Unternehmen sind bereit, für KI zu zahlen – und was dann?
Wenn KI in die Beschaffungskonten von Unternehmen eindringt, wohin fließen die nächsten Softwarebudgets hin und welche neuen Workflow-Eingänge werden bevorzugt?
Das amerikanische Unternehmensfinanzierungs- und -betriebssystem Ramp hat kürzlich den „Spring 2026 Business Spending Report“ veröffentlicht. Die Daten stammen aus anonymisierten Transaktionsaufzeichnungen von über 50.000 Unternehmen und decken jährliche Geschäftsexpenses von über 100 Milliarden US-Dollar ab.
Einfach ausgedrückt, dieser Bericht zeigt, wohin die Unternehmen ihr Geld tatsächlich ausgeben.
Was Unternehmen behaupten, zu verwenden, ist eine Sache. Wem sie tatsächlich ihr Geld geben, spricht jedoch meistens die stärkere Sprache.
Die Ramp-Daten zeigen, dass bis März 2026 bereits 50,4 % der amerikanischen Unternehmen KI-Dienste bezahlt haben.
Das bedeutet, dass KI nicht mehr nur von einzelnen Mitarbeitern ausprobiert oder von bestimmten Abteilungen getestet wird, sondern nun in die formelle Beschaffung von Unternehmen Eingang findet.
In Softwarekategorien wie Meetingprotokolle, Vertriebsausführung, Inhaltserstellung, AEO, Produktanalyse und BI drängen KI-native Tools sich in die Beschaffungslisten.
Aber man sollte diese Entwicklung nicht zu einfach sehen.
KI-Tools entwickeln sich zwar schnell, aber die großen Softwareausgaben der Unternehmen haben sich noch nicht deutlich verschoben.
Viele Unternehmen kaufen gerne zunächst einige neue Tools, um Meetingprotokolle zu erstellen, den Vertrieb zu unterstützen, Inhalte zu generieren und Daten zu analysieren. Bei Kernsystemen wie Kundendaten, Geschäftsprozessen und Managementberichten verlassen sich Unternehmen jedoch immer noch stärker auf etablierte Anbieter.
01
Unternehmen beginnen, für KI zu bezahlen
Schauen wir uns zunächst einige Daten an.
Nach Ramp-Daten hatten bis März 2026 50,4 % der beobachteten amerikanischen Unternehmen KI-Dienste erworben. Das ist eine Zunahme von fast 4 % im Vergleich zum Vorquartal und fast eine Verdopplung gegenüber Anfang 2025.
Diese Daten repräsentieren nicht den Durchschnitt aller amerikanischen Unternehmen, da Ramp-Kunden tendenziell technologisch vorausgehender sind. Aber sie zeigen zumindest, dass immer mehr Unternehmen bereit sind, für KI zu bezahlen.
Diese Veränderung ist nicht auf die Technologiebranche beschränkt.
Der Bericht zeigt, dass die Adoptionsrate von KI in der Technologiebranche 77 %, in der Finanzbranche 68 %, in der Fertigungsbranche 52 %, in der Einzelhandelsbranche 44 %, in der Gesundheitsbranche 36 % und in der Baubranche 35 % beträgt. Das bedeutet, KI dringt in die Geschäftsszenarien von mehr traditionellen Branchen ein.
Sobald KI in das Beschaffungssystem eines Unternehmens Eingang findet, sieht das Unternehmen KI anders.
Früher betrachtete man bei KI oft die Modellfähigkeiten, die Kontextlänge und die Aufrufkosten.
Im formellen Beschaffungsprozess geht es darum, wer die Kosten trägt, ob es die IT, die Geschäftseinheit, die Forschung und Entwicklung oder die Finanzabteilung ist. Es geht auch darum, was die KI ersetzt, ob es Menschen, Outsourcing, Softwareabonnements oder eine Funktion im bestehenden System ist. Und schließlich geht es darum, wie die Ergebnisse berechnet werden.
Damit wird KI nicht nur eine technische Auswahl, sondern es beginnt eine umfassende Bewertung von Budget, Organisation und Geschäftsergebnissen.
Der Ramp-Bericht erwähnt auch ein Problem, nämlich KI wird zur am schnellsten wachsenden, aber am schwierigsten zu verwaltenden Art von Ausgaben.
In der SaaS-Ära zahlten Unternehmen für Software meist nach Benutzerkonten, Modulen oder Jahresverträgen. Die Kosten waren relativ klar.
KI-Dienste sind anders. Viele werden nach Token, Aufrufläufen oder Aufgabenanzahl berechnet. Je mehr man nutzt, desto mehr kostet es, und die Kosten können in verschiedenen Abteilungen, Teams oder sogar auf persönlichen Mitarbeiterkonten verteilt sein. Für Unternehmen ist es schwierig, diese Kosten zu berechnen und zu verwalten.
Deshalb kann die Kommerzialisierung von KI in chinesischen Unternehmen nicht nur anhand von Aufrufläufen und Produktpräsentationen beurteilt werden.
