KI-Features bepreisen: Pricing für KI-Agenten im SaaS umsetzen

Wenn ihr ein SaaS-Produkt anbietet, kennt ihr die Situation: Euer Produktteam hat vor ein paar Monaten ein KI-Feature ausgerollt, eure Kunden nutzen es aktiv, und genau das wird zum Pricing-Problem. Denn mit jeder Nutzung entstehen Tokenkosten, die Monat für Monat direkt auf die Marge drücken und die Frage aufwerfen, was ihr für eure KI-Leistungen künftig verlangen solltet. An diesem Punkt merken viele SaaS-Anbieter, dass ihr bisheriges Preismodell nicht mehr ausreicht. Es geht längst nicht mehr nur darum, ob KI ins Produkt gehört, sondern wie ihr die entstehenden Kosten sauber im Preis abbildet, ohne den Mehrwert eurer KI-Features zu verschenken.

Warum klassisches SaaS-Pricing bei KI-Features nicht mehr funktioniert

Früher galt bei Software: Ein neuer Nutzer kostet den Anbieter fast nichts. Deshalb zahlte man einfach einen festen Preis pro Kopf (Seat-Modell). KI dreht diese Logik komplett um: Jede einzelne Anfrage erzeugt reale Rechenkosten, die den Gewinn schrumpfen lassen, wenn der Preis nicht mitzieht.

Aus unserer Beratungspraxis kennen wir das typische Warnsignal: Die Marge sinkt, weil teure KI-Funktionen aus Gewohnheit einfach ins günstigste Standard-Paket gepackt werden, ohne eigene Monetarisierungsstrategie.

Verantwortlich dafür sind vier strukturelle Veränderungen durch KI:

1. Produkt: Software wird vom reinen Werkzeug zum selbstständigen KI-Agenten.

2. Kosten: Jede Aktion erzeugt echte variable Kosten statt nahezu null.

3. Wert: Kunden bezahlen für erledigte Arbeit, nicht mehr nur für den Zugang.

4. Rolle: Klassische Software liefert das Fundament, die KI übernimmt die Hauptrolle.

Was ist Pricing für KI-Agenten? Die wichtigsten Begriffe erklärt

Bevor ihr eine Preisentscheidung trefft, braucht ihr eine gemeinsame Sprache. Diese vier Begriffe werden in Diskussionen über KI-Pricing oft durcheinandergeworfen:

• Pricing für KI-Agenten: Die Preislogik für autonome KI-Agenten, die Aufgaben eigenständig ausführen. Der Begriff meint nicht, dass ein Agent das Pricing übernimmt, sondern dass Agenten bepreist werden: Bezahlt wird für gelieferte Arbeit statt nur für den Zugang zum Werkzeug.

• Consumption-Based Pricing (nutzungsbasiertes Pricing): Rechnet nach technischem Verbrauch ab (z. B. API-Calls, Tokens, Credits). Das ist leicht messbar, spiegelt aber oft nicht den tatsächlichen Nutzen für den Kunden wider.

• Outcome-Based Pricing: Koppelt den Preis direkt an den erzielten Erfolg. Das ist sehr nah am Kundennutzen, lässt sich in der Praxis aber schwerer eindeutig zuordnen.

• Digitaler-Mitarbeiter-Pricing: Eine planbare Monatspauschale pro Agent, angelehnt an ein reguläres Gehalt. Ein Modell, das im deutschsprachigen Raum noch neu ist.

KI-Feature vs. KI-Agent: Wie unterscheidet man das?

Für die Wahl der richtigen Metrik nutzen wir eine einfache Faustregel:

1. KI-Feature = Tool-Budget: Der Mensch bleibt der primäre Anwender. Die KI unterstützt nur (z. B. Textzusammenfassung). Der Wert bemisst sich wie ein Software-Tool.

2. KI-Agent = Personal-Budget: Der Agent übernimmt komplexe Workflows eigenständig. Das Produkt konkurriert gedanklich nicht mit anderer Software, sondern mit menschlicher Arbeitszeit.

Wichtig für die Praxis: Selbst wenn ihr Features und Agenten im selben Produkt bündelt, müsst ihr beide Bausteine intern getrennt kalkulieren.

KI-Features bepreisen: Per-Seat oder nutzungsbasiert?

