|||The.Fischerman.CH

Das hier ist ein vollständig KI generierter Artikel.

Wie bepreist man einen KI-Agenten sinnvoll, ohne dass das Budget nach wenigen Monaten explodiert? Viele Unternehmen vergleichen Angebote rein über den Preis – etwa 85 Dollar pro Sitz versus 0,99 Dollar pro „Resolution“ – und übersehen dabei, dass diese Zahlen in völlig unterschiedlichen Einheiten gemessen werden. Entscheidend ist nicht das Etikett auf der Preisliste, sondern die Frage: Wer trägt das Risiko, wenn der Agent scheitert?

Die fünf Sprossen der Billing-Leiter

Statt nach dem „besten“ Preismodell zu suchen, hilft das Bild einer Leiter. Jede Sprosse verschiebt, wer bezahlt, wenn der KI-Agent seine Aufgabe nicht erfüllt.

• Sprosse 1: Pro Sitz
  Es wird für den Zugang bezahlt, unabhängig von der tatsächlichen Nutzung. Der Umsatz des Anbieters ist vollständig von der Qualität der Software entkoppelt. Klassische SaaS-Modelle funktionieren so: Lizenzen pro Nutzer, oft als Jahresabo. Studien wie die TMT-Predictions von Deloitte erwarten zwar eine Verschiebung hin zu hybriden Modellen, doch Sitzpreise sind noch weit verbreitet.
• Sprosse 2: Pro Token oder pro Minute
  Hier zahlt der Kunde für den Verbrauch – etwa Tokens bei Textmodellen oder Minuten bei Voice-Agenten. Typische Voice-Preise liegen im Bereich von rund 0,05 bis 0,45 US-Dollar pro Minute. Jede Wiederholung, jeder Umweg, jede fehlgeschlagene Interaktion kostet genauso viel wie eine perfekte. Der Anbieter ist damit weitgehend gegen Qualitätsrisiken isoliert.
• Sprosse 3: Pro Konversation oder Session
  Abgerechnet wird pro Versuch: Der Agent hat sich an einer Aufgabe versucht, also wird die Session berechnet – unabhängig vom Ergebnis. Viele Käufer glauben, sie seien auf dieser Stufe, werden aber in Wahrheit nach dem nächsten Modell abgerechnet.
• Sprosse 4: Pro Resolution
  Bezahlt wird nur für abgeschlossene Arbeit, also für gelöste Fälle. Beispiele aus dem Markt: Fin verlangt 0,99 US-Dollar pro Ergebnis (Resolution, Handover, Disqualifikation), Lead-Qualifizierung liegt höher. Zendesk rechnet pro automatisierter Resolution ab, mit marktüblichen Werten um 1,50 bis 2,00 US-Dollar. HubSpot hat seinen „Breeze Customer Agent“ von 1,00 US-Dollar pro Konversation auf 0,50 US-Dollar pro gelöste Konversation umgestellt – faktisch ein Wechsel von „Aufwand“ zu „Ergebnis“ bei halbiertem Stückpreis.
• Sprosse 5: Pro Business-Outcome
  Die oberste Stufe: bezahlt wird für das eigentliche Geschäftsergebnis – etwa qualifizierte Leads, gebuchte Meetings oder eingezogene Rechnungen. Hier spielt die Marketing-Story, in der Praxis agieren aber nur wenige Anbieter konsequent auf dieser Ebene.

Was die Leiter wirklich misst: Risikoallokation

Betrachtet man 1.000 Konversationen mit einer Lösungsquote von 60 %, wird klar, dass die Leiter vor allem die Verteilung von Risiko und Kosten beschreibt:

• Auf Sprosse 2 (Verbrauch) zahlen Kunden für alle 1.000 Konversationen – egal ob erfolgreich oder nicht.
• Auf Sprosse 3 (Konversation) ist es ähnlich: Jede Session kostet, die 400 Fehlschläge sind genauso teuer wie die 600 Erfolge.
• Auf Sprosse 4 (Resolution) zahlt der Kunde nur für die 600 gelösten Fälle, der Anbieter trägt die Kosten für die 400 Fehlversuche.

Damit rückt eine Kennzahl in den Mittelpunkt, die auf keiner Preisseite steht: die effektiven Kosten pro realer Resolution. Einige Beispiele:

• 0,49 US-Dollar pro Session bei 25 % Lösungsquote ergeben effektiv rund 2,00 US-Dollar pro echte Resolution – das Vierfache des sichtbaren Preises.
• 2,00 US-Dollar pro Konversation bei 60 % Lösungsquote entsprechen 3,33 US-Dollar pro echter Resolution.
• 0,99 US-Dollar pro Ergebnis bei 70 % realer Lösungsquote bleiben 0,99 US-Dollar – weil das Modell die Normalisierung bereits übernimmt.

Wer Angebote vergleichen will, sollte deshalb alle Modelle auf Kosten pro realer Resolution normalisieren. Erst dann sind Anbieter auf unterschiedlichen Sprossen der Leiter überhaupt vergleichbar.

