Ein profitables Unternehmen mit USD 600 Mio. ARR, verkauft zum 2,3-Fachen des Umsatzes
Am 10. September 2026 hat Bending Spoons eine verbindliche Vereinbarung unterzeichnet, Miro zu einem Unternehmenswert (Enterprise Value) von USD 1,355 Milliarden zu übernehmen, rund USD 1,79 Milliarden Eigenkapitalwert inklusive Nettoliquidität. Im Januar 2022 hatte Miro USD 400 Millionen aufgenommen, bei einer Bewertung von USD 17,5 Milliarden. Der Abschlag liegt bei rund 90% auf den Eigenkapitalwert und bei etwa 92% auf den Unternehmenswert.
Miro steht gut da: rund USD 600 Millionen ARR, knapp 90% davon von Business- und Enterprise-Kunden, fast 4 Millionen zahlende Nutzer, mehr als 250’000 Organisationen, profitabel, mit etwa USD 435 Millionen Nettoliquidität. Der Markt bewertet dieses Geschäft jetzt mit rund 2,3x ARR. Das ist ein Multiple, das in früheren Jahren stagnierenden Legacy-Anbietern vorbehalten war. 24 Tage vor dem Verkauf hatte Miro seine KI-Add-ons ohne Aufpreis in die Standard-Enterprise-Lizenzen überführt. Keine öffentliche Quelle beziffert, wie viel des Abschlags auf KI zurückgeht und wie viel auf die allgemeine Neubewertung von Software seit 2021. Dieser Artikel behandelt KI als 1 von 4 dokumentierten Belastungen für Miro, und als die einzige, auf die ein Produktverantwortlicher Einfluss nehmen kann.
Wie KI das Produkt ersetzt
Miros Kernaufgabe ist eine gemeinsame Arbeitsfläche, auf der Teams Diagramme und Flowcharts zeichnen, Mindmaps und Wireframes bauen, Sticky Notes clustern und aus einem Workshop eine Zusammenfassung machen.
Jeder dieser Outputs ist heute ein Prompt. Ein allgemeiner KI-Assistent erzeugt in Sekunden ein Flowchart für einen Onboarding-Prozess, eine Mindmap für einen Produktlaunch oder eine Zusammenfassung von 60 Retro-Notizen, in einem Tool, für das die meisten Unternehmen bereits bezahlen. Miros eigene MCP-Seite beschreibt die KI-Funktionen mit denselben Worten: aus einem Gespräch ein Diagramm, eine Roadmap, User Stories, Wireframes oder eine Timeline machen und ein Board zusammenfassen. Trending Topics beschreibt den Weg zum Verkauf so, dass er über neue KI-Tools führt, die «Brainstorming und Diagramme fast als Nebeneffekt erledigen».
Die Preisentscheidung bestätigt das. Miro hat AI Workflows und Prototypes bis zum 17. August 2026 als kostenpflichtige Add-ons verkauft und sie dann kostenlos in jede Enterprise-Lizenz aufgenommen. Wenn eine Funktion anderswo als Nebeneffekt verfügbar ist, geht ihr Add-on-Preis auf 0. Was ein Modell nicht reproduzieren kann, ist die gemeinsame Arbeitsfläche mit den Boards von 250’000 Organisationen und die über 250 Integrationen drumherum. Dafür hat Bending Spoons 2,3x ARR bezahlt, und 2,3x ist der Preis für einen Legacy-Anbieter.
Warum das ein Problem ist: Die Miro-Timeline in 4 Signalen
Zwischen 2020 und 2022 wuchs Miro von 5 Millionen auf rund 30 Millionen Nutzer und baute die Basis zahlender Kunden um 550% aus. Die Bewertung von USD 17,5 Milliarden preiste eine Zukunft ein, in der das digitale Whiteboard Infrastruktur ist. Dann passierten 4 Dinge, öffentlich sichtbar.
1. Die Käufer konsolidierten ihre Tools. Ab 2022 strichen Unternehmen doppelte Lizenzen und bevorzugten Suiten von Microsoft, Figma und Canva gegenüber Stand-alone-Tools. Die Rückkehr ins Büro nahm einen Teil des Use Case weg.
2. Das Wachstum verlangsamte sich, der Personalbestand folgte. Miro strich im Februar 2023 119 Stellen und laut Berichten im Oktober 2024 rund 275 weitere, etwa 18% der Belegschaft. Die Nutzerzahl wuchs weiter, auf über 100 Millionen, aber weit unter dem Tempo von 2020 bis 2022.
