SaaS-Analytics benchmarken: was gut aussieht

# SaaS-Analytics benchmarken: was gut aussieht

Ihr Dashboard zeigt ein DAU/MAU (daily active users geteilt durch monthly active users) von 22%. Ist das gut? Eine Produktmanagerin bei einem SaaS-Anbieter für Projektmanagement präsentierte genau diese Zahl ihrem Board als Erfolg. Das Boardmitglied, das früher growth bei Slack verantwortete, sagte nichts, öffnete ein öffentliches Benchmark-Deck und wies darauf hin, dass 22% ungefähr dort liegt, wo Slack war, bevor es zum täglichen Gewohnheitstool wurde, und deutlich unter dem, was ein „sticky" Collaboration-Produkt zeigen sollte. Das Meeting nahm innerhalb von fünf Minuten eine andere Richtung. Eine Zahl ohne benchmark ist nur eine Zahl.

In dieser Lektion geht es darum, diesen Vergleichsmuskel aufzubauen: zu wissen, wo glaubwürdige externe benchmarks zu finden sind, was „gut" bei den relevanten Metriken bedeutet und wie Sie sich nicht von Zahlen täuschen lassen, die isoliert betrachtet gesund aussehen.

Warum rohe Zahlen ohne Kontext lügen

Ein SaaS-Unternehmen (Software as a Service) erzeugt täglich dutzende Nutzungsmetriken. Fast keine davon bedeutet ohne Referenzpunkt etwas. Drei Gründe:

• Die Kategorie zählt. Ein Tool für den täglichen Einsatz (Messaging, Terminplanung) sollte ein hohes DAU/MAU haben. Ein Tool für den monatlichen Einsatz (Payroll, Software für Quartalsberichte) sieht am gleichen MaMaUsing software to automate repetitive marketing tasks and campaigns, enabling personalisation at scale across channels like email, web, and social.Vollständige Definition ansehen →ßstab „unhealthy" aus, ist aber völlig in Ordnung.
• Die Unternehmensphase zählt. Produkte in der Frühphase zeigen oft ein durch den Neuheitseffekt aufgeblähtes Engagement; ausgereifte Produkte zeigen stabilere Zahlen mit geringerer Varianz.
• Definitionen unterscheiden sich. Für ein Unternehmen ist ein „active user" ein Login, für ein anderes braucht es eine Kernaktion (eine Nachricht senden, einen deal abschließen). Unternehmen zu vergleichen, ohne die Definitionen zu prüfen, heißt Äpfel mit Rechnungen zu vergleichen.

Wichtige öffentliche Quellen für SaaS-benchmarks

Sie brauchen kein bezahltes Research-Abo, um halbwegs verlässliche Zahlen zu bekommen. Nützliche kostenlose oder überwiegend kostenlose Quellen (Stand 2025-2026):

• OpenViews SaaS Benchmarks (jährlicher, umfragebasierter Report, kostenloser Download) mit Wachstumsraten, net dollar retentionnet dollar retentionNet Revenue Retention measures the percentage of recurring revenue retained and grown from existing customers over a period, including upsell and expansion, net of downgrades and churn.Vollständige Definition ansehen → und Effizienzmetriken von hunderten selbstberichtenden SaaS-Unternehmen.
• KeyBanc Capital Markets' SaaS Survey (in Teilen regelmäßig öffentlich zusammengefasst), ein seit langem laufender benchmark für Privatunternehmen, der von VCs stark genutzt wird.
• Bessemers State of the Cloud-Report, der Multiples und Wachstums-benchmarks börsennotierter Cloud-/SaaS-Unternehmen verfolgt.
• Die jährlichen Wachstums- und Retention-benchmark-Reports von SaaS Capital, segmentiert nach Umsatzgröße.
• 10-Ks und Investor-Decks börsennotierter Unternehmen (Salesforce, HubSpot, Atlassian, Datadog) für echte, geprüfte Retention- und nutzungsnahe Metriken, da börsennotierte Unternehmen net revenue retentionnet revenue retentionNet Revenue Retention measures the percentage of recurring revenue retained and grown from existing customers over a period, including upsell and expansion, net of downgrades and churn.Vollständige Definition ansehen → und Kundenzahlen nach den Berichtspflichten der SEC (U.S. Securities and Exchange Commission) offenlegen.

Eine gute kostenlose Einstiegsquelle zur Orientierung: OpenViews SaaS Benchmarks report, jährlich aktualisiert.

Einschränkung: Die meisten dieser Quellen sind selbstberichtet, umfragebasiert und neigen zu VC-finanzierten Unternehmen mit Hauptsitz in den USA. Europäische benchmarks sind dünner. Behandeln Sie jede Zahl als Richtungsangabe, nicht als Präzisionswert.

Der zentrale Engagement-benchmark: DAU/MAU

DAU/MAU (daily active users geteilt durch monthly active users) misst Stickiness, also wie oft ein monatlicher Nutzer tatsächlich täglich auftaucht.

