Newsletter · 2026-07-26 · Ashutosh Agarwal

ServiceNow-Blowout und die SaaSpocalypse-Debatte, während Kimi K3 die KI-Preise neu justiert - Wöchentlicher SaaS-Software-Podcast-Rückblick - Woche vom 26. Juli 2026

Wöchentlicher SaaS-/Software-Podcast-Rückblick für den Zeitraum vom 19. bis 26. Juli 2026. Die Tapes diskutierten die SaaSpocalypse, ein günstigeres chinesisches Modell namens Kimi K3, den Wandel von Pro-Nutzer- zu erfolgsbasierten Preisen, ServiceNows Blowout-Quartal und wie weit die Software-Bewertungen noch fallen müssen.

Wöchentlicher SaaS-/Software-Podcast-Rückblick

Woche vom 26. Juli 2026: ServiceNow-Blowout und die SaaSpocalypse-Debatte, während Kimi K3 die KI-Preise neu justiert

Zeitraum: 19. bis 26. Juli 2026.

Hier ist, worüber die Podcasts diese Woche in der Softwarebranche tatsächlich diskutiert haben. Alles Folgende stammt aus Episoden, die in den letzten sieben Tagen veröffentlicht wurden, mit Links, damit Sie den exakten Moment nachhören können.

Im Fokus diese Woche

Zwei Dinge zogen sich diese Woche durch fast jedes Software-Gespräch: eine Angst und eine Zahl.

Die Angst war die „SaaSpocalypse", die Idee, dass KI dabei ist, klassische Softwareunternehmen auszuhöhlen. Sie kam in Gründer-Shows, Investoren-Shows und sogar auf den CNBC-Bühnen zur Sprache, meist formuliert als eine Variante von „Ist SaaS tot?"

Die Zahl war Kimi K3, ein überraschend gutes und deutlich günstigeres KI-Modell aus China. Ein Podcast zitierte eine Schätzung, wonach dessen Veröffentlichung rund 314 Milliarden US-Dollar von dem vernichtet hat, was Investoren OpenAI und Anthropic für wert halten, und die zentrale Frage der Branche neu gerahmt hat: Wenn großartige KI billig und offen wird, wer behält dann eigentlich den Gewinn?

Verbunden waren beide Themen durch einen leiseren, aber sehr konkreten Wandel darin, wie Software bepreist wird, weg von der Abrechnung „pro Person" hin zu „pro Nutzung" oder „pro Ergebnis". Salesforce sorgte hier für echte Nachrichten. Und die mit Abstand meistdiskutierte börsennotierte Aktie der Woche war ServiceNow, das ein Blowout-Quartal meldete und zum Aushängeschild dafür wurde, dass „gute Software auch im KI-Zeitalter noch gewinnen kann". Dealmaking im Sicherheitsbereich (Palo Alto kauft Protect AI für 700 Millionen US-Dollar) und eine schonungslose Einschätzung der Software-Aktienbewertungen rundeten die Woche ab.

1. Beherrschende Themen

Thema A: Die „SaaSpocalypse" - tötet KI die Software?

Dies war das lauteste Thema der Woche, und die Einschätzungen reichten von Untergangsstimmung bis Trotz.

Das trotzige Ende kam von Rob Walling im Startups For the Rest of Us (Ep. 842, „What is the Future of SaaS in an AI World?", 21. Juli). Sein Kernargument: Das, was Software wertvoll machte, war nie der Code. „Der Burggraben war nie der Code. Es war alles, was man dem Code hinzugefügt hat... KI hat gerade den offensichtlichen Teil zum risikoärmsten Teil des Software-Bauens gemacht." Er dreht die übliche Panik um: Die eigentliche Gefahr, sagt er, besteht nicht für kleine Startups, sondern für aufgeblähte Platzhirsche: „Die eigentliche SaaS-pocalypse trifft die großen Unternehmen, die großen Platzhirsche. Sie sind es, die ihre Preise so stark erhöht haben... sie haben einen Kundenstamm, der über die letzten drei Preiserhöhungen wahrscheinlich still verärgert ist. Das sind die Unternehmen, die die Leute jetzt motiviert sind zu ersetzen, und KI hat gerade die Kosten gesenkt, einen Ersatz zu bauen." Zur populären These, „Agenten werden SaaS ersetzen", lautet seine Antwort, dass ein Agent nur Software ist, für die man im Abonnement zahlt, immer noch SaaS also, und dass Agenten SaaS darunter überhaupt erst brauchen: „Ein Agent, der frei im Raum schwebt, ist nutzlos... er braucht ein Backend, auf dem er handeln kann. Agenten werden SaaS also nicht töten. Sie brauchen SaaS." Sein Fazit: „Das Internet war 2000 nicht tot, und SaaS ist 2026 nicht tot." (Hinweis: „SaaS" = Software-as-a-Service, das Standardmodell, Software gegen eine monatliche oder jährliche Abo-Gebühr zu mieten.)

