Newsletter · · Ashutosh Agarwal

Salesforce und HubSpot führen Pay-per-Result-Preise zu zwei Dollar pro Lösung ein - Ist SaaS kaputt? - Woche vom 31. Juli 2026

Eine Synthese dessen, was Software-Podcasts in den zwei Wochen bis zum 31. Juli 2026 sagten, darunter: Salesforce und HubSpot führen erfolgsbasierte Preise von rund zwei Dollar pro gelöstem Ticket ein, Enterprise-Token-Ausgabendeckel verfestigen sich zu Governance-Strukturen, Datadogs Consumption-Rückenwind und eine detaillierte Bären-Analyse zu Atlassian.

Is SaaS Broken?

Woche vom 31. Juli 2026: Jetzt zahlst du pro Ergebnis, nicht pro Sitzplatz

Berichtszeitraum: 18. bis 31. Juli 2026.

TL;DR

  • Die große Story: Sowohl Salesforce als auch HubSpot haben in diesen zwei Wochen echte, erfolgsbasierte Preismodelle eingeführt, man zahlt rund 2 US-Dollar pro gelöstem Ticket, und nichts, wenn die KI versagt. Letzte Woche war das noch ein Bret-Taylor-Slogan ("man zahlt für Ergebnisse, nicht für Tokens"). Jetzt ist es ein Live-Produkt bei zwei der sieben von uns beobachteten Namen. Das Pro-Sitzplatz-Modell ist nicht tot, aber es ist offiziell nicht mehr der Standard.
  • Die Token-Panik hat eine Governance-Antwort bekommen. Die beunruhigende Mitte-Juli-Story, dass Unternehmen ihre KI-Ausgaben drosseln, beruhigte sich zu etwas Strukturierterem: Ausgabendeckel (1.500 $/Monat bei Uber, 200 $/Woche bei Tesla), FinOps-Dashboards, und Anbieter wie HubSpot, die sich entscheiden, die Inferenzkosten zu tragen, statt sie weiterzugeben. Der Rechnungsschock ist real; die Reaktion ist Management, kein Rückzug.
  • Datadog gewinnt weiter den "Nutzung steigt"-Trade; Atlassian wurde zum designierten Opfer der Sell-Side. Ein Software-Analyst nannte Datadog als einen der wenigen Namen, die im Jahresverlauf im Plus sind, weil KI mehr Daten zur Messung treibt. Im selben Zeitraum nutzte ein Value-Investing-Podcast Atlassian als Fallstudie für ein "durch KI schlechter gewordenes schlechtes Geschäft": über 80% Bruttomarge und 98-99% Retention, aber negative operative Margen und ein 600-Millionen-Dollar-Browser-Deal, den man für einen Abschreibungskandidaten hält.

Was ist neu

Sortiert nach dem, was eine Position tatsächlich bewegt.

1. Outcome-Pricing hörte auf, eine Folie zu sein, und wurde bei Salesforce und HubSpot zur SKU

Das ist die Entwicklung der zwei Wochen. Seit Wochen verfolgt dieser Newsletter die Idee, dass KI das "Pay-per-Seat"-Modell sprengen würde und dass der Endzustand darin bestehen könnte, für Ergebnisse zu zahlen. Dies sind die zwei Wochen, in denen es real wurde, bei zwei relevanten Namen, zu fast demselben Preispunkt von 2 Dollar.

Salesforce. In Insights for IT Negotiations (23. Juli) entschlüsselte Adam Mansfield, Leiter der Salesforce-Praxis bei UpperEdge (Analyst, ein Sourcing- und Verhandlungsberater, kein Salesforce-Insider), das neue Agentforce-"Help Agent"-Preismodell. Der Mechanismus: 2 $ pro Lösung (gegenüber vorher 2 $ pro Konversation). Man zahlt nichts, außer die KI löst ein Kundenproblem von Anfang bis Ende eigenständig. "Wenn bei der Service-Agent-Interaktion… der Kunde nicht das Gefühl hat, eine Antwort bekommen zu haben, und es meldet, ich möchte mit jemandem sprechen, einem Menschen, dann ist das nicht gelöst. Für jede Art von Eskalation zahlt man nicht." Darunter läuft weiterhin ein Consumption-Motor: man kauft Pakete von mindestens 1.000 Lösungen im Voraus und zehrt den Pool ab, aber Data 360 und Agentforce selbst bleiben unmetered.

