In den vergangenen zwanzig Jahren hat die gesamte Internetbranche im Grunde immer dasselbe getan: Menschen die Nutzung von Software erleichtern.
Google löste das Problem der Informationssuche, Amazon das des Online-Shoppings, Uber das der Vermittlung von Fahrten und Salesforce das des Kundenbeziehungsmanagements. Verschiedene SaaS-Produkte decken zudem die Bereiche Finanzen, Personalwesen, Marketing und Projektmanagement in Unternehmen ab.
Diesen Produkten liegt eine gemeinsame Grundannahme zugrunde: Menschen sind die primären Nutzer von Software. Deshalb müssen Softwareunternehmen die Benutzeroberflächen kontinuierlich optimieren, die Einstiegshürden senken und das Nutzungserlebnis verbessern, um anschließend über Abonnements, Werbung oder Transaktionsgebühren Einnahmen zu erzielen.
Doch mit dem Aufkommen von AI Agents ändert sich diese Annahme. Wenn Agenten Aufgaben verstehen, externe Werkzeuge aufrufen, Datenbanken zugreifen, Programme ausführen und innerhalb ihres Berechtigungsrahmens Transaktionen abschließen können, müssen Menschen nicht mehr jedes einzelne Softwareprodukt selbst bedienen.
Das ist nicht nur ein Wandel der Interaktionsform. Wenn sich der Hauptakteur der Softwarebedienung allmählich von Menschen zu Agenten verlagert, könnten alle Geschäftsmodelle, die in den vergangenen zwanzig Jahren rund um Traffic, Nutzerbindung und Softwareabonnements aufgebaut wurden, einer Neubepreisung unterliegen.
Die wertvollste Software der Zukunft hat womöglich nicht die meisten menschlichen Nutzer, sondern ist der Dienst, der von den meisten Agenten dauerhaft aufgerufen wird.
I. 234 Milliarden US-Dollar SaaS-Ausgaben stehen vor einer Neubepreisung
Im Juli 2026 veröffentlichte Gartner eine für die Softwarebranche beachtenswerte Prognose: Bis 2030 könnte Agentic AI Unternehmensausgaben für Anwendungssoftware in Höhe von bis zu 234 Milliarden US-Dollar beeinflussen, was etwa 20 % der damaligen SaaS-Ausgaben für Unternehmensanwendungen entspräche.
Gartner bezeichnet dieses Phänomen als Agentic Arbitrage, also als Agenten-Arbitrage: Agenten führen Aufgaben systemübergreifend aus und verringern so die Abhängigkeit von klassischen Software-Oberflächen und den dazugehörigen Nutzerplätzen.
Früher musste ein Unternehmen mit 1.000 Mitarbeitern womöglich viele Softwarelizenzen für CRM-, ERP-, Projektmanagement- und Business-Intelligence-Systeme kaufen. Wenn jedoch in Zukunft ein Teil der Arbeit von Agenten erledigt werden kann, muss das Unternehmen nicht zwangsläufig für jeden Ausführungsschritt einen separaten menschlichen Bedienplatz vorhalten.
Ein Beispiel ist der Vertriebsprozess. Früher mussten Vertriebsmitarbeiter Kundeninformationen manuell eingeben, CRM-Systeme aktualisieren, Angebote erstellen, E-Mails versenden und anschließend Abschlussdaten mit dem Finanzsystem synchronisieren. Heute lassen sich diese Schritte bereits über APIs und Automatisierungstools miteinander verknüpfen. Der nächste Entwicklungsschritt ist, dass Agenten auf Basis geschäftlicher Ziele selbst entscheiden, welche Systeme sie aufrufen und welche Aktionen sie ausführen müssen.
CRM und ERP verlieren dadurch nicht an Wert. Kundendaten, Bestellhistorien, Bestandsdaten und Finanzbücher müssen weiterhin in zuverlässigen Systemen gespeichert werden. Aber Unternehmen brauchen womöglich nicht mehr so viele Mitarbeiter, die diese Systeme täglich öffnen und jede Aktion einzeln ausführen.
