SaaS-Bruttomarge bei 65 bis 70 Prozent an, mit den mittleren 50 Prozent der Unternehmen bei etwa 60 bis 80 Prozent (Bessemer, Scaling to $100 Million).
• Bessemers State of AI 2025 berichtet etwa 25 Prozent Bruttomarge für KI-„Supernovas“ (oft negativ) und etwa 60 Prozent für „Shooting Stars“ (Bessemer).
• ICONIQ berichtet eine durchschnittliche Bruttomarge von KI-Produkten von 45 Prozent im Jahr 2025, mit prognostizierten 53 Prozent für 2026 und 59 Prozent für 2027, aus einer Umfrage im zweiten Quartal 2026 unter mehr als 300 Führungskräften von Softwareunternehmen (ICONIQ).
• ServiceNow meldete für das Gesamtjahr 2025 eine Bruttomarge im Abonnementgeschäft von 80 Prozent nach GAAP und 83,5 Prozent nach Non-GAAP (ServiceNow).

Was das für Gründer und Inhaber-CEOs bedeutet

Wenn Sie ein KI-Produkt bauen, rechnen Sie anfangs mit niedrigeren Margen als bei einem SaaS-Peer und planen Sie den Weg nach oben. Kennen Sie Ihre Kosten pro Kunde, bepreisen Sie mit diesen Kosten im Blick, und seien Sie gegenüber Investoren klar, was vorübergehend ist. Das größere Bild, wie KI-Unternehmen Geld verdienen, finden Sie in Geschäftsmodelle von KI-Startups, und dazu, wo diese Kosten in der Gewinn- und Verlustrechnung stehen, in was für ein KI-Unternehmen als COGS zählt.

Wenn Sie KI-Tools einkaufen, erklärt dieselbe Logik, warum Anbieter zu nutzungsbasierter Preisgestaltung übergehen. Ihre Kosten wachsen mit Ihrer Nutzung, daher wächst oft auch ihr Preis mit.

Weiterführende Lektüre

• Bruttomarge
• SaaS-Ökonomie und Unit-Kennzahlen
• KI-Inferenzkosten und Bruttomarge
• Kostenmanagement für KI-Modelle
• Was für ein KI-Unternehmen als COGS zählt
• AI Wrapper vs. AI-native
• Die KI-Preisfrage für SaaS