Warum das für die Zahlen wichtig ist: Mansfields Einschätzung ist, dass Consumption-Pricing Salesforces Verkaufszyklen verlangsamte. Kunden blieben bei "Wie viel werde ich nutzen? Wie sieht der ROI aus?" hängen und stockten. Outcome-Pricing beseitigt diese Reibung, und, in seinen Worten, "sie sind ein börsennotiertes Unternehmen. Sie müssen ihren Umsatz steigern. Sie stehen unter erheblichem Investorendruck." Er nagelte auch fest, warum Salesforce sich bewegte: Kunden "sehen die Horrorgeschichten über OpenAI und Anthropic… Firmen, die ChatGPT Enterprise nutzten und plötzlich eine Rechnung über 4 Millionen Dollar hatten, die sie nicht erwartet hatten." Salesforce verkauft Rechnungssicherheit als Feature.

HubSpot. In Tech Disruptors (30. Juli) beschrieb HubSpots CTO (Operator) im Wesentlichen denselben Schritt und ging bei der Margenfrage, die alle wirklich interessiert, weiter. HubSpots Customer Agent wird pro gelöstem Ticket bepreist: "wenn der Customer Agent… aus irgendeinem Grund das Kundenproblem nicht lösen kann, zahlen Sie uns nichts." Die aktuelle durchschnittliche Lösungsrate liegt "in den niedrigen 70ern" (71-72%), bei manchen Kunden 85-90%. Der Prospecting Agent wird pro gelieferten qualifizierten Lead bepreist. Insgesamt bewegt sich das Unternehmen zu "einem Mix aus Sitzplätzen und dann Credits… ausgerichtet an wertbasiertem Consumption."

Der Satz, der jeden SaaS-Margenanalysten aufhorchen lassen sollte: zur Frage, wer für die Tokens zahlt, sagte der CTO, "wir sehen das als unsere Verantwortung gegenüber unseren Kunden", HubSpot absorbiert die Inferenzkosten, statt sie weiterzureichen, und nennt das Teil des Wertes für kleine Unternehmen, "die keine Zeit oder Expertise haben, sich mit KI zu beschäftigen." Kosten managt man, indem man als "die Schweiz der Modelle" agiert und jede Aufgabe automatisch an den jeweils günstigsten Anbieter, das günstigste Modell und die passende Größe weiterleitet, sofern die Qualität stimmt. Das ist die ganze Bruttomargen-Debatte in einem Satz: HubSpot wettet darauf, die rund 50%-Margen-KI-Kosten schlucken zu können, sie hinter einem 80%-Margen-Abo zu verstecken und sich zu etwas Akzeptablem durchzurouten.

Positionierungs-Einschätzung: Dies ist der erste harte Beleg dafür, dass die "Outcome-Pricing"-These eine echte Produktentscheidung ist, keine Konferenzbühnen-Idee, und sie landet gleichzeitig bei zwei unserer sieben Namen. Bullish für die Erzählung, dass Incumbents ihre Preise auf KI umstellen können. Uneindeutig für Margen: Pay-per-Resolution verlagert das Ausführungsrisiko auf den Anbieter, und irgendjemand zahlt weiterhin die Inferenzrechnung.

2. Der Token-Drossel-Schreck reifte von Panik zu Infrastruktur

Vor zwei Wochen war der Markt beunruhigt darüber, dass Unternehmen bei KI-Ausgaben auf die Bremse traten. In diesen zwei Wochen bekam diese Story Details und ein Achselzucken. In The AI Daily Brief, "A Field Guide to AI Market Freakouts" (23. Juli) legte Nathaniel Whittemore (Analyst) die tatsächlichen Deckel offen: Uber deckelt Nutzer auf 1.500 $/Monat; Tesla erlaubt 200 $/Woche mit der Möglichkeit, mehr zu beantragen. Sein Gegenargument: Deckel "sind weit weniger wichtig als die Erkenntnis, dass wir nur einen verschwindend kleinen Teil der Intelligenz nutzen, die wir letztlich nachfragen werden." (Gleiche Folge: Momentum-Aktien hatten ihren schlechtesten Monat seit Aufzeichnungsbeginn, laut Morgan Stanley um 40% im Minus, und Goldman meldete, dass Hedgefonds Tech-Aktien in Rekordgröße verkauften, das Software-Bild ist also unabhängig von den Fundamentaldaten hässlich.)

