Wie KI die Zukunft des M&A-Geschäfts mitgestaltet

Die Dominanz der US-Konzerne hält weiter an; 62 der 100 wertvollsten Unternehmen der Welt haben ihren Sitz in den USA. Apple und Microsoft waren zur Jahresmitte 2023 die höchstbewerteten Unternehmen der Welt. Unter den Top 10 war kein einziges europäisches Unternehmen, jedoch haben es mit SAP und Siemens zwei deutsche Unternehmen in die Top 100 geschafft. Der Börsenwert der Top-100-Unternehmen stieg um 20 Prozent beziehungsweise 5,8 Billionen US-Dollar auf rund 34,4 Billionen US-Dollar. Eine Studie von EY vom Juli 2023 ergab, dass von diesem Gesamtwert rund 24 Billionen US-Dollar auf US-Konzerne entfallen. Es bleibt abzuwarten, welche Geschäftsmodelle von den technologischen Durchbrüchen besonders stark profitieren werden, aber es steht außer Frage, dass KI in naher Zukunft enorme Auswirkungen auf die Wirtschaft und die Arbeitswelt haben wird. Deutsche und europäische Unternehmen haben grundsätzlich alle Chancen, diese Umwälzungen mitzugestalten, auch wenn in den letzten Monaten und Jahren die Investitionen in deutsche Start-ups deutlich gesunken sind und viele innovative Ideen nach der Gründungsphase in das außereuropäische Ausland verkauft werden.

Grundsätzliche KI-Formen und der Einsatz im M&A-Lebenszyklus

Im Rahmen von M&A bieten verschiedene Formen künstlicher Intelligenz vielfältige Anwendungsmöglichkeiten. KI kann nach Bruhn und Hadwich (2021) in sechs technische Ausprägungsformen unterteilt werden, die menschlichen Eigenschaften wie dem Denken (Autonomous Reasoning), Wissen (Knowledge Representation), Sprechen (Natural Language Processing), Lernen (Machine Learning), Sehen (Computer Vision) und Bewegen (Robotics) ähneln. Für M&A-Prozesse sind nahezu alle Ausprägungsformen relevant.

Automated Reasoning eignet sich speziell als Informationsfilter in großen Datenbanken oder Virtual Data Rooms (VDR) und bietet in vielen Fällen die Grundlage von Datamining-Verfahren. Knowledge Representation kann hingegen bei Risikoprüfungen von Verträgen Unterstützung leisten. Modelle wie ChatGPT und Copilot basieren auf Natural Language Processing (NLP) und erleichtern neben der Analyse von Daten und Dokumenten auch das Generieren von Textinhalten. NLP stellt so eine Schnittstelle zwischen dem Menschen und der Maschine dar. Infolgedessen konnte sich beispielsweise Copilot in kürzester Zeit bei einer Vielzahl von Beratungsunternehmen etablieren. Dank der umfassenden Integration in sämtliche Microsoft-Anwendungen ist eine spielerische und vielseitige Nutzung für unterschiedlichste Tätigkeiten möglich. Dadurch lässt sich Zeit einsparen, die künftig für komplexere Aufgabenfelder genutzt werden kann.

Machine Learning ermöglicht in Form von überwachtem Lernen beispielsweise Prognosen und Simulationen für zukünftige Entwicklungen im M&A-Umfeld. Unüberwachtes Lernen kann indes der Identifikation von Mustern und Anomalien in Datensätzen dienen. Die Form des Machine Learning bildet das bestärkte Lernen, es kann beispielsweise bei der Maßnahmenplanung und der Erhebung und Auswertung von „Lessons Learned“ im Rahmen von M&A-Transaktionen eingesetzt werden. Darüber hinaus kann der Bereich Computer Vision die Visualisierung von Daten und die interaktive Auseinandersetzung mit relevanten Informationen im M&A-Prozess verbessern. So könnte durch individualisierte Dashboards, Visualisierung und bewegtes Bild ein Target greifbarer dargestellt und auch stärker emotionalisiert werden.

