Software hat historisch das Werkzeug verkauft, während Professional-Services-Firmen die fertige Arbeit verkauften. KI schwächt diese Grenze: Wenn ein System einen bedeutenden Teil der zugrunde liegenden Wissensarbeit erledigen kann, können Softwareunternehmen um das Ergebnis selbst konkurrieren, nicht nur um die Lizenz. Professional Services sind ein Markt von rund 6,6 Billionen US-Dollar neben einem Softwaremarkt von 1,5 Billionen – der Markt, den Software nie erreicht hat. Gewinnen werden nicht die Firmen mit der meisten KI, sondern jene, die den Workflow neu gestalten und angesammelte Expertise in wiederverwendbares operatives IP verwandeln.
Im Großteil der modernen Technologieära gab es eine klare ökonomische Grenze: Softwareunternehmen bauten Werkzeuge, und Professional-Services-Firmen nutzten diese Werkzeuge, um Arbeit zu erledigen. Das Softwareunternehmen verkaufte die Tabellenkalkulation; der Steuerberater verkaufte den fertigen Abschluss. Software konnte einmal entwickelt und wiederholt verkauft werden, ihre Grenzkosten sanken mit wachsender Verbreitung. Dienstleistungen skalierten anders – Umsatz erforderte in der Regel mehr Menschen und mehr abrechenbare Stunden. Generative KI beginnt, diese Grenze zu schwächen, und die strategische Bedeutung ist größer als die Produktivitätsgeschichte, die die meisten Unternehmensdiskussionen dominiert: KI könnte Dienstleistungen nicht nur effizienter machen. Sie könnte verändern, was das Unternehmen tatsächlich verkauft.
Software digitalisierte das Werkzeug. KI digitalisiert die Arbeit.
Die ersten Generationen von Unternehmenssoftware digitalisierten Informationen und organisierten Workflows, aber eine Einschränkung blieb: Software konnte den Fachmann unterstützen, doch der Fachmann musste das Ergebnis weiterhin selbst erzeugen. Deshalb blieben Professional Services auch nach Jahrzehnten der Softwarenutzung riesig.
The Business Research Company schätzt den globalen Professional-Services-Markt 2026 auf rund 6,66 Billionen US-Dollar, nach 6,37 Billionen im Jahr 2025, bei breiter Branchendefinition – engere Taxonomien liefern deutlich kleinere Zahlen, sodass dies als Schätzung einer breiten Kategorie und nicht als präzise universelle Grenze zu lesen ist. Gartner schätzt die weltweiten Softwareausgaben 2026 auf etwa 1,47 Billionen US-Dollar. Die Zahlen beruhen auf unterschiedlichen Definitionen und sind nicht direkt vergleichbar, verdeutlichen aber die Größe des Arbeitskräftepools neben der Softwareökonomie. Sequoia Capital hat die Formel „1 Dollar Software gegenüber 6 Dollar Services“ popularisiert, um diese Chance zu beschreiben; sie ist eine Heuristik, keine wörtliche Regel, doch die Beobachtung dahinter gilt: Was Kunden dafür ausgeben, Arbeit erledigen zu lassen, kann das Budget für die dabei genutzten Werkzeuge weit übersteigen. Bis vor Kurzem konkurrierten Softwareunternehmen vor allem um das Tool-Budget. KI lässt sie beginnen, um das Arbeitsbudget zu konkurrieren – einen sehr viel größeren Markt.
Die ökonomische Einheit wandert vom Arbeitsplatz zum Ergebnis
Kunden wollen im Grunde keine Stunden; Stunden sind der historische Mechanismus, über den Expertise eingekauft wird. Sie wollen die abgeschlossene Prüfung, den geprüften Vertrag, den gelösten Schadenfall. KI macht es zunehmend möglich, das Ergebnis von der menschlichen Arbeit zu trennen, die früher nötig war, um es zu erzeugen.
