Bildnachweis: © Depositphotos.
Der Markt für Unternehmenskäufe teilt sich. Kapital sammelt sich in Zielen mit KI-Bezug, während die Betriebsrealität oft hinter dem Versprechen zurückbleibt. Wer investiert, verkaufen oder finanzieren will, sollte die belastbaren Kennzahlen kennen – und die Distanz zwischen einer guten Geschichte und einem tragfähigen Preis.
Die Richtung ist eindeutig: Laut IDC sollen die Ausgaben für künstliche Intelligenz in Europa bis 2029 rund 290 Mrd. EUR erreichen, mit einem jährlichen Wachstum von knapp 34 % über den Zeitraum 2025 bis 2029. Generative KI, vor drei Jahren noch Randerscheinung, dürfte bis dahin gut die Hälfte dieses Markts ausmachen. Das ist kein Nischentrend mehr, sondern eine Verschiebung, die jede Branche erreicht.
Doch das Kapital verteilt sich nicht gleichmäßig. KI-Start-ups erreichten 2025 mit 39,1 % des europäischen Wagniskapitals einen Rekordanteil (PitchBook). Zugleich entfallen nach Angaben der Europäischen Kommission mehr als zwei Drittel davon auf lediglich zehn Metropolregionen, angeführt von Paris, Stockholm und Berlin. Die Mittel fließen also in einen schmalen Korridor weniger Länder und noch weniger Unternehmen.
Für Unternehmer heißt das zweierlei. Der Zufluss ist real, und er hebt die Preise. Zugleich konzentriert er sich auf wenige Adressen, während der übrige Markt abkühlt. Wer nicht in diesem Korridor liegt, konkurriert um einen kleiner werdenden Rest.
Bemerkenswert ist zudem, wer die Dynamik treibt. Es sind weniger die strategischen Käufer als die Finanzinvestoren, die aktiv nach KI-Werthebeln in ihren Portfolios suchen und diese Erwartung in der Investmentthese und der späteren Exitstory verankern. Damit wird die Frage, ob KI im Kernprodukt tatsächlich Wert schafft, nicht erst beim Verkauf relevant, sondern direkt bei der ersten Beteiligungsrunde.
Die Lücke zwischen Anspruch und Betrieb
Der eigentliche Bruch liegt zwischen dem, was präsentiert wird, und dem, was trägt. Die Erfahrung aus KI-Projekten, M&A-Transaktionen und Technologiebewertungen zeigt, dass nur etwa jeder zehnte KI-Anwendungsfall den Produktivbetrieb erreicht. Bei Projekten mit selbstständig handelnden Systemen erwartet Gartner, dass bis Ende 2027 mehr als 40 % wieder eingestellt werden. Zwischen einer überzeugenden Demonstration und einem stabilen Betrieb liegen damit Welten.
Die Ursachen sind selten technischer Zauber, sondern Handwerk, das sich vor allem in den folgenden drei Punkten niederschlägt:
- Datengrundlage, die unter Last nicht trägt. Datenqualität, Verfügbarkeit und Governance reichen für eine Demonstration aus, stoßen im Produktivbetrieb aber schnell an Grenzen.
- Schnittstellen, die im Test funktionieren, aber nicht im Alltag. Integrationen überstehen eine 20-minütige Vorführung, sind jedoch nicht auf tausende gleichzeitige Transaktionen, Datenflüsse und Prozessschritte ausgelegt.
- Systeme, die in einer gewachsenen IT-Landschaft nicht zusammenspielen. Die Herausforderung liegt häufig nicht im KI-Modell selbst, sondern im Zusammenspiel von Daten, Anwendungen und Infrastruktur. Das betrifft nicht nur kundennahe Anwendungen, sondern ebenso die dahinterliegenden Prozess-, ERP-, Daten- und Betriebssysteme im Maschinenraum des Unternehmens.
Genau hier trennt sich in der Due Diligence die Spreu vom Weizen beziehungsweise das Geschäftsmodell, das trägt, von der schönen Präsentation. Was vorhanden ist, lässt sich in einem Verkaufsgespräch inszenieren; was trägt, zeigt sich erst in Datenzugriffen, Architekturunterlagen und tatsächlichen Nutzungszahlen. Diese Lücke ist kein akademisches Problem – sie ist der Grund dafür, dass ein Preis, der auf einer KI-Erwartung beruht, ein Versprechen bleibt, solange der Betrieb ihn nicht einlöst.
Besonders tückisch ist der Fall, in dem eine moderne Oberfläche über einer veralteten Grundlage liegt. Nach außen wirkt ein Unternehmen dann voll auf der Höhe der Zeit, während die darunterliegenden Daten- und Systemstrukturen überholt sind. Für einen Käufer, dessen gesamte Zukunftsbewertung auf genau diesem KI-Prozess beruht, wird daraus ein erhebliches Risiko.
Warum Käufer inzwischen aussteigen
Die Korrektur ist längst messbar. Forbes berichtet, dass bereits jeder fünfte strategische Käufer schon einmal eine weit fortgeschrittene Transaktion in letzter Minute abgebrochen hat, weil KI-Risiken zu spät sichtbar wurden. Zugleich berührt nahezu jede zweite Technologietransaktion inzwischen ein Produkt mit KI-Anteil. Das Risiko ist damit vom Randthema zum transaktionsentscheidenden Kriterium geworden. Und es geht dabei nicht mehr nur um eine Technologie-Due-Diligence. Die entscheidende Frage von Investoren wie Private-Equity-Gesellschaften und deren Limited Partners (LPs) lautet: Ist unser Portfoliounternehmen oder das Target, das wir uns gerade ansehen, in zwei Jahren noch im Geschäft?