3. KI-Funktionen liessen sich nicht mehr einzeln verkaufen. Eine Positionierung als «AI-first Workspace», so die Worte des CEO, ein offizieller MCP-Server, die Übernahme von Reforge im März 2026, und dann die kostenlosen KI-Add-ons am 17. August 2026.
4. Der Markt bewertete die Kategorie neu. Der S&P Software & Services Index verlor 25% seines Werts zwischen dem 12. Januar und dem 23. Februar 2026, nachdem Anthropic Claude Cowork und Plugins für professionelle Workflows vorgestellt hatte. Airtable, 2021 mit über USD 11 Milliarden bewertet, ging an denselben Käufer, für USD 1,285 Milliarden, rund 5 Wochen vor Miro.
Nichts davon ist Churn. Miro hat seine Kunden behalten und die Prämie verloren, die ein Markt für erwartetes Wachstum zahlt. Die Reihenfolge ist die Lektion für alle, die ihre eigene Exponierung einschätzen: Zuerst ging die Preissetzungsmacht, dann das Wachstum, dann das Multiple. Der Umsatz war an dem Tag, an dem jemand anderes die Entscheidung traf, noch in Ordnung. 1 weiteres Detail vom Käufer: Bending Spoons erklärt, dass KI oft im Zentrum steht, wenn es die gekauften Unternehmen umbaut, und Trending Topics berichtet, dass seine hauseigene Automatisierungsschicht Portfolio-Marken mit einem Bruchteil des früheren Personals betreibt. Die Technologie, die Miros Funktion in einen Prompt verwandelt hat, ist das Werkzeug des Käufers, um nach dem Closing Kosten herauszunehmen.
Welche Unternehmen vor derselben Bedrohung stehen
Die exponierte Gruppe teilt 1 Eigenschaft: Das, wofür der Kunde bezahlt, ist ein Output, den ein allgemeines Modell aus einem Prompt erzeugen kann, ohne unternehmensspezifische Daten. Dazu gehören viele Produkte, die mit einem Whiteboard nichts gemein haben.
| Kategorie | Wofür der Kunde bezahlt | Dokumentiertes Signal |
|---|---|---|
| Visuelle und Dokumenten-Tools: Whiteboarding, Diagramme, Notizen, Präsentations-Builder, Template-Bibliotheken | Ein Diagramm, eine Seite Notizen, ein Folienentwurf | Miros KI-Add-ons wurden am 17. August 2026 kostenlos. Miro kommt in ein Portfolio, das bereits Evernote und Airtable hält, gekauft mit derselben These |
| Informations- und Recherchedatenbanken | Suche, Zusammenfassen und Entwürfe auf Basis publizierter Inhalte | Thomson Reuters verlor fast 18% an 1 Tag im Februar 2026, RELX 14,4%, Wolters Kluwer rund 13% |
| Seat-lizenzierte Workflow-Software für Kalenderverwaltung, Dokumentensuche, Vertrieb, Finanzanalyse, Datenabfragen und Visualisierung, Legal Review, Marketing, Kundensupport und Produktmanagement | Der Seat einer Person in einem Dashboard | Anthropic veröffentlichte am 30. Januar 2026 11 Plugins, 1 pro Funktion; die Tools zielen auf Arbeit, die Softwareanbieter als Kernprodukte verkaufen |
| First-Draft-Dienstleistungen: FAQ-Chatbots auf Basis öffentlicher Informationen, Übersetzung, Content- und Textproduktion, einfaches Design | Ein Entwurf oder eine Antwort aus öffentlichen Informationen | Noch kein bepreistes Signal. Der Output ist identisch mit dem, was ein allgemeiner KI-Assistent aus denselben öffentlichen Informationen liefert |
Ein 1-Minuten-Test: Wenn ein allgemeiner KI-Assistent die Demo eines Sales Engineers aus einem Prompt von 1 Absatz reproduzieren kann, gehört das Produkt zur exponierten Gruppe. Die weniger exponierte Gruppe ist durch die gegenteilige Eigenschaft definiert. Ihr Output hängt von Daten ab, die das Modell nicht sehen kann, etwa Preise, Verträge, Schadenhistorie und ERP-Daten, oder er trägt eine Haftung, die ein Modell nicht übernehmen kann. Diese Unterscheidung zieht sich durch die 6 Optionen unten.