Warum kaum jemand auf der obersten Sprosse steht

Outcome-basierte Preise (Sprosse 5) wirken auf dem Papier attraktiv: klare Wertstory, Bezahlung nur bei Erfolg. In der Praxis bleiben sie die Ausnahme. Erhebungen unter Softwareanbietern zeigen, dass der Grossteil weiterhin auf Abos oder Verbrauch setzt, während echte Outcome-Modelle nur einen kleineren Anteil ausmachen – auch wenn dieser wächst.

Dafür gibt es zwei zentrale Gründe:

• Erfolgsquoten sind noch zu niedrig
  Jeder Versuch kostet Rechenressourcen, unabhängig vom Ergebnis. Bei niedrigen Erfolgsraten bleiben zu wenige zahlende Outcomes übrig, um die Fehlschläge zu finanzieren. Benchmarks für autonome Computer-Agenten zeigen zwar deutliche Fortschritte (z.B. von rund 12 % auf über 60 % Erfolgsquote), aber immer noch eine signifikante Fehlerquote. Fixe Outcome-Preise sind unter solchen Bedingungen wirtschaftlich schwer darstellbar.
• Attribution ist schwierig
  Das eigentliche Ziel im B2B-Umfeld ist zusätzlicher Gewinn. Doch Preise direkt an Profit zu koppeln ist politisch heikel und von vielen externen Faktoren abhängig. Eine Stufe darunter liegen Kennzahlen wie zusätzlicher Umsatz oder eingesparte Kosten – näher an der finanziellen Realität, aber in der Praxis schwer sauber zuzuordnen. Kunden scheuen sich zudem, dafür die nötigen internen Daten offenzulegen.

Selbst Anbieter, die sich öffentlich stark für Outcome-Pricing positionieren, machen in der Praxis Ausnahmen und nutzen für einfache, wenig wertschöpfende Interaktionen weiterhin verbrauchsbasierte Modelle. Die Leiter zeigt damit auch, wo die technische und organisatorische Grenze verläuft.

Technik bestimmt, welche Sprosse erreichbar ist

Welche Sprosse ein Anbieter realistisch besetzen kann, ist weniger eine Frage des Marketings als der Technik. Outcome- oder Resolution-basiertes Pricing setzt voraus, dass sich Ergebnisse prüfbar messen lassen.

Ein Blick auf gängige Definitionen zeigt die Herausforderungen:

• Bei einigen Anbietern gilt ein Fall als gelöst, wenn nach der letzten Antwort des Agents keine weitere Hilfe angefordert wird – egal, ob der Kunde das explizit bestätigt oder einfach nicht mehr reagiert.
• Andere definieren eine automatisierte Resolution, wenn der Agent den Fall ohne Eskalation bearbeitet und innerhalb eines bestimmten Zeitfensters (z.B. 72 Stunden) keine weitere Aktivität erfolgt. Schweigen wird damit zum abrechenbaren Ereignis.

Das ist kein Skandal, sondern eine notwendige Heuristik. Aber es macht deutlich: Sprosse 4 basiert auf einem vom Anbieter definierten Detektor für „Erfolg“. Für Kunden bedeutet das, dass die Messlogik transparent und auditierbar sein muss.

Um höhere Sprossen zu erreichen, braucht es robuste technische Grundlagen:

• Event-basierte Messung mit Idempotenz: Jeder Tool-Call, jeder Retry, jeder Sub-Agent wird als eigenes Event mit Bezug zur übergeordneten Aufgabe protokolliert und dedupliziert, damit nichts doppelt abgerechnet wird.
• Unveränderliche, signierte Logs: Append-only-Protokolle mit Signaturen erlauben es beiden Seiten, Abrechnungen unabhängig zu prüfen.
• Stabile Definitionen von Events und Outcomes: Solange sich die Definition von „Resolution“ oder „Outcome“ jedes Quartal ändert, ist verlässliches Outcome-Pricing kaum möglich.

Eine pragmatische Sequenz für Anbieter lautet daher: zuerst verbrauchsbasierte Modelle (Tokens, Credits), dann – mit gereiften Metriken und stabilen Event-Definitionen – schrittweise der Übergang zu Ergebnis- und Outcome-Modellen.

Fazit: Erst normalisieren, dann entscheiden

Für Käufer von KI-Agenten ist die wichtigste Lehre aus der Billing-Leiter: Preis ist nicht gleich Preis. Ein Sitzpreis, ein Minutenpreis und ein Outcome-Preis sind unterschiedliche Währungen. Wer sie direkt vergleicht, riskiert böse Überraschungen im Budget.

Stattdessen sollten alle Angebote auf eine gemeinsame Basis gebracht werden: die effektiven Kosten pro realer Resolution. Erst auf dieser Grundlage lässt sich beurteilen, welches Modell wirklich wirtschaftlich ist – und wie viel Risiko beim Anbieter oder beim Kunden liegt. Für Anbieter wiederum gilt: Je höher sie auf der Leiter stehen wollen, desto mehr müssen sie in saubere Telemetrie, nachvollziehbare Definitionen und auditierbare Abrechnung investieren.

Quelle: https://hackernoon.com/the-billing-ladder-five-ways-to-price-an-ai-agent