Das beeinflusst direkt das traditionelle Seat-based Pricing von SaaS, also das Geschäftsmodell, bei dem nach Nutzerplätzen abgerechnet wird. Früher war ein wichtiger Umsatztreiber für Softwareunternehmen, dass Kunden mehr Mitarbeiter und Softwarekonten hinzufügten. In Zukunft könnten Unternehmen einige menschliche Bedienplätze reduzieren und zugleich mehr Budget für API-Aufrufe, Automatisierungsaufgaben und Agenten-Ausführungen bereitstellen.
Auch das Umsatzmodell von Softwareanbietern könnte sich allmählich von einer Abrechnung pro Person hin zu einer Abrechnung nach Aufrufvolumen, Arbeitsabläufen und Aufgabenergebnissen verschieben.
Der Wert von Software verschwindet nicht, aber die Art, wie dieser Wert gemessen wird, könnte sich ändern.
II. Google und Anthropic bauen Kommunikationsstandards zwischen Agenten auf
Um zu beurteilen, ob eine Technologie wirklich in der Industrie angekommen ist, achte ich normalerweise nicht nur darauf, wie viele neue Fähigkeiten ein Modell demonstriert, sondern auch darauf, ob Unternehmen beginnen, Ressourcen in gemeinsame technische Standards zu investieren.
Im Jahr 2025 führte Google das Agent2Agent Protocol (A2A) ein. Im April 2026 gab die Linux Foundation bekannt, dass A2A die Unterstützung von mehr als 150 Organisationen erhalten habe, darunter Unternehmen wie Google, Microsoft, AWS, Salesforce, SAP und ServiceNow.
Das Ziel von A2A ist es, dass Agenten aus unterschiedlichen Frameworks und von unterschiedlichen Anbietern einander entdecken, miteinander kommunizieren, Aufgaben delegieren und Ergebnisse austauschen können.
Gleichzeitig löst das ursprünglich von Anthropic vorgestellte Model Context Protocol (MCP) eine andere Art von Problem: Es ermöglicht AI-Systemen, über standardisierte Schnittstellen externe Werkzeuge und Datenquellen anzubinden.
Die beiden sind nicht identisch positioniert. MCP löst vor allem Agent-to-Tool, also wie ein Agent Werkzeuge aufruft; A2A löst vor allem Agent-to-Agent, also wie verschiedene Agenten zusammenarbeiten.
Die Entwicklung dieser beiden Protokolle bedeutet, dass zukünftige Softwaresysteme nicht zwingend über eine menschliche Benutzeroberfläche miteinander interagieren müssen.
Angenommen, ein multinationales Unternehmen muss eine Charge Server beschaffen. Ein Einkaufsagent kann zunächst Bestands- und Budgetinformationen abrufen, dann von Anbieter-Agenten Angebote anfordern, einen Logistikdienst zur Berechnung der Lieferzeit aufrufen und schließlich vom Finanzsystem die Zahlungsberechtigung prüfen lassen.
Jeder dieser Schritte kann von Systemen verschiedener Unternehmen ausgeführt werden. Früher brauchten Unternehmen dafür viele maßgeschneiderte Schnittstellen und manuelle Abstimmung. Heute versucht die Branche, durch standardisierte Protokolle die Kosten der systemübergreifenden Zusammenarbeit zu senken.
Natürlich bedeutet eine einheitliche Protokollbasis nicht, dass alle Systeme bereits reibungslos miteinander interagieren können. Identitätsprüfung, Berechtigungsverwaltung, Datenformate und Fehlerbehandlung müssen weiterhin zusätzlich aufgebaut werden. Doch aus technischer Entwicklungsperspektive beginnen Softwareprodukte bereits, Kommunikationsweisen für nichtmenschliche Nutzer zu entwerfen.
Früher entwickelten wir APIs vor allem dafür, dass verschiedene Software Daten austauschen konnten. In Zukunft könnten diese Schnittstellen zunehmend zur Grundlage dafür werden, dass Agenten Aufgaben selbstständig ausführen, Ressourcen koordinieren und Dienste einkaufen.
III. Stripe lässt Agenten direkt bezahlen; Maschinen werden zu neuen Akteuren des Konsums
Im Jahr 2026 stellten Stripe und Tempo gemeinsam das Machine Payments Protocol (MPP) vor, mit dem Agenten direkt für APIs, Daten und andere digitale Ressourcen bezahlen können.