Nach dem Eintritt in den Unternehmensmarkt muss man sich fragen, wer die Kosten verwaltet, wie die Prüfung durchgeführt wird, wie die Zugangsberechtigungen festgelegt werden, wie die Daten geschützt werden und wie die ROI berechnet wird. Je näher man an den Produktionssystemen ist, desto weniger werden Kunden nur für Neugierde bezahlen.
02
Neue Tools wachsen schnell, alte Systeme bleiben stabil
Die Ramp-Daten zeigen ein Phänomen: Die Adoptionsrate neuer Tools steigt schnell, aber die Grundlage der Softwareausgaben liegt immer noch bei den etablierten Anbietern.
Der Bericht zeigt, dass von den sechs Softwareanbietern mit der schnellsten Adoptionsrate in den ersten drei Monaten dieses Jahres fünf KI-native Tools sind.
In Kategorien wie Vertriebsausführung, Agentenverwaltung und GTM rücken KI-first Tools vor.
Aber das bedeutet nicht, dass die bestehenden Softwareanbieter sofort untergehen.
Am Beispiel von Vertriebsausführungssoftware: Die Adoptionsrate von KI-nativen Tools stieg im Vergleich zum Vorjahr durchschnittlich um 5,3 %, während die etablierten Anbieter durchschnittlich um 0,3 % zurückgingen.
In der BI-Kategorie stiegen die neuen Tools um durchschnittlich 5 %, während die etablierten Anbieter um 1,3 % zurückgingen. In der Produktanalyse-Kategorie war die Veränderung noch deutlicher: Neue Anbieter stiegen um 17 %, etablierte Anbieter fielen um 4,5 %.
Diese Daten zeigen, dass sich die neuen Käufer tatsächlich zu KI-Tools hin neigen. Unternehmen sind bereit, einen Teil ihrer neuen Anforderungen an leichtere, schnellere und geschäftsnahere Produkte zu geben.
Aber der Großteil des Geldes ist noch nicht verschoben.
Der Bericht erwähnt auch, dass in den Kategorien Vertriebsausführung und Produktanalyse die etablierten Anbieter immer noch über 70 % der Kategorienausgaben haben. In der BI-Kategorie nehmen die traditionellen Anbieter fast 83 % der Ausgaben ein.
Das spricht für sich. Es ist relativ einfach, ein neues Tool zu kaufen, aber es in das Kernbudget, die Geschäftskette, das Zugangssystem und die Datenstruktur zu integrieren, ist viel schwieriger.
Deshalb erhalten KI-native Tools derzeit eher die Eingänge.
Sie dringen in Szenarien wie Meetingprotokolle, Vertriebsleads, Inhaltserstellung, Datenanalyse und Kundenserviceeinrichtung ein und helfen den Geschäftseinheiten, bestimmte Aufgaben schneller zu erledigen.
Aber die traditionellen SaaS-Anbieter halten immer noch die Kundendaten, die geschäftlichen Prozesse, die Organisationsberechtigungen, die Compliance-Aufzeichnungen und die Managementberichte. Diese Dinge sind schwerer und schwieriger zu ersetzen.
Die zukünftige Konkurrenz wird nicht nur von den Funktionen abhängen. Ein KI-Tool, das nur die Effizienz an einem Punkt verbessert, kann leicht von großen Unternehmen integriert werden und wird von Kunden als austauschbares Plugin angesehen.
Der wirklich wertvolle Platz ist, von einem Einzeltool zu einem kontinuierlichen Geschäft zu gelangen, von der Abteilungstestphase zur Unternehmensbeschaffung und von der persönlichen Effizienz zur Organisationskooperation.
Die nächste Spaltung im Unternehmenssoftwaremarkt wird wahrscheinlich zunächst bei der neuen Adoptionsrate beginnen und sich dann langsam auf die Finanzierung auswirken.
03
Drei Arten von Software werden zuerst neu geschrieben
Nach dem Ramp-Bericht beginnt die Transformation des Softwaremarktes durch KI an drei Stellen.
Die erste Stelle ist der neue Traffic-Eingang.
AEO (Answer Engine Optimization) wird zu einer neuen Kategorie.
Der Bericht zeigt, dass die Adoptionsrate von Profound in der AEO-Software von 6,6 % vor einem Jahr auf 40 % am Ende des zweiten Quartals 2026 gestiegen ist.
AirOps führt immer noch mit einem Ausgabenshare von 53 %, aber der Ausgabenshare von Profound hat sich in den letzten zwei Quartalen verdoppelt.
Hinter diesem Trend steckt die Veränderung der Suchmaschinen-Eingänge.
Früher waren Unternehmen an der Google-Rangfolge, der Schlüsselwortabdeckung und der Qualität der externen Links interessiert. Jetzt interessiert es sie, ob ihre Marken von Antwort-Engines wie ChatGPT, Perplexity und Google AI Overviews erwähnt, zitiert und genau beschrieben werden.
Ein Teil der Mittel für SEO, Content-Marketing, Markenüberwachung und PR-Überwachung könnte neu verteilt werden.
Für den chinesischen Markt sind GEO oder AEO noch in der Anfangsphase, aber die Probleme sind bereits vorhanden.