Für ein einzelnes KI-Feature stehen in der Praxis meist zwei Wege zur Auswahl:

Aus unserer Sicht ist unkontrolliertes Kostenwachstum durch KI-Nutzung eines der größten Risiken, das auch unser SaaS & AI Pricing Report 2027 bestätigt: Wer von Anfang an klare Kostengrenzen einbaut, behält Margen und variable Kosten im Griff.

Welches Modell besser passt, hängt vom Kundensegment ab. Unsere Empfehlungen dazu sind immer Guidelines und Orientierungen, keine Gesetze: Jeder Kunde bringt ein eigenes Produkt, eigene Kosten und eigene Werttreiber mit, deshalb muss die Entscheidung am konkreten Fall geprüft werden. Zwei Dimensionen geben eine erste Orientierung:

• B2B oder B2C: Im B2B-Kontext zählen vor allem Planbarkeit und Sicherheit, deshalb passt dort meist ein Per-Seat-Modell, weil es die Umsatzplanbarkeit bietet, die Einkaufsabteilungen erwarten. Im B2C-Kontext will der einzelne Nutzer volle Kostenkontrolle über sein eigenes Budget haben, ein nutzungsbasiertes Modell mit festem Kontingent oder Abo-Guthaben ist oft die bessere Wahl.

• Enterprise oder KMU: Auch innerhalb von B2B gilt die Frage, ob ihr vor allem Enterprise-Kunden mit individuellen Enterprise-Verträgen bedient oder kleine und mittlere Unternehmen mit low-touch Sales. Im ersten Fall lässt sich das Preismodell individuell gestalten, im zweiten Fall muss es standardisiert funktionieren, ohne dass im Sales-Gespräch einzeln verhandelt wird.

Wie ihr das größte Kaufhindernis ausräumt

In unseren Mandaten sehen wir immer wieder: Die Angst vor unkalkulierbaren Kosten ist der größte Conversion-Killer bei nutzungsbasierten Modellen. B2B-Kunden wollen keine Überraschungen auf der Monatsabrechnung.

Zwei Mechaniken schaffen Vertrauen:

1. Auto-Refill: Das Guthaben lädt sich automatisch um einen festen Betrag auf, sobald ein Schwellenwert unterschritten wird.

2. Abo-Kontingent: Der Kunde kauft ein monatliches Volumen. Vor dem Überschreiten erhält er Warnungen oder Upgrade-Vorschläge.

Ein angenehmer Nebeneffekt in der Praxis: Verfällt ungenutztes Kontingent am Monatsende, erhöht das direkt eure Marge. Das ist ein Vorteil, den reines Pay-as-you-go nicht bietet.

Bevor ihr auf ein nutzungsbasiertes Modell umstellt, muss eure technische Infrastruktur mitziehen. Aus unserer Zeit im Aufbau industrieller Prozesse wissen wir: Ohne verlässliche Nutzungsmessung gibt es keine verlässliche Abrechnung, und genau an dieser Voraussetzung scheitern viele SaaS-Anbieter beim Umstieg.

Vier Preismetriken im Vergleich

Bei autonomen KI-Agenten reicht eine einzelne Preismetrik selten aus. Wir unterscheiden vier Grundtypen, die sich in der Praxis meist kombinieren lassen.

1. Verbrauch (Consumption)

Abrechnung nach Tokens oder API-Calls. Es ist technisch einfach umzusetzen, liegt aber weit weg vom Kundennutzen.

2. Task/Action

Der Kunde zahlt pro abgeschlossenem Prozessschritt. Das bildet die Arbeit direkter ab, erfordert aber eine glasklare Definition, was als ein „Task“ zählt.

• Praxisbeispiel: n8n rechnet pro Workflow-Ausführung ab, unabhängig davon, wie viele Schritte der Workflow im Detail umfasst.

• Ein weiteres Praxisbeispiel: Das KI-Unternehmen 11x rechnet seinen Sales-Agenten pro kontaktiertem Prospect ab, nicht pro technischer Einzelaktivität.

3. Ergebnis (Outcome)

Koppelt den Preis direkt an den Erfolg (z. B. eine gelöste Kundenanfrage). Das bietet maximalen Kundennutzen, birgt aber Konfliktpotenzial bei der Erfolgsdefinition.