Das Ausmaß der zugrunde liegenden Ausgaben, aus AI to ROI, "AI is a Compensation Scale Expense" (21. Juli) (Analyst): Ein nicht genanntes Unternehmen erreichte eine KI-Rechnung von 500 Millionen Dollar pro Monat; Uber führte einen Deckel von 1.500 $/Ingenieur/Monat ein; Microsoft entzog zum Ende des Geschäftsjahres als Budgetmaßnahme Tausende Claude-Code-Lizenzen. Anthropics Run-Rate stieg von 9 Mrd. $ Ende letzten Jahres auf 47 Mrd. $ bis Mitte Mai, mit über 1.000 Unternehmen, die 1 Mio. $/Jahr für Claude zahlen; OpenAI liegt bei ~33 Mrd. $ und verarbeitet inzwischen 15 Milliarden Tokens pro Minute, das 50-Fache in drei Jahren. Und die Pointe für jeden, der SaaS modelliert: KI-Software- und Token-Ausgaben lagen 2024 bei ~100 Mrd. $ (unter 2% der globalen IT-Ausgaben), und Gartner prognostiziert rund 2 Billionen Dollar bis 2030, während der gesamte, über 25 Jahre gewachsene SaaS-Markt nur etwa 250 Mrd. $ groß ist.

Woher kommt dieses Geld? Die Moderatoren argumentieren, es gebe eigentlich nur zwei Budgets, die groß genug sind: das Software-Budget (da SaaS sich in KI-Software verwandelt) und das Personalbudget. Und sie sehen Bewegung bei Letzterem: über 113.000 Tech-Entlassungen bei 179 Unternehmen bis Mitte Mai, 48% davon explizit auf KI zurückgeführt, während der SaaS-Umsatz pro Mitarbeiter im öffentlichen Sektor von ~300.000 $ auf ~400.000 $ (+33%) gestiegen ist, da Unternehmen Fluktuation nicht mehr nachbesetzen.

Die infrastrukturelle Antwort zeigte sich in Business of Tech (23. Juli), wo Seth Robinson von CompTIA (Analyst) den Modellwechsel unverblümt beschrieb: "von pro Sitzplatz oder pro Nutzer zu Sitzplatz plus Consumption," denn "Tokens sind nicht kostenlos… es gibt eine Komponente, die wie ein laufender Zähler funktioniert." Er erwartet, dass die FinOps-Disziplin, die rund um die Cloud entstand, in DevOps einwandert, mit dem Twist, dass "Maschinen es mit Maschinengeschwindigkeit verbrauchen können," sodass Rechnungen schneller explodieren als in der Cloud-Ära.

Positionierungs-Einschätzung: Die Drosselung ist real und begrenzt das kurzfristige Aufwärtspotenzial für rein nutzungsbasierten Umsatz. Aber die Framing verschob sich von "KI-Budgets brechen zusammen" zu "KI-Budgets werden gesteuert." Das ist weniger bearish für Consumption-Namen als die Mitte-Juli-Panik nahelegte, und genau deshalb verkaufen Salesforce und HubSpot Rechnungssicherheit.

3. Datadog bleibt der sauberste "KI treibt meinen Zähler"-Trade

In What's Next For Markets, "Software's AI Reckoning" (26. Juli) lieferte Sell-Side-Software-Analyst Billy Fitzsimmons (Analyst) die nützlichste Landkarte, wo man sich derzeit im Software-Sektor verstecken sollte. Er sagt, Investoren hätten sich auf den härtesten möglichen Maßstab zurückgezogen, GAAP Enterprise-Value-zu-Free-Cashflow, ohne Aktienvergütung, und die gesamte Gruppe habe sich am 3. Februar ("Der Tag des SaaS Pot Club") neu bewertet, als Anthropic vertikale Plugins vorstellte. Seine drei Verstecke: (1) Hyperscaler (Microsoft, Oracle, aber deren Free Cashflow ist durch Capex auf null oder negativ gefallen); (2) Nicht-Hyperscaler-Namen, die bereits auf Consumption abrechnen, "Datadog, Snowflake oder Twilio entwickeln sich seit Jahresbeginn sehr gut, weil sie auf Consumption-Basis abrechnen, da KI zu mehr Daten oder Nutzung oder Volumen führt"; und (3) ausgewählte vertikale Software (sein Top-Pick ist ServiceTitan). Diese Consumption-Namen seien "im Jahresverlauf flach bis im Plus," was er "für die meisten auf meiner Liste nicht sagen kann."

