Klarna wirft Salesforce & Workday raus: Die KI-Abrechnung für Enterprise-Software

# Klarna wirft Salesforce & Workday raus: Die KI-Abrechnung für Enterprise-Software ## Die Fakten: Klarnas KI-Pivot Das Narrativ rund um Enterprise-Software ist gerade zerbrochen. Ein Jahrzehnt lang war das Drehbuch einfach. Man kaufte Salesforce für die Kunden. Man kaufte Workday für die Mitarbeiter. Man zahlte die Lizenzgebühren, beschwerte sich über den Overhead und akzeptierte es als unvermeidlichen Kostenfaktor. Das ist vorbei. ### Die Ankündigung Klarna hat seinen Tech-Stack nicht nur optimiert. Sie haben öffentlich bestätigt, dass sie sich komplett von Salesforce und Workday trennen. Das ist kein Pilotprojekt. Es ist kein Feature-Test. Es ist der vollständige Austausch grundlegender Enterprise-Systeme durch maßgeschneiderte, intern entwickelte KI-Modelle. Als ich die Nachricht zum ersten Mal las, dachte ich nicht an die eingesparten Lizenzgebühren. Ich dachte an die operative Kühnheit, die nötig ist, um den größten Namen im SaaS-Bereich den Stecker zu ziehen. > Hier geht es nicht um Kostensenkung. Es geht darum, die Kontrolle über den operativen Motor zurückzugewinnen. Sie schrauben keine KI-Features an bestehende Plattformen. Sie reißen die Plattformen komplett ein. ### Der technische Shift Klarna ersetzt diese generalisierten Plattformen durch proprietäre KI-Modelle, die ausschließlich mit eigenen, internen Daten trainiert wurden. Die Mechanik ist simpel. Anstatt ihre Abläufe an Standard-Software anzupassen, bauen sie interne Tools, die exakt auf ihre Pipelines zugeschnitten sind. Das Ziel: automatisierte, hochspezifische Workflows. Wenn eine Standard-SaaS-Plattform ein Schweizer Taschenmesser ist, hat Klarna ein Laser-Skalpell gebaut. Sie tauschen generisches SaaS gegen Custom AI und schreiben die Regeln der Enterprise-Infrastruktur neu. --- ## Die unbequeme Wahrheit über SaaS Die meisten sehen bei diesem Shift nur einen CFO, der mit einer Tabellenkalkulation wedelt. Sie sehen einen riesigen Posten für Softwarelizenzen. Sie sehen ein Unternehmen, das Kosten senken will. Das ist die naive Sichtweise. Die Realität ist weitaus strategischer. ### Das Bloat-Problem Enterprise-Software ist für den Durchschnitt gebaut. Das muss sie auch sein. Um für Tausende von Unternehmen zu skalieren, müssen Plattformen wie Salesforce und Workday jedes einzelne Feature verallgemeinern. Diese Verallgemeinerung erzeugt massiven Bloat. In den letzten zehn Jahren wurde Enterprise-SaaS zu einem Labyrinth aus Funktionen, die die meisten Unternehmen nie nutzen. Man kauft eine Plattform für ein Problem und bezahlt fünf Module, nach denen man nie gefragt hat. Noch wichtiger: Man passt am Ende seine internen Abläufe an, nur damit sie zur Software passen. > Die Software diktiert Ihr Betriebsmodell. Nicht Sie diktieren die Software. Wir bauen komplexe, millionenschwere Unternehmen auf und zwängen sie dann in starre, standardisierte Workflows. Teams verbringen mehr Zeit mit der Dateneingabe in der Software als mit der eigentlichen Arbeit. Das ist eine Konformitätssteuer. ### Warum Custom AI gewinnt Custom AI dreht diese Dynamik komplett um. Das System passt sich direkt an die proprietäre Geschäftslogik an. Wenn Sie interne KI-Modelle mit Ihren eigenen historischen Daten trainieren, kodifizieren Sie Ihren einzigartigen operativen Rhythmus zu einem Asset, das Konkurrenten nicht kopieren können. Wenn Sie dasselbe CRM und dieselbe HR-Plattform nutzen wie Ihr Konkurrent, wo ist dann Ihr operativer Vorteil? Es gibt keinen. Maßgeschneiderte Systeme beseitigen die Konformitätssteuer. Sie tauschen die Reibungsverluste von Standard-Software gegen hochspezifische Geschwindigkeit. Der eigentliche Preis ist der Wettbewerbsvorteil: schneller agieren und mit höchster Präzision ausführen. --- ## Die Folgen: Gewinner & Verlierer ### SaaS-Anbieter unter Beschuss Für Legacy-SaaS ist die Rechnung brutal, wenn ein Ankerkunde abspringt. Wenn Klarna millionenschwere Jahresverträge kündigt, verschwinden diese Einnahmen über Nacht und werden durch interne Budgets für Compute und Engineering ersetzt. Wir beobachten in Echtzeit, wie das Enterprise-Software-Modell Risse bekommt. Die Gefahr für Legacy-Anbieter ist nicht die sofortige Obsoleszenz. Es ist die Tatsache, dass ihre lukrativste Kundenschicht – diejenigen mit den Engineering-Ressourcen für Inhouse-Entwicklung – keine Standard-Software-Suiten mehr mieten muss. Denken Sie an die finanziellen Einbußen. Ein Unternehmen von der Größe Klarnas basiert auf massiven, mehrjährigen Enterprise-Verträgen. Wenn diese Verträge auslaufen, verschwinden planbare, wiederkehrende Einnahmen. Noch schlimmer