Die Zahlungsprozesse des traditionellen Internets sind vor allem auf Menschen ausgerichtet. Nutzer registrieren ein Konto, wählen ein Paket, geben Zahlungsinformationen ein und bestätigen dann den Kauf. Ein Agent hingegen braucht bei der Ausführung einer Aufgabe möglicherweise nur einen einzigen API-Aufruf.
Beispielsweise muss ein Finanzforschungsagent zur Analyse eines bestimmten Vermögenswerts drei Dienste kurzfristig kaufen: Echtzeit-Marktdaten, On-Chain-Kapitalflüsse und historische Volatilitätsdaten.
Angenommen, die Einzelaufrufpreise der Dienste liegen jeweils bei 0,003, 0,005 und 0,002 US-Dollar. Beim traditionellen Kreditkarten-Zahlungsmodell könnten die festen Gebühren teurer sein als der Dienst selbst. MPP, x402 und ähnliche Maschinenzahlungsprotokolle versuchen dagegen, solche kleinteiligen, nutzungsbasierten Transaktionen praktikabel zu machen.
Auch die 2026 von Visa und Artemis veröffentlichten Untersuchungen beobachten die Entwicklung der Maschinenzahlungen anhand tatsächlicher On-Chain-Transaktionen. Entsprechende frühe Statistiken zeigen, dass in den ersten Wochen nach Einführung von MPP bereits rund 115.000 Transaktionen mit einem Abrechnungsvolumen von etwa 25.000 US-Dollar verarbeitet wurden, bei einem Durchschnitt von etwa 0,22 US-Dollar pro Transaktion.
Diese Daten müssen weiterhin im Zusammenhang mit statistischen Methoden, der Art der Transaktionen und den tatsächlichen Einsatzbedingungen im Produktionsumfeld bewertet werden; sie können nicht direkt als Beweis dafür gelten, dass bereits eine echte kommerzielle Nachfrage in großem Maßstab entstanden ist. Dennoch sind die darin erkennbaren Zahlungsmodelle untersuchenswert.
Früher wurden digitale Dienste oft als Monats- oder Jahresabonnement verkauft, weil es sich nicht rechnete, einzelnen Nutzern nur Bruchteile von Cent in Rechnung zu stellen. In Zukunft, wenn Agenten Zahlungen kostengünstig ausführen können, haben Datenanbieter die Chance, pro Abfrage, pro Berechnung oder pro Ausführung abzurechnen.
Ein Unternehmen ohne Consumer-App kann direkt professionelle API-Dienste an Agenten verkaufen, ohne vorher einen Traffic-Kanal für normale Nutzer aufzubauen.
Für die Krypto-Branche könnte das neue Nachfrage nach Stablecoin-Zahlungen auslösen. Stablecoins sind jedoch nicht die einzige Option. Unternehmen wie Stripe und Visa erforschen ebenfalls Kartendaten, Zahlungsautorisierung und verschiedene Abrechnungsarten.
Ob sich Maschinenzahlungen am Ende durchsetzen, hängt von Kosten, Geschwindigkeit, regulatorischer Compliance, Rückerstattungsmechanismen und tatsächlichem Geschäftsbedarf ab – nicht allein davon, welche Blockchain verwendet wird.
Einer der wichtigsten zukünftigen Nutzer von Stablecoins könnte nicht der Mensch sein, sondern ein autorisierter Agent, der digitale Dienste selbstständig kaufen kann.
IV. Das nächste Internet braucht möglicherweise deutlich weniger menschenorientierte Einstiegspunkte
Im Zeitalter des mobilen Internets konkurrierten Unternehmen um die Aufmerksamkeit der Nutzer. App-Store-Rankings, Suchmaschinen-Traffic, Werbung, Nutzerbindung, DAU und MAU bildeten das Wachstumsgerüst vieler Internetprodukte.
Das Verhalten von Agenten unterscheidet sich jedoch von dem des Menschen. Wenn Menschen einen Dienst kaufen, können Marke, Werbung, Seitendesign und Gewohnheit eine Rolle spielen. Agenten hingegen können Dienste bei der Ausführung einer Aufgabe anhand vorgegebener Kriterien vergleichen.