Eine klassische Professional-Services-Firma lässt sich vereinfachen als Umsatz = Fachkräfte × Auslastung × Satz. Ein AI-nativer Dienstleister sieht eher aus wie Umsatz = gelieferte Ergebnisse × Preis pro Ergebnis, mit einer Kostenstruktur aus menschlichem Urteilsvermögen, KI-Ausführung, Ausnahmebehandlung und Infrastruktur. Der strategische Gewinn entsteht, wenn der menschliche Anteil jeder zusätzlichen Lieferung sinkt, während die Qualität hält – dann beginnt eine Dienstleistung, die Ökonomie von Software anzunehmen.
Die Evidenz ist nicht mehr rein theoretisch
Feldforschung gibt Anlass, diese Verschiebung ernst zu nehmen, warnt zugleich aber vor Behauptungen totaler Automatisierung. In einem randomisierten Experiment mit 758 Beratern der Boston Consulting Group erledigten Nutzer von GPT-4 12,2 % mehr Aufgaben und arbeiteten 25,1 % schneller bei Aufgaben innerhalb der „gezackten“ Leistungsgrenze der Technologie – bei Aufgaben jenseits davon konnte die Leistung jedoch sinken.
Eine zweite Studie mit 5.179 Kundenservice-Mitarbeitenden ergab, dass der Zugang zu einem generativen KI-Assistenten die Produktivität im Durchschnitt um etwa 14 % steigerte, bei Neulingen und weniger qualifizierten Kräften um rund 34 % – die Forschenden vermuten, dass KI die Praktiken stärkerer Mitarbeitender verbreitet und damit einen Teil der Erfahrungskurve verkürzt. Das ist strategisch bedeutsam: Dienstleistungsfirmen haben ihren Vorteil historisch aufgebaut, indem sie Menschen versammelten, die schwierige Arbeit beherrschen. Lässt sich ein Teil dieses Wissens in Workflow-Logik, Evaluierungssysteme und wiederverwendbare operative Komponenten überführen, wird Expertise weniger ausschließlich an einzelne Mitarbeitende gebunden und mehr zu einem organisatorischen Vermögenswert. Das ist keine Automatisierung. Es ist eine Veränderung der Produktionsfunktion.
Die Wertlieferungslücke drückt bereits auf den Preis
Die Studie 2026 von Thomson Reuters unter mehr als 1.800 Fachleuten in 62 Ländern ergab, dass 74 % mehrmals pro Woche KI nutzen – doch die Nachfrageseite bewegt sich noch schneller. 78 % der Firmenkunden erklärten, KI-gestützte Qualitätsverbesserungen seitens der Dienstleister seien sehr wichtig oder unverzichtbar; nur 6 % sagten, dass die meisten Dienstleister sie tatsächlich lieferten, und fast ein Drittel überdachte deshalb Geschäftsbeziehungen.
Das ist nicht einfach eine Nutzungslücke; es ist der Beginn einer Wertlieferungslücke, die irgendwann die Preise erreicht. Speziell bei Rechtsdienstleistungen erwarten 71 % der Inhouse-Fachleute, dass externe Kanzleien mit zunehmender KI-Nutzung ihre Abrechnung ändern, während nur 28 % der Kanzleien angeben, ihre Preise tatsächlich geändert zu haben. Wenn KI die für ein Ergebnis nötige Arbeit erheblich verringert, wird eine reine Abrechnung nach Arbeitsaufwand schwerer zu verteidigen – und diese Spannung wird nicht ewig bestehen.
Der eigentliche Burggraben ist nicht das Modell – sondern operatives IP
Wenn mehrere Firmen dieselben Spitzenmodelle nutzen, wird keine allein mit dem Modell lange attraktive Margen erzielen. Ein dauerhaft erfolgreicher AI-nativer Dienstleister braucht Vorteile anderswo: das, was man operatives IP nennen könnte – Workflow-Logik, Integrationen, Ausnahmebehandlung, Domänengedächtnis, Evaluierungskriterien und Kontrollen, die mit jedem Einsatz besser werden.
