AI-Agenten fehlt es nicht an Applaus, sondern an Aufträgen
Ein KI-Tool zur Code-Erstellung wurde von SpaceX unter der Leitung von Elon Musk für 60 Milliarden Dollar erworben.
Am 16. Juni vor drei Wochen gab SpaceX in einem bei der SEC eingereichten Dokument bekannt, dass es einen Fusionsvertrag mit Anysphere, der Muttergesellschaft von Cursor, unterzeichnet hat. Die gesamte Zahlung erfolgt in Aktien, und der Abschluss der Transaktion wird im dritten Quartal erwartet. 60 Milliarden Dollar entsprechen umgerechnet über 400 Milliarden Yuan. Das übernommene Unternehmen existiert erst seit vier Jahren.
Was Cursor erhielt, waren keine Applaus, sondern ein Angebot über 60 Milliarden Dollar. Doch auf derselben Zeitleiste erleben zahlreiche andere Agent-Gründer eine andere Realität: Auf Produktpräsentationen scheinen ihre Produkte nahezu alles zu können – Code schreiben, Informationen recherchieren, Kundenservice übernehmen, Lebensläufe filtern – wie ein unermüdlicher digitaler Mitarbeiter. Sobald der Beschaffungsprozess beginnt, kühlt die Begeisterung jedoch schnell ab: Die Fachabteilung sagt, es sei „sehr fantasievoll“, die IT-Abteilung fragt, „ob es Zugriffsrechte erhalten kann“, die Rechtsabteilung fragt, „wer für Fehler haftet“, und die Finanzabteilung fragt, „nach welchem Tarif abgerechnet wird“. Am Ende stirbt der Agent, der das gesamte Publikum begeistert hat, in der höflichen Phrase „Wir schauen es uns noch einmal an“. Kein Vertrag wird unterzeichnet, kein Budget genehmigt, und das Geld auf dem Konto schrumpft Tag für Tag.
Das Forschungsinstitut Gartner hat eine kalte Einschätzung zu dieser Situation abgegeben: Bis Ende 2027 werden mehr als 40 % aller KI-Agent-Projekte eingestellt. Noch unerbittlicher ist eine andere Schätzung: Von den Tausenden von Unternehmen auf dem Markt, die behaupten, Agenten zu entwickeln, verfügen nur etwa 130 tatsächlich über die entsprechende Fähigkeit – der Rest hat meist nur alte Produkte mit neuen Begriffen umbenannt.
Auf der einen Seite steht ein milliardenschwerer Deal von 60 Milliarden Dollar, auf der anderen Seite bleiben zahlreiche Projekte in der Pilotphase stecken. Die Frage „Kann man damit Geld verdienen?“ ist bereits beantwortet. Das wahre Problem lautet: Warum verwandeln sich die Applaus der meisten Unternehmen nicht in Bestellungen?
I. Schauen wir zuerst, wer das Geld zählt
Warum war SpaceX bereit, 60 Milliarden Dollar auszugeben? Laut TechCrunch hatte Cursor bis Februar dieses Jahres einen jährlichen wiederkehrenden Umsatz (ARR) von 2 Milliarden Dollar – ein Wert, der bis Ende des Jahres auf über 6 Milliarden Dollar ansteigen soll, also eine Verdreifachung innerhalb eines Jahres. Seine Bewertung ist daher innerhalb von mehr als einem halben Jahr dreimal nach oben gesprungen: Im zweiten Halbjahr 2025 lag sie noch bei 29,3 Milliarden Dollar, im April dieses Jahres bei Finanzierungsverhandlungen bei 50 Milliarden Dollar, und im Juni hat SpaceX es direkt für 60 Milliarden Dollar vollständig übernommen.
Das Schreiben von Code ist das erste Geschäftsfeld von Agenten, bei dem die Monetarisierung erfolgreich funktioniert. Das zweite ist der Kundenservice: Sierra, gegründet von dem ehemaligen Salesforce-Co-CEO Bret Taylor, erreichte in weniger als zwei Jahren einen ARR von 100 Millionen Dollar – der bis Februar dieses Jahres auf 150 Millionen Dollar anstieg. Im Mai folgte eine Finanzierungsrunde über 950 Millionen Dollar mit einer Bewertung von über 15 Milliarden Dollar. Laut TechCrunch gehören bereits mehr als 40 % der Fortune-50-Unternehmen zu seinen Kunden – also die größten Unternehmen der Welt, die dafür zahlen.