Das düstere Ende kam von The Synopsis („AI SaaS Risk (again), Atlassian, Duolingo, & Uber", 23. Juli), die einen detaillierten Bärenfall zu Atlassian aufbauten (Zahlen siehe Abschnitt Namen). Ihr Denkrahmen dafür, welche Software am stärksten gefährdet ist, ist es wert, wiederholt zu werden: Software ist in Schwierigkeiten, „wenn ich einen menschlichen Vollzeit-Mitarbeiter neben mir sitzen hätte, der bestimmte Probleme für mich lösen könnte, dann wäre das ein Problem" - als klassisches Opfer nennen sie Chegg (Hausaufgabenhilfe). Software ist sicherer, wenn man selbst noch mit den Daten arbeiten will - als Überlebender nennen sie QuickBooks (Buchhaltung). Und sie machen den weitergehenden Punkt, dass sogar Überlebende riskanter werden: „Die Verteilung der Ergebnisse hat sich verbreitert... in negativer Richtung."

Die Betreiber-Version derselben Angst kam von Futureproof Founder (Ep. 407, „The SaaSpocalypse", 21. Juli). Die unverblümte Einschätzung des Gastes: Dünne „Wrapper"-Apps (Produkte, die Ihre Anfrage nur an ChatGPT weiterleiten und die Antwort zurückgeben) sind erledigt, „Die Wrapper sind durch." Er erwartet „viel Marktbereinigung bei den etablierten SaaS-Anbietern... für die nächsten wohl 18 Monate, zwei Jahre" darüber, ob sie sich anpassen können. Was überlebt, ist seiner Ansicht nach alles, was schwer zu kopieren ist: Daten, Compliance und Vertrauen. Er wies auf eine wirklich neue Idee hin: Softwareanbieter, die formelle „Vertrauens-Scores" und sogar Versicherungen für ihre KI-Funktionen bekommen (er verwies auf einen Standard namens AIUC-1, mittlerweile getragen von einem Konsortium einschließlich MITRE): „Man kann sich nicht per Vibe-Coding" in Sicherheits- und Compliance-Zertifizierungen hineinarbeiten. („Vibe Coding" = eine App schnell bauen, indem man sie einer KI in einfacher Sprache beschreibt, statt den Code selbst zu schreiben.)

Thema B: Der große Preis-Reset - von Sitzplätzen über Nutzung zu Ergebnissen

Dies war das konkreteste, geld-auf-dem-Tisch-Thema der Woche.

Die klarste Erklärung kam vom Chat GPT Podcast („How AI Native Startups Hit Billions Faster", 22. Juli), unter Berufung auf Analyst Sean Kanungo. 20 Jahre lang wurde Software „pro Sitzplatz" verkauft, 50 Mitarbeiter, 50 Lizenzen. Diese Rechnung bricht mit KI zusammen: „Wenn ein KI-Agent autonom IT-Tickets weiterleiten, Marketingtexte schreiben und Kunden-E-Mails beantworten kann, buchstäblich die Arbeit von fünf Menschen erledigt, warum sollte ein Unternehmen dann für menschliche Sitzplätze zahlen?" Das Problem ist, dass ein intensiver KI-Nutzer „das Hundertfache der Rechenkosten erzeugt und mit jedem einzelnen Klick aktiv Ihre Gewinnmarge aushöhlt." Die Preisgestaltung bewegt sich daher hin zu nutzungsbasiert („ähnlich wie eine Nebenkostenabrechnung") oder, radikaler, ergebnisbasiert: „Sie zahlen für ein erfolgreich gelöstes Kunden-Support-Ticket. Wenn die KI halluziniert und das Problem nicht löst, zahlen Sie nichts." Dieselbe Episode wies auf die verblüffende Effizienz KI-nativer Unternehmen hin: 55 % erzielen über 400.000 US-Dollar Umsatz pro Mitarbeiter, und Startups erreichen inzwischen eine Milliardenbewertung in etwa 3,5 Jahren, halb so lang wie die früher üblichen rund 7 Jahre. (Auch eine RAND-Statistik wurde zitiert, wonach „80 % der KI-Projekte immer noch keinen geschäftlichen Mehrwert liefern" - die Gewinner sind beeindruckend, aber die Ausfallquote ist hoch.)

