The $100-Billion SaaS Opportunity Hiding in Cross-System Labor
Bericht von Bain & Company, Mai 2026 (David Crawford, Chris McLaughlin, Greg Fiore — Teil einer fünfteiligen Serie über die Softwarebranche im Zeitalter der KI), der die noch ungenutzte SaaS-Chance in der cross-system labor — der menschlichen Arbeit der Koordination zwischen Systemen, die KI-Agenten nun automatisieren können — auf **~100 Mrd.
Von **David Crawford// Quelle bain.com ↗/Lesezeit 2 min/.md// Automatisch geprüfte Übersetzung
#Bain & Company#100 Milliarden SaaS-Chance#cross-system labor#primäre Marktchance agentischer KI#system of record ownership vs cross-workflow decision context#sechs Automatisierungsfaktoren#Verifizierbarkeit des Outputs Fehlerkonsequenz digitalisiertes Wissen Integrationskomplexität Prozessvariabilität physische Weltabhängigkeit#Kundensupport F&E 40-60 Prozent Automatisierung
Bain & Company veröffentlicht im Mai 2026 (David Crawford, Chris McLaughlin, Greg Fiore) einen Bericht, Teil 2/5 einer Serie über „die Softwarebranche im Zeitalter der KI“. Pivot-These: Die größte Chance in agentischer KI besteht nicht darin, bestehende SaaS zu ersetzen, sondern darin, die Koordinationsarbeit über Systeme hinweg zu automatisieren — „Mitarbeiter, die Budgetdaten aus einem ERP-System ziehen, den Lagerbestand in einer Tabelle prüfen, Freitextantworten interpretieren und Ermessensentscheidungen treffen“.
Marktgröße: ~100 Mrd. USD in den USA (~200 Mrd. USD einschließlich Kanada/Europa/AU/NZ). Aktuelle Erfassung 4-6 Mrd. USD (10 %) — somit sind >90 % noch zu erschließen. Verteilung in den USA: Vertrieb (20 Mrd. USD) + COGS/Betrieb (26 Mrd. USD) + F&E (6-12 Mrd. USD) + Support (6-12 Mrd. USD) + Finanzen (6-12 Mrd. USD).
Sechs Automatisierungsfaktoren zur Bewertung eines Workflows: (1) Verifizierbarkeit des Outputs, (2) Schwere der Konsequenzen bei Fehlern, (3) Verfügbarkeit digitalisierten Wissens, (4) Integrationskomplexität, (5) Prozessvariabilität, (6) Abhängigkeit von der physischen Welt. Potenzial nach Funktion: Kundensupport & F&E 40-60 %, Finanzen & HR 35-45 %, Vertrieb & IT 30-40 %, Recht 20-30 %.
Strategischer Wandel: Der Wettbewerbsvorteil verschiebt sich vom Besitz des system of record (Salesforce/SAP/Workday) hin zum cross-workflow decision context — der übergreifenden Fähigkeit, über mehrere integrierte Systeme hinweg zu sehen und zu handeln. Dauerhafter Burggraben: „accumulated execution data that grows more valuable over time and becomes harder for competitors to replicate“.
Vier Beispiele: Sierra (autonome Lösung von Kundenanliegen), Glean (funktionsübergreifende Koordination von Mitarbeiteranfragen), GitHub Copilot (erweitert über Versionskontrolle hinaus), Cursor (ARR verdoppelte sich in einem Quartal auf 2 Mrd. USD).
Verbindungen im Dossier: starke Konvergenz mit DORA ROI 2026 (finanzieller ROI-Rahmen), Foundation Capital Context Graphs (Entscheidungsspuren), Seale Semantic Agent (Ontologie als Burggraben), Habert PROJ-AI (sechs Zonen + Doktrin), Talisman Ontology Pipeline Refresh (Governance + KI-Partnerschaft). Produktive Spannung mit MIT NANDA 95 % der Pilotprojekte scheitern: Beide konvergieren — Pilotprojekte scheitern gerade deshalb, weil 90 % des Marktes unstrukturiert bleiben. Sierra erscheint in 3 Notizen des Dossiers (Bain als Referenzfall + 2 KI-native Interview-Notizen), was seine emblematische Position bestätigt. Zu verwenden für SaaS-Vorstände / PE / VC-Due-Diligence / CDO-Datengrundlagen.
