KI-Analyse für Software-Lizenz- und Cloudkosten-Optimierung

Das echte Ausmaß des Problems

Das Problem ist real, weit verbreitet und wird von Unternehmen systematisch unterschätzt — weil der Schmerz diffus ist. Niemand bekommt eine Rechnung für „ungenutzte Lizenzen”. Es steht in keiner Zeile des Jahresabschlusses. Es steckt unsichtbar in jeder Software-Rechnung.

Zylo, eine der größten SaaS-Datenplattformen der Welt, analysiert jährlich Lizenzdaten von Millionen Nutzern aus echten Unternehmen — nicht Umfragen, sondern reale Nutzungsmetriken. Die Ergebnisse des SaaS Management Index 2024 sind eindeutig: Im Durchschnitt werden 49 Prozent aller zugewiesenen SaaS-Lizenzen nicht aktiv genutzt. Der durchschnittliche finanzielle Schaden: 18 Millionen US-Dollar pro Unternehmen und Jahr — basierend auf 30 Millionen analysierten Lizenzen und über 34 Milliarden US-Dollar Jahresausgaben. 2025 ist diese Zahl auf 21 Millionen gestiegen.

Im Cloud-Bereich sieht es kaum besser aus: Laut dem Flexera State of the Cloud Report 2025 — basierend auf 759 befragten IT-Führungskräften weltweit — werden 27 Prozent aller Cloud-Ausgaben verschwendet, konstant über drei Jahre. Die häufigsten Ursachen: vergessene Test-Instanzen, überdimensionierte Server-Typen, unnötige Datentransfer-Kosten.

Das ist kein Problem, das durch Disziplin allein gelöst werden kann. Es entsteht strukturell: Software wird dezentral gekauft, selten zentral überprüft, und das Abbestellen ist immer weniger dringend als das nächste Projekt. Für ein Unternehmen mit 300 Mitarbeitenden und 600.000 Euro Jahres-SaaS-Spend bedeutet das: 150.000–180.000 Euro potenzielle Einsparung — die auf dem Papier niemandes Aufgabe ist, sie zu heben.

Was sich im letzten Jahr verschärft hat: der KI-Wildwuchs. Seit 2023 kaufen Teams eigenständig KI-Tools — ChatGPT Teams, Copilot, Perplexity, Notion AI, Jasper, Midjourney — oft auf persönliche Kreditkarte, oft ohne IT-Wissen. Laut BetterCloud betrug der Anteil von Mitarbeitenden, die Software außerhalb der IT-Kontrolle beschaffen, 2024 bereits 41 Prozent. Das ist kein Shadow IT der alten Art — das ist systematischer, schnell wachsender Lizenzmüll mit realen Sicherheitsimplikationen.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Erkennungsraten basieren auf Anbieterdaten von Zylo, Torii und Cledara — eigene Validierung vor dem Kauf empfohlen.

Einschätzung auf einen Blick

Zeitersparnis — mittel (3/5)
Der Lizenz-Audit selbst geht von Wochen auf Stunden — einmalig und bei jedem Renewal-Zyklus. Aber im Tagesgeschäft spart dieses System weniger Zeit als etwa Support-Ticket-Klassifikation oder ein KI-Entwicklungsassistent, die täglich produktive Arbeit beschleunigen. Lizenzoptimierung ist ein periodischer Prozess — wertvoller Hebel, aber kein täglicher Zeitsparer.

Kosteneinsparung — sehr hoch (5/5)
Das ist die klarste Stärke dieser Anwendung: Es geht buchstäblich nur darum, Geld zu sparen. 15–30 Prozent Software-Budget einsparen ist für Unternehmen mit 200+ Mitarbeitenden kein theoretischer Wert, sondern eine Größenordnung, die in der Praxis regelmäßig erreicht wird. Die Spitzenposition in dieser Kategorie ist unter den verglichenen Anwendungsfällen gut begründet.

