20. August 2026
300-2.000€ pro Kunde pro Monat? Deine eigenen Prozesse deutlich schneller und/oder günstiger erledigen? Nach der App-Revolution kommt jetzt die KI-Agenten-Revolution und wir sollten Teil davon sein. Ich sag dir wie.
Unternehmen erleben derzeit einen Boom an Kostenersparnis & Schnelligkeit durch KI-Agenten (bspw. Bearbeitung von Kundenanfragen oder Fehleranalyse der Arbeitsleistung). Die nächste Stufe ist, Meta-Agenten zu erstellen, die die Arbeit der ersten Agenten analysieren und nach Ergebnisverbesserung & Kostenersparnis optimieren. Doch die eigentliche Revolution kommt jetzt: indem Agent B die Handlungsschritte und Ergebnisse von Agent A reflektiert, entstehen gigantisch viele KI-generierte Erfahrungsdaten – der zukünftige Wettbewerbsvorteil wird darin liegen, aus diesen Daten einen permanenten Lernprozess aufzubauen: Erfahrungen auswerten, relevantes Wissen extrahieren, bestehendes Wissen aktualisieren und das Gelernte für noch bessere Ergebnisse nutzen – ähnlich wie wir Menschen aus Erfahrungen lernen.
Der nächste Wettbewerb dreht sich nicht nur darum, wer die besten Kl-Agenten hat, sondern wer am besten aus der Arbeit seiner Agenten lernt.
Was macht der Mensch zukünftig?
Du suchst einen persönlichen Wettbewerbsvorteil?
Microsoft Marketplace entwickelt sich zu einem Vertriebskanal für B2B-KI-Agenten. Da kannst du deine Agenten anbieten – und so ganz easy monatliche Einnahmen generieren. Wie Elon so schön sagte: „Work will be optional.“
Betrachte Tätigkeiten durch die Brille: „Wie kann KI das ersetzen/erleichtern/beschleunigen/verbessern?“.
Wie viel du mit einem KI-Agenten verdienen kannst? 300-2.000€, pro Kunde pro Monat als SaaS-Umsatz. Und mehr, wenn du dir einen sehr teuren Prozessschritt aussuchst, den dein Agent ersetzen/optimieren kann.
Deine Aufgabe ist dann nur noch die Vermarktung (dafür nutzt du z.B. Microsoft MP) und kontinuierliche Anpassung deines Agenten (dafür nutzt du deinen Meta-Agenten).
Warum das noch viel revolutionärer als die App-Revolution ist? Weil du dafür nicht mal Entwickeln können musst. KI-Kosten sind massiv gefallen und vieles spricht dafür, dass automatisierbare digitale Arbeit in vielen Bereichen dauerhaft erheblich günstiger als menschliche Arbeitsleistung sein wird.
Keine Sorge, musst mir nicht danken. Mach’s einfach.
Am einfachsten denkst du in fünf Bausteinen: Der Kunde meldet sich in deiner Web-App an, gibt eine Aufgabe oder Daten hinein, dein Agent verarbeitet diese mit einem KI-Modell und ggf. Tools/APIs, das Ergebnis wird gespeichert bzw. angezeigt, und du rechnest die Nutzung per Abo oder Verbrauch ab.
Technisch kann der Agent heute relativ schlank aufgebaut werden. Mit dem OpenAI Agents SDK definierst du im Kern Anweisungen, Modell und Tools; zusätzlich sind Handoffs zwischen mehreren Agenten, Guardrails und Tracing vorgesehen. Für komplexere, länger laufende oder zustandsbehaftete Agenten kannst du LangGraph/LangSmith einsetzen; deren Deployment ist ausdrücklich für persistente, lang laufende Agent-Workloads gedacht und stellt den Agenten anschließend über eine API bereit.
Ein konkretes Beispiel wäre ein „Customer-Service-Optimierungs-Agent“. Ein Unternehmen verbindet Zendesk oder sein CRM. Dein Agent liest täglich die Gespräche, kategorisiert Beschwerden, erkennt wiederkehrende Ursachen, bewertet Gesprächsqualität und erstellt Handlungsempfehlungen. Der Kunde sieht in deinem SaaS-Dashboard nicht „ChatGPT“, sondern beispielsweise: „Die häufigste Kündigungsursache dieser Woche ist X. 18 % der Beschwerden hängen mit Prozess Y zusammen. Diese drei Änderungen empfehlen wir.“
Das Entscheidende dabei ist: Verkaufe keinen Agenten. Verkaufe ein Ergebnis. „KI-Agent mit GPT“ ist austauschbar. „Senkt die Bearbeitungszeit von Reklamationen und identifiziert jede Woche die fünf größten Ursachen für Kundenverlust“ ist ein Produkt.