Positionierungs-Einschätzung: Das ist die strukturelle Bull-These für DDOG in einem Absatz. Wenn KI mehr Maschinen, Logs und Traffic erzeugt, misst Datadog alles davon. Der Haken ist Punkt 2 in dieser Ausgabe: derselbe Token-Drossel-Reflex, der OpenAI unter Druck setzt, kann irgendwann auch die Observability-Rechnung eines Kunden treffen. Bisher gewinnt das Volumenwachstum.

4. Atlassian wurde zur von der Sell-Side auserkorenen Fallstudie für "KI machte ein mittelmäßiges Geschäft noch schlechter"

Die detaillierteste Einzelaktien-Analyse der zwei Wochen war The Synopsis, "AI SaaS Risk (again), Atlassian, Duolingo & Uber" (23. Juli) von den Investoren von Speedwell Research (Analyst). Sie wählten Atlassian gezielt als eine Software-Firma niedrigerer Qualität aus, um die KI-Risikothese zu stresstesten. Das von ihnen dargelegte Zahlenbild (alle Angaben von ihnen):

  • Über 80% Bruttomarge und 98-99% Netto-Umsatzretention, auf der oberen Ebene der GuV wirklich erstklassig. (Bemerkenswert: das ist die erste konkrete NRR-Zahl für einen der beobachteten Namen seit rund sieben Wochen, allerdings ihre Schätzung, kein Unternehmensdruck.)
  • Aber die operative Marge ist negativ (~-4%), und das Unternehmen (gegründet 2002, also 24 Jahre alt) ist seit 2022 nicht mehr GAAP-profitabel.
  • F&E macht 50-52% des Umsatzes aus, und lag 2017 ebenfalls schon bei rund 50%, also null operative Hebelwirkung trotz eines zehnfachen Umsatzwachstums (von ~600 Mio. $ auf über 6 Mrd. $). Ihr Seitenhieb: Kunden sagen, "das Produkt hat sich kaum verändert," also "verstehe ich nicht, wie man 50% für F&E ausgibt."
  • Aktienbasierte Vergütung liegt bei ~25% des Umsatzes, gegenüber Salesforce, das die SBC auf ~6-7% gesenkt hat.
  • Die Aktie ist um ~75% gefallen, was das EV/Umsatz-Verhältnis von einem mittleren Zehner- bis 20er-Multiple auf das 4-Fache bringt.

Das KI-spezifische Argument ist dasjenige, das man für die ganze Gruppe verinnerlichen sollte: Sie glauben nicht, dass KI Atlassian kaputt gemacht hat, sie glauben, KI verbreitert die Verteilung schlechter Ergebnisse. Der Mechanismus: Der Ausgangspunkt des Nutzers verschiebt sich vom Jira-Dashboard zu einem unternehmensweiten KI-Agenten (Copilot, Claude, Agentforce). Wenn Arbeit auf dieser KI-Ebene orchestriert wird, sieht Atlassians eigener Agent, Rovo, wie ein Sub-Agent aus, nicht wie der Orchestrator, "reduzierte Sichtbarkeit, reduzierte Kundeninteraktion, das Potenzial, dass eure Workloads mit der Zeit im Grunde umgangen werden. Vielleicht braucht man Jira eigentlich gar nicht mehr." Ihr Beleg dafür, dass Atlassian selbst Angst hat: Man gab über 600 Millionen Dollar für den Kauf eines Browser-Unternehmens aus, um die KI-Schnittstelle zu besitzen, was sie als "einen Abschreibungskandidaten" vorhersagen. (Sie merkten auch den Rücktritt von Co-CEO Mike Cannon-Brookes an.)

Positionierungs-Einschätzung: Das Grundgerüst eines Paired Trades, long bei Namen mit echtem KI-Nutzungs-Rückenwind und Preissetzungsmacht (Datadog; womöglich Salesforce), short oder meiden bei den alten Work-Management-Namen, wo sich eine Orchestrierungsebene darüberlegen kann. TEAM ist derzeit der von der Sell-Side gewählte Short-Ausdruck der Sitzplatz-Erosionsthese.

Die Debatte: Ist Pro-Sitzplatz-SaaS strukturell kaputt, oder werten Incumbents auf Consumption um?

Fair auf beiden Seiten dargestellt, anhand des Materials dieser zwei Wochen.