Schnelle Umsetzung — hoch (4/5)
Wer ein bestehendes SSO (Okta, Azure AD) und einen zentralen Zahlungsweg hat, sieht erste Auswertungsergebnisse in zwei bis vier Wochen. Das ist schneller als viele andere IT-Software-Use-Cases wie Kapazitätsplanung Cloud oder Anomalieerkennung in Logs. Ohne SSO verlängert sich der Weg erheblich.

ROI-Sicherheit — sehr hoch (5/5)
Kaum ein Use Case im Branch hat einen direkter messbaren Nutzen: Du vergleichst die Software-Rechnung vor und nach der Optimierung. Keine Näherungsrechnung, kein indirekter Effekt, keine Attributionsfrage. Der Nutzen steht als Euro-Betrag auf der nächsten Quartalsabrechnung.

Skalierbarkeit — hoch (4/5)
Je mehr Tools, Lizenzen und Nutzer ein Unternehmen hat, desto mehr Optimierungspotenzial zeigt die KI automatisch — ohne proportional steigende Arbeitskosten. Nicht ganz maximal bewertet, weil die initiale Integration pro neu hinzukommendem SSO oder Cloud-Provider einmaligen Aufwand kostet.

Richtwerte — stark abhängig von vorhandenem SSO-Setup, Unternehmensgröße und SaaS-Portfolio-Komplexität.

Was das System konkret macht

KI-gestützte Lizenzoptimierung ist kein einzelnes Werkzeug, sondern ein Daten-Aggregationsprozess, der auf drei Quellen gleichzeitig zugreift — typischerweise über API-Verbindungen in bestehende Systeme:

1. SSO und Identity Management (Okta, Azure AD, Google Workspace)
Wer loggt sich in welche App ein — und wie oft? Das SSO-System kennt jeden Anmeldevorgang. Die KI klassifiziert daraus: aktive Nutzer (30+ Tage-Aktivität), gelegentliche Nutzer (60–90 Tage), inaktive Nutzer (90+ Tage keine Anmeldung). Das ist die erste und wichtigste Datenquelle.

2. Finance und Payment (Kreditkarte, ERP, Bankauszüge)
Welche Software bezahlt das Unternehmen — und für wie viele Seats? Die Finance-Integration erkennt auch Shadow IT: Tools, die auf Teamleiter-Kreditkarte laufen, tauchen in keiner IT-Liste auf, aber in jedem Kontoauszug. Die KI erkennt wiederkehrende Software-Zahlungen automatisch und ordnet sie bekannten Anbietern zu.

3. Cloud-Billing-APIs (AWS Cost Explorer, Azure Cost Management, Google Cloud Billing)
Welche Cloud-Ressourcen laufen — und mit welcher tatsächlichen Auslastung? Die KI analysiert CPU-Auslastung, Speichernutzung und Datentransfers über Zeit, identifiziert überdimensionierte Instanzen und schlägt Rightsizing-Maßnahmen vor.

Aus diesen drei Quellen generiert das System eine priorisierte Liste: Lizenzen mit dem höchsten Einsparpotenzial oben, mit konkreter Empfehlung (entziehen, downgrades, konsolidieren) und dem erwarteten Betrag pro Maßnahme. Die Entscheidung trifft immer noch ein Mensch — das System liefert die Datenbasis.

Was die KI dabei anders macht als eine Excel-Tabelle: Sie erkennt Muster über Zeit. Eine Person, die den Zugang nur im Dezember nutzt (Jahresabschluss), sieht in einer monatlichen Auswertung inaktiv aus — ist aber kritisch. Gute Systeme wie Productiv analysieren Feature-Level-Nutzung: Nicht nur „hat eingeloggt”, sondern „welche Funktionen wurden genutzt” — das erlaubt viel präzisere Konsolidierungsentscheidungen.

Lizenztypen: Was die KI unterschiedlich behandelt

Das ist der analytische Teil, der in den meisten Verkaufsgesprächen ausgeblendet wird: Verschiedene Lizenztypen stellen grundlegend unterschiedliche Optimierungsfragen.

