Vertikale KI-Startups gewinnen durch Workflow-Besitz, nicht durch Modellqualität

Vertikale KI — Software, die für eine einzelne Branche statt für eine horizontale Funktion wie CRM oder Support gebaut wird — wächst laut manchen Schätzungen bis zu 400 % im Jahresvergleich und wird zur klarsten Trennlinie in Unternehmenssoftware: traditionelles SaaS, KI-erweitertes SaaS, das ein Modell auf einen bestehenden Workflow aufsetzt, und KI-native Plattformen, die von Anfang an gebaut wurden, um den Workflow autonom auszuführen. Aber die interessantere Geschichte 2026 ist nicht die Wachstumsrate. Es ist, was tatsächlich Verteidigungsfähigkeit schafft, denn das alte SaaS-Lock-in-Playbook bricht gleichzeitig zusammen.

Der alte Burggraben erodiert

Traditionelle SaaS-Verteidigungsfähigkeit kam von Wechselkosten: die Monate an Konfiguration, Integrationen und institutionellem Gedächtnis, die ein Unternehmen in eine Plattform investierte, machten deren Entfernung teuer — unabhängig davon, ob das Produkt eines Konkurrenten besser war. KI-Agenten demontieren diesen Burggraben still und leise. Ein agentischer Browser oder eine Automatisierungsschicht kann prinzipiell beobachten, wie ein Team eine Altplattform nutzt, den Workflow dokumentieren und ihn auf einem anderen System replizieren — was Wechselkosten zusammenbrechen lässt, die früher ein komplettes Digitaltransformationsprojekt erforderten, um überwunden zu werden. Wenn Workflow-Replikation billig wird, hört der Besitz eines Workflows allein durch die Position als etablierter Anbieter auf, ein dauerhafter Vorteil zu sein.

Das erzwingt eine echte strategische Spaltung unter vertikalen KI-Startups. Manche bauen im Grunde eine intelligentere UI-Schicht über bestehenden Daten und Prozessen — wirklich nützlich, aber replizierbar, sobald Agenten gut genug darin werden, Verhalten zu beobachten und zu kopieren. Andere bauen Plattformen, die etwas besitzen, das ein Agent nicht leicht kopieren kann: autoritative, regulierte Daten; durchgesetzte Governance und Audit-Trails; und Koordination realer Geschäftsaktivität über mehrere Parteien hinweg, nicht nur Insight-Generierung für einen Nutzer.

Wie dauerhaftes Lock-in jetzt aussieht

Die Startups, die tatsächlich Vorteile in Vertikalen wie Gesundheitswesen, Recht und Finanzen aufbauen, teilen ein spezifisches Muster: Sie zeigen nicht nur Insights aus Daten, die ein Kunde bereits hat, sie werden zum System of Record, auf das andere Parteien angewiesen sind. Eine vertikale KI-Plattform, die Genehmigungen zwischen einem Krankenhaus, einer Versicherung und einer Apotheke koordiniert, automatisiert nicht nur eine interne Aufgabe eines Unternehmens — sie sitzt in einem Multi-Party-Workflow, bei dem ein Wechsel bedeutet, mit jeder anderen Partei in der Schleife neu zu verhandeln, nicht nur ein Team umzuschulen. Das ist eine strukturell andere Art von Lock-in als „unsere UI ist hübscher“ oder „unser Modell ist 5 % genauer“, und sie übersteht die Fähigkeit eines Agenten, Funktionen zu kopieren.

Regulatorische Reibung, oft als reiner Nachteil behandelt, wird zu einem eigenen Burggraben. Compliance-Regime wie HIPAA und GDPR wurden für Mensch-zu-Mensch-Interaktion geschrieben und gelten nicht sauber für autonome Agenten, die innerhalb eines regulierten Workflows handeln. Startups, die bereits die Audit-Trails, das Consent-Management und die Governance-Schichten gebaut haben, die nötig sind, um einen KI-Agenten innerhalb eines regulierten Prozesses zu betreiben, haben einen Vorsprung, den ein schnellerer, aber compliance-naiver Konkurrent nicht abkürzen kann — der Papierkram und die Haftungsstruktur müssen existieren, bevor der Agent legal handeln kann, und deren Aufbau braucht echte Zeit, unabhängig von der Modellqualität.

Das Preismodell ändert sich auch

SaaS-Preise pro Sitzplatz gingen davon aus, dass ein Mensch die Arbeit erledigt und für die Lizenz eines Tools zahlt, das ihm hilft. Wenn ein KI-Agent die Arbeit autonom erledigt, ergibt Pro-Sitzplatz-Preisgestaltung keinen Sinn mehr — es gibt keinen Sitzplatz. Die Startups, die das richtig machen, wechseln zu nutzungs- oder ergebnisbasierter Preisgestaltung: Bezahlung pro bearbeiteter Forderung, pro geprüftem Vertrag, pro koordinierter Transaktion. Das erfordert intern deutlich stärkere FinOps-Disziplin (man muss die Kosten pro Einheit KI-gesteuerten Outputs wirklich kennen, um sie profitabel zu bepreisen), richtet den Preis aber viel besser am erfassten Wert aus als ein Legacy-Pro-Sitzplatz-Modell, das auf ein agentisches Produkt aufgeklebt wird.

Was das für Gründer und Käufer bedeutet

Für Gründer, die vertikale KI bauen: Ein besseres Modell ist ein vorübergehender Vorteil, kein Geschäft. Die verteidigungsfähige Position ist der Besitz von Daten, denen andere Parteien vertrauen müssen, die Positionierung in einem Multi-Party-Koordinationspunkt, der nicht einseitig durch einen Kundenwechsel ersetzt werden kann, und der Aufbau der Compliance-Infrastruktur, bevor ein Konkurrent unter Zeitdruck gezwungen wird aufzuholen. Für Unternehmenskäufer, die vertikale KI-Anbieter bewerten: Fragen Sie weniger nach Modell-Benchmarks und mehr danach, wer sonst noch davon abhängt, dass diese Plattform korrekt funktioniert, und ob die Compliance-Haltung des Anbieters ein echtes Asset oder ein nachträglicher Gedanke ist. In einem Markt, in dem Feature-Parität nur einen Agenten-Beobachtungszyklus entfernt ist, sind das die Fragen, die tatsächlich vorhersagen, welcher Anbieter in drei Jahren noch relevant sein wird.