Beispielsweise könnte die Auswahl eines Agenten, der einen Echtzeit-Datendienst kaufen muss, von folgenden Kriterien abhängen:
Die Datenlatenz liegt unter 500 Millisekunden.
Über 99,9 % Verfügbarkeit in den vergangenen 30 Tagen.
Einzelaufrufpreis unter 0,01 US-Dollar.
Verifizierbare Datenquellen bereitstellen.
Unterstützt standardisierte APIs.
Wenn mehrere Anbieter die Bedingungen erfüllen, kann der Agent zusätzlich Preise, Reaktionsgeschwindigkeit, historische Fehlerquoten und Dienstberechtigungen vergleichen.
In diesem Szenario hat das Design der Benutzeroberfläche für Maschinenaufrufe kaum direkten Wert. Stattdessen werden Dienststabilität, Datenqualität, Aufrufkosten und maschinenlesbare Schnittstellenbeschreibungen zu wichtigeren Wettbewerbsfaktoren.
Natürlich verschwinden Marke und Reputation nicht vollständig. Unternehmen werden Agenten möglicherweise weiterhin dazu verpflichten, bevorzugt zertifizierte Anbieter auszuwählen oder nur Dienste aufzurufen, die den internen Sicherheitsrichtlinien entsprechen.
Doch die Verbreitung von Software könnte in Zukunft deutlich auseinanderdriften. Eine Richtung dient weiterhin Menschen und gewinnt Nutzer über Apps, Websites, Suche und soziale Medien; die andere dient Agenten und gewinnt Aufrufe über APIs, Protokolle, Service-Register und maschinenlesbare Fähigkeitsbeschreibungen.
Die beiden Systeme werden langfristig nebeneinander bestehen, aber die Geschäftslogik ist nicht völlig dieselbe. Früher mussten Entwickler überlegen, wie Nutzer ihre App finden. In Zukunft müssen sie auch darüber nachdenken, wie Agenten ihren Dienst entdecken und wie sie belegen können, dass er zuverlässiger ist als andere Angebote.
Das bringt mich zu einer Frage:
Wenn Agenten in Zukunft Dienste selbstständig entdecken, vergleichen und kaufen können, wer kontrolliert dann die Distributionszugänge dieser Dienste?
Früher kontrollierte Google den Einstieg zur Suche, Apple den App Store und Microsoft große Zugänge zur Unternehmensarbeit. Doch in der Agentenökonomie kann die Auswahl von Diensten zwischen Modellen, Agenten-Laufzeitplattformen, Unternehmens-Autorisierungssystemen und Netzwerken zur Dienstsuche stattfinden.
Diese Systeme bestimmen nicht nur, welche Dienste ein Agent finden kann, sondern können auch beeinflussen, welchen Anbieter er bevorzugt aufruft.
Wenn dieses Distributionssystem allmählich ausreift, muss der Wettbewerb um den Einstiegspunkt des nächsten Internets nicht mehr nur zwischen Browsern und App Stores stattfinden.
V. Zukünftige Softwareunternehmen haben möglicherweise gar kein Produkt für Menschen
Wenn in Zukunft viele Aufgaben von Agenten erledigt werden, könnten rund um die Infrastruktur, die für ihren Betrieb nötig ist, neue Gründungsmöglichkeiten entstehen.
Bemerkenswert ist hier nicht, noch einen weiteren Chatbot zu entwickeln, sondern die praktischen Kooperationsprobleme zwischen Agenten zu lösen.
Zunächst geht es um Identität und Autorisierung (Agent Identity \u0026 Authorization).
Wenn ein Unternehmen Hunderte von Agenten einsetzt, müssen diese unterschiedliche Berechtigungen haben. Ein Einkaufsagent darf Software kaufen, aber nicht das gesamte Firmenvermögen verschieben. Ein Finanzagent darf Rechnungen bezahlen, muss dabei aber an Budget-, Empfänger- und Genehmigungsregeln gebunden sein.