Praxisbeispiel: Intercom Fin startete 2024 mit reinem Outcome-Pricing. Heute nutzt das Unternehmen ein Hybridmodell aus Seat-Preisen plus einem Betrag pro gelöster Anfrage.

Vier Sicherungsbausteine entschärfen das Konfliktrisiko bei Outcome-Pricing:

• Mindestabnahme: Schützt den Anbieter vor Umsatzausfällen.

• Deckelung (Cap): Schützt den Kunden vor unbegrenzten Kosten.

• Parallelabrechnung: Fängt Leistungen ab, die sich nicht als klarer Erfolg messen lassen.

• Definitionshoheit: Legt verbindlich fest, wer das Ergebnis als „erfolgreich“ bewertet.

4. Digitaler Mitarbeiter (Kapazitätspauschale)

Eine planbare Monatsgebühr pro Agent, angelehnt an ein Mitarbeitergehalt. Das bietet maximale Planbarkeit für beide Seiten.

• Praxisbeispiel: Lindy nutzt dafür ein Credit-Kontingent. Ist das Limit erreicht, pausiert der Agent, statt unkontrollierte Kosten zu verursachen.

Laut unserem Report bündeln 62 % der SaaS-Anbieter Agenten derzeit noch im bestehenden Paket oder haben keine klare Strategie. Die Zukunft gehört hybriden Modellen. Schwergewichte wie Microsoft Copilot Studio und Salesforce Agentforce machen es vor: Beide vereinheitlichen ihr Feature- und Agenten-Pricing über ein zentrales Credit-System.

Verpackung: GBB-Pakete und Add-ons geschickt nutzen

Die Preismetrik-Entscheidung aus den vorherigen Abschnitten ist nicht dasselbe wie die Verpackungsfrage. Ob ein Feature in ein bestehendes Good-Better-Best-Paket (GBB) gehört oder als eigenständiges Add-on verkauft wird, ist eine zweite, getrennte Entscheidung. Add-ons ergänzen ein GBB-System, sie ersetzen es nicht.

Unsere Projekterfahrung zeigt: Neukunden steigen zu Beginn fast immer im günstigsten Paket ein. Ein KI-Feature, das ausschließlich im teuersten „Best“-Tier versteckt ist, bleibt für die meisten Neukunden unsichtbar. Wer KI strategisch als Wachstumstreiber nutzen will, muss diese Verteilungslogik von Anfang an einplanen.

Warum Pricing jetzt auch eine AI-Search-Frage ist

Pricing entscheidet sich zunehmend, bevor die eigentliche Preisverhandlung überhaupt beginnt. Viele der Softwaresuchenden nutzen bereits die KI-Suche zur Recherche, und 92 % der B2B-Kaufenden entscheiden sich am Ende für ein Produkt, das schon auf ihrer ersten, KI-generierten Shortlist stand.

Wir sind überzeugt: Selbst exzellentes Pricing bleibt wirkungslos, wenn ein Anbieter im KI-Vergleich gar nicht erst auftaucht. Entscheidend ist deshalb auch die technische Seite: Inhaltsseiten und Preise sollten nicht hinter komplexem JavaScript versteckt werden, damit KI-Systeme sie überhaupt erfassen können.

Für euch heisst das konkret: Wer sein KI-Feature oder Agenten-Pricing öffentlich, klar strukturiert und maschinenlesbar kommuniziert, erhöht die Chance, überhaupt in KI-generierten Produktvergleichen zu erscheinen, bevor der Preis zum Gesprächsthema wird.

Wie wir SaaS-Anbieter bei der KI-Preismetrik-Entscheidung begleiten

Wir begleiten SaaS-Anbieter von der strategischen Analyse bis zur Markteinführung. Unser Ansatz unterscheidet sich dabei in zwei wesentlichen Punkten:

1. Echtes Kunden-Feedback statt interner Annahmen: Um den wahren Wert eines KI-Features zu ermitteln, sprechen wir direkt mit den Kunden eurer Kunden. Als externe Berater erhalten wir hierbei oft ungefilterte und wertvollere Einblicke als interne Teams.

2. Unternehmerisches Vergütungsmodell: Statt klassischer Beratervergütung bieten wir eine Kombination aus reduziertem Festpreis und Erfolgsbeteiligung. Wir gehen ins finanzielle Risiko, weil wir an den Erfolg unserer Preisstrategien glauben.

Pricing Opportunity Check anfragen

FAQ