Kernpunkte
Datum / Quelle.Mai 2026, bain.com/insights, Bericht Teil 2/5 der Serie „software industry in the age of AI“.
Autoren. David Crawford, Chris McLaughlin, Greg Fiore (Bain SaaS-Partner).
Pivot-These.die primäre Marktchance agentischer KI besteht nicht darin, bestehende SaaS zu ersetzen, sondern die Koordinationsarbeit über Systeme hinweg zu automatisieren. ### Die Marktgrößenbestimmung | Geografie | Marktgröße | |------------|---------------| | USA | ~100 Mrd. USD | | USA + Kanada + Europa + AU/NZ | ~200 Mrd. USD | | Aktuelle Erfassung | 4-6 Mrd. USD (10 %) | | Noch zu erschließen | >90 Mrd. USD | Verteilung nach Funktion (USA):
Vertrieb: 20 Mrd. USD
COGS / Betrieb: 26 Mrd. USD
F&E / Engineering: 6-12 Mrd. USD
Support: 6-12 Mrd. USD
Finanzen: 6-12 Mrd. USD ### Die sechs Automatisierungsfaktoren 1. Verifizierbarkeit des Outputs — lässt sich die Qualität des Ergebnisses leicht überprüfen? 2. Schwere der Konsequenzen bei Fehlern — wie gravierend ist ein Fehler? 3. Verfügbarkeit digitalisierten Wissens — ist das erforderliche Wissen digitalisiert? 4. Integrationskomplexität — wie viele Systeme müssen verbunden werden? 5. Prozessvariabilität — ist der Prozess standardisiert oder stark variabel? 6. Abhängigkeit von der physischen Welt — hängt es von Handlungen in der physischen Welt ab? → Je verifizierbarer der Output + je geringer die Fehlerkonsequenz + je digitalisierter das Wissen + je einfacher die Integration + je geringer die Variabilität + je weniger Abhängigkeit von der physischen Welt, desto höher das Automatisierungspotenzial. ### Automatisierungspotenzial nach Funktion | Funktion | % automatisierbar | |----------|-----------------| | Kundensupport | 40-60 % | | F&E | 40-60 % | | Finanzen | 35-45 % | | HR | 35-45 % | | Vertrieb | 30-40 % | | IT | 30-40 % | | Recht | 20-30 % | ### Der strategische Wandel — der neue Burggraben Vorher: Besitz des system of record — Salesforce/SAP/Workday besitzen die Daten, und das verschafft ihnen einen Burggraben. Jetzt: cross-workflow decision context — die übergreifende Fähigkeit, über mehrere integrierte Systeme hinweg zu sehen und zu handeln. Dauerhafter Burggraben: „accumulated execution data that grows more valuable over time and becomes harder for competitors to replicate“ — jede Agentenausführung bereichert die Fallbasis, die für die nächste Ausführung wertvoller wird. Klassischer Flywheel-Effekt, aber auf neuer Grundlage. ### Vier veranschaulichende Beispiele | Akteur | Position | |--------|----------| | Sierra | Autonome Lösung von Kundenanliegen (systemübergreifend) | | Glean | Funktionsübergreifende Koordination von Mitarbeiteranfragen | | GitHub Copilot | Erweitert über Versionskontrolle hinaus (Multi-System-Dev-Workflows) | | Cursor | ARR verdoppelte sich in einem Quartal auf 2 Mrd. USD | ### Dreiphasiges strategisches Playbook | Phase | Aktivitäten | |-------|-----------| | 1. Assessment | Identifikation hochwertiger automatisierbarer Workflows anhand der 6 Faktoren; Bestimmung der Marktchance | | 2. Strategic Positioning | Bewertung der Datenassets; Identifikation angrenzender Workflow-Chancen; Kartierung tatsächlicher operativer Workflows (nicht theoretischer Prozesse) | | 3. Execution | Schließen von Fähigkeitslücken (Build / Buy / Partner); Reorganisation von Struktur und Anreizen; Neugestaltung der Datengrundlagen für Agent Readiness | ### Verbindungen im Dossier #### Konvergenz zu „agent readiness“ / „data foundations“
Bain.redesign data foundations for agent readiness.
