Bildnachweis: © Depositphotos.
Was sind die KI-Assets eines mittelständischen Unternehmens tatsächlich wert? Für welche Käufer sind sie besonders wertvoll? Und was muss ein Verkäufer vor und während des Prozesses tun, damit dieser Wert im Kaufpreis ankommt? Drei Fragen, die selten dort beantwortet werden, wo sie entstehen – und die doch substanziellen Einfluss auf Kaufpreise haben können.
Für relevante KI-Assets fehlt in Europa die Schicht der Skalenerwerber. Während in den USA Techgiganten als natürliche Finanziers und Skalierungsbeschleuniger für junge KI-Unternehmen fungieren, fehlt in Europa dieses private, konsolidierende Ökosystem fast vollständig. Wer ein deutsches Unternehmen kauft, um dessen Modelle, Daten oder Team in eine globale Plattform zu integrieren, sitzt in aller Regel nicht hier. Und selbst dort, wo am Ende ein deutscher Käufer zum Zug kommt, orientiert sich sein Gebot an einem globalen Referenzniveau. Cross-Border wird damit beim Verkauf zur Bedingung – auch beim Verkauf in Nachbarländer.
Ein unbequemer Befund: Der Wert eines deutschen KI-Assets entsteht vielleicht noch in Deutschland – aber er wird final in Kalifornien, in Brüssel und im Rechtsraum des Käufers festgelegt.
Denn sie wissen nicht, was sie besitzen…
Häufig verhandelt der Techmittelstand also einen Preis, über den er kaum mitbestimmt – und merkt es womöglich erst zum Signing. Zwei Bewertungsfehler, die in entgegengesetzte Richtungen wirken, können ursächlich sein.
Der erste Fehler ist unterschätztes Datenvermögen. Ein exemplarischer Verkäufer verfügte über lückenhaft dokumentierte, aber exklusive Prozess- und Felddaten aus mehreren Jahrzehnten Betrieb. Die Bewertung deutscher Strategen bewegte sich im Rahmen branchenüblicher EBITDA-Multiplikatoren. Der internationale Interessent, der den Datenbestand als eigenständiges Asset bewertete, lag deutlich darüber. Verkauft wurde also nicht ein Unternehmen, sondern ein Trainingsdatensatz, den der Verkäufer nie in seiner Bilanz hatte. Der Grund ist strukturell: Für einen exklusiven Datenbestand fehlt einem Mittelständler hierzulande mitunter die Vergleichsgröße, dem internationalen Käufer nicht.
Der zweite Fehler besteht in überschätztem Modellvorsprung. Einem fiktiven SaaS-Unternehmen mit signifikanten, wiederkehrenden Umsätzen wurde die technologische Differenzierung innerhalb weniger Monate von Releases großer, US-amerikanischer Modellanbieter eingeholt. Die diskutierte EBITDA-Multiple-Spanne fiel im laufenden Prozess auf ein einstelliges Niveau. Was als proprietärer Vorsprung im Teaser stand, war bei den Binding Offers nur noch Standardfunktionalität. Es zeigte sich: Multiples werden in San Francisco festgelegt.
Was bleibt für die Praxis? Vor dem Prozess sind Datenbestände wie Assets zu behandeln – Herkunft, Rechtekette, Exklusivität und Wiederbeschaffbarkeit müssen dokumentiert sein, weil ein Käufer nicht bezahlt, was der Verkäufer nicht belegen kann. Und die KI-Modell-Story ist einem Belastbarkeitstest zu unterziehen: Welcher Teil der Differenzierung hält noch, wenn die großen Anbieter in 18 Monaten vier Schritte weiter sind? Was diesen Test nicht besteht, gehört nicht in die Equity Story und kostet im Prozess nur Glaubwürdigkeit.
… sie kontrollieren nicht, was es wert ist…
Der Wert eines proprietären KI-Assets liegt in dem, was ein Käufer damit tun kann und darf – und ist damit auch eine Funktion des Rechtsraums. Auch bei identischem Team, unverändertem Code und gleichbleibenden Umsätzen unterscheidet sich der Wert erheblich danach, ob auf europäischen Kundendaten trainiert werden darf, wo gehostet werden muss und welche Pflichten mit dem Asset mitwandern. Bewertung ist hier eine Frage der Landkarte.
Daraus ergibt sich allerdings auch, für wen ein Asset besonders wertvoll ist. Der Plattformkäufer zahlt für exklusive Daten und eine belastbare Rechtekette, weil er sie in ein bestehendes Modell überführt. Der Marktzugangskäufer zahlt für die dokumentierte Compliance-Historie, weil sie ihm Zeit im europäischen Markt erspart. Der Finanzinvestor zahlt für wiederkehrende Umsätze und diskontiert das Modellrisiko, der Acqui-hire-Käufer zahlt nur für das Team. Vier Käufertypen, vier Preise für dasselbe Unternehmen – wer ist die erste Wahl?