Die Bären-These (Pro-Sitzplatz-SaaS ist strukturell kaputt).

  • Das Preismodell wird von den Incumbents selbst aufgegeben. Wenn Salesforce und HubSpot beide in denselben zwei Wochen zu Pay-per-Outcome wechseln, ist das keine defensive Anpassung, es ist ein Eingeständnis, dass "pro menschlichem Sitzplatz abrechnen" nicht in einer Welt überlebt, in der ein Agent die Arbeit mehrerer Personen erledigt. Weniger Sitzplätze, und die verbleibenden werden auf Ergebnisse umbasiert.
  • "Nur Preiserhöhungen" ist an die Wand gefahren. In 20VCs Folge vom 30. Juli argumentierte Jason Lemkin (Analyst), legacy SaaS sei "fünf Jahre lang ohne neue Nettokunden und Preiserhöhungen… ich glaube nicht, dass an diesen Stellschrauben noch fünf weitere Jahre übrig sind." Seine eigene Kriegsgeschichte: Marketo hob seinen Preis seit 2020 von 22.000 $ auf 80.000 $ an; er kündigte, und er schätzt, dass sie ~20% der Kunden verloren haben. Er merkt an, dass Wix unter dem 1-Fachen Umsatz gehandelt wird, "man zahlt das 10-Fache für Base44s Umsätze, und bekommt das Kerngeschäft gratis dazu."
  • Die Margenrechnung ist tatsächlich schlechter. In 20VC, 20. Juli gab Fireworks-CEO Lin Qiao (Operator) die klarste strukturelle Warnung der zwei Wochen: "In der SaaS-Zeit waren Product-Market-Fit und ein dauerhaftes Geschäft fast dasselbe… Jetzt sind Product-Market-Fit und ein dauerhaftes Geschäft zwei getrennte Konzepte." Unternehmen können "sich in die Insolvenz skalieren," und Incumbents mit riesigem Traffic trifft es am härtesten, sie "können es sich nicht leisten," KI-Features an ihre gesamte Nutzerbasis auszurollen, weil "Kostenprognose… es einfach keinen Weg gibt, das zu rechtfertigen." Ihre eigene Bruttomarge liegt bei 30-40% gegenüber 80% bei traditionellem SaaS (sie besteht darauf, dass das eine Wachstumsentscheidung sei, keine Obergrenze).
  • Das Multiple, nicht die Erträge, ist das Problem. In The Pomp Podcast, 18. Juli argumentierte Jordi Visser (Analyst), die Erträge blieben in Ordnung, aber die Multiples komprimieren sich drei Jahre lang, während der Markt die Disruption aller börsennotierten Unternehmen einpreist, "man kann Adobe und Salesforce nicht über die nächsten drei Jahre hinaus bewerten," weil ihr Endwert jetzt eine offene Frage ist. Billigere Tokens töten nicht die Modellhersteller; sie bewaffnen KI-native Konkurrenten gegen jeden Incumbent.

Die Bull-These (Incumbents werten erfolgreich um).

  • Sie fangen die neuen Ausgaben ein, statt sie zu verlieren. Outcome-Pricing ist die Art, wie Incumbents die Agenten-Ökonomie besteuern. HubSpot löst 71-72% der Support-Tickets und berechnet pro Lösung, das ist eine völlig neue Umsatzlinie, die unter reinem Sitzplatz-Modell nicht existierte, und sie kann wachsen, selbst wenn Sitzplätze schrumpfen.
  • Consumption-Namen sind diejenigen, die tatsächlich im Plus sind. Fitzsimmons' Punkt bleibt bestehen: Datadog, Snowflake, Twilio sind im Jahresverlauf flach bis im Plus, weil KI gemessenes Volumen antreibt. Das Kursbild bestraft die Gruppe, aber die an Nutzung gekoppelten Geschäfte übertreffen.
  • Der Token-Drossel-Schreck ist eine Governance-Story, keine Nachfrage-Story. Das Argument von The AI Daily Brief: Deckel bei Uber (1.500 $/Monat) und Tesla (200 $/Woche) kratzen kaum an dem, wie viel Intelligenz Unternehmen letztlich kaufen werden. Und Investor Nick Carters Framing (dort zitiert) ist, dass der Schmerz bei den Labs landet, "die Hyperscaler werden schon zurechtkommen. Es sind nur OpenAI und Anthropic, die es in ihrer heutigen Form nicht sein werden," nicht bei den Anwendungs-Incumbents.
  • Bindungswirkung ist real, und Wechsel ist bürokratisch. Sogar Atlassians schärfste Kritiker räumten ein, Jira sei "sehr schwer herauszureißen." Visser fügt hinzu, dass Fortune-500-Beschaffung nicht schnell zu chinesischen oder Open-Source-Modellen wechseln wird. Incumbents bekommen Jahre, um sich anzupassen.