Rechenbeispiel:

Ein SaaS-Tool hat 50.000 monthly active users und an einem durchschnittlichen Tag 9.000 daily active users.

DAU/MAU = 9.000 / 50.000 = 0,18, also 18%.

Grobe, häufig zitierte benchmark-Bandbreiten (Schätzungen, je nach Quelle und Jahr unterschiedlich):

• Consumer-Social-Apps: 50-60%+ (Facebook hat historisch Werte in diesem Bereich genannt)
• B2B-Tools im Tagesworkflow (Chat, Projektboards): 30-50% gelten als stark
• Tools mit Wochenrhythmus (CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen → für Vertriebler, Analytics-Dashboards): 10-25% ist normal und kein Alarmsignal
• Tools mit monatlichem/periodischem Einsatz (Payroll, Compliance, Reporting): unter 10% kann völlig gesund sein

Die 22% aus der Eingangsszene brauchen also einen Kategorie-Check. Für ein Tool für tägliche Zusammenarbeit sind sie mittelmäßig. Für ein CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen → mit Wochenrhythmus sind sie tatsächlich gut.

Feature-Adoption: die Metrik, die alle falsch messen

Die Feature-Adoption-Rate (Anteil der aktiven Nutzer, die ein bestimmtes Feature innerhalb eines Zeitraums nutzen) wird ständig missbraucht, weil Unternehmen sie mit nichts vergleichen oder mit einem willkürlichen internen Ziel ohne externe Grundlage.

Praktischer benchmark-Ansatz:

1. Nach Feature-Typ segmentieren. Kern-Workflow-Features (der Grund, warum jemand das Produkt gekauft hat) sollten bei 60-80%+ Adoption unter aktiven Nutzern liegen. Sekundäre Features (Integrationen, erweitertes Reporting) liegen oft bei 10-30%, und das ist normal, kein Scheitern.

2. Adoption-Kurven über die Zeit seit dem Feature-Launch verfolgen, nicht nur eine Momentaufnahme. Ein Feature mit 15% Adoption nach einer Woche kann gesund sein; die gleiche Zahl nach 18 Monaten signalisiert ein Problem.

3. Vergleichen Sie zuerst mit Ihren eigenen früheren Launches, bevor Sie nach externen benchmarks greifen. Externe Daten zu feature-spezifischer Adoption sind rar und produktübergreifend selten vergleichbar.

Support-Tickets pro Nutzer: ein Datenqualitätssignal, nicht nur eine Ops-Metrik

Die Kennzahl Support-Tickets pro Nutzer (oder pro Account) sagt etwas über Produktfriktion aus und indirekt über die Datenqualität Ihres eigenen Trackings.

Grobe Schätzbereiche, die von benchmark-Anbietern im Customer Support genannt werden (z.B. Zendesks öffentliche benchmark-Daten, Intercoms Reports): Ausgereifte B2B-SaaS-Produkte liegen häufig bei 0,1 bis 0,3 Tickets pro Nutzer und Monat als plausible Bandbreite, wobei das enorm mit der Produktkomplexität schwankt. Eine ungewöhnlich niedrige Ticketrate ist nicht automatisch eine gute Nachricht: manchmal bedeutet sie, dass Nutzer still churnen statt sich zu beschweren, oder dass Ihre Ticket-Logging-Integration kaputt ist und untererfasst.

Das ist die Datenqualitätsfalle: Eine „gut aussehende" Metrik kann ein verkapptes Governance-Versagen sein. Prüfen Sie, bevor Sie irgendeiner Kennzahl vertrauen:

• Vollständigkeit: Speisen tatsächlich alle Support-Kanäle (E-Mail, In-App-Chat, Community-Forum) denselben Datensatz?
• Deduplizierung: Wird ein verwirrter Nutzer, der fünf Tickets erzeugt, als fünf separate Probleme gezählt?
• User-ID-Matching: Werden anonyme Tickets vor dem Login korrekt (oder überhaupt) einem Account zugeordnet?

Eine einfache Governance-Checkliste, bevor Sie irgendetwas benchmarken

Bevor Sie Ihre Zahlen mit einem externen Datensatz vergleichen, prüfen Sie:

1. Definitions-Match: ist "active user" gleich definiert (Login vs. Kernaktion)?
2. Zeitfenster-Match: täglich/monatlich/rollierende 28 Tage, nicht Kalendermonat vs. rollierendes Fenster
3. Konsistenz des Nenners: alle registrierten Nutzer vs. zahlende Nutzer vs. lizenzierte Seats
4. Herkunft der Datenquelle: Product-Analytics-Tool (Amplitude, Mixpanel) vs. Billing-System vs. CRM
5. Sampling: Vollerhebung oder Stichprobe? Filterung von Bots/Testaccounts angewandt?

Diese Checkliste zu überspringen ist die häufigste Ursache dafür, dass ein benchmark-Vorhaben zu einem falschen Schluss führt.