Das Bieterfeld ist dabei häufig deutlich kleiner, als es noch in der Ansprache aussah. Investitionsprüfung, Souveränitätsauflagen und Datenlokalisierung schrecken Bieter ab – und zwar systematisch jene am oberen Ende der Zahlungsbereitschaft. Schon die Möglichkeit eines Prüfverfahrens bedeutet Zeitrisiko, Kosten und Closing-Unsicherheit – internationale Interessenten preisen das ein oder verzichten. Im übertragenen Sinne: Da der Preis vom zweitbesten Angebot getrieben wird, kostet jeder ausbleibende Bieter unmittelbar Kaufpreis. Die Liste der 20 adressierbaren Käufer wird im KI-Kontext häufig eine Liste von acht.
Umgekehrt gilt: Der AI Act, derzeit in der entscheidenden Phase der praktischen Umsetzung, ist ein Asset. Für einen US-Käufer mit EU-Marktambitionen sind dokumentierte Datenherkunft und belastbare Compliance eine gekaufte Abkürzung in den Markt – Regulierung verteilt so Werte zwischen Käufertypen um. Das gilt allerdings nur, soweit die Vorgaben feststehen. Seit dem 2. August 2026 gelten die Transparenz- und Kennzeichnungspflichten unionsweit. Für besonders sensible KI-Anwendungen – etwa in Personalentscheidungen, Bildung oder Kreditwürdigkeitsprüfungen – greifen Hochrisikopflichten ab Dezember 2027; für bestimmte Hochrisiko-KI in regulierten Produkten grundsätzlich ab August 2028. Bis dahin bleibt jedoch teilweise offen, anhand welcher technischer Standards Unternehmen gesetzliche Anforderungen nachweisen müssen. Ein Käufer muss die Unfertigkeit, nicht die Strenge, des AI Act bepreisen. Was nicht kalkulierbar ist, wird als Risiko behandelt: Kaufpreiseinbehalte, Escrows, breite Garantiekataloge.
Die praktische Bedeutung: Vor dem Prozess muss eine ausführliche Compliance-Dokumentation als Wertargument aufbereitet werden – um sie nicht erst als Due-Diligence-Pflichtübung nachzureichen. Wichtig ist zudem, den Käuferkreis auch nach regulatorischem Fit zu segmentieren: Wer profitiert von der Compliance-Historie, wen kostet sie? Im Prozess gilt es ferner, die Investitionsprüfung früh mitzudenken – wer sie erst nach der Bieterauswahl adressiert, verhandelt aus der schwächeren Position.
… und am Ende ist es nur eine Hülle!
Einige der aufsehenerregendsten KI-Transaktionen der vergangenen Jahre waren sogenannte Acqui-hires, bei denen Gründer und Kernteam zum Erwerber wechseln und die Gesellschaft zurückbleibt. Für internationale Käufer kann eine solche Struktur regulatorisch und transaktional attraktiv sein. Für deutsche Verkäufer ist es ein Vorgang, auf den der Standardwerkzeugkasten häufig nicht passt – und der exemplarisch für eine allgemeinere Bewegung steht: Das Käuferinteresse richtet sich zunehmend nur auf einzelne Assets, proprietäre Daten oder ein KI-Team.
Es bleibt bei einer Empfehlung: Vor dem Prozess ist der Wert an die Gesellschaft zu binden statt an Personen – Repositories, Modellgewichte und Trainingspipelines gehören dem Unternehmen selten so eindeutig, wie es das Organigramm nahelegt. Im Prozess selbst ist dann der Zugang zum Team die kritische Ressource: Wer früh Einzelgespräche mit dem Engineering verlangt und wenig nach Kunden, Verträgen und Retention fragt, verfolgt möglicherweise eine andere Struktur als die verhandelte.
FAZIT
KI zeigt ein wahres Paradoxon: Wer nicht weiß, was man wirklich besitzt, und nicht versteht, wie Regulierung hierzulande wirken kann, könnte erleben, dass jemand den wertvollen Inhalt bekommt, ohne die Verpackung zu kaufen. Die Gegenmittel sind unspektakulär und wirken nur früh: Datenbestände und Rechteketten dokumentieren, bevor der Prozess startet. Den Käuferkreis nach regulatorischem Fit segmentieren, nicht nur nach Zahlungskraft. Den Wert an die Gesellschaft binden statt an einzelne Köpfe. Auch wenn der Preis dann woanders gemacht wird: Die Vorbereitung bleibt hier.
Maximilian A. Wagner
Maximilian A. Wagner ist Director bei Crossgate Corporate Finance, einer Corporate-Finance-und-Investment-Banking-Advisory-Boutique mit Sitz in Frankfurt, die sich auf Small- und Mid-Cap-M&A-Transaktionen sowie Finanzierungen spezialisiert hat. Neben Mandanten aus dem klassischen deutschen Mittelstand berät Crossgate schwerpunktmäßig wachstumsorientierte Techunternehmen.
Foto: © Crossgate