Bemerkenswert ist, wer diese Prüfung anstößt. Ein wachsender Teil der Untersuchungen zur KI-Widerstandsfähigkeit wird nicht vom Käufer beauftragt. Verkäufer prüfen in einer sogenannten Vendor Due Diligence die Qualität, bevor ein Zielunternehmen auf den Markt kommt. Der Grund ist simpel: Wer die eigenen Schwachstellen kennt und vorab behebt, sorgt für einen Wertanstieg und nimmt dem Käufer gleichzeitig das Argument für ungewünschte Bewertungsdiskussionen und mögliche Preisabschläge.
Die Empirie erlaubt noch keine belastbare allgemeingültige Aussage. Anhand der bisherigen M&A-Aktivitäten und aufgrund von Marktbeobachtungen zeigen sich jedoch deutliche Preisausschläge je nach Ausprägung der KI-Resilienz und Qualität bestehender Technologie. Je nach Qualität der KI, Reifegrad und Geschäftsmodell sind Bewertungsunterschiede von rund 25 % bis 40 % plausibel; in Ausnahmefällen können die Effekte für Unternehmen mit glaubwürdigen und belastbaren KI-Fähigkeiten auch darüber hinausgehen. Das deckt sich mit den im Markt beobachteten Bewertungsaufschlägen.
Die KI-Due-Diligence von BearingPoint Capital analysiert die relevanten Kriterien und ihre Ausprägung hinsichtlich Geschäftsmodellresilienz und Technologiequalität, um Käufern und Verkäufern eine faire Werteinschätzung zu ermöglichen. M&A-Profis – vor allem Finanzinvestoren, Konzerne und Institute – bewegen sich bereits rege in dem Umfeld der Vendor Due Diligence, während sie für deutsche Mittelständler oft noch ungewohnt ist. Wir empfehlen ihren Einsatz im KI-Zeitalter jedoch dringend. Ein starker Anstieg konnte bislang in UK verzeichnet werden.
Für Unternehmer folgt daraus eine unbequeme Priorisierung. Interne Effizienzgewinne, etwa schnellere Softwareentwicklung, sind im KI-Zeitalter zwar betriebswirtschaftlich wertvoll, verändern die Bewertung des Unternehmens aber kaum. Gewicht bekommt KI dort, wo sie im Kernprodukt wirkt, also dort, wo der Umsatz entsteht. Genau diese Stelle prüfen Käufer heute mit einer Härte, die noch vor zwei Jahren unüblich war.
Am Ende zählt, ob sich KI in belastbare Kennzahlen übersetzt: in höhere Markteintrittsbarrieren für Wettbewerber, in höhere Wechselkosten für Kunden, in messbares Wachstum oder in Margen, die dem Preisdruck standhalten. Wo diese Übersetzung gelingt, rechtfertigt sich ein Aufschlag. Wo sie ausbleibt, bleibt er eine Wette – und Wetten werden im Datenraum aufgelöst; meist zulasten des Verkäufers.
FAZIT
Die Kennzahlen zeichnen ein klares Bild: Der Markt bezahlt KI großzügig, prüft sie aber zunehmend hart. Zwischen einem Wachstumsmarkt von 290 Mrd. EUR und einer Umsetzungsquote von unter 10 % liegt der gesamte Unterschied zwischen einer Story und einer belastbaren Bewertung. Wer verkauft oder finanzieren will, sollte diese Distanz selbst vermessen, bevor es ein Käufer tut, denn dann gestaltet dieser die eigene Bewertung im M&A-Prozess, statt ihn im Datenraum zu verhandeln. Von der anderen Seite tut ein Käufer gut daran, Geschäftsmodell und Technologie eines Zielunternehmens einer eigenständigen KI-Due-Diligence zu unterziehen.
Andre Waßmann
Andre Waßmann ist Partner bei BearingPoint und leitet die Corporate-Finance- und M&A-Beratung von BearingPoint Capital in Deutschland, Österreich und der Schweiz. Seit mehr als 20 Jahren begleitet er Unternehmen bei M&A-, Corporate-Finance- und Transformationsvorhaben. Zuvor war er unter anderem bei Accenture, Commerzbank, KGAL, Clairfield International und Helbling Business Advisors tätig. Seine Schwerpunkte liegen auf M&A-Transaktionen, Wachstumsstrategien, Unternehmensbewertungen und Kapitalmarktthemen.
Foto: © BearingPoint
Miriam Dusdal
Miriam Dusdal ist Strategie- und M&A-Spezialistin bei BearingPoint Capital in Berlin. In über 75 branchenübergreifenden Due-Diligence- und Wachstumsprojekten weltweit hat sie für Private-Equity-Investoren und Konzerne Zielunternehmen bewertet, Skalierbarkeit und Synergien quantifiziert und investierbare Thesen entwickelt – mit einem Transaktionsvolumen im Milliardenbereich. Zunehmend berät sie zu KI in M&A und beurteilt Reifegrad, Disruptionsrisiko und Wertpotenzial, um echte Leistungsfähigkeit vom Hype zu trennen.
Foto: © BearingPoint