Das bedeutet, dass Agenten verifizierbare Identitäten, klar abgegrenzte Berechtigungsrahmen, Mechanismen zum Widerruf von Rechten und eine vollständige Protokollierung der Aktionen benötigen. Besonders in Finanz- und Unternehmensbeschaffungsszenarien gilt: Nur weil ein Agent eine Aktion ausführen kann, heißt das nicht, dass er unbegrenzte Ausführungsrechte haben sollte.
Zweitens geht es um Serviceerkennung (Agent Discovery).
In Zukunft könnten Agenten externe Dienste je nach Aufgabe suchen müssen. Ein Finanzagent braucht On-Chain-Daten, ein Rechtsagent braucht Gesetzesdatenbanken, ein Entwicklungsagent braucht Testumgebungen.
Wenn jeder Agent vorab alle Dienste integrieren müsste, wären Entwicklungs- und Wartungskosten extrem hoch. Deshalb könnte der Markt eine spezialisierte Agent Discovery-Infrastruktur benötigen, die Agenten anhand von Leistungsfähigkeit, Preis, Berechtigungen und Zuverlässigkeit passende Anbieter finden lässt.
Danach kommt Reputation und Verifikation (Agent Reputation \u0026 Verification).
Menschen können anhand von Marke, Bewertungen und langfristiger Zusammenarbeit beurteilen, ob ein Anbieter zuverlässig ist. Agenten brauchen jedoch leichter automatisch verifizierbare Kennzahlen, etwa Erfolgsquote von Aufgaben, historische Verfügbarkeit, durchschnittliche Reaktionszeit, Datengenauigkeit sowie Entschädigungs- und Korrekturmechanismen nach Fehlern.
Die größte technische Schwierigkeit besteht hier nicht darin, ein Ranking zu erstellen, sondern darin, zu verifizieren, ob eine Aufgabe wirklich erledigt wurde, und zu verhindern, dass Anbieter Daten fälschen oder Bewertungen manipulieren.
Selbst wenn ein Eintrag auf der Blockchain festgehalten wird, heißt das nicht, dass der Eintrag selbst wahr ist. Ein verlässliches Reputationssystem benötigt weiterhin unabhängige Verifikation, nachvollziehbare Datenquellen und klare Haftungsmechanismen.
Als Nächstes kommt Zahlung und Abrechnung (Agent Payment \u0026 Settlement).
Wenn Agenten Dienste finden, Identitäten verifizieren und Preise bestätigen können, müssen sie anschließend noch Autorisierungszahlung, Dienstauslieferung und Ergebnisbestätigung abschließen. Wenn diese Funktionen als stabile Infrastruktur entstehen, könnte das einen umfangreichen Maschinenhandel ermöglichen.
Ein zukünftiger Agent Marketplace muss ebenfalls nicht zwingend ein App Store sein, den Menschen durchstöbern. Er könnte lediglich aus einer API bestehen: Der Agent sendet eine Aufgabenanforderung, das System gibt passende Anbieter zurück und wickelt anschließend Aufruf, Abrechnung und Ergebnisverifikation ab.
Normale Verbraucher wissen vielleicht nicht einmal, dass es dieses Unternehmen gibt, und doch verarbeitet es möglicherweise täglich Millionen von Dienstanfragen.
Der Kernwettbewerb solcher Unternehmen ist nicht mehr, wie schön die Benutzeroberfläche ist, sondern wie viele Agenten ihren Dienst in ihre täglichen Arbeitsabläufe integrieren.
VI. Traditionelles SaaS wird nicht komplett verschwinden, aber die Wettbewerbsbarrieren werden sich neu verteilen
Hier muss man zwei Dinge unterscheiden: den funktionalen Wert von Software und die menschliche Bedienoberfläche von Software. AI Agents können die Notwendigkeit des Letzteren stark verringern, aber das bedeutet nicht, dass das Erste verschwindet.
Unternehmen brauchen weiterhin Datenbanken, Finanzsysteme, Identitätsprüfung, Transaktionsprotokolle und Compliance-Management. Zudem können klassische Softwareanbieter mit vielen exklusiven Daten und engen Geschäftsbeziehungen zu Unternehmenskunden ihre Produkte aktiv in Agentendienste umwandeln.
Unternehmen wie Salesforce, SAP oder Microsoft werden nicht zwangsläufig von neuen Firmen verdrängt. Sie haben ebenso die Chance, zu wichtigen Infrastrukturanbietern der Agentenökonomie zu werden.
