Die Fusionen und Übernahmen im Mittelstand durchlaufen derzeit die gewaltigste Transformation seit Jahrzehnten. Während der klassische Transaktionsprozess historisch stark von manueller Recherche, langwierigen Datenraum-Analysen und persönlichen Beziehungsnetzwerken geprägt war, hält Künstliche Intelligenz nun rasant Einzug in alle Phasen des M&A-Prozesses. Deniz Schütz, Mitgründer und CEO des Münchner KI-Start-ups StrategyBridgeAI, erläutert im Gespräch, wie die intelligente Kombination aus proprietären mathematischen Algorithmen und hochspezialisierten Sprachmodellen den Markt revolutioniert.
Unternehmeredition: An welchen konkreten Stellen verändert KI den M&A-Prozess heute bereits grundlegend und wo gibt es noch Lücken?
Deniz Schütz: M&A hat typischerweise zwei Seiten. Auf der Käuferseite – also bei strategischen Investoren, Private-Equity-Fonds oder Family Offices – sehen wir heute bereits eine tiefe Symbiose mit KI-Systemen. Beim Buy-Side Sourcing ging es früher darum, branchenbekannte Namen abzugrasen oder manuell Datenbanken nach groben Branchen-Codes zu durchforsten, was ungenau und zeitintensiv war. Heute nutzt man spezialisierte KI, um mikroskopisch tief in Nischen vorzudringen. Sie vergleicht nicht nur Finanzkennzahlen, sondern analysiert das tatsächliche Leistungsportfolio, Kundenstrukturen und Technologie-Stacks. Über Musteranalysen in Datenströmen lassen sich zudem feine Signale dafür identifizieren, ob ein Unternehmensinhaber überhaupt verkaufsbereit ist – sprich, ob ein Asset „actionable“ ist.
Auf der Verkäuferseite hilft KI bei der gezielten Käufersuche, dem Erstellen maßgeschneiderter Ansprechstrategien sowie der automatisierten oder teilautomatisierten Genese von vertraulichen Kurzinformationen und umfassenden Informationsmemoranden.
Die Lücke liegt jedoch weiterhin im Vertrauen und in der Verbindlichkeit. Überall dort, wo absolute 100-prozentige Richtigkeit rechtlich und finanziell garantiert werden muss, wo komplexe Verhandlungen geführt werden oder wo das psychologische Fingerspitzengefühl im direkten Dialog zählt, bleibt der Mensch unersetzlich. KI bereitet die Entscheidungen auf höchstem Niveau vor, aber die finale Verantwortung trägt der Experte.
Wie lässt sich rein über öffentlich verfügbare Daten im Netz ermitteln, ob ein inhabergeführtes mittelständisches Unternehmen ohne Nachfolger überhaupt zu einem Verkauf bereit ist?
Das ist die Königsdisziplin der Datenanalyse im Mid-Cap-Bereich. Ein großer Teil des deutschen Mittelstands kommuniziert Transformationsabsichten nicht offen. Der pragmatische und doch hochwirksame Weg führt über die systematische Verknüpfung von Gesellschafter- und Altersstrukturen. Wenn ein familiengeführtes Unternehmen eine Inhaberstruktur aufweist, bei der die maßgeblichen Gesellschafter das 55. oder 60. Lebensjahr überschritten haben und gleichzeitig keine Nachkommen im operativen Management eingetragen sind, steigt die statistische Wahrscheinlichkeit für einen externen Nachfolge-Exit sprunghaft an.
Alter allein reicht jedoch keineswegs aus. Wir ergänzen dies durch die fortlaufende Analyse von Bilanz- und Finanzierungsstrukturen, um Entwicklungen beim Eigenkapital oder anstehende Refinanzierungen zu erkennen. Ebenso werden Eigentümerwechsel im Umfeld erfasst, etwa wenn Holdingstrukturen angepasst oder Anteile konsolidiert werden. Zudem werden kontinuierlich Fachmedien, Handelsregisteränderungen, Patentanmeldungen und Stellenanzeigen über Live-Daten und Newsfeeds gescannt, um strategische Wendepunkte wie Geschäftsführungswechsel oder Standortschließungen frühzeitig zu erfassen. Eine solche algorithmische Einschätzung nimmt dem M&A-Berater zwar nicht die Arbeit ab, aber sie grenzt die anfängliche Unsicherheit drastisch ein und lenkt die Aufmerksamkeit auf die lukrativsten Opportunitäten.