Hinzu kommen Mercor im Bereich KI-Personalbeschaffung, Glean für Unternehmenssuche und das allgemeine Agent-Unternehmen Manus – das nach nur achtmonatiger Betriebsdauer einen annualisierten Umsatz von 125 Millionen Dollar erzielte. Es wurde Ende letzten Jahres von Meta für rund 2 Milliarden Dollar übernommen. Auch wenn dieser Deal derzeit aufgrund von Prüfverfahren ins Stocken gerät und aufgelöst wird, hat niemand jemals bezweifelt, dass die Einnahmen real sind.
Diese Liste ließe sich noch weiter fortsetzen. Im zweiten Halbjahr 2025 kursierte in der Investmentbranche eine von Dritten zusammengestellte Liste der „20 weltweit profitabelsten KI-Agent-Unternehmen“ (deren Daten nicht von jedem gelisteten Unternehmen einzeln bestätigt wurden). Darin verbirgt sich eine noch interessantere Zahl als die Frage „Wer verdient Geld“: Das Unternehmen an der Spitze erzielt durchschnittlich 3,2 Millionen Dollar Umsatz pro Mitarbeiter pro Jahr, während das am Ende der Liste nur 45.000 Dollar pro Mitarbeiter erreicht – ein Unterschied um das 70-fache. Das ist nur die Kluft zwischen den gelisteten Unternehmen; außerhalb der Liste schweigen die meisten.
Diese profitablen Unternehmen scheinen völlig unterschiedliche Dinge zu tun: Code schreiben, Kundenservice übernehmen, Lebensläufe filtern, Dokumente durchsuchen. Wenn man jedoch nicht schaut, „was“ sie tun, sondern nur „wie“ sie Geld verdienen, zeigen sich drei erstaunlich übereinstimmende Gemeinsamkeiten.
II. Profitabele Unternehmen haben drei „langweilige Kleinigkeiten“ gemeistert
Erstens: Die erbrachte Leistung ist prüfbar.
Stellen Sie sich vor, Sie beauftragen ein Renovierungsunternehmen. Wenn es sagt „Wir machen Ihr Zuhause stilvoller“ – würden Sie den Vertrag unterzeichnen? Nein. Aber wenn es sagt „Wir verlegen 80 Quadratmeter Fliesen waagerecht und senkrecht, und wenn die Abnahme nicht besteht, nehmen wir kein Geld“ – dann würden Sie es tun.
Cursor verkauft Code, der läuft oder nicht. Sierra verkauft „bearbeitete Kundenserviceanfragen“, deren Lösungsrate schwarz auf weiß im Vertrag festgehalten ist. Mercor verkauft Kandidaten, die eingestellt werden. Kunden müssen nicht „an die KI glauben“ – sie müssen nur das Ergebnis prüfen.
Fang Han, CEO von Kunlun Wanwei, sagte Ende 2025, dass der nächste entscheidende technische Meilenstein die Fähigkeit von Agenten sei, „überprüfbare Prozesse“ in großem Maßstab zu automatisieren. Übersetzt bedeutet das: Nur Aufgaben, deren Ergebnis man prüfen kann, kommen für die KI in Frage – und nur bei Prüfbarkeit kann man Geld verdienen.
Es gibt bereits erfolgreiche Beispiele für diese Prüfung. Die brasilianische Digitalbank Nubank mit 130 Millionen Nutzern veröffentlichte in einem Papier die Ergebnisse ihres eigenen Kundenservice-Agenten: In Szenarien rund um den Versand von Bankkarten lag der NPS (Nutzerzufriedenheitsindex) bei KI-gestützten Diensten um 37 Prozentpunkte höher als in der Kontrollgruppe, und der Anteil der Probleme, die ohne menschliche Unterstützung gelöst wurden, stieg um 29 Prozentpunkte. Wenn die Kennzahlen steigen, gibt es einen klaren Grund für das Budget – so direkt ist es.