Net dollar retentionNet dollar retentionNet Revenue Retention measures the percentage of recurring revenue retained and grown from existing customers over a period, including upsell and expansion, net of downgrades and churn.Vollständige Definition ansehen → und Nutzung: die Metrik, an der Investoren wirklich ankern

Diese Lektion vermeidet allgemeine Finanzkennzahlen, doch eine nutzungsgebundene Metrik gehört eindeutig in die Datendomäne, weil sie aus Produkt- und Billing-Daten und nicht aus Abschlüssen gebaut wird: Net Dollar RetentionNet Dollar RetentionNet Revenue Retention measures the percentage of recurring revenue retained and grown from existing customers over a period, including upsell and expansion, net of downgrades and churn.Vollständige Definition ansehen → (NDRNDRNet Revenue Retention measures the percentage of recurring revenue retained and grown from existing customers over a period, including upsell and expansion, net of downgrades and churn.Vollständige Definition ansehen →), der Anteil des wiederkehrenden Umsatzes, der von bestehenden Kunden nach Upgrades, Downgrades und churn erhalten bleibt, ohne Neukunden.

Öffentliche benchmark-Schätzungen (Werte 2024-2025, als Annäherung zu behandeln):

• Best-in-class-SaaS-Unternehmen: NDRNDRNet Revenue Retention measures the percentage of recurring revenue retained and grown from existing customers over a period, including upsell and expansion, net of downgrades and churn.Vollständige Definition ansehen → über 120% (Kunden expandieren schneller, als sie churnen)
• Median gesunder SaaS (laut OpenView- und SaaS-Capital-Umfragen): etwa 100-110%
• Unter 100% signalisiert, dass bestehende Kunden schneller schrumpfen als expandieren, ein echtes Warnsignal

Diese Metrik hängt vollständig von einem sauberen Mapping zwischen Nutzungs- und Billing-Daten ab, ein weiterer Grund, warum data lineagedata lineageData lineage maps how data moves and transforms across systems, from origin to consumption, showing where it came from, what changed it, and where it goes.Vollständige Definition ansehen → (die Nachverfolgung, wo eine Zahl entstanden ist und wie sie transformiert wurde) genauso viel zählt wie die Zahl selbst.

🎬 [VIDEO: "SaaS Metrics that Matter" - youtube.com/@saastr - Auf dem Kanal von SaaStr finden sich regelmäßig Talks von Foundern und Investoren, die DAU/MAU, NDRNDRNet Revenue Retention measures the percentage of recurring revenue retained and grown from existing customers over a period, including upsell and expansion, net of downgrades and churn.Vollständige Definition ansehen → und Retention-benchmarks mit echten Unternehmensbeispielen aufschlüsseln]

Europa vs. USA: eine Datenlücke, die Sie kennen sollten

Die meisten weit zitierten SaaS-benchmark-Datensätze (OpenView, KeyBanc, Bessemer) sind stark US-gewichtet. Europäisches SaaS-benchmarking ist vergleichsweise dünn. Quellen wie SaaStock und Reports europäischer VC-Firmen (etwa die SaaS-Umfragen von Point Nine) bieten eine Teilabdeckung, aber mit kleineren Stichproben. Wenn Sie ein europäisches SaaS-Unternehmen benchmarken, benennen Sie diese Lücke ausdrücklich, statt stillschweigend US-Normen anzuwenden, denn Nutzungsrhythmus und Support-Erwartungen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen je nach Markt und sprachlicher Komplexität abweichen.

Key Takeaways

• Lesen Sie niemals eine einzelne SaaS-Metrik isoliert. DAU/MAU, Feature-Adoption und Support-Ticket-Kennzahlen brauchen alle einen kategorie- und phasengleichen benchmark, um etwas zu bedeuten.
• Kostenlose, glaubwürdige benchmark-Quellen existieren (OpenView, KeyBanc, Bessemer, SaaS Capital, Pflichtveröffentlichungen börsennotierter Unternehmen), neigen aber zu den USA und VC-finanzierten Firmen; behandeln Sie jeden Wert als Schätzung.
• Arbeiten Sie vor dem Vergleich eine Governance-Checkliste ab: passende Definitionen, Zeitfenster, Nenner und data lineagedata lineageData lineage maps how data moves and transforms across systems, from origin to consumption, showing where it came from, what changed it, and where it goes.Vollständige Definition ansehen →. Nicht übereinstimmende Definitionen sind die häufigste Ursache falscher benchmark-Schlüsse.
• Eine „gut aussehende" Metrik (sehr wenige Support-Tickets, hohes DAU/MAU) kann ein Datenqualitätsproblem oder eine Kategorie-Verwechslung verbergen, statt echte Gesundheit widerzuspiegeln.
• Net Dollar RetentionNet Dollar RetentionNet Revenue Retention measures the percentage of recurring revenue retained and grown from existing customers over a period, including upsell and expansion, net of downgrades and churn.Vollständige Definition ansehen → über 100% (gesund) versus unter 100% (Warnung) ist ein weit genutzter Anker, aber nur vertrauenswürdig, wenn Nutzungs- und Billing-Daten saubere verknüpft sind.