Klassische Dienstleistungsfirmen sammeln Erfahrung vor allem in Menschen an. AI-native Firmen können sie zunehmend im System festhalten: Die erste Implementierung erfordert vielleicht 1.000 Stunden Engineering und Expertenaufsicht; die zehnte nutzt Identitätssysteme, Konnektoren, Berechtigungsstrukturen, Orchestrierung und Domänenvorlagen wieder, und die Lieferung wird mit jedem Kunden schneller, günstiger und planbarer. Das macht aus Individualarbeit skalierbare Software und ist weitaus besser zu verteidigen, als ein Sprachmodell in eine Oberfläche zu packen. Sierra etwa berechnet bereits Teile seines KI-Kundenservice-Angebots nach abgeschlossenen Ergebnissen statt nach Lizenzen – der Anbieter sagt nicht mehr „hier ist Software, die Ihnen bei der Arbeit hilft“, sondern „geben Sie uns die Arbeit“. Dieses Modell passt nicht überall, wo die Zurechnung von Ergebnissen unklar ist, doch wo das Ergebnis messbar und der Workflow abgegrenzt ist, verändert es das Wettbewerbsspiel. Die attraktivsten frühen Kategorien sind überwiegend digitaler Output, hochfrequent, kostenintensiv in der menschlichen Informationsverarbeitung, an klaren Standards messbar und vom Kunden bereits selbstverständlich ausgelagert – transaktionale Rechtsarbeit, Buchhaltung, Revenue-Cycle-Management, Versicherungsoperationen, Recruiting, Beschaffung, Recherche sowie Teile von Architektur und Ingenieurwesen.
Das Dilemma der Etablierten
KI erhöht die Produktivität einer Professional-Services-Firma, doch Produktivität kann die Kennzahl untergraben, mit der viele Firmen Geld verdienen: Braucht ein Projekt, das früher 1.000 Stunden erforderte, nun 300, entsteht bei Stundenabrechnung der seltsame Anreiz, dass die Firma umso weniger abrechnet, je besser die Technologie funktioniert.
Die rationale Antwort sind Festpreise, Abonnements, gesteuerte Ergebnisse oder wertbasierte Preisgestaltung – doch das ist organisatorisch schwer, denn Partnerschaften haben Vergütungsleitern und Statussysteme, die um menschlichen Hebel herum gebaut sind, und die klassische Pyramide aus Nachwuchskräften, die das Urteil der Senioren stützen, existiert teilweise, weil Nachwuchsarbeit Analyse und Dokumentation erzeugte, die KI nun überproportional betrifft. Die Frage ist nicht, wie viele Menschen KI ersetzen wird, sondern was mit der Firmenstruktur geschieht, wenn Expertise und Ausführung nicht mehr gemeinsam skalieren. Die Analyse der ILO von 2025 zu fast 30.000 beruflichen Aufgaben ergab, dass rund ein Viertel der weltweiten Beschäftigung in Berufen mit gewisser Exposition gegenüber generativer KI liegt, folgerte aber, dass Transformation von Tätigkeiten wahrscheinlicher ist als vollständiger Ersatz, da menschliche Beteiligung bei vielen Aufgaben notwendig bleibt. Routineintelligenz wird billiger; Urteilsvermögen, Verantwortlichkeit, Vertrauen und Ausnahmebehandlung werden relativ wertvoller – besonders in regulierten und treuhänderischen Berufen, in denen Fachleute laut Thomson Reuters überwiegend Vertraulichkeit und belastbare Ergebnisse von KI verlangen, die bei folgenreicher Arbeit eingesetzt wird.
AI-nativ heißt nicht menschenfrei. Es heißt, dass der Workflow um das herum gestaltet ist, was Menschen einzigartig tun sollten – statt um alles, was Menschen historisch tun mussten.