Die gescheiterten Projekte hingegen präsentieren sich oft als „Unterstützung für Managemententscheidungen“ oder „Steigerung der Organisationseffizienz“. Das klingt gut – aber wie prüft man „Unterstützung“? Wie prüft man „Effizienz“? Für Präsentationen braucht es keine Prüfstandards – für Verträge schon.
Zweitens: Die Art der Abrechnung passt zu den Kosten.
Agenten verbrauchen Rechenleistung – und das kostet echtes Geld. In der Branche wird nach Tokens abgerechnet, was man sich wie einen Stromzähler in der KI-Welt vorstellen kann: Jedes Mal, wenn der Agent „denkt“, läuft der Zähler weiter.
Sierras Abrechnungsweise ist daher klug: Es verlangt keine festen Jahresgebühren, sondern berechnet jede abgeschlossene „bearbeitete Anfrage“ separat. Mehr Aufträge bedeuten mehr Stromverbrauch – aber die Einnahmen steigen gleichzeitig mit den Kosten. So entsteht keine absurde Situation, in der „mehr Geschäft zu mehr Verlusten führt“, weil Einnahmen und Kosten aneinander gekoppelt sind.
Viele feststeckende Unternehmen machen es anders: Sie nutzen das Verkaufsmodell traditioneller Software und verlangen Jahresgebühren „pro Nutzer“. Aber der Vorteil von Agenten besteht genau darin, dass sie Unternehmen Personal einsparen. Wenn man ein Produkt, das Personal einsparen soll, nach Nutzern abrechnet, kann der Kunde nicht nachvollziehen, was er eigentlich kauft – und der Anbieter nicht, wie viel Rechenleistung er verbrauchen wird. Beide Seiten sind im Unklaren, und der Vertrag kommt nicht zustande.
Drittens: Man weiß, wer zahlt – und das Geld ist bereits vorhanden.
Cursor nutzt die ohnehin vorhandenen F&E-Budgets von Unternehmen. Sierra ersetzt die Kosten für ausgelagerten Kundenservice, die ohnehin anfallen. Mercor sichert sich die Provisionen, die sonst an Personalvermittler gezahlt würden. Dieses Geld wird jedes Jahr ausgegeben – die Agent-Unternehmen zapfen also an bereits vorhandene Budgettöpfe.
Viele allgemeine Agent-Produkte hingegen verlangen von Kunden, ein komplett neues Budget für die „KI-Transformation“ zu beantragen. Im Jahr 2026, in dem alle nach Kostensenkungen und Effizienzsteigerungen streben, kann es passieren, dass Startups keine Gehälter mehr zahlen können, bevor ein neues Budget die Genehmigungsverfahren durchlaufen hat.
Im Grunde laufen diese drei Punkte auf eine Aussage hinaus: Agenten sind nicht wertvoller, je menschlicher sie sind – sondern je mehr sie zu einem Produkt werden, das man einfach auf die Einkaufsliste setzen kann. Das widerspricht genau der beliebten Branchengeschichte vom „allgemeinen digitalen Mitarbeiter“.
III. Zwischen „Wow“ und Bezahlung liegen drei Hürden
Nachdem wir die Gewinner betrachtet haben, schauen wir uns an, wo die meisten Unternehmen steckenbleiben.
Schauen wir uns die am häufigsten genannte Zahl der Branche an: Ein Bericht des MIT vom August 2025 besagt, dass 95 % der KI-Pilotprojekte in Unternehmen keinen messbaren Nutzen erbringen. Die Statistikmethodik ist umstritten und vielleicht nicht ganz präzise – aber dass die meisten Pilotprojekte vor der Bezahlung scheitern, bestreitet niemand in der Branche. Warum?
Erste Hürde: Die Präsentation zeigt das beste Ergebnis – der Produktivbetrieb zeigt das schlechteste.
Auf Produktpräsentationen reicht ein Agent mit 90 % Genauigkeit, um Applaus zu ernten. Aber setzen Sie ihn in der Finanzabteilung ein: Unter zehn Zahlen ist möglicherweise eine falsche – und niemand weiß, welche. Dann muss jemand alle Ergebnisse noch einmal durchsehen. Die eingesparten Arbeitskräfte werden vollständig für die Überprüfung der KI verschwendet – die Rechnung ergibt, dass es besser wäre, sie gar nicht zu nutzen.