Subscription-Lizenzen (SaaS-Seats)
Das Volumengeschäft: Salesforce, Slack, Figma, Jira. Bezahlt pro Sitz und Monat. Die Analyse-Frage lautet: Wie viele Seats werden aktiv genutzt, welche können sofort zurückgegeben werden, wo lohnt ein Downgrade des Tarifs? Hier arbeitet die KI am effizientesten — klare Nutzungsdaten, klare Preis-pro-Seat-Struktur.

Enterprise Agreements (EAs) und Volumenlizenzverträge
Microsoft EA, Oracle ULA, SAP-Lizenzpakete. Hier besteht keine flexible monatliche Kündigung — du hast für drei Jahre ein Volumen eingekauft. Die Optimierungsfrage ist eine andere: Bist du im aktuellen Vertragsjahr über- oder unterlizenziert? Was ist realistisch für das nächste Renewal-Jahr? KI kann helfen, Verbrauchstrends zu extrapolieren und die Renewal-Verhandlung mit Daten zu stützen. Aber kurzfristige Kostenreduktion gibt es hier nicht — die Einsparung entsteht beim nächsten Vertragsabschluss.

Perpetual-Lizenzen (Kauflizenzen mit optionalem Wartungsvertrag)
Noch in vielen Produktionsumgebungen vorhanden: On-Premise-Software mit einmaligem Kaufpreis und jährlichem Wartungsvertrag (Maintenance Fee). Die KI-Frage hier: Wird die Software aktiv genutzt, oder zahlt das Unternehmen Maintenance auf tote Software? Und: Wäre der Wechsel zur SaaS-Variante günstiger? Nutzungsmessung ist hier schwieriger — erfordert On-Prem-Agenten statt SSO-Logs.

Usage-Based-Modelle (API, Compute, Token-Verbrauch)
Das wachsende Segment: AWS, Azure, GCP, OpenAI API, Snowflake. Keine festen Seats — du zahlst für das, was du verbrauchst. Die Optimierungsfrage ist Rightsizing: Überdimensionierte Instanzen, ineffiziente Abfragen, vergessene Test-Ressourcen. Hier liefert KI-Analyse den schnellsten Return — oft innerhalb von Tagen nach Aktivierung der Cloud-Cost-Analyse.

Praktische Konsequenz: Ein Unternehmen mit gemischtem Portfolio braucht typischerweise zwei Analyse-Ansätze parallel: ein SaaS-Management-Tool für die Subscription-Seite (z.B. Cledara, Torii) und ein Cloud-Cost-Tool für die Infrastruktur-Seite (AWS Cost Anomaly Detection, Azure Cost Management). Wer beides in einem Dashboard haben will, landet bei Enterprise-Plattformen wie Zylo oder Sastrify.

Konkrete Werkzeuge — was wann passt

Cledara — wenn du mit KMU-Budget und EU-Hosting einsteigen willst
Der günstigste seriöse Einstieg: ab 75 USD/Monat, europäische Datenhaltung, kein Self-Service-Onboarding-Chaos. Funktioniert über virtuelle Kreditkarten — jede SaaS-Zahlung läuft über eine Cledara-Karte, wodurch die Discovery lückenlos wird. Schwäche: Erkennt nur Zahlungsbeziehungen, keine Nutzungstiefe. Gut für Unternehmen mit 30–300 Mitarbeitenden, die erst verstehen wollen, was sie überhaupt zahlen.

Torii — wenn Workflow-Automatisierung im Vordergrund steht
Besonders stark bei Offboarding-Automatisierung: Wenn jemand das Unternehmen verlässt, entzieht Torii automatisch alle Lizenzen in allen integrierten Tools — ohne IT-Ticket, ohne Verzögerung. Ab 250 USD/Monat, Mid-Market-Fokus (200–1.500 Mitarbeitende). Wichtig für Unternehmen mit hoher Fluktuation.