Die reale Schlagzeile hier war Salesforce, seziert bei Insights for IT Negotiations („What Salesforce's Pay-Per-Resolution Model Really Means", 23. Juli). Salesforces Agentforce-Kundenservice-Agent berechnet nun 2 US-Dollar pro Lösung (ein gelöstes Problem) statt 2 US-Dollar pro Gespräch, und entscheidend: „Sie zahlen Salesforce nichts, es sei denn, ein Problem wird gelöst... jede Art von Eskalation, dafür zahlen Sie nicht." Das Urteil von Analyst Adam Mansfield fiel ungewöhnlich positiv aus: „Gut gemacht, Salesforce." Seine Einschätzung, warum sie das getan haben, ist der Fingerzeig für die gesamte Branche: Kunden fürchten sich vor offenen Verbrauchsrechnungen, sie „sehen die Horrorgeschichten da draußen über OpenAI und Anthropic und Verbrauch... Unternehmen, die anfingen, ChatGPT Enterprise zu nutzen, und plötzlich eine Rechnung über 4 Millionen Dollar haben, mit der sie nicht gerechnet hatten." Verbrauchsbasierte Preise, so argumentierte er, hätten Salesforces Verkaufszyklen tatsächlich verlangsamt, weil Käufer nicht vorhersagen konnten, was sie schulden würden. Der Haken, den er betonte: Es gibt Kleingedrucktes. Es gibt weiterhin ein „verbrauchsähnliches" Element (man zahlt Pakete von mindestens 1.000 Lösungen im Voraus), und die Definition von „Lösung" hat reale Mechanik, die darin vergraben ist, „auch wenn man ergebnisbasiert ist... sollten Kunden immer noch der Frage nachgehen, was eine Lösung ist."

ServiceNows Produktchef machte denselben Makro-Punkt beim The Product Podcast (Amit Zavery, 22. Juli): Jeder frühere Technologiewandel hat das Geschäftsmodell verändert, und dieser bewegt die Preisgestaltung „von Abonnement... hin zu einer stärker verbrauchsgesteuerten Preisgestaltung. Wenn ich es nutze, will ich dafür zahlen."

Thema C: Kimi K3 und die „Kommodifizierung von Intelligenz"

Die größte marktbewegende Story der Woche wurde ausführlich auf The Rundown aufgearbeitet („Did China Break the AI Trade Again?", 25. Juli). Kimi K3 von einem Pekinger Startup namens Moonshot AI (etwa 300 Mitarbeiter, rund 20 Mrd. US-Dollar Bewertung, gegründet vom 33-jährigen Yang Zhilin, einem Carnegie-Mellon-Doktoranden, der bei Meta und Google Brain gearbeitet hat) ist ein Modell mit offenen Gewichten und 2,8 Billionen Parametern, das größte bisher veröffentlichte offene Modell. Unabhängige Benchmarks setzen es auf Platz 3 weltweit, nur hinter Anthropics Fable 5 und OpenAIs GPT-5.6, und es schlägt beide bei einigen Coding-Tests. Der Clou ist der Preis: Moonshot berechnet etwa 15 US-Dollar pro Million Output-Tokens, gegenüber rund 30 Dollar für OpenAIs Top-Modell und 50 Dollar für Anthropics Fable 5, ein Rabatt von 50 bis 70 %. („Offene Gewichte" bedeutet, dass Unternehmen das Modell herunterladen und auf eigener Hardware laufen lassen können, statt den Hersteller jedes Mal zu bezahlen; „Tokens" sind die Texteinheiten, die KI verarbeitet, und die Standardeinheit, in der KI-Nutzung abgerechnet wird.)

Warum das für Software wichtig ist: Unternehmen können jetzt den Großteil ihrer Arbeit auf einem günstigen Modell laufen lassen und die teuren Frontier-Modelle nur für die schwierigsten Aufgaben reservieren. Das passiert bereits: „DoorDash sagte, sie nutzten die Moonshot-Modelle für Arbeiten auf niedrigerer Ebene und Anthropics Modelle für ihre schwierigsten Spitzenaufgaben. Airbnb macht dasselbe. Ihre Kundenservice-Agenten laufen größtenteils auf Alibabas Qwen-Modell", und „sogar Microsoft soll Berichten zufolge testen, ob Kimi K3 irgendwann einige seiner Funktionen innerhalb von Copilot antreiben könnte." Ein Analyst schätzte, dass etwa 314 Mrd. US-Dollar von den Bewertungsschätzungen für OpenAI und Anthropic am Tag nach Kimis Veröffentlichung abgeschnitten wurden. Der optimistische Gegenpunkt derselben Episode: Anders als beim DeepSeek-Schreck Anfang 2025 (der Nvidia kurzzeitig rund 600 Mrd. US-Dollar Marktwert kostete, aus Angst, KI würde weniger Hardware benötigen) ist Kimi ein riesiges Modell, das etwa 1,4 Terabyte Speicher zum Laufen braucht, sodass es über das Jevons-Paradoxon (billigere Ressourcen werden weitaus stärker genutzt) tatsächlich gut für Chip- und Speicherhersteller sein könnte sowie für Softwareunternehmen, die es sich jetzt leisten können, KI überall einzubauen.