Gerade bei Mittelständlern und Familienunternehmen spielen Vertrauen und persönliche Beziehungen eine zentrale Rolle. Akzeptieren die Beteiligten hier KI-generierte Analysen?
Man muss hier differenzieren. Ein Patriarch oder eine Inhaberfamilie übergibt die Verhandlung ihres Lebenswerks niemals an einen Algorithmus, was fahrlässig wäre und dem menschlichen Grundbedürfnis nach Vertrauen widerspräche. Allerdings hat sich die Haltung gegenüber den Werkzeugen der Berater gedreht, denn KI gilt heute nicht mehr als reines Spielzeug zur Kosteneinsparung, sondern als Qualitätsverstärker. Wer als M&A-Berater heute noch rein manuell mit statischen Excel-Tabellen und Standard-Branchenverzeichnissen arbeitet, läuft Gefahr, die besten Bieter weltweit schlicht zu übersehen. Ohne den Einsatz von KI spricht man de facto weniger sehr gut passende Käufer an, was zur Konsequenz hat, dass man am Ende nicht den Verkaufserlös für den Mandanten maximiert. Berater sind es ihren Mandanten heute schlichtweg schuldig, das beste verfügbare Instrumentarium einzusetzen, um gigantische Datenmengen in kürzester Zeit transparent zu machen.
Viele mittelständische Zielunternehmen verfügen nicht über die Transparenz börsengelisteter Konzerne. Wie geht Ihre Plattform mit lückenhaften Daten um?
Dass Großkonzerne nach IFRS-Standards eine völlig andere Transparenzkultur haben als der lokale Betrieb, liegt in der Natur der Sache. In der M&A-Praxis vergleicht man aber ohnehin selten einen Nischenbetrieb mit 50 Mitarbeitern direkt mit einer internationalen Aktiengesellschaft. Als StrategyBridgeAI aufgebaut wurde, waren unsere ersten Kunden gezielt Small-Cap- und Mid-Cap-Berater, da genau dort historisch das größte Aufholpotenzial und der größte Schmerz bei der Datenbeschaffung lag.
Moderne KI-Architekturen sind heute in der Lage, Kontextinformationen intelligent zu verknüpfen. Selbst wenn im elektronischen Bundesanzeiger nur verkürzte Bilanzen hinterlegt sind, kann die KI über das digitale Ökosystem eines Unternehmens ein erstaunlich präzises Bild zeichnen. Dazu verarbeitet sie Informationen aus Lieferantennetzwerken, Kundenmeinungen, Produktportfolios, Mitarbeiterzahlen, Branchengeflüster und historischen Marktdaten. Es ist heute ein Leichtes, auch in tiefsten Nischenmärkten innerhalb kürzester Zeit ein Marktverständnis aufzubauen, für das man früher Wochen brauchte.
Wie sieht die technische Architektur von StrategyBridgeAI aus, und woher stammen die Modelle?
Wir haben unsere Entwicklung vor über fünf Jahren begonnen – lange bevor kommerzielle Sprachmodelle den Durchbruch feierten. Das war im Nachhinein ein massiver Vorteil, weil die Kernarchitektur nicht vorschnell auf reiner generativer Text-KI aufgebaut wurde. Unsere Plattform ruht stattdessen auf zwei Säulen: Für mathematische Berechnungen wie die Schätzung von GuV-Daten aus Bilanzangaben oder für Unternehmensbewertungen nutzen wir rein proprietäre, deterministische Machine-Learning-Modelle und Algorithmen. Im mathematischen Bereich darf man sich keinerlei Halluzinationen erlauben, weshalb eine Bilanzevaluierung absolut deterministisch erfolgen muss. Dennoch hat Sicherheit oberste Priorität: Alle Datenprozesse laufen über europäische Serverlandschaften, die Daten werden isoliert verarbeitet und kein Mandantendatenstrom fließt jemals zurück in das Training öffentlicher Modelle.
Überall dort, wo Sprache und Semantik ins Spiel kommen – etwa bei Nischen-Suchabfragen oder Unternehmens-Mappings –, greifen wir auf die derzeit leistungsfähigsten US-amerikanischen Sprachmodelle zurück, da europäische Modelle im Bereich der reinen Sprachverarbeitung aktuell leider noch nicht wettbewerbsfähig sind.
Welche Zeitersparnisse lassen sich durch den Einsatz von KI konkret erzielen?