Noch härter ist es: Um die Genauigkeit von 90 auf 99 Prozent zu heben, braucht man nicht nur 10 Prozent mehr Geld – sondern ein Vielfaches davon, um Fehlervermeidung und Korrekturmechanismen aufzubauen. Bisher ist kein Kunde bereit, diese Kosten vollständig zu übernehmen. Die meisten Pilotprojekte enden daher im Sande.
Zweite Hürde: Wer haftet für Fehler?
Die KI erstattet eine Zahlung zurück, die nicht erstattet werden sollte – oder übersieht eine Risikoklausel im Vertrag. Wer trägt den Schaden? Bei Ausfällen traditioneller Software sind die Haftungsregeln klar definiert. In den meisten Agent-Verträgen fehlt jedoch eine Seite, die regelt, „wer zahlt, wenn das Ziel nicht erreicht wird“. Ohne diese Seite geben Einkaufs- und Rechtsabteilungen keine Freigabe. Für Präsentationen darf man klatschen – für Bezahlung braucht es eine Unterschrift.
Dritte Hürde: Die Rechnung lässt sich nicht aufmachen.
Die Abrechnung nach Nutzern funktioniert für Agenten nicht, wie im vorherigen Abschnitt erläutert wurde. Ergänzend dazu: Sogar Branchenriesen stoßen an diese Hürde – auch Salesforce und Microsoft müssen von Grund auf neu denken, um neue Abrechnungsmodelle zu finden. Der Unterschied: Die Großen können es sich leisten, für Fehlversuche zu zahlen – Startups nicht.
Zusammengenommen zwingen diese Probleme die Agenten von der Präsentationsbühne zurück auf den Vertragstisch. In diesem Jahr hat die Fähigkeit der KI nicht versagt – sondern das gesamte Drumherum: Wie man Ergebnisse prüft, wer für Fehler haftet, wie man abrechnet. Viele Agenten können nicht monetarisiert werden, nicht weil ihre Demo nicht überzeugend genug ist – sondern weil der Vertrag nicht unterzeichnet werden kann.
IV. Selbst mit Einnahmen ist man nicht unbedingt profitabel
Aber selbst wenn die Einnahmen steigen, sind die Probleme nicht vorbei. Einige Unternehmen haben mühsam die drei Hürden überwunden – und stellen bei der Rechnungsstellung fest, dass sie kein Geld verdienen.
Traditionelle Software ist ein gutes Geschäft: Jede weitere Lizenz kostet fast nichts, und die Bruttomarge kann bis zu 80 % erreichen. Bei Agenten ist das anders: Jeder einzelne Kundenservice verbraucht Rechenleistung. Mehrere Analysehäuser erinnern in diesem Jahr immer wieder an dasselbe: Die Bruttomarge von KI-Unternehmen liegt im Allgemeinen deutlich unter der von traditioneller Software.
Das beste Beispiel dafür ist ausgerechnet das erfolgreichste Unternehmen. Laut TechCrunch ist Cursor bereits bei Großkunden profitabel – aber das Geschäft mit Privatanwendern schreibt nach wie vor Verluste. Der Grund ist einfach: Privatanwender zahlen eine feste Monatsgebühr, aber der Rechenleistungsverbrauch steigt mit der Nutzung. Je intensiver Nutzer mit dem Code arbeiten, desto mehr verliert Cursor. Die im zweiten Abschnitt beschriebene Fehlpassung zeigt sich hier: Wenn Abrechnung und Kosten nicht zusammenpassen, wird die Lücke mit wachsender Größe immer größer. Selbst der Branchenführer nutzt Finanzmittel, um Privatanwender zu subventionieren – die Bilanzen von Unternehmen, die nicht zu den Top-Anbietern gehören, kann man sich leicht vorstellen.
Daher wird das „Abrechnen nach Ergebnissen“ in diesem Jahr von einem Nischenexperiment zur Rettung der gesamten Branche: Wenn man die Einheit der Abrechnung von „Anzahl der Konten“ auf „erledigte Aufgaben“ umstellt, sind Kosten und Einnahmen miteinander verbunden. Der Druck der Rechenkosten zwingt diese Generation von KI-Unternehmen, früher