Lösungen: 6 Optionen, wenn KI euer Produkt ersetzen kann
1. Euren Umsatz nach Ersetzbarkeitsstufe klassifizieren
Ordnet jedes Feature oder jede Dienstleistungslinie 1 von 3 Stufen zu: prompt-ersetzbar, wo ein Modell den Output ohne Unternehmensdaten erzeugt; kontextgebunden, wo der Output von verifizierten Unternehmensdaten wie Preisen, Spezifikationen, Verträgen oder Schadenhistorie abhängt; und haftungsgebunden, wo jemand für den Output haftet und einen Audit Trail braucht. Dann hängt ihr an jedes Tag Umsatz und bezahlte Seats.
Auf Miro angewandt ist die Aufteilung von aussen sichtbar: Diagramme, Flowcharts, Mindmaps und Templates liegen auf Stufe 1. Board-Historie, über 250 Integrationen und Agent-Zugriff liegen auf Stufe 2. Enterprise-Sicherheit und Compliance-Kontrollen liegen auf Stufe 3. Nur die letzten 2 Gruppen tragen 2026 Preissetzungsmacht.
2 Inputs machen das Audit konkret. Erstens eine Churn-Rate-Analyse nach Feature-Nutzung: Welche Funktionen nutzen Kunden nicht mehr, sobald sie einen allgemeinen KI-Assistenten haben, auch wenn der Vertrag weiterläuft. Zweitens ein Seat-Count-Check: Wenn 1 KI-Agent die Arbeit erledigt, die vorher 3 Personen erledigt haben, sinkt der Umsatz pro Seat auf Stufe 1, während das Logo auf der Kundenliste bleibt. Das Audit kostet etwa 1 Workshop pro Geschäftseinheit. Wer es überspringt, landet beim häufigsten Fehler: einer KI-Roadmap, die Stufe-1-Features baut, genau die Funktionen, die allgemeine Modelle bereits beherrschen.
2. Den Wert vom Interface in die Daten verlagern
Wenn das Interface zum Prompt wird, ist das Interface nicht mehr das Produkt. Was Miro weiterhin besitzt, sind die Boards von 250’000 Organisationen, plus die Integrationen und den MCP-Server, die diese Boards für andere Systeme lesbar machen. Für ein reguliertes Unternehmen ist das entsprechende Asset verifizierte Daten: Produktspezifikationen, Preise, Policenwortlaute, Vertragsbedingungen, Schadenhistorie. Ein allgemeines Modell kann diese Daten entweder nicht sehen oder gibt sie falsch wieder.
Ein praktischer Test: Schreibt 20 bis 50 Fragen auf, die ein Kunde zu euren Produkten oder Dienstleistungen stellen würde, mit den korrekten Antworten, und lasst sie durch einen allgemeinen KI-Assistenten laufen. Jede falsche oder erfundene Antwort markiert ein Stufe-2-Asset, das ihr besitzt und das Modell nicht. Der nächste Schritt ist, diese Daten in 1 Schema, 1 Update-Zyklus und 1 Retrieval-Schicht zu strukturieren. Das ist ein Data-Engineering-Projekt, das sich in Wochen bemisst, und es ist das Fundament, von dem jede spätere Option abhängt.
3. Audit Trail und Haftung verkaufen
Wo eine falsche Antwort rechtliche oder finanzielle Kosten hat, zahlen Käufer weiterhin dafür, wer verantwortlich ist. Das heisst: ein dokumentierter Audit Trail, Datenresidenz, Pflichten nach dem Schweizer Datenschutzgesetz (revDSG) und dem EU AI Act sowie ein benannter Anbieter, den ein FINMA-beaufsichtigtes Unternehmen in sein Outsourcing-Register eintragen kann. Das ist Stufe 3, und es ist der Teil eines Angebots, den ein allgemeines Modell nicht absorbieren kann.
Der Ausverkauf im Februar 2026 zeigt die Trennlinie innerhalb 1 Branche. Der Markt hat Anbieter von Rechts- und Dateninformationen über Nacht neu bewertet, in der Erwartung, dass der Entwurfs- und Zusammenfassungsteil ihres Angebots zum Prompt wird. Der Teil desselben Angebots mit verifizierten Quellen und Haftung ist das, wofür der Einkauf weiterhin unterschreibt. Im Enterprise Sales an regulierte Kunden im DACH-Markt ist die Dokumentation Teil des Produkts: DSFA-Unterstützung, Hosting-Standort, Aufbewahrungsregeln, Modellherkunft und ein schriftlicher Eskalationspfad zu einem Menschen. Anbieter, die diese Unterlagen im ersten Meeting übergeben können, verkürzen die Compliance-Prüfung, an der KI-Pilotprojekte in regulierten Firmen oft hängen bleiben.