Thema D: Open-Source-Modelle übernehmen still das Token-Volumen, und der „Router" wird zum neuen Kontrollpunkt

Zwei der besten Gespräche der Woche drehten sich darum, wie schnell offene Modelle Marktanteile gewinnen und wie Unternehmen den Wechsel managen.

Matan Grinberg, CEO von Factory, bei Sequoias Training Data („The Coming 'Dark Factory' Where Software Builds Itself", 21. Juli) lieferte die anschaulichsten Zahlen. Offene Modelle gingen von „weniger als 1 % der Tokens" zu Jahresbeginn über „einen einstelligen Prozentsatz" im ersten Quartal zu „inzwischen einem zweistelligen Prozentsatz." Intern bei Factory sind „die Hälfte unserer Tokens offen", und er nannte das offene Modell GLM 5.2 „unglaublich." Seine zentrale Einsicht: Offene Modelle liegen meist etwa eine Generation zurück, aber „die Frage ist, werden die offenen Modelle so gut wie Frontier minus eins? Und die Antwort ist eindeutig ja." Er prägte auch die beste Beschreibung KI-bedingter Verschwendung der Woche, „Token Maxing", bei dem Unternehmen Mitarbeiter drängen, KI für alles zu nutzen: „Es gibt Banken, mit denen wir zusammenarbeiten, die buchstäblich Hunderttausende Dollar pro Monat dafür ausgeben, dass Leute Dinge fragen wie... wie ist das Wetter." Factorys Angebot ist ein „Router", der jede Aufgabe automatisch an das richtige Modell weiterleitet (billige Modelle für triviale Arbeit, Frontier-Modelle für kritische Arbeit), und, im Einklang mit der ganzen Woche, Unternehmen fürchten Lock-in: „Wir können unser Schicksal nicht in die Hände irgendeines dieser Modellanbieter legen."

Lin Qiao, CEO von Fireworks, bei 20VC (20. Juli) lieferte die Makro-Version. Ihre Prognose: „10-fache Kostenreduktion in den nächsten drei Jahren. Und diese 10-fache Kostenreduktion wird eine 100-fache Nutzung antreiben." Und ihre These, warum das nicht zu einer einzigen riesigen KI zusammenschmilzt: „Die Zukunft ist nicht eine AGI; es sind Millionen spezialisierter Modelle", Unternehmen, die offene Modelle auf ihren eigenen Daten feinjustieren. Sie war erfrischend offen darin, dass dies ein margenärmeres Geschäft ist als klassische Software: Inferenzmargen liegen „traditionell im Bereich von 30 bis 40 %", verglichen mit den 80 % Bruttomargen, die Investoren von SaaS erwarten, obwohl sie das als bewusste Entscheidung rahmte, Hyperwachstum über Optimierung zu priorisieren. Fireworks selbst hat 1 Milliarde US-Dollar Umsatz in vier Jahren erreicht und verarbeitet etwa 40 Billionen Tokens pro Tag, gegenüber 15 Billionen zuvor, und hat gerade George Hu, ehemaliger Präsident von Salesforce, eingestellt.

Die Sicht des Private-Equity-Betreibers kam von Vista Equity Partners' Monti Saroya bei Alt Goes Mainstream (22. Juli), mit einer konkreten Kostengeschichte. Vista baute eine KI-Funktion für „Erstmeldung von Schäden" in seine Versicherungssoftware (Duck Creek) ein, ließ sie auf einem Frontier-Modell laufen, und „die Hosting-Kosten lagen bei 11, 12 Millionen Dollar für einen kleinen Kunden... das war nicht tragbar." Die Lösung: Umstieg auf Open-Source-Modelle, die auf günstigerer SambaNova-Hardware laufen. Seine weitergehende Wette: „Alles wird über einen gewissen Zeitraum Open Source... über 20 Jahre." Seine Analogie: Offene Modelle sind wie Linux, das Unix schlägt. Und seine pointierte Aussage dazu, warum man für Routinearbeit nicht das klügste Modell braucht: „Wollen Sie Genies, die Ihren Schadensprozess betreiben? ... Genies sind am Ende teuer."

