Wie KI zum messbaren Faktor in der Due Diligence wird

Beim Verkauf von Softwareunternehmen herrschte lange Goldgräberstimmung: Signings erfolgten teils innerhalb weniger Tage, die Due Diligence blieb oft oberflächlich. Entscheidend waren Wachstum, wiederkehrende Umsätze und eine loyale Kundenbasis. Doch Künstliche Intelligenz hat diese Logik verändert. In M&A-Prozessen zählt heute vor allem eine neue Frage: Wie resilient ist das Geschäftsmodell gegenüber KI? „Es gibt heute keinen Prozess mehr, wo die Frage nicht in den Top 3 ist“, sagt Emanuel Bischofberger von DC Advisory im Gespräch mit FINANCE. Gemeint ist weit mehr als eine klassische Marktanalyse. Käufer wollen wissen, ob ein Zielunternehmen eine KI-Strategie hat, welche Systeme im Einsatz sind, wie die Governance aussieht und ob das Geschäftsmodell durch KI unter Druck gerät oder profitiert. „Bei der klassischen Due Diligence findet man Zahlen, Verträge und Systeme, aber nicht den KI-Wert eines Unternehmens“, sagt auch Marijo Jurasovic. Er hat sich mit der Beratung Sapiova auf KI-Due-Diligence spezialisiert. Die drei Ebenen in der KI-Due-Dilligence Doch was genau wird dabei geprüft? Jurasovic unterscheidet dabei drei Prüfdimensionen: Risiko und Governance, Wertschöpfung sowie Prozesse und Innovationsfähigkeit. Bei der Governance geht es um Grundsätzliches: Gibt es eine dokumentierte KI-Strategie? Sind Verantwortlichkeiten klar definiert? Sind Vorstand und Aufsichtsrat eingebunden? Kritisch ist vor allem das Thema Shadow-KI, also die Frage, ob ein Unternehmen überhaupt weiß, welche Systeme intern im Einsatz sind. Hinzu kommt die Compliance-Seite: Der EU AI Act sieht für verbotene KI-Praktiken Bußgelder von bis zu 35 Millionen Euro oder 7 Prozent des weltweiten Jahresumsatzes vor. Bei großen Konzernen gilt der jeweils höhere Wert aus der Fixsumme oder des Prozentwerts. Bei KMU oder kleiner gilt der jeweils niedrigere Wert. Bei der Wertschöpfung geht es darum, ob KI bereits auf die Marge einzahlt oder ob ein Unternehmen noch experimentiert und die Kosten schneller steigen als der Nutzen. Zentral ist zudem das Konzept der sogenannten Vorsprungsdauer, also die Frage, wie lange ein Unternehmen seinen Wettbewerbsvorsprung noch halten kann, bevor KI ihn erodiert. In der Prüfung der dritten Dimension, Prozesse und Innovationsfähigkeit, stehen schließlich folgende Fragen im Fokus: Können KI-Agenten das Kernprodukt oder den Kernprozess eines Unternehmens reproduzieren? Wie bedroht ist das Geschäftsmodell durch externe KI-Entwicklungen? Konkret werden also die KI-Adoption und Disruptionsexposition geprüft. Jurasovic verweist auf informationsgetriebene Geschäftsmodelle, die durch generative Such- und Antwortsysteme unter Druck geraten können. Ein Muster, das sich bei vielen informationsgetriebenen Geschäftsmodellen wiederhole. Umgekehrt gilt: „Wer proprietäre Daten tief in seinen Prozessen verankert hat und hohe Wechselkosten erzeugt, ist deutlich resilienter.“ Wie lässt sich KI-Resilienz quantifizieren? Bischofberger betrachtet das Thema aus drei Transaktionsperspektiven: Markt, Umsatz und Kosten. Wie verändert KI die Nachfrage nach meiner Lösung? Verschiebt sich das Erlösmodell, etwa von Seat-based-Lizenzen zu Outcome-Pricing? Und auf der Kostenseite: Lassen sich Effizienzgewinne halten oder müssen sie an Kunden weitergegeben werden? Konkret messbar wird das etwa an der Preisstabilität bei Neuabschlüssen oder dem Verhältnis von KI-getriebenen Umsätzen zu KI-getriebenen Kosten. Die entscheidende Frage: Lässt sich das überhaupt sauber