Zylo — wenn Vollständigkeit und Verhandlungsunterstützung entscheidend sind
Der Marktführer mit über 22.000 erkannten SaaS-Apps und eigenem Procurement-Team für Vertragsverhandlungen. Ab ca. 35.000 USD/Jahr — sinnvoll erst ab rund 500 Mitarbeitenden. Leader im Gartner Magic Quadrant 2024 und 2025. Wer die tiefste Discovery und professionelle Renewal-Unterstützung will, kommt an Zylo nicht vorbei.

Productiv — wenn Feature-Level-Analyse wichtiger ist als Preis
Productiv misst nicht nur Logins, sondern welche Funktionen in welchen Teams wirklich genutzt werden. Das erlaubt präzisere Konsolidierungsentscheidungen: Nicht „diese Person loggt sich ein”, sondern „diese Person nutzt 3 von 47 verfügbaren Features”. Für Großunternehmen mit konsolidierungsbedürftigem Stack und starkem Finance-Druck.

Sastrify — wenn du ein deutsches Unternehmen mit EU-Compliance willst
Einziger DACH-Player in der Gruppe: Köln, EU-Hosting, deutschsprachiger Support, eingebautem Compliance-Monitoring für EU AI Act, DORA und NIS2. Ab 12.500 €/Jahr, mit ROI-Garantie. Sinnvoll für Unternehmen, die Saas-Management und europäische Compliance-Anforderungen in einem Tool abdecken wollen.

AWS Cost Anomaly Detection — kostenfreier Cloud-Einstieg für AWS-Nutzer
Vollständig gratis, direkt in AWS Cost Explorer integriert. Erkennt anomale Ausgabenspitzen automatisch und benachrichtigt per E-Mail oder SNS. Erster Schritt für jede AWS-Umgebung — sofort aktivierbar, keine externe Software nötig.

Azure Cost Management — kostenfreier Cloud-Einstieg für Azure-Nutzer
Microsofts eingebaute Lösung für Azure-Ausgaben. EU-Datenhaltung möglich, deutschsprachige Oberfläche, sofort in jeder Azure-Subscription verfügbar. Kombination aus Budget Alerts, Forecast Alerts und Anomalieerkennung deckt die meisten KMU-Anforderungen ab.

Zusammenfassung — wann was:

• 30–200 Mitarbeitende, KMU-Budget → Cledara
• Hohe Mitarbeiterfluktuation, Offboarding-Automatisierung → Torii
• 500+ Mitarbeitende, volle Discovery + Verhandlung → Zylo
• Tiefe Feature-Nutzungsanalyse, Finance-ROI-Druck → Productiv
• EU-Compliance (AI Act, DORA, NIS2) als Anforderung → Sastrify
• AWS-Only-Umgebung, kostenloser Start → AWS Cost Anomaly Detection
• Azure-Only-Umgebung, kostenloser Start → Azure Cost Management

Datenschutz und Datenhaltung

Die meisten SaaS-Management-Tools greifen auf Daten zu, die im Sinne der DSGVO personenbezogen sind: Wer hat sich wann in welches Tool eingeloggt? Welche Features wurden genutzt? Das sind Verhaltensdaten von Mitarbeitenden, und sie unterliegen DSGVO-Schutz und dem Mitbestimmungsrecht des Betriebsrats.

Was das konkret bedeutet:

• Auftragsverarbeitungsvertrag (AVV) abschließen — Pflicht vor dem Produktivbetrieb. Alle genannten Anbieter stellen AVV-Vorlagen bereit. Bei US-gehosteten Tools (Zylo, Torii, Productiv) gilt: AVV vorhanden, aber Datenübertragung in die USA — Standard Contractual Clauses (SCC) prüfen und dokumentieren.
• Betriebsrat einbinden — Nutzungsüberwachung von Mitarbeitenden ist mitbestimmungspflichtig (§ 87 Abs. 1 Nr. 6 BetrVG). Das bedeutet nicht, dass das Tool verboten ist — aber es muss eine Betriebsvereinbarung geben, die Zweck, Umfang und Auswertungstiefe regelt. Wer diesen Schritt überspringt, riskiert das gesamte Projekt.
• Anonym vs. individuell — Viele Systeme erlauben, Nutzungsberichte auf Abteilungsebene statt Personenebene auszuwerten. Das reduziert den datenschutzrechtlichen Aufwand erheblich und reicht für Lizenzoptimierungs-Entscheidungen meist aus.