Am stärksten unter Druck stehen jene Softwareprodukte, die keine exklusiven Daten und keine starken Geschäftsbarrieren besitzen und ihren Umsatz vor allem durch komplexe Bedienprozesse und hohe Wechselkosten sichern.
Wenn Agenten direkt mehrere Systeme bedienen können, könnte der Vorteil von Softwareoberflächen durch gewohnheitsbedingte Nutzung geschwächt werden.
Allerdings sind auch die Agenten selbst noch längst nicht reif genug, um alle Unternehmensaufgaben zu übernehmen. Gartner prognostizierte, dass mehr als 40 % der Agentic-AI-Projekte bis Ende 2027 möglicherweise gestrichen werden, vor allem wegen steigender Kosten, unklaren geschäftlichen Nutzens und unzureichender Risikokontrolle.
Das zeigt auch: Ein Modell, das eine Aufgabe erledigen kann, bedeutet nicht, dass ein Unternehmen es langfristig zu vertretbaren Kosten einsetzen kann.
Selbst wenn ein Agent in einer Testumgebung 95 % der Aufgaben erledigen kann, heißt das nicht, dass ein Unternehmen ihm ohne Bedenken die selbstständige Verwaltung von Einkauf, Finanzen und Kundendaten anvertrauen sollte. Denn die verbleibenden 5 % können Fehlzahlungen, Datenlecks, Doppelbestellungen oder nicht rückgängig zu machende Geschäftsoperationen betreffen.
Deshalb ist die wirklich wertvolle Agenteninfrastruktur der Zukunft nicht unbedingt das Produkt mit den meisten Funktionen, sondern ein System, das in realen Geschäftsumgebungen stabil läuft und Fehler-, Berechtigungs- und Finanzrisiken wirksam verwaltet.
Deshalb könnten Identitätsprüfung, Zugriffskontrolle, Ausführungsprüfung und Verifikation der Aufgabenergebnisse zu wichtigen Bestandteilen der Agentenökonomie werden.
VII. Für wen sollten zukünftige Gründer eigentlich Produkte entwickeln?
Früher dachten Gründer meist zunächst an die Nutzerzahl, mit dem Ziel, hunderttausend, eine Million oder sogar zehn Millionen Nutzer zu gewinnen. Produkte mussten ständig an der Oberfläche verbessert, die Bindung erhöht und dann über Werbung, Abonnements oder Transaktionsprovisionen monetarisiert werden.
Wenn es im zukünftigen Internet jedoch viele Agenten gibt, die Aufgaben selbstständig ausführen können, müssen Gründer neu darüber nachdenken, wer eigentlich ihr Kunde ist.
Ein Unternehmen, das Finanzdaten anbietet, muss nicht mehr versuchen, hunderttausend Anleger dazu zu bringen, täglich seine Website zu öffnen; es kann seine Datenschnittstellen direkt Hunderttausenden von Anlageagenten zur Verfügung stellen.
Ein Unternehmen, das Bilderkennung anbietet, muss nicht zwingend eine vollständige Bildbearbeitungs-App entwickeln. Es kann zu einem spezialisierten Dienst werden, den andere Agenten bei visuellen Aufgaben aufrufen.
Ein Unternehmen, das Identitätsprüfung anbietet, muss auch nicht erreichen, dass normale Verbraucher sich täglich auf seiner Plattform einloggen. Solange Unternehmensagenten bei sensiblen Aufgaben durch sein Autorisierungssystem müssen, kann daraus ein dauerhafter Bedarf an dem Dienst entstehen.
Die größte Veränderung dieses Geschäftsmodells besteht darin, dass die Einnahmen nicht mehr vollständig von der Häufigkeit der menschlichen Nutzung der Software abhängen, sondern möglicherweise aus ständig zwischen Maschinen stattfindenden Aufgabenaufrufen stammen.
Das bedeutet natürlich nicht, dass Agenten über unbegrenzte, von Menschen unabhängige Ausgabefähigkeit verfügen. Ihre Budgets stammen weiterhin von Privatpersonen und Unternehmen, und auch die Transaktionsrechte müssen kontrolliert werden.
