Vertical AI verschlingt Horizontal SaaS: Wie Nischen-Startups generische Plattformen entthronen

Die Ära, die Milliarden-Plattformen hervorbrachte, endet

Zwei Jahrzehnte lang war das SaaS-Playbook einfach: Baue eine Plattform, verkaufe sie überall. Salesforce kümmerte sich nicht darum, ob Sie Industrieanlagen oder Versicherungen verkauften – CRM war CRM. ServiceNow abstrahierte ITSM über jede Vertikale hinweg. Workday vereinheitlichte HR, ob Sie ein Krankenhaus oder ein Hedgefonds waren. HubSpots Marketing Automation war ebenso generisch, ebenso leistungsstark, ebenso ausreichend. Diese Unternehmen haben mit Universalität Vermögen gemacht.

Diese Ära ist nicht vorbei. Aber sie wird von den Rändern her aufgefressen – und das, was frisst, ist Vertical AI.

Warum AI die Mathematik des "Build-for-Everyone" verändert

Das horizontale SaaS-Modell funktionierte, weil die Konfiguration von Software für eine bestimmte Branche teuer war. Wenn Sie ein CRM wollten, das die Abrechnungsstrukturen von Anwaltskanzleien versteht, kauften Sie entweder Salesforce und beauftragten Berater, 200 benutzerdefinierte Felder anzuhängen, oder warteten auf einen Nischenanbieter, der nie ganz die Ressourcen hatte, um bei Zuverlässigkeit, Integrationen oder Verfügbarkeit mitzuhalten.

AI bricht diese Gleichung. Ein Team von 12 Ingenieuren mit Zugang zu einem domänenspezifischen Datensatz kann heute ein Produkt bauen, das nicht nur juristische Workflows unterstützt – es versteht Case Strategy, Precedent Research, Client Intake und Billing Codes auf einem Niveau, das vor fünf Jahren Hunderte von Ingenieurjahren erfordert hätte, um es hart zu codieren. Die Configuration Tax, die horizontale Giganten schützte, ist weg. Was bleibt, ist ein Capability Race, und Vertical-Native-Startups gewinnen es.

Wo Vertical AI bereits gewinnt

Die Gewinne sind nicht hypothetisch. Sie zeigen sich in verdrängten Verträgen, beschleunigtem ARR und Beschaffungsentscheidungen unterhalb des CIO-Schreibtisches.

• Legal: Harvey AI hat über 200 Kanzleien unter Vertrag genommen, darunter Am Law 100-Namen, um Workflows für Legal Research und Drafting zu übernehmen. Das Produkt konkurriert nicht mit generischen LLM-Wrappern – es wird trainiert auf Case Law, Regulatory Text und firmenspezifischen Precedent Libraries. Clio und LexisNexis, die Incumbents im Legal Tech, bauten ihre Moats auf Workflow-Breite; Harvey gewinnt durch Tiefe. Partner in großen Kanzleien ziehen es herein, bevor IT weiß, dass es evaluiert wird.
• Healthcare Billing: Prior Authorization – der Prozess der Versicherungsgenehmigung vor einem Eingriff – dauerte früher 3 bis 5 Werktage und verursachte jährlich geschätzte 35 Milliarden US-Dollar an Verwaltungskosten im US-Gesundheitssystem. Waystar und Cohere Health haben mit AI die Zeit auf unter 10 Minuten für gedeckte Fälle komprimiert. Krankenhäuser, die diese Tools einsetzen, bitten ihren EHR-Anbieter nicht, die Funktion zu bauen; sie schließen eigenständige Verträge ab, weil der ROI sofort und messbar ist.
• Construction: Procore baute ein 6-Milliarden-US-Dollar-Geschäft auf, indem es Bauprojektmanagement digitalisierte. Aber es rechnete nicht mit AI-native Scheduling-Konkurrenten wie Alice Technologies, die Constraint-based AI nutzt, um Bauabläufe zu optimieren und 15–20% Reduzierung der Projektlaufzeiten demonstriert hat. Der Keil ist nicht die vollständige Plattform – es ist ein Workflow, 10x besser gemacht.
• Insurance Underwriting: Legacy-aktuarische Modelle sind statistisch, rückwärtsgerichtet und langsam. Counterpart und Federato nutzen Machine Learning, trainiert auf Claims Data, Third-Party Risk Signals und Echtzeit-Umwelteingaben, um Policen schneller und mit wesentlich niedrigeren Loss Ratios zu underwriting. Early Adopters berichten von 20–30% Verbesserung der Loss Ratio. Das ist kein Feature – es ist ein struktureller Wettbewerbsvorteil für jeden Carrier, der es einsetzt.
• Trucking and Logistics: Axle hat eine Dispatch AI gebaut, die Load Matching, Driver Communication und ETA Prediction für LKW-Flotten automatisiert. Project44 hat AI in die Frachtvisibility eingebettet und Carrier Tracking von einem reaktiven in ein prädiktives System verwandelt. In einer margenarmen Branche, in der jede Stunde Leerlauf Kosten verursacht, sind dies keine Nice-to-haves – sie sind Survival Tools.