Thema E: Wo landet das Geld eigentlich - Infrastruktur vs. Anwendungen?

Bei der Nachrichten-Rundschau 20VC (Harry Stebbings mit Rory O'Driscoll von Scale Venture Partners und Jason Lemkin von SaaStr, 23. Juli) legte Rory eine schonungslose Landkarte der KI-Ökonomie in drei Eimern dar: Die Infrastruktur-Ebene liegt bei etwa 800 bis 900 Milliarden Dollar Ausgaben pro Jahr; die beiden großen Foundation-Model-Unternehmen zusammen liegen bei etwa 100 Milliarden Dollar; und „rundet man jedes andere App-Unternehmen zusammen, kommt man kaum auf 40 oder 50 [Milliarden]." Seine Zusammenfassung: „Alle guten Investitionen scheinen wirklich in der Infrastruktur zu liegen", und die Anwendungsebene „ist fast ein Rundungsfehler." Er merkte an, dass Cursor allein (etwa 4 Mrd. US-Dollar) den Großteil der App-Ebene ausmacht und dass die Ausgaben für Trainingsdaten, Mercor (etwa 2 Mrd. US-Dollar ARR), Surge (etwa 3 Mrd. US-Dollar), dem gesamten App-Ökosystem außerhalb von Cursor gleichkommen. Jason Lemkin hielt dagegen, dass der App-Umsatz bei den Führenden real vorhanden sei und dass „jeder sein eigenes Modell will", sobald man Skalierung erreicht. (ARR = jährlich wiederkehrender Umsatz; ACV = jährlicher Vertragswert.) Dieselbe Episode merkte an, dass Databricks eine 3-Milliarden-Dollar-„Serie M" bei einer Bewertung von 188 Milliarden Dollar aufnimmt, und beide erwähnten die Mega-Story, die sie fast vergessen hätten, Stripe kauft PayPal.

Thema F: Software-Aktienbewertungen - die Luft entweicht

Die schonungsloseste Bewertungseinschätzung kam von Dan Rasmussen von Verdad bei Planet MicroCap („Private Equity Unwind", 25. Juli). Zu den Private-Equity-Software-Rollups: „Ich wäre bereit, Ihr gesamtes Software-Portfolio zum 5- bis 6-fachen EBITDA zu kaufen. Aber das Problem ist, Sie haben das 25-fache EBITDA bezahlt. Also... Sie haben das 10-fache EBITDA an Schulden." Er würde sich auf „7 oder 8-fach strecken, weil es keine CAPEX gibt", aber die Lücke zwischen dem und dort, wo PE diese Deals bewertet hat, ist enorm, „es ist einfach faszinierend, sich vorzustellen, wie weit diese Private-Equity-Portfolios abgeschrieben werden müssen." (EBITDA = Ergebnis vor Zinsen, Steuern und Abschreibungen, ein grober Näherungswert für den Cash-Gewinn; das Multiple ist der pro Dollar dieses Gewinns gezahlte Preis.) Er bezeichnete zum ersten Mal auch den Halbleitermarkt als „etwas, das wie eine Blase aussieht... er ist zyklisch, und er wird wieder nach unten gehen."

Das Echo an den öffentlichen Märkten kam bei Squawk on the Street (23. Juli): Die rollierende Fünfjahresrendite für Software (der IGV-Softwareindex) ist „die schlechteste seit 2013", wobei viele Namen um rund 35 % gefallen sind.

Thema G: Konsolidierung der Sicherheitssoftware

Ed Sim von Bold Start Ventures bei Resilient Cyber („Why AI Security Is Getting Rebuilt From Scratch", 23. Juli) ging Palo Alto Networks' rund 700-Millionen-Dollar-Übernahme von Protect AI durch, die er als „den ersten Exit in der Geschichte der KI-Sicherheit" bezeichnete. Seine Einschätzung zum Timing des Deals: „Der erste ist meist der höchste", und Protect AIs Exit „löste eine Welle von 12 oder 15 Übernahmen aus." Seine unverblümte Branchenmeinung: „Die Welt braucht mehr Cybersicherheit. Aber wir brauchen nicht all die Cybersicherheitsunternehmen, die wir gerade haben." Er stellte auch eine markante Rahmung der Modell-Labs als Wettbewerbsbedrohung für Dienstleistungs- und Sicherheitsfirmen zur Diskussion: „Der größte Raubzug, der gerade passiert, ist, dass OpenAI und Anthropic ihre eigenen Forward-Deployed-Engineering-Unternehmen geschaffen haben."