quantifizieren? „Die eine Metrik, bei der man sagt, wenn du diesen Wert erreichst, bist du auf der sicheren Seite, gibt es nicht“, sagt Bischofberger offen. Was es aber gibt, sind zunehmend strukturierte Ansätze, um KI-Resilienz zumindest einzuordnen. Jurasovic arbeitet mit einem Reifegrad-Modell, das Unternehmen in vier Stufen einteilt: von Experimentieren über strukturiert und skaliert bis hin zu High Performern. Dabei geht es nicht darum, möglichst weit oben zu stehen. „Es ist sogar gut, wenn ein Unternehmen weiß, wer es ist, was es kann und was es noch zu tun hat“, sagt Jurasovic. Die Ergebnisse werden in einem farbkodierten Scoring-Modell abgebildet: einer Art Ampelsystem, das auf Basis konkreter KPIs wie KI-Feature-Adoption, Kundenbindung und Inferenzkosten einen Gesamtüberblick liefert. Als Bewertungsbasis zieht Jurasovic dabei in der Regel die vergangenen drei Jahre heran: Wie hat das Unternehmen KI integriert, welche Fortschritte lassen sich nachweisen und gibt es einen glaubwürdigen Plan für die Zukunft? Bewertungsabschlag durch KI-Risiken Wer diesen Nachweis nicht erbringen kann, riskiert handfeste Abschläge: Je nach Branche und Unternehmensgröße beobachtet Jurasovic einen Wertverlust von 25 bis 40 Prozent, wenn der Wettbewerbsvorsprung eines Unternehmens durch KI zu erodieren droht. Hinzu können 15 bis 30 Prozent Abschlag auf den Bewertungsmultiplikator kommen, wenn regulatorische, datenschutz- oder technikbezogene Risiken ungelöst bleiben. Bischofberger wiederum beobachtet eine Verschiebung beim klassischen Bewertungsmaßstab. Die Rule of 40, bei der Umsatzwachstum und Ebitda-Marge zusammen mindestens 40 Prozent ergeben sollten, reiche im aktuellen Marktumfeld nicht mehr aus. „Das ist heute eher eine Rule of 50 geworden, und sie sollte möglichst ausgewogen sein“, sagt er. Ein Unternehmen mit 25 Prozent Wachstum und 25 Prozent Marge steht dabei deutlich besser da als eines mit 50 Prozent Wachstum und keiner Profitabilität. Wie Verkäufer ihre KI-Story glaubwürdig erzählen Was bedeutet das konkret für Unternehmer, die einen Verkaufsprozess vorbereiten? Die Antwort aus dem Markt ist eindeutig: Wer das Thema KI nicht proaktiv adressiert, überlässt die Deutungshoheit dem Käufer und der wird im Zweifel konservativ bewerten. Der erste Schritt ist dabei denkbar simpel, wird aber von erstaunlich vielen Unternehmen vernachlässigt: ein vollständiges Register aller KI-Systeme, die im Unternehmen im Einsatz sind. Welche Modelle laufen, zu welchem Zweck, mit welchen Daten und unter wessen Verantwortung? „Alles, was nicht dokumentiert ist, ist im Due-Diligence-Prozess nicht existent“, sagt Jurasovic. Hinzu sollte eine dokumentierte KI-Strategie kommen, die nachweislich mit der Unternehmensstrategie verknüpft ist und in der klare Verantwortlichkeiten auf Geschäftsführerebene definiert sind. Bischofberger rät darüber hinaus dazu, die eigene KI-Story mit konkreten Daten und Case Studies zu untermauern. „Ein potenzieller Käufer muss sagen: Ja, das verstehe ich, das glaube ich, und das ist nachvollziehbar“, sagt er. Dabei gehe es nicht um übertriebenen Optimismus, sondern um das, was er positiven Realismus nennt: ambitioniert, aber belastbar. Worst-Case-Fragen des Käufers sollten Verkäufer dabei antizipieren und proaktiv beantworten, bevor sie gestellt werden.

Wie KI zum messbaren Faktor in der Due Diligence wird

Multiples-Dashboard

Weitere Blog-Beiträge

Verdane investiert Millionenbetrag in Cybersecurity

Verhebt sich BASF mit Evonik?

So profitabel sind Carve-outs

Multiples-Partnernetzwerk