Der Zünglein-an-der-Waage-Faktor. Es läuft auf eine einzige Frage hinaus, um die sich der gesamte Sektor jetzt organisiert: Wenn Incumbents auf Ergebnisse umpreisen, behalten sie die Marge? Wenn HubSpot und Salesforce Inferenzkosten absorbieren können (Routing zu günstigen Modellen, Reiten auf dem 10-fachen Kostenrückgang, den Lin Qiao erwartet) und dennoch Bruttomargen in den hohen 70ern oder 80ern erzielen, gewinnt die Neubewertungs-Story, und das ist ein Preis-Upgrade. Wenn Inferenzkosten die KI-Feature-Margen Richtung 50er komprimieren und Outcome-Pricing das Ausführungsrisiko dem Anbieter zuschiebt, gewinnen die Bären, und das terminale Multiple der Gruppe rutscht weiter ab. Die eine Zahl, die die ganze Debatte klären würde, eine explizite KI-Feature-Bruttomarge, wird von keinem der sieben offengelegt.

Aktien im Fokus

Sortiert danach, wie stark das Material dieser zwei Wochen den jeweiligen Namen tatsächlich bewegt.

Salesforce (CRM)

  • Bull: Hat Outcome-Pricing (2 $/Lösung) eingeführt, das die Consumption-Prognose-Reibung beseitigt, die seine Verkaufszyklen verlangsamte; verkauft Rechnungssicherheit gegen die Horrorgeschichten von OpenAI und Anthropic. Marc Benioffs Ausgaben von 300 Mio. $/Jahr für Anthropic (~3,8% der Entwicklergehälter, laut Mercors CPO in 20VC, 25. Juli, Operator) signalisieren aggressiven Aufbau, keine Verteidigung. Kapitalrückführung: 27 Mrd. $ an Aktienrückkäufen in Q1 (Fitzsimmons). SBC bereits diszipliniert bei ~6-7%.
  • Bear: Pay-per-Resolution verlagert das Ausführungsrisiko auf Salesforce und lässt darunter weiterhin einen Consumption-Zähler laufen (die 1.000-Lösungs-Pakete). Rückkäufe haben die Aktie nicht gestützt. Vissers "kann nicht über drei Jahre hinausblicken"-Endwertsorge nennt Salesforce ausdrücklich. Die 300-Mio.-$-Anthropic-Rechnung ist eine Kostenposition, die nur wächst.
  • Nächster Katalysator: Q2-FY2027-Bericht (Ende August), zu beobachten sind gemeldetes Agentforce-Lösungsvolumen oder -Umsatz und ob Outcome-Pricing als Wachstums- oder Margen-Story auftaucht.

Atlassian (TEAM)

  • Bull: Über 80% Bruttomarge, 98-99% Netto-Umsatzretention, wirklich klebrig (Jira ist "schwer herauszureißen"); um ~75% gefallen auf das 4-Fache EV/Umsatz preist viel Schmerz ein; KI-Agenten-Nutzer sollen angeblich ~2x den ARR zeigen.
  • Bear: Negative operative Marge, F&E bei ~50% des Umsatzes ohne sichtbaren Produkt-Payoff, SBC ~25% des Umsatzes, eine über 600-Mio.-$-Browser-Übernahme, die das Speedwell-Team für einen wahrscheinlichen Abschreibungskandidaten hält, Abgang des Co-CEO und ein strukturelles Risiko, dass Rovo als Sub-Agent unter Copilot oder Agentforce endet. Der von der Sell-Side auserkorene Sitzplatz-Erosions-Short.
  • Nächster Katalysator: F4Q/FY2026-Ergebnisse (Ende Juli oder Anfang August), zu beobachten sind die Verlangsamung des Cloud-Umsatzwachstums, jede Rovo-Adoptions- oder Monetarisierungskennzahl und ob der Browser-Deal beziffert wird.