2. Zentrale Debatten

Debatte 1: Ist SaaS tot? Bärenseite: KI höhlt den Burggraben aus, die Benutzeroberfläche wandert in eine „KI-Agenten-Ebene", die über Ihrer Software liegt, und aufgeblähte Platzhirsche stehen vor einer 18- bis 24-monatigen „Anpassen-oder-Sterben"-Marktbereinigung (The Synopsis; Futureproof Founder). Bullenseite: SaaS ist nicht tot, Agenten brauchen Software als zugrundeliegendes „System of Record", Code war nie der eigentliche Burggraben, und der Schmerz trifft überteuerte Platzhirsche, nicht schlanke Spieler (Startups For the Rest of Us). Der Knackpunkt: Glauben Sie, dass KI den Software-Workflow größtenteils ersetzt, oder dass sie größtenteils darauf aufsitzt und die Nachfrage nach guten zugrundeliegenden Systemen erhöht?

Debatte 2: Pro-Sitzplatz vs. Verbrauch vs. ergebnisbasierte Preise. Verbrauchs-Lager: Der Standard für KI-native Produkte, weil ein intensiver Nutzer echte Rechenleistung verbrennt (Chat GPT Podcast). Ergebnis-Lager: Salesforces Modell mit 2 Dollar pro Lösung ist die kundenfreundliche Antwort auf überraschende Verbrauchsrechnungen (Insights for IT Negotiations). Der Knackpunkt: Ergebnisbasierte Preise nehmen dem Käufer die Angst, erfordern aber wasserdichte Definitionen dessen, was als „Ergebnis" zählt, und es gibt Kleingedrucktes.

Debatte 3: Sind OpenAI und Anthropic überbewertet, jetzt, da offene Modelle „gut genug" sind? Bärenseite: Lin Qiao argumentiert, die meisten Unternehmens-Workflows könnten auf günstigeren offenen oder feinjustierten Modellen laufen, sodass die Frontier-Nutzung „nicht so groß sein wird, wie sie es wäre, wenn sie für alles gebraucht würde", und Kimi K3 sei „ein direkter Angriff auf diese Preismacht" (20VC/Fireworks; The Rundown). Bullenseite: bei 20VC, „das Einzige, was zählt, ist die Wachstumsrate von OpenAI und Anthropic in [20]26 und [20]27. Wenn man Jahr für Jahr 10-fach wächst und irgendeine Art von positiver und sich verbessernder Bruttomarge hat, deckt das einfach die ganzen Fixkosten", und sie besitzen weiterhin die besten Modelle und die größten Ökosysteme (ChatGPT „nähert sich der 1-Milliarde-Nutzer-Marke"). Der Knackpunkt: Deckelt günstiges Open Source den Umsatz der Frontier-Labs, oder hebt die explodierende Gesamtnutzung sie ohnehin an?

Debatte 4: Infrastruktur vs. Anwendungsebene, wo entsteht Wert? Infra gewinnt gerade: Rory O'Driscoll, Apps sind „fast ein Rundungsfehler" neben den rund 800 bis 900 Mrd. Dollar Infrastrukturausgaben, und „ich glaube nicht, dass die Anwendungsebene schon da ist." App-Lager: Jason Lemkin, der Umsatz ist bei den Führenden real, und jede ernstzunehmende App wird ihr eigenes feinjustiertes Modell oder ihre eigene Reasoning-Ebene bauen (20VC).

Debatte 5: Können die großen Platzhirsche (ServiceNow, Salesforce) Agenten tatsächlich monetarisieren und die „Orchestrierungsebene" besetzen? Bullenseite: ServiceNows Amit Zavery sagt, sie seien seit „über 20 Jahren" der Orchestrator von Geschäftsprozessen, ihr KI-Geschäft liege jetzt bei 1,5 Mrd. Dollar, und, wichtig, er weist die Winner-take-all-Sicht zurück: „Ich glaube, die Branche denkt, es wird einen Orchestrator geben, das ist ein Trugschluss. Es wird mehrere geben... orchestriert von verschiedenen Anbietern" (The Product Podcast). DA Davidsons Gil Luria stützte die Ausführungsstory bei Closing Bell. Skeptikerseite: Vor dem Quartalsbericht erwartete The Exchange Schwäche und argumentierte, Unternehmensausgaben verlagerten sich weg von „Management-Plattformen" hin zu Cybersicherheit und KI-Ausbau, eine These, die der tatsächliche Übertreffen-Ausweis dann widerlegte.