Für einen ersten MVP würde ich heute diese Architektur wählen:
Frontend: Next.js oder ein No-Code-/Low-Code-Frontend
Login/Kundenkonten: Supabase, Clerk o. Ä.
Agent: OpenAI Agents SDK oder LangGraph
KI-Modell: zunächst ein leistungsfähiges Modell per API
Daten: PostgreSQL/Supabase
Kundensysteme: APIs, MCP oder direkte Integrationen
Abrechnung: Stripe
Hosting: Vercel + Agent-Backend/Cloud
Tracing/Evals: von Tag 1 an aktivieren
OpenAI hat im Agents SDK bereits Tracing vorgesehen, und LangSmith ist ebenfalls stark auf Beobachtung, Evaluation und Deployment von Agenten ausgelegt. Du willst also schon beim ersten Kunden speichern können: Was hat der Agent getan? Was war erfolgreich? Wo war das Ergebnis schlecht? Daraus entsteht später dein proprietärer Lernvorsprung.
Für die SaaS-Logik brauchst du zusätzlich Mandantentrennung: Kunde A darf niemals Daten von Kunde B sehen, jeder Kunde hat eigene Zugänge und Integrationen, API-Schlüssel gehören serverseitig gespeichert, Aktionen mit hohem Risiko brauchen Freigaben, und für B2B in Deutschland/EU musst du Datenschutz, AVV, Löschkonzept und Datenstandorte von Anfang an mitdenken.
Beim Preismodell würde ich nicht einfach „Tokens + 20 %“ nehmen. Interessanter sind drei Modelle: Abo, etwa 299–2.000 € monatlich; Usage, beispielsweise pro analysiertem Vorgang; oder Value Based Pricing, beispielsweise abhängig von verarbeitetem Volumen oder erzeugtem wirtschaftlichem Nutzen. Gerade Agenten erlauben wesentlich höhere Preise als normale Chatbots, wenn sie tatsächlich Arbeitsleistung ersetzen.
Der spannendste Weg für einen Nicht-Programmierer ist:
Suche einen teuren, häufig wiederkehrenden Unternehmensprozess, den du möglichst sehr gut verstehst. Beschreibe exakt, was ein hervorragender Mitarbeiter dort Schritt für Schritt tun würde. Dann übersetzen wir diesen Prozess in einen Agenten.
Danach kann ein Entwickler oder inzwischen zu großen Teilen KI die technische Umsetzung übernehmen. Dein eigentlich wertvoller Beitrag liegt in Problemwahl, Prozesswissen, Ergebnisdefinition, Kundenzugang und Verbesserungsschleife.
Bubble kann inzwischen nicht nur das Frontend bauen, sondern Frontend + Datenbank + Workflows + KI-Agent + Login + später Bezahlung in einer Plattform. Du kannst deinen Agenten mit OpenAI oder anderen Modellen verbinden und auch mehrstufige Agenten-Workflows bauen.
Das heißt: Für deinen ersten Versuch würde ich nicht fünf verschiedene Tools miteinander verbinden.
Erstelle bei Bubble einen Account und starte mit AI App / SaaS Platform.
Dann beschreibst du Bubble in normaler Sprache, was du bauen möchtest. Zum Beispiel für unsere erste Idee:
„Baue mir eine SaaS-Webanwendung für Unternehmen zur automatisierten Analyse von Kundenfeedback. Unternehmen sollen einen eigenen Account anlegen und Kundenfeedback, E-Mails, Support-Tickets oder CSV-Dateien hochladen können. Ein KI-Agent analysiert die Daten, erkennt wiederkehrende Beschwerden, Probleme, Kündigungsgründe und Verbesserungspotenziale. Das Dashboard soll die wichtigsten Probleme priorisieren, Trends darstellen und konkrete Handlungsempfehlungen geben. Jeder Unternehmenskunde darf ausschließlich seine eigenen Daten sehen.“
Bubble erzeugt daraus bereits Oberfläche, Datenstruktur und grundlegende Logik. Du kannst anschließend mit dem eingebauten AI Agent weiterreden, etwa: „Füge eine OpenAI-Integration hinzu“, „Baue eine Seite für die Ergebnisse“, „Füge Stripe-Abonnements hinzu“ usw. Bubble beschreibt genau diesen Prompt→App→Weiterbearbeiten-Prozess für seine aktuelle Plattform.
Das ist wichtig zu verstehen:
Dein SaaS ist das Produkt außen herum:
Login → Dashboard → Daten hochladen → Ergebnisse ansehen → bezahlen
Der KI-Agent ist der Arbeiter darin:
Daten bekommen → analysieren → selbstständig bestimmte Schritte durchführen → Ergebnis erzeugen.