DORA ROI 2026. (2026-04-21): AI-accessible internal data + healthy data ecosystems + machine-readable documentation quality.
Foundation Capital — Context Graphs trillion-dollar opportunity. (2025-12-22): Entscheidungsspuren, neue systems of record.
Habert PROJ-AI. (2026-05-05): DOCS / IDEAS / DR / OUT / DOCTRINE / AGENT — sechs Zonen, Doktrin.
Talisman Ontology Pipeline Refresh. (2026-05-04): Governance + KI-Partnerschaft in der Ontologie-Pipeline.
→ Starke Konvergenz: Die Vorbereitung der Daten für Agenten ist das strategische Projekt 2026, unabhängig vom Modell. #### Konvergenz zu „Burggraben = Ausführungsdaten + cross-workflow context“
Bain. accumulated execution data + cross-workflow decision context.
Foundation Capital. Context Graphs als neues system of record.
→ Konvergenz: Der Burggraben von 2026 ist nicht mehr die Datenbank, sondern die Ausführungsbasis (Spuren, Entscheidungen, Skills). #### Produktive Spannung mit MIT NANDA „95 % der Pilotprojekte scheitern“
MIT NANDA. (zitiert in DORA 2026 als „pessimistische Perspektive“): 95 % der KI-Pilotprojekte scheitern, shadow AI economy.
Bain. 90 % des Marktes noch nicht erfasst.
→ Korrekte Lesart: Beide konvergieren — 95 % der Pilotprojekte scheitern gerade deshalb, weil 90 % des Marktes unstrukturiert bleiben; die Akteure, denen es gelingt, das Pilotprojekt in ein Produkt zu verwandeln, werden diejenigen sein, die die agentische Chance erfassen. Bain liefert den strategischen Rahmen, um Pilotprojekte in Produkte zu verwandeln. #### Sektorale Konvergenz „Sierra“
Bain. nennt Sierra als agentisches Referenzbeispiel.
Sierra Iyengar/Asemanfar/Wang. (2026-04-22): KI-natives Interview Plan/Build/Review.
Taylor Sierra. (2026-04-20): Überarbeitung der Engineering-Einstellungspraxis.
Sierra Iyengar/Asemanfar/Wang AI-native interview. (2026-04-22).
→ Sierra ist in 3 Notizen des Dossiers vertreten — eine emblematische Position für cross-workflow decision context im Kundensupport. ### Zu verwenden für
SaaS- / PE-Software-Vorstandspräsentationen.quantifizierte Größenbestimmung der Chance (100 Mrd. USD USA / 200 Mrd. USD erweitert) — eine kanonische Referenz für Business Cases.
B2B-SaaS-Produktstrategie. Neuformulierung des Product Briefs im Sinne der zu automatisierenden cross-system coordination labor.
Investoren / VCs. Das Sechs-Faktoren-Raster dient als schnelles Due-Diligence-Werkzeug zur Bewertung eines agentischen Dossiers.
CDOs / Data Leaders.redesign data foundations for agent readiness wird zu einem priorisierten, budgetierbaren Projekt.
FR / Europa-Verbindung. Bain liefert den US-Rahmen; abzugleichen mit Wescale (Usine Logicielle Augmentée) für französische Vorstandspräsentationen.
der Wettbewerbsvorteil verschiebt sich vom system of record ownership hin zum cross-workflow decision context
— Bain & Company
Der aus dieser Fiche extrahierte Wissensgraph — 13 Entitäten, 19 Relationen.
In diesem Graphen :David Crawford · Chris McLaughlin · Greg Fiore · Bain & Company · Cross-system labor · Cross-workflow decision context · Six facteurs d'automatisation (Bain) · Accumulated execution data · 100 milliards SaaS opportunity · Glean · Playbook 3 phases (Bain) · Agent readiness data foundations · Série Bain software industry age of AI