Das Killer Workflow Pattern

Über alle Vertikalen hinweg teilen die Gewinner-Startups ein strukturelles Muster: Sie versuchen nicht, die Incumbent-Plattform am ersten Tag zu ersetzen. Sie identifizieren den einzelnen schmerzhaftesten, wertvollsten Workflow in der Branche – Prior Authorization, Legal Research, Load Dispatch, Policy Underwriting – und automatisieren ihn so vollständig, dass Adoption bottom-up erfolgt. Nutzer ziehen das Produkt herein. Procurement folgt der Nutzung, nicht umgekehrt.

Dies ist das Gegenteil davon, wie Enterprise Software historisch verkauft wurde. Salesforce brauchte den CRO. ServiceNow brauchte den CIO. Vertical AI Startups landen durch den Associate Attorney, der Harvey entdeckte, die Billing Coordinator, die Cohere pilotierte, den Fleet Dispatcher, der Axle zwei Wochen ausprobierte und sich weigerte, zurückzugehen. Enterprise Procurement folgt demonstriertem Value, und Vertical AI demonstriert Value, bevor der Sales Cycle beginnt.

Die Defensibility Frage

Skeptiker stellen eine faire Herausforderung: Ist Vertical AI nicht nur ein dünner Wrapper um Foundation Models? Kann Salesforce das nicht in sechs Monaten bauen?

Die ehrliche Antwort ist: nicht einfach und nicht schnell. Die Moats, die in Vertical AI gebaut werden, sind real, wenn auch anders als traditionelle Software-Moats. Sie kommen aus drei Quellen:

• Proprietary Training Data: Harveys Wert ist nicht das Modell – es ist das Korpus an annotierten Legal Work Products, das das Modell wie einen Senior Associate agieren lässt statt wie einen General Purpose Assistant. Diese Daten akkumulieren sich mit jedem bearbeiteten Case, jedem reviewed Draft, jeder korrigierten Citation.
• Embedded Workflows: Sobald ein Krankenhaus seinen Prior Auth Prozess um Cohere Health herum neu aufgebaut hat, sind Switching Costs real. Retraining von Personal, Remapping von Integrationen und die Akzeptanz eines Capability Downgrades während des Übergangs sind alles Reibungen, die sich mit der Zeit verstärken.
• Speed of Domain Learning: Eine horizontale Plattform, die eine vertikale AI-Schicht hinzufügt, arbeitet gegen institutionelle Trägheit, eine Legacy Codebase und ein Generalist Product Team. Ein vertikales Startup tut nichts anderes, als eine Domain zu vertiefen, jeden Sprint.

Der Counterpunch der Horizontal Giants

Die Incumbents stehen nicht still. Salesforce hat Einstein AI in Sales Cloud, Service Cloud und Agentforce deployed. ServiceNow Now Assist embeddet Generative AI in ITSM Workflows. Workday rollt AI Assistants für HR- und Finance-Aufgaben aus. Das sind echte Produkte mit echten Distribution Advantages – Milliarden Dollar in bestehenden Kundenbeziehungen, Enterprise-Grade Compliance Infrastructure und Integration Ecosystems, die Vertical Startups nicht schnell replizieren können.

Aber vertikale Tiefe innerhalb einer horizontalen Organisation zu bauen, ist strukturell schwierig. Product Teams, die 40 Branchen gleichzeitig bedienen, können nicht die Tiefe priorisieren, die ein Team, das nur Insurance Underwriter bedient, kann. Die Product Roadmap ist immer eine Verhandlung zwischen Vertikalen. Das Ergebnis sind AI Features, die breit, aber flach sind – genau das Gegenteil von dem, was Vertical Startups bauen.

Das VC Signal ist unmissverständlich

Capital hat es bemerkt. Vertical AI Funding stieg im Q1 2026 um 340% im Jahresvergleich, wobei der durchschnittliche Series A in diesem Bereich bei 47 Millionen US-Dollar schloss – eine Zahl, die sowohl das Vertrauen der Investoren als auch den Kapitalbedarf für das Training von Domain-Specific Models in großem Maßstab widerspiegelt. Andreessen Horowitz, Sequoia und Coatue haben alle Multi-Vertical Bets platziert. Die These ist konsistent: Die nächste Generation von Enterprise Software Gewinnern wird für eine Branche gebaut, nicht für alle.

Was das für Founders bedeutet

Die "Build-for-Everyone"-Strategie – die Wette, dass horizontale Reichweite vertikale Flachheit kompensiert – ist jetzt im AI-Zeitalter eine Liability. Die Configuration Tax, die Generalisierung sicher machte, ist weg. Was bleibt, ist die Frage der Tiefe: Wie vollständig verstehen Sie die Workflows, die Daten, das Regulatory Environment und die Failure Modes einer einzigen Branche?

Die Founders, die jetzt gewinnen, bauen keine Plattformen. Sie bauen Workflow Replacements – Produkte, die so präzise auf einen Job zugeschnitten sind, dass der User sich nicht vorstellen kann, diesen Job ohne sie zu erledigen. Sie entdecken, dass eine 10x Verbesserung in einem kritischen Workflow eine 2x Verbesserung in zehn schlägt. Und sie entdecken, dass Procurement, einst eine CIO-Level Entscheidung getrieben von Plattformkonsolidierung, zunehmend ein Ground-Up Prozess ist, getrieben von den Leuten, die die Arbeit machen.

Horizontales SaaS baute die Software-Schicht des modernen Enterprise. Vertical AI baut sie neu – eine Branche nach der anderen, beginnend mit den schmerzhaftesten Problemen, und schneller als die Incumbents reagieren können.