Und Bubble ist die Werkstatt, in der du zunächst beides zusammenbaust.
Du brauchst also für deinen ersten Prototyp nicht unbedingt erst irgendwo separat einen Agenten anzulegen.
Hier gibt es aktuell eine wichtige Änderung: OpenAI hatte einen visuellen „Agent Builder“, fährt diesen aber 2026 wieder herunter; ab 30. November 2026 soll er nicht mehr verfügbar sein. OpenAI empfiehlt für programmatische Agenten künftig das Agents SDK und für natürlichsprachlich erstellte interne Agenten Workspace Agents.
Deshalb würde ich nicht heute dein SaaS auf dem OpenAI Agent Builder aufbauen.
Für dich wäre der einfachste Start:
Bubble
↓
baut deine SaaS-Anwendung
↓
OpenAI-Modell per API
↓
liefert die Intelligenz
↓
Bubble steuert, was der Agent damit tun darf
↓
Stripe
↓
Kunde bezahlt monatlich
↓
du hast ein SaaS.
Du brauchst für den Start keinen Marketplace. Dein Agent kann ganz normal als eigene SaaS-Webanwendung laufen.
Praktisch sieht es so aus: Du baust mit Bubble eine Website bzw. Web-App, zum Beispiel www.customerinsights.ai. Der Kunde kommt auf diese Seite, registriert sich, bezahlt sein Abo, loggt sich ein und nutzt dort deinen Agenten. Für ihn fühlt es sich also an wie jede andere Software – nicht wie „ich öffne irgendwo einen KI-Agenten“.
Der Ablauf wäre zum Beispiel:
Landingpage → „Kostenlos testen“ → Account anlegen → Login → Daten hochladen / System verbinden → Agent arbeitet → Ergebnisse im Dashboard
Du stellst den Agenten dem Kunden also über einen Link zu deiner eigenen Web-App zur Verfügung. Später kannst du zusätzlich eine eigene Domain, Firmenbranding, mehrere Tarife, Teamzugänge und Integrationen ergänzen.
Ein Marketplace ist ein zusätzlicher Vertriebskanal, nicht die Voraussetzung. Das ist vergleichbar mit Software heute: Salesforce kann über einen Marketplace gefunden werden, aber Salesforce braucht keinen App Store, damit jemand Salesforce nutzen kann.
Die wichtigere Frage ist deshalb: Wie findet der Kunde dein Produkt?
Am Anfang wahrscheinlich gar nicht über einen Marketplace, sondern über klassischen Vertrieb: LinkedIn, Empfehlungen, E-Mail-Outreach, bestehende Kontakte, Google, Content, Partnerschaften oder direkte Demo-Termine. Du könntest beispielsweise gezielt Geschäftsführer anschreiben: „Wir analysieren automatisiert Ihre Kundenbeschwerden und zeigen Ihnen wöchentlich die drei größten Ursachen für Kundenverlust.“
Später kannst du dein SaaS zusätzlich in relevante Marktplätze bringen, etwa Microsoft Marketplace, Salesforce AgentExchange oder andere Agent-Verzeichnisse. Dann können Kunden dich dort entdecken.
Der Marketplace übernimmt also vor allem Discovery und teilweise Abrechnung. Dein SaaS übernimmt Produkt, Kundenzugang und Nutzung.
Ich würde es deshalb so sehen:
Phase 1: eigene Web-App + direkter Link + erste Kunden selbst gewinnen
Phase 2: Produkt beweisen + Referenzen + Preise optimieren
Phase 3: Marketplace als zusätzlicher Vertriebskanal
Und ganz wichtig: Du verkaufst nicht den „Agenten“. Du verkaufst Zugang zu einer Leistung.
Der Kunde kauft nicht: „Hier ist mein KI-Agent.“
Er kauft: „Dieses System analysiert meine Kundendaten und zeigt mir, wo ich Umsatz verliere.“
Von den drei Ideen finde ich Nr. 1 für den Einstieg am stärksten. Der Nutzen ist für Kunden unmittelbar verständlich, du kannst mit wenigen Datenquellen starten und später daraus Nr. 3 entwickeln:
Kundenfeedback verstehen → Prozesse verstehen → gesamtes Unternehmen verstehen.
Und genau dabei könnte mit der Zeit der von dir gerade erkannte Daten-Flywheel entstehen: Nicht der erste Agent wäre dein größter Vermögenswert, sondern die durch den Meta-Agenten über Jahre aufgebaute Fähigkeit, aus Unternehmensdaten Probleme zu erkennen und erfolgreiche Maßnahmen abzuleiten.
Los geht’s.
Du brauchst Hilfe? Schreib uns: info@leoniemalinowski.de
Gruß, Leonie