Das muss man differenziert je nach Prozessschritt betrachten. Wenn ein M&A-Team beispielsweise ad hoc eine weltweite Marktstudie für einen Pitch im Distressed-Bereich benötigt, sprechen wir von Minuten statt Tagen – das ist eine Zeitersparnis von rund 99 %. Ähnlich verhält es sich bei der Erstellung von Longlists aus einer Datenbank mit über 50 Millionen Unternehmen, was früher Wochen dauerte und sich nun auf ein paar Mausklicks verkürzt. Geht es hingegen um den gesamten Prozess der Erstellung von Präsentations- und Pitchunterlagen wie Teasern oder Informationsmemoranden, liegt der Zeitvorteil derzeit eher bei 25 bis 30 %. Der Grund dafür ist, dass weiterhin mehrere Fachexperten, Juniors und Juristen eng in die Ausarbeitung eingebunden sind. Der primäre Vorteil liegt hier darin, dass Nachwuchskräfte von stupider Datenbeschaffung entlastet werden und sich deutlich früher auf die inhaltliche und strategische Qualität konzentrieren können.
Oft gilt KI als unberechenbare Blackbox. Wie stellen Sie sicher, dass die Resultate für Wirtschaftsprüfungsgesellschaften und Banken nachvollziehbar bleiben?
Indem wir strikt trennen, welche Technologie wofür eingesetzt wird. Es gibt den klaren Grundsatz, dass generative KI niemals unkontrolliert Zahlen berechnen darf, denn überall dort, wo gerechnet wird, braucht es keine generative KI. Wenn die Software eine GuV-Schätzung vornimmt oder Bewertungsmultiplikatoren berechnet, kann der M&A-Berater oder Wirtschaftsprüfer die Berechnung Schritt für Schritt nachvollziehen. Mathematische Vorgänge lassen sich von den Rohdaten bis zum Ergebnis vollständig nachvollziehen. Zudem arbeiten wir daran, Textaussagen direkt mit den entsprechenden Passagen in den Originalquellen verlinkt, etwa im Anhang des Jahresabschlusses. Das verhindert Halluzinationen vollständig und schafft das Vertrauen sowie die lückenlose Prüffähigkeit, die in regulierten Märkten – etwa bei IDW-S1- oder S6-Gutachten – unerlässlich ist.
Verändert die Technologie langfristig auch die Rollenverteilung zwischen Unternehmern, Beratern und Investoren?
KI vernichtet unbarmherzig generisches Geschäft. Standardisierte Datenanalysen, das Zusammentragen von Unternehmensdaten oder das Erstellen einfacher Präsentationen führt man künftig per Software auf Knopfdruck selbst durch. Das bedeutet jedoch keineswegs den Untergang des M&A-Beraters, sondern vielmehr eine Evolution des Berufsstandes. Da die reine Datenbeschaffung kommoditisiert wird, gewinnt echte, tiefgreifende Branchenexpertise, strategische Einordnung und Verhandlungstaktik wieder massiv an Wert. Berater werden künftig vermutlich nicht mehr nach reinen Stundensätzen, sondern stärker nach konkreten Ergebnissen und Verhandlungserfolgen bemessen. Da auch Unternehmer und Investoren Zugang zu tiefen Datenanalysen erhalten, führt dies zu einer noch engeren, projektbezogenen Zusammenarbeit auf Augenhöhe, bei der am Ende derjenige gewinnt, der die beste Technologie mit dem besten menschlichen Urteilsvermögen kombiniert.
Wir danken Ihnen sehr für dieses aufschlussreiche Gespräch.
Das Interview führte Eva Rathgeber.
ZUM INTERVIEWPARTNER
Deniz Schütz ist Mitgründer und CEO von StrategyBridgeAI. Als Investmentbanker bei einer Großbank in Mailand und München verantwortete er KI-Strategien im Bereich Equity Strategy. Seinen Master in Finance & Ökonometrie machte er in Wien. Bereits seit 2017, noch neben dem Studium, wirkte er an ersten neuronalen Netzen mit. Diese Kombination aus Finanz- und KI-Expertise führte ihn 2022 zur Mitgründung von StrategyBridgeAI, einem Münchner KI-Start-up mit heute 30 Mitarbeitern. Die Plattform automatisiert Markt- und Unternehmensanalysen für Investoren, Berater, Strategieteams und Wirtschaftsprüfer – von der Analyse bis zur board-fertigen Auswertung.
Eva Rathgeber ist Chefredakteurin der Unternehmeredition und verfügt über langjährige Erfahrung in Journalismus, PR und Unternehmenskommunikation. Inhaltlich liegt ihr Fokus auf Mittelstand, Familienunternehmen, Finanzierung, Investitionen, Private Equity, M&A, Nachfolge, Digitalisierung und Innovation.