Die zukünftige digitale Asset-Buildung von Marken wird sich von der Ausrichtung auf Suchmaschinen auf die Ausrichtung auf große Modell-Antwortsysteme erstrecken.
Die zweite Stelle ist der hochfrequente Wissenseingang.
KI-Meetingnotiz-Tools wachsen schnell.
Der Bericht zeigt, dass Granola in den letzten 18 Monaten von fast null auf eine Adoptionsrate von etwa 20 % gestiegen ist und eines der am häufigsten gewählten Produkte bei der ersten Adaption von KI-Meetingnotiz-Tools ist.
Meetingprotokolle sind an sich nicht neu, aber der echte Wandel besteht darin, dass die Meetinginhalte zu abrufbaren Organisationsgedächtnissen werden.
Verkaufsmeetings können in das CRM-System eingehen,
Bewerbungsgespräche können in das ATS-System eingehen,
Kundeninterviews können in den Produktbedarfspool eingehen,
Managementmeetings können in das Projektsystem eingehen.
Wer die Meetinginhalte mit dem Geschäftssystem verbindet, hat die Chance, von einem Tool zu einem Workflow-Eingang zu werden.
Die dritte Stelle ist der Szenario, in dem die ROI leichter zu berechnen ist.
Kategorien wie Vertriebsausführung, Kundenservice, Inhaltserstellung und Produktanalyse sind näher am Geschäftsergebnis. Unternehmen können leichter beurteilen, ob diese Tools effektiv sind.
Beispielsweise kann man prüfen, ob ein Vertriebstool die Lead-Konversion verbessert, ob ein Kundenservicetool die manuelle Intervention reduziert und ob ein Inhaltstool die Produktionskosten senkt.
Diese Aspekte sind leichter in die Beschaffungsdiskussion aufzunehmen als die bloße Aussage, dass die Effizienz gesteigert wird.
Dies ist auch der Grund für das schnelle Wachstum von KI-nativen Tools. Sie beginnen, an konkreten Aufgaben teilzunehmen.
Das Wertzentrum der Unternehmenssoftware verschiebt sich hin zu den Handlungen. Viele Systeme waren in der Vergangenheit hauptsächlich für die Datenspeicherung zuständig, jetzt möchten die neuen Tools die nächste Stufe übernehmen.
Für SaaS-Anbieter hat sich die Schlüsselfrage geändert. Man muss wissen, ob man eine Tabelle, eine Funktion oder einen Geschäftsprozess kontrolliert.
04
Einige Fragen, auf die chinesische ToB-Anbieter achten sollten
Die Ramp-Daten stammen aus dem US-Markt und können nicht direkt auf China übertragen werden, aber sie bieten einen guten Beobachtungswinkel. Die Auswirkungen von KI auf die Unternehmenssoftware werden schließlich auf einige konkrete Fragen hinauslaufen.
Chinesische ToB-Anbieter müssen zunächst herausfinden, woher das Geld kommt.
Wenn KI-Tools nur als neues Abonnement angeboten werden, ist das Wachstum leicht eingeschränkt.
Unternehmensbudgets sind ohnehin knapp, und es ist unwahrscheinlich, dass für jedes neue Tool ein eigenes Budget erstellt wird. Die größeren Chancen liegen in der Budgetersetzung.
Beispielsweise entspricht ein Kundenservice-Agent den Kosten für Kundenservicepersonal und Outsourcing, GEO/AEO entspricht den Investitionen in SEO, Content-Marketing und Markenüberwachung, und KI-Programmiertools entsprechen der Forschungs- und Entwicklungseffizienz und der Lieferzeit.
Zweitens muss man wissen, wer kauft.
Die Entscheidung über traditionelle Unternehmenssoftware wird normalerweise von der IT, der Beschaffung und der Finanzabteilung getroffen.
Die Eingänge für KI-Tools sind verstreuter. Die Forschungs- und Entwicklung, der Marketing, der Vertrieb, der Kundenservice und die Personalabteilung können alle anfänglich die Tools nutzen.
Die Vorreiterrolle der Abteilungen bringt Wachstum, aber auch neue Probleme. Die Verteilung von Konten, der Datenverlust und die unkontrollierten Kosten werden Unternehmen dazu bringen, die Verwaltung der KI-Ausgaben neu zu überdenken.
In Zukunft könnte die Verwaltung der KI-Ausgaben selbst zu einem neuen Bedarf werden.
Außerdem muss man wissen, wo sich das Produkt befindet.
Einzeltools lösen lokale Effizienzprobleme, Workflow-Eingänge lösen Organisationskooperationsprobleme. Ob ein KI-Produkt in die Kern-Geschäftskette eines Kunden eingehen kann, bestimmt, wie weit es kommen kann.
Den bestehenden SaaS-Anbietern stehen auch Chancen offen.
Sie haben die Kundendaten, das Zugangssystem, die Geschäftskonfiguration und die geschäftlichen Prozesse in der Hand. Dies sind die Grundlagen, die für die Implementierung von KI benötigt werden.
Das Problem ist, dass bestehende Systeme KI nicht nur als ein Hilfsbutton implementieren können. Was die Kunden wirklich brauchen, ist, dass