4. Euer Produkt für Agenten aufrufbar machen
Miros Antwort auf die Modellschicht war, zu einer Quelle für sie zu werden: Ein offizieller MCP-Server lässt Assistenten und Coding-Agenten Boards als Kontext lesen und Ergebnisse zurückschreiben. Der kommerzielle Grund liegt auf der Käuferseite. 94% der B2B-Käufer haben 2025 während ihres Kaufprozesses LLMs genutzt. Wenn euer Produkt oder eure Daten im Workflow eines Agenten nicht erreichbar sind, seid ihr ausserhalb des Workflows, in dem Entscheidungen vorbereitet werden.
Für eine Marke heisst das: strukturierte Daten über MCP oder eine API mit sauberen Berechtigungen bereitstellen und die Quelle sein, die der Agent aufruft, statt der Bildschirm, den der Nutzer öffnet. 2 Trade-offs sind real: Zugriffsbereiche und Logging müssen vor der Freigabe designt sein, und Inhalte, die Agenten erreichen können, brauchen dieselbe Negativliste wie jeder öffentliche Kanal, damit der Agent nie ausgibt, was intern bleiben soll.
5. Seats neu bepreisen, bevor der Markt es tut
Seat-basierter Umsatz schrumpft, wenn 1 Agent Arbeit übernimmt, für die Pro-Nutzer-Lizenzen bepreist waren. Miro hat fast 4 Millionen zahlende Nutzer, und der separate Preis für seine KI-Funktionen ging am 17. August 2026 auf 0. Die Frage für jedes Stufe-1-Produkt ist, was zuerst kommt: eure eigene Preisänderung oder die Seat-Reduktion des Kunden bei der Verlängerung.
Die Aufgabe für Revenue Operations ist, den aktuellen Kundenbestand unter 3 Seat-Kompressions-Szenarien zu modellieren, 10%, 25% und 50%, und die Preisänderung zu entscheiden, solange die Customer Retention Rate noch hoch ist. Optionen mit unterschiedlichen Risikoprofilen: eine Plattformgebühr plus Nutzung, ergebnisbasierte Preise pro gelöstem Fall oder verarbeitetem Dokument, oder Stufen, die über Datenzugriff statt über Kopfzahl definiert sind. Nutzungsbasierte Preise bringen Umsatzvolatilität. Warten bringt eine Neubewertung, die ihr nicht kontrolliert.
6. Die Agentenschicht auf euren eigenen Daten selbst besitzen – der Lab51-Ansatz
Für Unternehmen, deren Produkt oder Dienstleistung Informationsarbeit auf Stufe 2 ist, lautet die Entscheidung in der KI-Strategie Buy vs. Make. Allgemeine Tools pro Seat mieten und akzeptieren, dass die Differenzierung im Modell von jemand anderem sitzt. Oder die Agentenschicht auf den eigenen verifizierten Daten bauen und besitzen. Lab51 baut die zweite Option für regulierte Kunden im DACH-Raum: KI-Lösungen auf Schweizer oder On-Premise-Infrastruktur, wobei das darunterliegende Modell als austauschbar behandelt wird.
Die Methode, wie sie in aktuellen KI-Implementierungen bei Kunden angewandt wird:
- Knowledge-Audit und Source Mapping. Das eigene Material des Unternehmens wird gecrawlt und eingelesen: Produktdaten, FAQs, technische Spezifikationen, Richtlinien, PDFs, ERP-Daten. Eine Negativliste legt fest, was in einer Antwort nie erscheinen darf.
- Normalisierte Knowledge Base mit Hybrid Search. Alle Daten werden in 1 Schema strukturiert und für semantisches Retrieval gespeichert, mit Keyword- plus semantischer Suche, damit der Agent exakte Artikelnummern und Spezifikationen findet und nicht nur ähnlichen Text.
- Kuratierte Antwortmatrizen. Bei Fragen mit hohem Risiko, zum Beispiel Vergleichen mit 3 bis 5 namentlich genannten Wettbewerbern, ruft der Agent vorab verifizierte Tabellen ab, statt frei zu generieren.
