F&P BlogKI als Deal-Katalysator oder als teure Vision?

Was Investoren über Künstliche Intelligenz wirklich wissen solltenKI als Deal-Katalysator oder als teure Vision?

Einleitung: KI auf dem Pitchdeck – Substanz oder Show?

Künstliche Intelligenz ist das neue „Wir gehen in die Cloud“. Kaum ein Tech-Startup, das ohne KI-Buzzword auskommt. Kaum ein Pitch, der nicht „AI-driven“ ist. Kaum ein Workflow oder Prozess, der sich heute nicht AI Agent nennt. Und kaum ein Investor, der nicht neugierig wird, wenn er GPT, LLM oder Predictive Analytics auf der ersten Folie sieht.

Aber: Ist KI wirklich der Katalysator für Wertsteigerung? Oder erleben wir gerade den nächsten Hype, der sich in der Post-Merger-Realität als kostspielige Vision ohne Business Value entpuppt?

In diesem Artikel werfen wir einen kritischen Blick auf den Einsatz von Künstlicher Intelligenz im Kontext von M&A – und beantworten die Fragen, die sich Investoren stellen sollten, bevor sie sich von einem KI-Narrativ blenden lassen.

Frage 1Macht KI das Produkt wirklich besser – oder nur komplexer?

Antwort: Viele Produktteams bauen KI nicht, weil sie ein Kundenproblem lösen wollen, sondern weil es im Pitch gut aussieht. Statt echter Produktverbesserung entsteht technische Komplexität, schwer wartbarer Code, unzuverlässige Resolute und im schlimmsten Fall: Arbeit für Feature-Friedhof.

Investoren sollten fragen:

Was genau macht die KI im Produkt?
Gibt es messbaren Mehrwert für Nutzer oder Business (z. B. höhere Conversion, geringere Kosten)?
Liefert die KI verläßliche Ergebnisse?
Wird die KI wirklich genutzt oder nur intern bestaunt?

KI, die keinen echten Mehrwert schafft, ist keine Innovation, sondern zukünftiger Techical Debt.

Frage 2Ist das Team in der Lage, KI zu betreiben – oder nur zu präsentieren?

Antwort: Viele Firmen nutzen fertige Modelle (z. B. OpenAI, Claude, Gemini), aber ohne Evaluierung, Data Engineers, MLOps-Infrastruktur oder AI-Governance. Das Problem: Sobald’s in Produktion geht, fehlt Know-how für Skalierung, Monitoring, Model Retraining oder ethische Risiken.

Investoren sollten prüfen:

Gibt es ein Team mit echter AI-Produktions-Expertise?
Wer betreut Modelltraining, Data Pipelines und Versionierung?
Gibt es eine Roadmap für Wartung und Weiterentwicklung?

Provokant gesagt: Ohne MLOps ist KI nur ein PowerPoint-Projekt.

Frage 3Welche Datenbasis nährt die KI – und wem gehören die Daten?

Antwort: KI lebt von vielen, sauberen, strukturierten Daten. Doch die Realität besteht oft aus unstrukturierten Altbeständen, unsauberen Quellen, fehlender Anonymisierung oder sogar IP-Risiken.

Fragen, die auf den Tisch gehören:

Woher stammen die Trainingsdaten?

Gibt es DSGVO-konforme Nutzungsrechte?

Welche Sensibilität oder Verzerrung liegt in den Datensätzen?

Erkenntnis: Viele KI-Anwendungen skalieren nicht – nicht, weil das Modell schlecht ist, sondern weil die Daten nicht skalierbar sind.

Frage 4Ist KI strategischer Kern – oder opportunistisches Add-on?

Antwort: KI kann ein massiver Werttreiber sein, wenn sie strategisch im Geschäftsmodell verankert ist, z.B. bei Automatisierung, Personalisierung, Entscheidungsunterstützung oer Fraud Detection. Doch in vielen Fällen ist KI nur ein teures Add-on ohne langfristige Wartung, Nutzerverständnis oder echte Differenzierung.

Investoren sollten klären:

Ist KI Teil des strategischen USPs?

Wie hoch ist der Entwicklungsanteil (eigene Modelle vs. Third Party)?

Wie sieht der Go-to-Market-Ansatz für die KI-Funktionalität aus?

Klartext: Wer KI nur aus „Fear of Missing Out“ einbaut, wird auch nur FOMO-Rendite erzielen.

Frage 5Wie zukunftsfähig ist die KI-Architektur?

Antwort: Technologie entwickelt sich rasant, was heute „state of the art“ ist, ist morgen Commodity.

Wer auf fest verdrahtete Modelle oder proprietäre Anbieter setzt, hat mittelfristig hohe Folgekosten.

Checkliste für Investoren:

Ist die Architektur modular, API-basiert und austauschbar?

Können Modelle ersetzt oder upgegradet werden?

Gibt es Vendor-Lock-ins (z. B. Azure-only, OpenAI-only)?

Fazit: Wir sind erst am Anfang der Entwicklung und es werden immer mehr und bessere Modelle, vor allem für Spezialanwendungen, entstehen. Flexibilität ist Pflicht!

Frage 6Was ist der echte KI-Werthebel im M&A-Kontext?

Antwort: KI ist kein Selbstzweck. Der Wert ergibt sich aus dem Zusammenspiel von Technologie, Daten, Markt und Organisation. KI kann ein Deal-Katalysator sein, wenn:

sie echte Effizienzsteigerungen oder neue Geschäftsmodelle ermöglicht,

sie sich auf andere Portfoliounternehmen übertragen lässt (Plattform-Logik!),

das Team skalierbar arbeitet und integriert werden kann,

und regulatorische und ethische Fragen frühzeitig geklärt sind.

Ansonsten bleibt KI eine teure Vision, schön anzusehen, aber operativ schwer zu realisieren.

FazitKI ist kein Bonuspunkt – sie ist ein Test

Nicht für die Technologie, sondern für die Reife des Unternehmens und für die Fähigkeit, Zukunftsthemen nicht nur zu verkaufen, sondern zu beherrschen.

Künstliche Intelligenz kann ein Deal beschleunigen oder entlarven. Sie zeigt, ob ein Unternehmen Substanz oder nur Storytelling betreibt. Und sie verlangt vom Käufer, zwischen Hype und Hebel zu unterscheiden.