Debatte 6: Anbieter-Lock-in, Modell-Labs vs. neutrale Plattformen. Factorys Grinberg argumentiert, Unternehmen wollten „Modellunabhängigkeit", damit kein einzelnes KI-Labor ihr Schicksal kontrolliert, aber die ehrliche Nachfrage („bin ich jetzt nicht einfach nur bei Factory eingesperrt?") bekam die ehrliche Antwort: Die Automatisierungen und Artefakte „bleiben in Ihrer Codebasis" (Training Data).

3. Konkrete Namen

Börsennotierte Unternehmen

ServiceNow (NOW), der klare Gewinner der Woche. Bei Closing Bell übertraf man beim Umsatz (3,99 Mrd. US-Dollar gegenüber erwarteten 3,93 Mrd. US-Dollar) und beim bereinigten Gewinn je Aktie (0,90 US-Dollar gegenüber 0,85 US-Dollar), wobei die Aktie um rund 6 % zulegte („was wir bei Software nicht gewohnt sind zu sagen"). ServiceNows KI-Geschäft „überschritt die Milliarden-Dollar-ACV-Laufrate", und CPO Amit Zavery sagte bei The Product Podcast, das KI-Geschäft werde dieses Jahr 1,5 Milliarden US-Dollar erreichen, gegenüber einem ursprünglichen Plan von 1 Milliarde. Bei Squawk on the Street hob CEO Bill McDermott die Jahresprognose „auf über 32 Milliarden Dollar" an und nahm Salesforce und Benioff direkt ins Visier, indem er sagte, ServiceNow sei „hinter der CRM-Plattform her." Bullenseite (Gil Luria, DA Davidson, Kaufen): „Das hat wenig mit KI zu tun... das liegt wirklich daran, dass sie in ihrem Kerngeschäft gut ausführen", unterstützt durch die Übernahmen von Armis und Moveworks; ServiceNow reiht sich jetzt neben Palantir, Datadog und Snowflake als eine der seltenen Software-Marken mit beschleunigtem Umsatzwachstum ein, während die meisten Wettbewerber sich verlangsamen. Bären- und Beobachtungspunkte: Widerstand gegen sitzplatzbasierte Preise und Berichte über Kunden, die Zwei- statt Vierjahresverträge unterzeichnen; die Aktie schoss trotz des positiven Ausweises auffällig nicht nach oben.

Salesforce (CRM). Die neue Agentforce-Preisgestaltung mit 2 Dollar pro Lösung war die Preis-Story der Woche (Insights for IT Negotiations). Separat nutzte The Synopsis Salesforce als gutes Beispiel für ein reifendes Softwareunternehmen, die operativen Margen stiegen „von 3 % Marge auf jetzt 20 % Marge" seit 2022, bei auf „mittlere bis hohe einstellige Prozentzahlen" gesenkter aktienbasierter Vergütung.

Atlassian (TEAM), der detaillierte Bärenfall der Woche (The Synopsis). Der Vorwurf: ein 24 Jahre altes Softwareunternehmen mit -4 % operativer Marge, F&E bei etwa 50 % des Umsatzes (wobei Kunden Produktänderungen „kaum" bemerken), aktienbasierter Vergütung bei 25 % des Umsatzes und Kundenwachstum, das von etwa 40 % vor COVID auf „mittlere Zehner" gerutscht ist. Sie argumentierten, dass die jüngste Browser-Übernahme für über 600 Mio. Dollar „ziemlich sicher ein Abschreibungsfall werden wird." Das KI-Risiko: Workflows, die in einem KI-Assistenten statt in Jira beginnen. Der Widerspruch (vom Co-Moderator): weiterhin über 80 % Bruttomargen, hohe Nettoumsatzbindung (NRR, wie stark bestehende Kunden ihre Ausgaben Jahr für Jahr steigern), und es gewinnt weiterhin neue Kunden - „schlechteres Geschäft nach KI", aber kein schmelzender Eiswürfel.

Adobe (ADBE). Bei Squawk on the Street war Cramer scharf: ein Vorstand, dem es nicht gelungen ist, die CEO- und CFO-Positionen zu besetzen, Wettbewerbsdruck von Figma und Canva und die KI-Bedrohung: „Wenn Sie mit Claude arbeiten, können Sie sie alle zermalmen."