Nach Hosting-Ort:

• EU-Hosting (DSGVO-unkompliziert): Cledara (London), Azure Cost Management (EU-Region konfigurierbar), Sastrify (Köln)
• US-Hosting (AVV + SCC erforderlich): Zylo, Torii, Productiv, AWS Cost Anomaly Detection

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• Cledara Self-Service: 0 Euro Einrichtung, 2–4 Wochen intern um alle Abos auf Cledara-Karten umzustellen
• Torii/Zylo/Productiv: typisch 20–40 Stunden interne IT-Zeit für SSO-, HRIS- und Finance-Integration
• Sastrify: strukturiertes Onboarding durch Sastrify-Team, typisch 4–6 Wochen bis vollständige Datenanbindung

Laufende Plattformkosten (monatlich)

• AWS Cost Anomaly Detection: 0 €/Monat
• Azure Cost Management: 0 €/Monat
• Cledara: ab 75 USD/Monat (Basic, bis 20 Apps) — ca. 900–2.400 €/Jahr
• Torii: ab 250 USD/Monat — ca. 3.000 €/Jahr
• Sastrify: ab 12.500 €/Jahr (Software Management Tier)
• Zylo: ab ca. 35.000 USD/Jahr
• Productiv: Custom Pricing, typisch vergleichbar mit Zylo

Konservatives ROI-Szenario — 250-Personen-Unternehmen
Annahmen: 450.000 Euro Jahres-SaaS-Spend + 80.000 Euro Cloud-Spend; 49 Prozent theoretisch ungenutzte Lizenzen (Zylo-Branchenmittel); in der Praxis realistisch 15–20 Prozent davon tatsächlich zurückgewinnbar durch Tool und Prozess.

• Erreichbares Einsparpotenzial: 450.000 × 17 % = ca. 76.500 Euro/Jahr
• Cloud-Optimierung (konservativ): 80.000 × 20 % = 16.000 Euro/Jahr
• Gesamt konservativ: ca. 90.000 Euro/Jahr
• Plattformkosten Cledara + Cloud-native Tools: ca. 3.000–5.000 Euro/Jahr
• ROI-Faktor: 18–30x

Das klingt unrealistisch hoch — aber der Grund ist, dass die Einsparungen real sind und die Werkzeugkosten im günstigsten Tier sehr niedrig. Der Haken: Diese Zahl setzt voraus, dass die Empfehlungen auch umgesetzt werden. Wer Discovery-Tools kauft und die Erkenntnisse nicht in Lizenz-Kündigungen übersetzt, hat nur ein teures Dashboard.

Wie du den Nutzen wirklich misst:
Nicht die Anzahl erkannter ungenutzter Lizenzen ist das richtige KPI. Der einzige aussagekräftige Wert ist: Software-Ausgaben diese Periode vs. letzte Periode, bereinigt um neue Anschaffungen. Das lässt sich direkt aus der Buchhaltung ablesen — kein Näherungswert, kein Rechenmodell.

Drei typische Einstiegsfehler

1. Login = Nutzung gleichsetzen.
Das ist der verbreitetste Messfehler: Wer sich einmal im Monat kurz einloggt, um Benachrichtigungen zu prüfen, gilt in einfachen Systemen als „aktiver Nutzer”. Ebenso gefährlich in die andere Richtung: Wer ein Tool nur quartalsweise für den Jahresabschluss, eine Audit-Kampagne oder saisonale Prozesse braucht, sieht über drei Monate hinweg wie ein Nichtnutzer aus — und verliert die Lizenz. Die Lösung: Zeit-Dimensionierung der Nutzungsanalyse (rollierende 12 Monate statt letzter Monat) und Feature-Level-Analyse statt Login-Tracking. Das bieten nur die reiferen Plattformen wie Productiv und der Enterprise-Tier von Zylo.