Eine neue Kategorie von Unternehmen
Die meisten Etablierten setzen KI derzeit in Workflows ein, die vor der KI entworfen wurden – sie automatisieren Recherche, behalten aber dieselben Freigabeebenen bei, und fügen Agenten hinzu, behalten aber dieselben Personalrelationen. Das ist, als würde man eine Fabrik elektrifizieren, aber die Maschinen weiterhin um die Dampfmaschine herum anordnen. Die Forschung von Microsoft zu entstehenden „Frontier Firms“ beschreibt einen ähnlichen Bogen – von Assistenten über Agenten mit definierten Aufgaben bis zu menschengeführten Systemen, die größere Workflows überwachen –, wenngleich der AI Index 2026 der Stanford University die Agentennutzung in den meisten Geschäftsfunktionen noch im einstelligen Bereich sieht. Die Gewinner werden nicht die Unternehmen sein, die KI zuerst überall einsetzen, sondern jene, die verstehen, wo sich der Workflow selbst ändern sollte.
Das interessanteste Unternehmen, das KI hervorbringt, sieht vielleicht weder ganz wie SaaS noch ganz wie Beratung aus – es übernimmt vielleicht die Verantwortung für ein Ergebnis, statt Software bereitzustellen, mit der jemand anderes es erzeugt. Der Test ist nicht, ob der erste Kunde Service braucht, sondern ob jeder Kunde den nächsten billiger zu bedienen macht. Lautet die Antwort ja, wird der Service zu Software, Expertise zu Infrastruktur, und die Chance von 6 Billionen Dollar besteht nicht darin, Professional Services zu ersetzen. Sie besteht darin, sie neu aufzubauen.
Häufig gestellte Fragen
Wie verwandelt KI Professional Services in Software?
Softwareunternehmen verkauften Werkzeuge, während Professional-Services-Firmen die fertige Arbeit verkauften. KI lässt Software zunehmend die Arbeit selbst erledigen, sodass Anbieter um das Ergebnis statt um die Arbeitsplatzlizenz konkurrieren können. Wenn die Qualität hält, während der menschliche Anteil an der Lieferung sinkt, nimmt die Dienstleistung die Ökonomie von Software an.
Wie groß ist der Professional-Services-Markt im Vergleich zu Software?
The Business Research Company schätzt den globalen Professional-Services-Markt 2026 auf rund 6,66 Billionen US-Dollar; Gartner schätzt die weltweiten Softwareausgaben 2026 auf etwa 1,47 Billionen. Die Definitionen unterscheiden sich und sind nicht direkt vergleichbar, doch der Arbeitskräftepool neben der Softwareökonomie ist weit größer als die Softwareausgaben selbst.
Was ist der eigentliche Wettbewerbsvorteil eines AI-nativen Dienstleisters?
Nicht das zugrunde liegende Modell, das sich schnell verbreitet und billiger wird. Der dauerhafte Vorteil ist operatives IP – Workflow-Logik, Integrationen, Ausnahmebehandlung, Domänengedächtnis und Evaluierungskriterien, die mit jedem Einsatz besser werden, sodass der zehnte Kunde günstiger zu bedienen ist als der erste.
Welche Professional Services sind AI-nativem Wettbewerb zuerst ausgesetzt?
Arbeit, die überwiegend digitaler Output ist, hochfrequent, kostenintensiv in der menschlichen Informationsverarbeitung, an klaren Standards messbar und bereits selbstverständlich ausgelagert – zuerst also transaktionale Rechtsarbeit, Buchhaltung, Revenue-Cycle-Management, Versicherungsoperationen, Recruiting, Beschaffung, Recherche sowie Teile von Architektur und Ingenieurwesen.
Heißt das, dass Professional-Services-Firmen keine Menschen mehr brauchen?
Nein. Die ILO-Analyse von 2025 folgert, dass Transformation von Tätigkeiten wahrscheinlicher ist als vollständiger Ersatz, da menschliche Beteiligung bei vielen Aufgaben notwendig bleibt. Wahrscheinlich ist ein Modell, in dem Maschinen sehr viel mehr Produktion übernehmen, während Menschen sich auf Urteilsvermögen, Verantwortlichkeit und Ausnahmen konzentrieren, die nicht delegiert werden sollten.