Hören Sie auf zu fragen, ob das Target KI einsetzt

Nahezu jede Technologieprüfung enthält inzwischen einen KI-Abschnitt. In den meisten beantwortet er eine Variante derselben Frage: Setzt das Target KI ein, wo, und wie ernsthaft?

Das will man vernünftigerweise wissen. Für die anstehende Entscheidung ist es nahezu ohne Belang.

Adoption ist ein operativer Befund

Ein Unternehmen, das KI in Entwicklung, Support oder Verwaltung nicht nutzt, hat eine Lücke, die ein fähiger Eigentümer schließen kann. Es braucht Werkzeuge, etwas Schulung und ein Jahr Managementaufmerksamkeit. Genau diese Art von Verbesserung erwartet ein Private-Equity-Käufer — und sie wird entsprechend eingepreist: als operatives Potenzial, nicht als strukturelle Eigenschaft des Vermögenswerts.

Umgekehrt gilt dasselbe. Ein Target mit beeindruckender interner KI-Nutzung hat Kompetenz bewiesen. Es hat nicht bewiesen, dass sein Produkt in vier Jahren noch kaufenswert ist. Beides wird häufig verwechselt, weil es in derselben Sitzung besprochen wird.

Exponierung ist ein Bewertungsbefund

Die Frage, die in den Investment Case gehört, lautet nicht, was das Target mit KI macht. Sie lautet, was KI mit dem Markt macht, in den das Target verkauft.

• Wie viel von dem, wofür Kunden zahlen, wird zu geringeren Kosten reproduzierbar?
• Stärkt billigere Software dieses Unternehmen oder eher Neueinsteiger?
• Bleibt die Kategorie ein Kauf, oder wird sie zum Feature in etwas Größerem?
• Welche Teile des heutigen Preises sind durch etwas anderes geschützt als durch die Herstellungskosten?
• Was geschieht mit dem Preis, wenn es statt einer drei glaubwürdige Alternativen gibt?

Keine dieser Fragen lässt sich allein durch den Blick auf das Target beantworten — das ist der praktische Grund, warum sie so oft übersprungen werden. Sie verlangen eine Vorstellung vom Markt unter veränderter Kostenstruktur, und diese Vorstellung ist ein Urteil und kein Befund.

Warum sich die Adoptionsfrage hält

Weil sie beantwortbar ist. Adoption ist beobachtbar, zwischen Targets vergleichbar und mit Dokumenten belegbar. Exponierung verlangt, dass jemand eine Position zur Zukunft bezieht und öffentlich falschliegt, wenn sie nicht eintritt.

Due-Diligence-Prozesse belohnen die erste Art von Frage und bestrafen die zweite. Das ist eine strukturelle Verzerrung und kein Versehen — man sollte es beim Zuschnitt der Arbeit ausdrücklich benennen, sonst füllt sich der Bericht mit gut belegten Antworten auf Fragen, die niemand brauchte.

Wie der Austausch aussieht

In der Praxis ist die Umstellung nicht schwierig. Sie ändert, was gefragt wird, nicht den Umfang der Arbeit.

1. Von der These ausgehen, nicht von der Technik

   Schreiben Sie auf, was der Käufer zeichnet und auf welchen Annahmen das ruht. KI-Exponierung ist nur in Bezug auf eine konkrete Behauptung über künftigen Cashflow überhaupt aussagekräftig.

2. Produkt und Position trennen

   Bestimmen Sie, welcher Teil des Umsatzes durch das Produkt selbst geschützt ist und welcher durch Distribution, Daten, Verträge, Prozesse oder Regulierung. Nur der erste Teil ist den Herstellungskosten ausgesetzt.

3. Rekonstruieren statt begutachten

   Fragen Sie, was nötig wäre, um das kundensichtbare Produkt heute neu zu bauen. Das Vorhandene zu begutachten sagt etwas über Qualität. Der Versuch, es zu rekonstruieren, sagt etwas über Verteidigungsfähigkeit.

4. Das Szenario zeichnen, nicht die Momentaufnahme

   Drei- bis Fünfjahresfälle unter verschiedenen Annahmen zu Kompression, Plattformverhalten und Wettbewerbsreaktion — einschließlich des Falls, in dem die These stimmt, aber zu früh kommt.

Die Frage nach der KI-Adoption darf im Bericht bleiben. Sie gehört nur in den operativen Teil, neben die ERP-Migration und den Personalstand im Vertrieb — und nicht in den Teil, der entscheidet, ob die Transaktion sinnvoll ist.

Wie das in einem laufenden Prozess abläuft, steht unter AI Disruption Due Diligence. Die Margenseite des Arguments — warum Produktivitätsgewinne nicht verlässlich zu Gewinn werden — steht in AI-EBITDA ist kein geschenktes Geld.