Doch der tatsächliche Ausführer des Budgets verlagert sich immer häufiger vom Menschen zur Software. Und wenn sich der ausführende Akteur ändert, werden sich auch Produktdesign, Dienstverteilung und Abrechnungsmodell entsprechend anpassen.
Früher mussten Gründer herausfinden, wie sie die Nutzerbindung verbessern und die Akquisitionskosten senken. In Zukunft könnten einige AI-native Unternehmen stärker auf API-Aufrufvolumen, Aufgabenabschlussrate, durchschnittliche Ausführungskosten und darauf achten, wie viele Agenten dauerhaft von ihren Diensten abhängen.
Das bedeutet auch, dass in Zukunft eine völlig neue Art von Technologieunternehmen entstehen könnte, die sich deutlich von traditionellem SaaS unterscheidet.
Sie haben keine komplexe Frontend-Oberfläche, sind nicht von App-Store-Rankings abhängig und brauchen nicht täglich Millionen von Verbrauchern, die sich einloggen. Sie bieten vielleicht nur eine sehr spezialisierte Fähigkeit an, etwa Datenabfragen, Identitätsprüfung, Zahlungsabwicklung oder Aufgabenausführung.
Solange diese Fähigkeit von genügend Agenten dauerhaft aufgerufen wird, kann daraus eine stabile Einnahmequelle entstehen.
VIII. Es bleibt nicht mehr viel Zeit für die Menschheit
Mit „Menschen“ ist hier nicht gemeint, dass Menschen bald von KI verdrängt werden. Gemeint ist vielmehr, dass das in den vergangenen zwanzig Jahren um menschliches Klicken, Browsen und Bedienen herum aufgebaute Softwaresystem möglicherweise an einem Wendepunkt angekommen ist.
Im Zeitalter des mobilen Internets untersuchten Gründer, wie sie Menschen dazu bringen, mehr Apps herunterzuladen. Im Zeitalter der Agenten müssen Gründer untersuchen, wie ihre Dienste von mehr Agenten entdeckt und aufgerufen werden.
Früher wuchsen Softwareunternehmen über Nutzerzahlen, Nutzungsdauer und Abo-Plätze. In Zukunft könnten einige von ihnen Einnahmen über API-Aufrufe, Aufgabenausführung, Datentransaktionen und automatisierte Dienste erzielen.
Die wichtigsten kommerziellen Einstiegspunkte des Internets waren früher Suchmaschinen, Browser und App Stores. In Zukunft könnten zusätzlich spezielle Netzwerke für Entdeckung, Identität, Reputation, Zahlung und Ausführung für Agenten entstehen.
Das verändert auch meine Einschätzung der Tech-Start-ups der nächsten Generation.
Ich bin nicht mehr der Ansicht, dass jedes wertvolle Softwareunternehmen zwingend eine App für normale Verbraucher haben muss. Wenn ein Unternehmen Daten, Werkzeuge oder Infrastruktur bereitstellen kann, die Millionen von Agenten täglich benötigen, kann es auch ohne komplexe Benutzeroberfläche eine beachtliche Geschäftsgröße aufbauen.
Software, die weiterhin darauf angewiesen ist, dass Menschen wiederholt klicken, kopieren, ausfüllen und zwischen Seiten wechseln, um ihre Arbeit zu erledigen, wird in Zukunft wahrscheinlich immer stärker unter Druck geraten.
Früher entwickelten wir Software, damit Menschen Computer nutzen konnten. In Zukunft entwickeln wir Software vielleicht dafür, dass Agenten andere Software nutzen können.
Wenn ich heute noch einmal ein Tech-Start-up gründen würde, würde ich eine Frage ernsthaft in Betracht ziehen, die bisher nur selten gestellt wurde:
Warum muss mein Produkt überhaupt für Menschen entworfen sein?
Wenn in Zukunft Millionen von Agenten Daten kaufen, Identitäten verifizieren, Tools aufrufen, Gebühren zahlen und andere Agenten suchen müssen, um Aufgaben zu erledigen, dann könnte es lohnender sein, eine Infrastruktur genau für diese Bedürfnisse aufzubauen, als noch eine gewöhnliche Consumer-App zu entwickeln.