ist der Verlust des Prestige-Faktors. Wenn ein Schwergewicht der Branche beweist, dass es Kernprozesse mit eigenen Modellen steuern kann, bricht die vom Markt wahrgenommene Notwendigkeit von Legacy-Software zusammen. ### Der Vorteil für KI-Adopter Für Unternehmen, die den Übergang schaffen, ist das Plus reine operative Geschwindigkeit. Sie warten nicht mehr auf Roadmap-Updates der Anbieter. Sie erstellen keine Support-Tickets mehr für kaputte Integrationen. Sie besitzen den Code und deployen Änderungen sofort. Effizienzgewinne gehen über die bloße Beschleunigung alter Aufgaben hinaus. Sie definieren grundlegend neu, wie Arbeit über Teams hinweg fließt. > Agilität ist der wahre Burggraben. Ein maßgeschneidertes System passt sich sofort an, wenn sich die Geschäftsstrategie ändert, ohne dass die gesamte Belegschaft auf eine neue UI umgeschult werden muss. Dennoch ist der operative Aufwand hoch. Dieser Übergang ist kein Plug-and-Play. Proprietäre KI erfordert ernsthaftes Engineering-Talent und saubere Datenpipelines. Man muss die interne Logik bis zur einzelnen Entscheidung mappen und Systeme schreiben, die fehlerfrei laufen. Man wechselt vom Software-Käufer zum Software-Bauer. Unternehmen, die das schaffen, bauen einen starken operativen Burggraben; diejenigen, die stolpern, versinken unter wachsenden technischen Schulden. --- ## Der 3-Schritte-Plan für den KI-Übergang ### Schritt 1: Das SaaS-Audit Beginnen Sie mit einem schonungslosen Audit Ihrer aktiven Abonnements. Identifizieren Sie Tools, bei denen Ihr Team ständig um die Software herum arbeitet, anstatt mit ihr. Vergleichen Sie die tatsächlichen Nutzeraktivitätsprotokolle mit Ihren Rechnungen. Bei unseren operativen Audits in Enterprise-Teams sehen wir regelmäßig, dass ein Großteil der täglichen Arbeit die Kernplattform verlässt und auf einfache Tabellenkalkulationen und Direct Messaging ausweicht. Diese Reibung entsteht, wenn die Benutzeroberfläche der Aufgabe im Weg steht. > Das Ziel ist nicht nur Budgeteinsparung. Es geht um die Beseitigung von Workflow-Blockaden. Finden Sie die Lizenzen, für die Sie viel Geld für ungenutzte Funktionen bezahlen, während Ihre Mitarbeiter Stunden damit verbringen, Daten manuell zwischen Tools zu verschieben. ### Schritt 2: KI-Ersatz identifizieren Wählen Sie einen einzigen operativen Engpass mit hoher Reibung für ein Pilotprojekt aus, anstatt zu versuchen, Ihren gesamten Stack auf einmal umzukrempeln. Vermeiden Sie es, das Rad neu zu erfinden. Fassen Sie am ersten Tag nicht das gesamte CRM an. Zielen Sie auf einen deterministischen, hochvolumigen Workflow ab: Inbound-Lead-Routing, Tier-1-Ticketauflösung oder wöchentliches Performance-Reporting. Hier bauen Sie für Ihre genauen Edge Cases. Das KI-System führt Ihre explizite Geschäftslogik ohne den Overhead von Standardsoftware aus. ### Schritt 3: Den Burggraben bauen Um eine interne KI-Architektur abzusichern, müssen Sie strenge Datenvalidierung und deterministische Qualitätskontrollen durchsetzen. Rohe LLMs, die auf unorganisierten internen Dateien laufen, erzeugen fehlerhaften Output. Eine zuverlässige Infrastruktur erfordert programmatische Leitplanken. Bei High Story entwerfen wir systematische Prüfungen, die Voice, Datenintegrität und deterministische Regeln strikt durchsetzen, bevor ein Output in die Produktion geht. Der Aufbau interner Enterprise-KI erfordert genau diese Disziplin. Sie benötigen automatisierte Monitore, die operative Abweichungen in der Sekunde melden, in der ein Agent von den Geschäftsregeln abweicht, gekoppelt mit kontinuierlichen Evaluierungsschleifen. Man baut keinen Burggraben, indem man generische Tools lizenziert. Man baut ihn, indem man einen internen operativen Motor entwickelt, den kein Konkurrent kopieren kann. --- ### Ist es wirklich billiger, Custom AI zu bauen, als Salesforce zu bezahlen? Nicht am Anfang. Der Aufbau von Custom AI erfordert erhebliche Investitionen in Ingenieure, Datenpipeline-Design und Inference-Compute. Über einen Zeitraum von drei bis fünf Jahren ändert sich jedoch die Finanzstruktur. Sie ersetzen headcount-gebundene Softwarelizenzen durch feste Compute-Kosten und schaffen so ein internes Asset, das Operationen aktiv ausführt, anstatt nur Datensätze zu protokollieren. ### Welche Art von Engineering-Team brauche ich, um meine HR-Software durch KI zu ersetzen? Sie brauchen Data Engineers, um unstrukturierte interne Logs zu strukturieren, KI-Ingenieure, um zuverlässige Evaluierungspipelines um probabilistische Modelle aufzubauen, und Product Leads, die die Geschäftslogik in explizite Systemprompts übersetzen können. Es ist eine Überholung der operativen Systeme, kein Standard-IT-Rollout.