Datadog (DDOG). Von Gil Luria als eine der wenigen Software-Marken mit beschleunigtem Wachstum genannt (Closing Bell).

Snowflake (SNOW) und Palantir (PLTR). Ebenfalls als Teil der Kohorte „direkte KI-Exposition = beschleunigtes Wachstum" genannt (Closing Bell).

IBM (IBM) und Pegasystems (PEGA). Beide als im „Verdrängungswettbewerb" der Unternehmen gefangen genannt, Gil Lurias einprägsame Formulierung: „KI nimmt den Raum den Sauerstoff. Es ist nicht so, dass wir Software durch KI ersetzen. Es ist so, dass wir Ausgaben für jede andere Technologie, die nicht KI ist, durch Ausgaben für Tokens ersetzen" (Closing Bell).

Palo Alto Networks (PANW). Kaufte Protect AI für rund 700 Mio. Dollar und löste damit eine Welle von KI-Sicherheitskonsolidierung aus (Resilient Cyber).

CrowdStrike (CRWD). Cramers Nebenbemerkung zu ServiceNows Cybersicherheits-Vorstoß: „Ich hätte lieber, dass CrowdStrike das macht" (Squawk on the Street).

Private Unternehmen

Anthropic und OpenAI. Die zentralen Figuren der Woche. Beide sollen Berichten zufolge für einen Börsengang bei Bewertungen von über einer Billion Dollar eingereicht haben, und beide sind nun der Kimi-Preisbedrohung für ihr Unternehmensgeschäft ausgesetzt (The Rundown). Vistas Saroya zitierte Anthropics Umsatzlaufrate, die innerhalb weniger Monate „von 30 auf 44 Milliarden" gesprungen sei (Alt Goes Mainstream). Bei Squawk stellte Cramer die beiden gegenüber: „Niemand sagt etwas Schlechtes über Anthropic, weil ich denke, Anthropic verdient viel Geld", während OpenAI sich Fragen stellen muss, „woher das ganze Geld kommen soll." Der Elon Musk Podcast (23. Juli) griff die Schlagzeile auf, dass Anthropic OpenAI als wertvollstes Startup überholt habe.

Moonshot AI / Kimi. Der Disruptor der Woche, siehe Thema C. 2,8 Billionen Parameter, rund 20 Mrd. Dollar Bewertung, rund 300 Mitarbeiter, etwa 50 bis 70 % günstiger als die US-Frontier (The Rundown).

Databricks. Nimmt eine 3-Milliarden-Dollar-„Serie M" bei einer Bewertung von 188 Milliarden Dollar auf; erzielte 2025 rund 5,4 Mrd. Dollar ARR (20VC; Alt Goes Mainstream).

Fireworks. Inferenz-Marktführer, 1 Mrd. Dollar ARR in vier Jahren, etwa 40 Billionen Tokens/Tag, frische 1,5-Milliarden-Dollar-Runde, stellte den Ex-Salesforce-Präsidenten George Hu ein (20VC).

Cursor (Anysphere). Wiederholt als die einzelne größte KI-Anwendung nach Umsatz genannt (etwa 4 Mrd. Dollar) und die Ausnahme von „die App-Ebene ist ein Rundungsfehler" (20VC). Ein Vorbehalt: Eine beiläufige Bemerkung in derselben Episode und beim Elon Musk Podcast, Cursor sei „von SpaceX übernommen worden", tauchte nur als unbeiläufiger, unbestätigter Nebensatz auf und sollte als Podcast-Geplauder behandelt werden, nicht als bestätigter Deal.

Mercor und Surge. Datenkennzeichnungs-Unternehmen mit rund 2 Mrd. bzw. rund 3 Mrd. Dollar ARR genannt, eine Erinnerung daran, wie viel Geld in Trainingsdaten fließt (20VC).

SambaNova. Von Vista unterstütztes KI-Chip-Unternehmen; seine luftgekühlte Hardware bildet die Grundlage für günstigere Inferenzzentren, die alte Telekom-Rechenzentren wiederverwenden, ohne neue Netto-Stromkapazität zu benötigen (Alt Goes Mainstream).

GLM 5.2 (Zhipu) und Alibabas Qwen. Die offenen Modelle, die tatsächlich produktiv eingesetzt werden, GLM von Factory als „unglaublich" bezeichnet (Training Data); Qwen betreibt Airbnbs Kundenservice (The Rundown).

Stripe / PayPal. Als „Mega"-Deal der Woche markiert, Stripe kauft PayPal, wenngleich der Crew die Zeit ausging, tiefer einzusteigen (20VC).