Datadog (DDOG)

  • Bull: Der sauberste "KI treibt meinen Zähler"-Name, Consumption-Abrechnung bedeutet, dass mehr KI-getriebene Daten, Logs und Traffic direkt in Umsatz fließen; einer der wenigen Software-Namen, die im Jahresverlauf im Plus sind (Fitzsimmons).
  • Bear: Derselbe Token-Drossel- und FinOps-Reflex, der die Labs trifft, kann irgendwann auch die Observability-Rechnung eines Kunden erreichen; teures Multiple lässt keinen Raum für ein Nutzungs-Luftloch.
  • Nächster Katalysator: Q2-2026-Ergebnisse (Anfang August), der wichtigste Einzelwert in diesem gesamten Newsletter ist, ob irgendein consumption-bepreister, relevanter Name die Mitte-Juli-"Drosselung" in seiner Nutzung oder Abrechnung zeigt.

HubSpot (HUBS)

  • Bull: Am weitesten fortgeschritten bei der Preis-Wende mit einem echten Produkt (Customer Agent pro Lösung bei 71-72% Erfolgsquote; Prospecting Agent pro Lead; Sitzplätze plus Credits). Proprietäre "Growth Context"-Daten und zwei Jahrzehnte Go-to-Market-Erfahrung als Burggraben gegenüber rohen Frontier-Modellen; "System of Action, nicht System of Record."
  • Bear: Hat sich entschieden, LLM-Inferenzkosten zu absorbieren als "unsere Verantwortung," ein direkter Treffer für die Bruttomarge, wenn Modellkosten nicht so schnell fallen wie Lin Qiaos Hoffnung auf das 10-Fache in drei Jahren. Die Downmarket-KMU-Basis ist am preissensibelsten und wechselwilligsten.
  • Nächster Katalysator: Q2-2026-Bericht, zu beobachten sind jede offengelegte KI-Feature-Bruttomarge, Breeze- oder Agenten-Attach- oder Credit-Umsatz sowie NRR.

Adobe (ADBE)

  • Bull: Weiterhin der tiefste Kreativ-Software-Burggraben und die breiteste KI-Feature-Oberfläche (Firefly) unter den sieben.
  • Bear: Ausdrücklich in Vissers "kann nicht über drei Jahre hinaus bewerten"-Endwertsorge genannt; die Fragen zu Sitzplätzen, Freemium-Druck und Inferenz-Margen aus vorherigen Wochen sind ungelöst.
  • Nächster Katalysator: Q3-FY2026-Ergebnisse (Mitte September).

Asana (ASAN)

  • Bull: Günstiger Work-Management-Incumbent mit einer AI-Studio-Agenten-Story, sofern man sie umsetzen kann.
  • Bear: Sitzt genau in der Kategorie, die Speedwell mit Atlassian angeklagt hat, horizontales Work-Management, überfüllt (neben Monday, Linear, Notion als Atlassian-Konkurrenten genannt), und dem Orchestrierungsebenen-Risiko ausgesetzt.
  • Nächster Katalysator: Q2 FY2027 (Anfang September).

Monday.com (MNDY)

  • Bull: Schnell wachsendes Work-OS mit einem KI-Credits-Modell, das theoretisch bereits ein Consumption-Einstieg ist.
  • Bear: Derselbe sitzplatzlastige, horizontale Orchestrierungsrisiko-Bucket wie Asana und Atlassian; ausdrücklich als PE-artiges "billig kaufen, hebeln, auspressen"-Ziel genannt in 20VC (30. Juli), "kann man einen Monday oder einen Wix zu einem Preis kaufen, bei dem man eine Rendite erzielen kann?"
  • Nächster Katalysator: Q2 2026 (Mitte August).