2. Die Erkenntnisse nicht in Aktion übersetzen.
SaaS-Management-Tools liefern Reports. Reports allein reduzieren keine Kosten. Was fehlt: Wer ist verantwortlich für die Lizenz-Rückgabe? Wer verhandelt das Renewal? Was ist das interne Genehmigungsverfahren für Lizenzkündigungen? Ohne diesen Governance-Prozess — der vor dem Rollout definiert sein muss, nicht danach — sammeln sich Erkenntnisse in einem Dashboard an, das alle zwei Wochen kurz jemand anschaut und dann weitermacht wie bisher.

3. Den Betriebsrat zu spät einbinden.
In Unternehmen mit Betriebsrat ist nutzungsbasiertes Monitoring von Mitarbeitenden mitbestimmungspflichtig. Das ist keine bürokratische Hürde — es ist ein echter Stoppschild, der ganze Projekte zum Stillstand bringen kann, wenn er zu spät angegangen wird. Die gute Nachricht: Die meisten Betriebsräte stimmen zu, wenn der Zweck klar auf Lizenzkostenoptimierung begrenzt ist (nicht auf Leistungsbewertung) und die Daten auf Abteilungsebene aggregiert werden. Aber das Gespräch muss stattfinden, bevor das erste Tool Daten sammelt — nicht danach.

4. Shadow IT unterschätzen.
Das Unternehmen kennt seine offiziellen 80 SaaS-Tools. Die Realität: typisch 50–80 weitere, die über persönliche Kreditkarten der Mitarbeitenden laufen. Das Problem ist nicht nur das Budget — es sind die Sicherheitsimplikationen. Viele dieser Tools haben Zugriff auf Unternehmensdaten via Browser-Erweiterung oder OAuth-Verbindung und tauchen in keiner IT-Liste auf. Die Discovery durch Finance-Integration (alle Unternehmenskreditkarten analysieren) deckt diese Schicht auf — aber nur wenn Finance und IT eng zusammenarbeiten, was in der Praxis selten von Anfang an der Fall ist.

Was mit der Einführung wirklich passiert — und was nicht

Die technische Anbindung ist in zwei bis vier Wochen erledigt. Das eigentliche Projekt beginnt danach.

Das Governance-Problem: Der erste Report zeigt 60 ungenutzte Salesforce-Lizenzen. Wer darf diese kündigen? IT? Finance? Der Abteilungsleiter, dessen Team sie “braucht”? Ohne vorab definierten Prozess — Empfehlung → Genehmigung → Kündigung — landen diese Erkenntnisse im Nirgendwo. Erfahrungsgemäß gilt: Ohne eine namentlich benannte Person (oft ein “SaaS Owner” im IT- oder Finance-Team) mit klarer Befugnis und Budget-Verantwortung bleibt die Hälfte des Einsparpotenzials ungehoben.

Das “Das brauchen wir noch”-Problem: Wenn Mitarbeitende erfahren, dass ihre Tools auf dem Prüfstand stehen, beginnt das Hamstern von Gründen: “Ich nutze das zwar nicht täglich, aber wenn wir Q3 die Audits machen, brauche ich es.” Das ist manchmal berechtigt — siehe den Fehler mit saisonalen Nutzern oben. Aber oft ist es einfach Widerstand gegen Veränderung. Der konstruktive Umgang: Mitarbeitende werden nicht gefragt “Brauchst du das?”, sondern die Nutzungsdaten sprechen für sich — und bei echten periodischen Use Cases werden Sonderregeln (Temp-Lizenz auf Anfrage, geteilte Seat-Pools) im Governance-Prozess verankert.