- Benchmark-Validierung. 20 bis 50 Must-get-right-Fragen werden mit dem Kunden vereinbart und vor dem Launch getestet. Die Genauigkeit wird in einem Validierungsbericht dokumentiert.
- 1 Knowledge Base über alle Kanäle via MCP. Dieselbe Datenschicht bedient Website, WhatsApp, Facebook Messenger, TikTok und Xiaohongshu, sodass es 1 Source of Truth gibt statt 5 auseinanderlaufender Bots.
- Timeline und Betrieb. Rund 8 Wochen für Knowledge Base und Vergleichs-Engine. Kanalintegrationen dauern je 1 bis 6 Wochen, abhängig von den Freigaben der Plattformen. Monitoring und monatliches Reporting laufen nach dem Go-live weiter.
Das Ergebnis ist ein dauerhaftes Asset, das dem Kunden gehört: eine strukturierte, aktualisierbare Datenschicht und eine Präsenz auf den Kanälen, auf denen Kunden Fragen stellen. Ein Stufe-1-Produkt verliert Preissetzungsmacht an das Modell. Eine Stufe-2-Datenschicht gewinnt sie, weil das Modell sie braucht, um korrekt zu antworten. Ein Vorbehalt der Genauigkeit halber: Das hier beschreibt ein Projektdesign. Ergebniskennzahlen werden pro Projekt nach dem Launch gemessen, und der Benchmark existiert, damit die Leistung eine dokumentierte Zahl ist und kein Eindruck. Gartner erwartet, dass mehr als 40% der Agentic-AI-Projekte bis Ende 2027 abgebrochen werden, meist wegen unklarem Nutzen und schwacher Risikokontrollen. Der Validierungsschritt ist die Antwort auf beides.
Warum jetzt: 3 datierte Signale
Erstens, die Exit-Rechnung ist öffentlich. 2 etablierte SaaS-Unternehmen, Airtable und Miro, gingen im Abstand von rund 5 Wochen an 1 Käufer, beide zu einem niedrigen einstelligen ARR-Multiple auf den Unternehmenswert. Jedes Produkt auf Stufe 1 hat jetzt einen Referenzpreis, und Verwaltungsräte werden ihn nutzen.
Zweitens, KI-Funktionen sind innerhalb von Monaten nicht mehr verkäuflich. Miros KI-Add-ons wurden am 17. August 2026 zu kostenlosen Bestandteilen. Eine Roadmap, die KI-Funktionen auf einem ersetzbaren Kern monetarisiert, hat ein kurzes Zeitfenster, bevor Kunden diese Funktionen kostenlos erwarten.
Drittens, die Käufer machen den Test bereits mit euch. 94% der B2B-Käufer nutzen LLMs in ihrem Kaufprozess, und 41% der deutschen Unternehmen setzen inzwischen künstliche Intelligenz im Unternehmen ein. Eure Kunden prüfen, welche Teile eures Angebots ein Modell erledigen kann, ob ihr das geprüft habt oder nicht.
Was in diesem Quartal zu tun ist: Führt die Klassifizierung aus Option 1 durch, 1 Workshop pro Einheit. Wählt das Stufe-2-Datenasset mit dem meisten Umsatz dahinter. Startet die Datenschicht jetzt. Eine validierte Knowledge Base dauert rund 8 Wochen, und der nächste Planungszyklus beginnt im Januar.
Schlussgedanke
Miro ist nicht gescheitert. Seine Kernfunktion wurde zum Prompt, und der Markt hat jetzt eine Zahl darauf gesetzt, was das kostet: rund 2,3x ARR für einen profitablen Kategorieführer. Die Marken, die durch diesen Zyklus ein Wachstums-Multiple behalten, sind die, deren Produkt auf Daten läuft, die ein Modell nicht reproduzieren kann, und Verantwortung trägt, die ein Modell nicht übernehmen kann. Zu entscheiden, welche Teile eures Umsatzes wohin gehören, dauert rund 1 Tag. Die Schicht zu bauen, die überlebt, dauert rund 8 Wochen. Beides ist günstiger, als den Preis von einem Käufer zu erfahren.
Ihr fragt euch, ob KI eure Marke ersetzen kann? Meldet euch bei uns für Leitlinien, die auf euer Unternehmen zugeschnitten sind.