Read-throughs

  • Angrenzendes sitzplatzlastiges SaaS (HUBS, ASAN, MNDY). Die Speedwell-Analyse zu Atlassian ist eigentlich eine Read-through-Anklage der gesamten horizontalen Work-Management-Kategorie, genau der Bucket, in dem ASAN und MNDY leben. Das Orchestrierungsebenen-Risiko ("ein Agent auf Unternehmensebene, der vieles davon orchestriert") gilt für sie alle. HUBS ist das Gegenbeispiel, das etwas dagegen unternimmt (Pay-per-Resolution, Absorption der Inferenzkosten, proprietärer Daten-Burggraben).
  • Modell- und Inferenz-Anbieter (OpenAI, Anthropic, Bedrock, Azure OpenAI, DeepMind). Die Preise komprimieren sich schnell, und die Ankerpunkte sind jetzt öffentlich: pro Million Tokens, OpenAIs Fable ~56 $, Sol/Claude 4.8 ~26 $, Grok ~1,50 $, chinesische Modelle ~0,50 $ (All-In, 18. Juli); Claude Opus 5 startete bei 5 $ Input und 25 $ Output; Kimi K3 bei ~15 $ Output gegenüber OpenAIs ~30 $ und Anthropics ~50 $. Die Bären-These für die App-Ebene ist, dass dies KI-native Konkurrenten bewaffnet; die Bull-These (Nick Carter, via The AI Daily Brief) ist das Gegenteil, billige Tokens sind eine Subvention für App-Incumbents, und der Schmerz landet bei den Labs, nicht bei den Apps. Für unsere sieben ist günstigere Inferenz eindeutig gut, sofern sie Kunden weiterhin zu Premium-Ergebnissen bedienen, während sie das Backend an das jeweils Günstigste routen, genau HubSpots "Schweiz-der-Modelle"-Spiel.
  • Multiple-Neubewertungsrisiko (die ganze Gruppe). Unabhängig von einem einzelnen Namen: Momentum-Aktien hatten ihren schlechtesten Monat seit Aufzeichnungsbeginn (laut Morgan Stanley via The AI Daily Brief um 40% im Minus), Hedgefonds warfen Tech in Rekordgröße ab (Goldman), und der Markt bestrafte selbst Alphabets Übertreffung wegen Capex. Investoren haben sich auf GAAP EV/FCF ohne SBC als Maßstab zurückgezogen (Fitzsimmons). Das Risiko ist, dass die "KI-Abrechnung"-Rotation die Software-Multiples weiter komprimiert, unabhängig davon, welche Namen tatsächlich gewinnen, was das Paired-Trade-Framing (long bei Nutzungs- und Preissetzungsmacht-Gewinnern, Meiden sitzplatzlastiger Nachzügler) attraktiver macht als eine gerichtete Wette auf die Gruppe.

Was sich seit der letzten Ausgabe geändert hat

Letzte Ausgabe (17. Juli) war das dominierende, brandneue Thema Token-Ausgaben-Whiplash, Unternehmen, die von "Token-Maxing" zum abrupten Bremsen wechselten, mit erfolgsbasiertem Pricing, das Bret Taylor als theoretischen Endzustand nannte. So hat sich die Lage in den zwei Wochen seither entwickelt:

  • Outcome-Pricing wurde vom Slogan zum ausgelieferten Produkt. Letzte Ausgabe: Bret Taylor sagte "man zahlt nicht für Tokens, man zahlt für Geschäftsergebnisse." Diese zwei Wochen: Salesforce und HubSpot brachten beide Pay-per-Resolution-Produkte bei ~2 $/Lösung auf den Markt. Das ist der größte Sprung und der Grund, warum es die Betreffzeile ist.
  • Die Token-Drossel-Story reifte. Letzte Ausgabe war es rohe Panik (Kürzungen von 6.000 $ auf 600 $, "verdoppelt sich alle 45 Tage"). Diese zwei Wochen brachte konkrete Deckel (1.500 $/Monat Uber, 200 $/Woche Tesla), ein Governance-Framing (FinOps zu DevOps), und eine Anbieter-Reaktion (HubSpot absorbiert Inferenzkosten). Weniger "der Himmel fällt herab," mehr "so wird es gemanagt."
  • Erste relevante NRR-Zahl seit rund sieben Wochen, für TEAM. Der Speedwell-Podcast förderte für Atlassian 98-99% NRR und über 80% Bruttomarge zutage (ihre Schätzung, kein Unternehmensdruck).
  • Eine benannte Einzelaktien-Bären-These entstand: Atlassian. Letzte Ausgabe wurde TEAM nur erwähnt. Diese zwei Wochen bekam es eine vollständige, finanziell detaillierte Analyse als der von der Sell-Side gewählte Sitzplatz-Erosions-Short.
  • Die Salesforce-Berichterstattung verschob sich von "ein Downgrade widerlegen" zu "Preisstrategie plus Kapitalrückführung". Neu in diesen zwei Wochen: der 2-$/Lösung-Mechanismus, Benioffs 300-Mio.-$-Anthropic-Ausgaben und 27 Mrd. $ an Q1-Rückkäufen.