Was wirklich hilft:

• Vor dem Launch: Sponsoring durch CFO oder IT-Leitung — nicht als IT-Projekt verkaufen, sondern als Budget-Initiative
• Eine Person mit Mandat für Lizenz-Entscheidungen benennen (IT oder Finance, nicht beide)
• Erstbericht als Workshop-Grundlage nutzen, nicht als E-Mail-Anhang verschicken
• Schnelle Wins priorisieren: Drei bis fünf Lizenzkündigungen in der ersten Woche zeigen dem Team, dass etwas passiert — und legen den Maßstab für die weiteren Entscheidungen

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Wir wissen doch, was wir nutzen.”
Das glauben alle IT-Leitungen — bis zum ersten Discovery-Report. Zylo-Daten zeigen: Der Median der unbekannten SaaS-Apps in Unternehmen liegt bei 40–60 Prozent des tatsächlichen Stacks. Das liegt nicht daran, dass die IT schlechte Arbeit macht. Es liegt daran, dass dezentrale Software-Beschaffung die Norm ist: Marketing kauft Jasper, Design kauft Figma-Enterprise, der Vertrieb kauft ein Prospecting-Tool, Finance kauft ein Reporting-Add-on — und das IT-Inventar enthält keines davon.

„Wir haben zu wenig Lizenzen, nicht zu viele.”
Stimmt manchmal — und dann zeigt der Report das auch. Unterlizenzierung (weniger Lizenzen als tatsächlich genutzte User) ist genauso ein Compliance-Risiko wie Überlizenzierung, und sie taucht in denselben Reports auf. Wer den Audit macht, bekommt das vollständige Bild — nicht nur die Einsparpotenziale, sondern auch die Risiken.

„Unsere Verträge erlauben keine kurzfristige Kündigung.”
Häufig wahr für Enterprise Agreements und Jahresverträge. Aber: Der Wert der Discovery liegt dann nicht in sofortigen Einsparungen, sondern in der Datenbasis für das nächste Renewal. Wer heute weiß, dass 35 Prozent der Jira-Lizenzen ungenutzt sind, geht in 8 Monaten mit konkreten Zahlen in die Renewal-Verhandlung — statt wieder 100 Prozent zu erneuern, weil “wir das halt so immer gemacht haben.”

„Das lohnt sich für uns nicht.”
Das stimmt tatsächlich für Unternehmen unter 50 Mitarbeitenden mit einfachem SaaS-Stack. Wer fünf Tools nutzt und alle kennt, braucht kein Lizenzmanagement-Tool. Aber ab einem Stack von 20+ Tools und 150.000+ Euro Jahres-SaaS-Budget finanziert sich selbst Cledara im ersten Monat — wenn der Prozess wirklich gelebt wird.

Woran du merkst, dass das zu dir passt

Typische Signale, dass es Zeit ist:

• Ihr habt mehr als 20 aktive SaaS-Tools, aber kein vollständiges, zentrales Inventar
• Software-Ausgaben wachsen schneller als die Mitarbeitendenzahl
• Beim letzten Mitarbeitenden-Offboarding war unklar, welche Lizenzen zu entziehen sind
• IT kennt die monatlichen SaaS-Ausgaben nur ungefähr — Finance hat eine andere Zahl
• Ihr habt zwei oder mehr Tools, die die gleiche Funktion erfüllen (drei Video-Tools, zwei Projektmanagement-Systeme)
• Cloud-Kosten variieren stark von Monat zu Monat ohne klare Erklärung

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Unter 50 Mitarbeitenden mit weniger als 150.000 Euro Jahres-SaaS-Spend. Bei diesem Volumen ist ein manueller, vierteljährlicher Lizenz-Check effizienter als jede Plattform. Einfache Tabelle: Tool, Anbieter, Preis/Monat, Nutzer-Anzahl, letzte aktive Nutzung. Das reicht — und die Einsparungen aus einem Discovery-Tool würden die Plattformkosten kaum übersteigen.

2. Kein einheitliches SSO oder Identity Management (Okta, Azure AD, Google Workspace). Ohne zentrales SSO reduziert sich die Discovery auf Finance-Daten und manuelle Bestandsaufnahme — ein Bruchteil des Potenzials. Erst SSO einführen, dann SaaS-Management-Tool. Wer kein SSO hat, sollte die IT-Energie zuerst dort investieren.