Positionierung von KI im M&A-Prozess

Aus einer EY-Untersuchung in Zusammenarbeit mit der Esslingen University of Applied Sciences von einer zufällig ausgewählte Stichprobe von 21 auf dem Markt erhältlichen KI-Tools, die entweder spezifisch für M&A entwickelt wurden oder durch ihre Funktionen auch fachübergreifend im Bereich M&A eingesetzt werden können, lassen sich spannende Ausblicke ableiten. Die Analyse der Tools soll exemplarisch dazu beitragen, das Verständnis für die Auswirkungen des digitalen Wandels im M&A-Bereich besser greifen zu können, und liefert erste Erkenntnisse für die Entwicklung zukünftiger Strategien und Technologien. Angelehnt an die drei Prozessphasen (Pre-Merger-, Transaktions- und Integrationsphase) wurden die analysierten Tools bezüglich der einzelnen Prozessschritte klassifiziert und den Prozessphasen und -schritten zugeordnet.

Die analysierten Anwendungsbereiche der KI im Rahmen von M&A-Prozessen sind bisher noch sehr fragmentiert und ermöglichen keine nahtlose Integration und Abwicklung aufeinander folgender Prozessschritte entlang des M&A-Lebenszyklus. Da sich die Anwendungsbereiche bisher stark auf die Analyse und initiale Auswertung von Daten konzentrieren und bei abschließenden Entscheidungen und der operativen Gestaltung von menschlicher Zusammenarbeit an ihre Grenzen stoßen, werden sich die Entwicklungen kurzfristig noch stark auf die Pre-Merger- und Transaktionsphase (vornehmlich Due Diligence) konzentrieren. Die Entwicklungen im Rahmen der Post-Merger-Integration und die Entstehung von Plattformen, mit denen der M&A-Lebenszyklus insgesamt automatisiert werden kann, scheinen aus heutiger Sicht noch nicht genau absehbar.

KI im M&A-Geschäft: Ausblick

Insgesamt erfordern die beschriebenen Veränderungen durch KI auch in der Beratungswelt eine sukzessive Anpassung des Geschäftsmodells, um die Wettbewerbsfähigkeit zu erhalten und durch Automatisierung weiter auszubauen. Der Ausbau einer eigenen Infrastruktur und die Entwicklung interner Kompetenzen im Umgang mit KI werden für Berater zukünftig von entscheidender Bedeutung sein und vielseitige Handlungsbedarfe verursachen. Hierbei gilt es auf Unternehmensseite, umfangreiche Schulungsmaßnahmen für die Mitarbeitenden durchzuführen, um die Anwendungsgebiete und das Wissen über die Einsatzmöglichkeiten von KI ständig zu erweitern und die Entwicklung neuer wie auch die Weiterentwicklung bestehender Lösungen zu stärken. Durch eine daraus resultierende Zunahme an Automatisierung müssen spezielle Kompetenzen für die Plausibilisierung KI-gestützter Ergebnisse entwickelt und Schutzmechanismen für das entsprechende Unternehmenskapital aufgesetzt werden.

Um die Innovation mit der geforderten Geschwindigkeit voranzutreiben, spielen Führungskräfte und Anreizmechanismen, die eine Anwendung von KI stützen, eine wichtige Rolle. Flankierend zu internen Entwicklungen sollten immer wieder am Markt erhältliche Innovationen zugekauft werden, um die Geschwindigkeit zu erhöhen und die gewählte Stoßrichtung zu verproben. Durch die stetige Beobachtung des Wettbewerbsumfelds können zudem das Verständnis und die Auseinandersetzung mit KI weiter vorangetrieben werden. Auch wenn die Maschine mit großer Wahrscheinlichkeit in absehbarer Zeit den Berater nicht vollständig ersetzen kann, wird sich das Anforderungsprofil des Beraters in den kommenden Jahren weiterhin rasant verändern.