3. Keine Bereitschaft, den Betriebsrat einzubinden und einen Governance-Prozess aufzubauen. Ein reines Dashboard ohne Entscheidungsmandat und mitbestimmungsrechtliche Absicherung ist Geldverschwendung. Das Tool selbst kostet wenig — der eigentliche Aufwand liegt im Prozess, den jede Maßnahme auslöst. Wer das nicht leisten kann oder will, sollte mit einem ein- oder zweimal jährlichen manuellen Audit starten.

Das kannst du heute noch tun

Wenn dein Unternehmen Azure oder AWS nutzt, aktiviere heute AWS Cost Anomaly Detection oder Azure Cost Management Cost Alerts — beide sind kostenlos, sofort verfügbar und melden sich, wenn deine Cloud-Kosten ungewöhnlich steigen. Das dauert 20 Minuten und schützt gegen die häufigsten Cloud-Kostenfallen.

Für den SaaS-Bereich: Gib den folgenden Prompt in ChatGPT oder Claude ein — nicht um dein Problem zu lösen, aber um in 15 Minuten ein vollständiges Bild zu bekommen, wie groß das Problem bei euch tatsächlich ist:

Quellen & Methodik

• Zylo SaaS Management Index 2024: Zylo, Inc. (2024). „2024 SaaS Management Index Reveals an Average of $18M in Annual License Waste.” Basiert auf 30 Millionen analysierten Lizenzen und 34 Milliarden USD Jahresausgaben aus realen Unternehmensportfolios. URL: zylo.com/news/2024-saas-management-index
• Zylo SaaS Management Index 2025: Zylo, Inc. (2025). „2025 SaaS Management Index Reveals First Increase in Average SaaS Spend in Three Years.” $21M durchschnittlicher Lizenzabfall, 52,7 % ungenutzte Lizenzen. URL: zylo.com/news/2025-saas-management-index
• Flexera State of the Cloud Report 2025: Flexera (2025). Basiert auf 759 befragten IT-Führungskräften. 27 % Cloud-Ausgaben verschwendet (konstant 2023–2025). 84 % nennen Cloud-Kostenverwaltung als Top-Herausforderung. URL: flexera.com/blog/finops/the-latest-cloud-computing-trends-flexera-2025-state-of-the-cloud-report
• BetterCloud State of SaaS 2025: BetterCloud (2025). 41 % der Mitarbeitenden beschaffen Software außerhalb der IT-Kontrolle. 106 durchschnittliche SaaS-Apps pro Unternehmen (2024). URL: bettercloud.com
• Gartner Shadow IT Statistik: Gartner (laufend zitiert). Shadow IT macht 30–40 % der IT-Ausgaben in Großunternehmen aus; bis 2027 sollen 75 % der Mitarbeitenden außerhalb der IT-Kontrolle technologisch tätig sein.
• Sastrify ROI-Angaben: Sastrify GmbH (2025). Eigenangabe: 30 % durchschnittliche Einsparung, 4–5x ROI. Als Anbieter-Angabe eingestuft — eigene Validierung empfohlen. URL: sastrify.com/pricing
• Preisangaben Tools: Cledara (Stand Mai 2026), Torii (Stand Mai 2026), Zylo (Stand Mai 2026), Sastrify (Stand Mai 2026) — Preise veröffentlicht oder auf Basis öffentlicher Quellen; Enterprise-Tarife variabel.
• BetrVG § 87 Abs. 1 Nr. 6: Betriebsverfassungsgesetz — Mitbestimmungsrecht bei technischen Einrichtungen zur Verhaltens- und Leistungsüberwachung.

Du willst wissen, welches Tool für deinen konkreten SaaS-Stack passt und wie groß das Einsparpotenzial bei euch realistisch ist? Meld dich — das klären wir in einem kurzen Gespräch.