Gemeinsam mit Hendrik Rathje (Möhrle Happ Luther), Volker Riedel (Dr. Wieselhuber & Partner), Oliver Schnepple (kbht NEXT) und Deniz Schütz (StrategyBridgeAI) haben wir beleuchtet, wie Künstliche Intelligenz komplexe analytische Prozesse von der Unternehmensbewertung bis zur Erstellung von Restrukturierungskonzepten verändert.
Erfahren Sie in der Aufzeichnung:
- wie KI-gestützte Analysen in der Bewertung und Transaction Services tiefere Insights bei geringerem Zeitaufwand ermöglichen,
- welche konkreten Use Cases in anspruchsvollen Restrukturierungssituationen den größten operativen Mehrwert liefern,
- wie sich die Rolle von Prüfern und Beratern von der reinen Datenaufbereitung hin zur strategischen Interpretation wandelt,
- wie Kanzleien und Beratungsboutiquen neue Technologien nahtlos in ihre bestehenden Mandatsstrukturen integrieren,
- und vieles mehr…
Zum Abschluss zeigen wir in einer kompakten Live-Demo, wie die Lösung von StrategyBridgeAI Berater bei der Analyse und Strategieentwicklung operativ unterstützt.
KI in der Advisory-Praxis – Wie Technologie Bewertung, Benchmarking und Restrukturierung transformiert
Während KI in der Due Diligence bisher vor allem auf reines Prozessmanagement abzielt, liegt die eigentliche analytische Wertschöpfung oft woanders: in der Unternehmensbewertung, im Benchmarking und in der Restrukturierung. Genau hier setzt eine neue Generation von Tools an – und verändert die Arbeit von Beratern, Wirtschaftsprüfern und Restrukturierungsexperten grundlegend.
Von wochenlanger Recherche zur kuratierten Peer Group in einem Tag
Die Erstellung belastbarer Peer Groups ist traditionell ein mühsamer Prozess. Klassische Datenbanken wie S&P Capital IQ bieten zwar leistungsfähige Screening-Funktionen, doch gerade bei Nischenmärkten, ausländischen Vergleichsunternehmen oder gemischten Geschäftsmodellen stößt die stichwortbasierte Suche schnell an ihre Grenzen. Was auf dem klassischen Weg ein bis zwei Wochen dauert – von der ersten Recherche durch einen Junior bis zum finalen Review durch den Senior – lässt sich durch KI-gestützte Tools auf einen einzigen Tag komprimieren. Der entscheidende Vorteil liegt dabei nicht nur in der Geschwindigkeit, sondern in der Qualität des Ausgangsmaterials: Moderne Plattformen liefern bereits vorkuratierte Vorschläge, die nach der Passgenauigkeit zum Bewertungsobjekt gerankt sind. Der Berater steigt damit auf einem deutlich höheren Niveau in die eigentliche Analyse ein.
Belastbare Daten statt halluzinierter Quellen
Eine der zentralen Herausforderungen beim Einsatz allgemeiner Large Language Models für Branchenanalysen ist die Quellentransparenz. Wer Marktberichte über ChatGPT, Gemini oder Claude generiert, bekommt in kürzester Zeit beeindruckende Ergebnisse – muss anschließend aber jede einzelne Quelle auf Existenz, Aktualität und Seriosität prüfen. Spezialisierte Plattformen gehen hier einen anderen Weg: Sie gleichen externe Quellen gegen eigene Datenbestände mit Millionen von Unternehmensprofilen ab und stellen sicher, dass keine halluzinierten Daten ihren Weg in die Analyse finden. Gerade im Small- und Midcap-Segment, wo klassische Datenanbieter oft keine ausreichende Coverage bieten, ist das ein erheblicher Qualitätsvorteil.
Restrukturierung unter Zeitdruck: KI als Sparringspartner
In Krisenmandaten ist der Faktor Zeit besonders kritisch. Bei einem klassischen Distressed-M&A-Verfahren bleiben oft nur drei Monate bis zur Insolvenzeröffnung, in denen die gesamte Transaktion stehen muss. Noch komplexer wird es bei Fairness Opinions, wo Berater sowohl ein Fair Dealing als auch ein Fair Pricing belegen müssen – und das auf einer belastbaren Datenbasis. KI-Tools helfen hier auf mehreren Ebenen: Sie beschleunigen die Identifikation von Werttreibern und Wettbewerbspositionen, ermöglichen schnelle Outside-in-Checks zu Marktgröße, Margen und Wachstum und decken Widersprüche in Businessplänen auf. Besonders wertvoll ist dabei die historische Tiefe: Wenn ein Tool nicht nur einen Stichtagswert liefert, sondern Zehnjahresverläufe abbildet, gewinnen Berater eine ganz andere argumentative Kraft für ihre Einschätzungen.
Businessplan-Validierung: These, Antithese, Synthese
Ein zentrales Einsatzfeld für KI ist die Plausibilisierung von Businessplänen. In der Praxis kommen gerade in Restrukturierungssituationen häufig „Wünsch-dir-was-Planungen“ auf den Tisch, bei denen der Hockeystick in der Umsatzprognose die Realität deutlich übersteigt. Der methodisch saubere Ansatz ist ein konsequentes These-Antithese-Prinzip: Der vom Unternehmen vorgelegte Plan wird über KI-Tools gegen Branchen-Benchmarks, Margenkorridore und prognostizierte Wachstumsraten gespiegelt. So werden unrealistische Annahmen früh sichtbar – und der Berater kann gezielt nachfragen, statt erst spät im Prozess Inkonsistenzen zu entdecken.
Datenschutz und Haftung: Die offenen Baustellen
So groß die Effizienzgewinne sind, so klar sind auch die rechtlichen Grenzen. Für regulierte Berufsträger wie Wirtschaftsprüfer und Steuerberater gelten strenge Anforderungen an den Umgang mit Mandantendaten. Offene KI-Tools wie ChatGPT sind in vielen Kanzleien explizit untersagt, da ohne § 203-konforme Verträge und DSGVO-konformen Datentransfer der berufsrechtskonforme Einsatz nicht sichergestellt ist. Als datenschutzkonformer Weg hat sich in der Praxis vor allem Microsoft Copilot etabliert, bei dem entsprechende Datenverarbeitungsverträge geschlossen werden können. Spezialisierte Anbieter setzen zudem auf europäische Server, lokales Hosting der KI-Algorithmen und eine konsequente Entkopplung von Nutzerdaten und Marktrecherchen. Unabhängig vom Tool gilt dabei ein unumstößlicher Grundsatz: Die Letztverantwortung bleibt beim Menschen. KI-Ergebnisse sind Arbeitshypothesen, nicht Gutachten – und wer die Haftung tragen will, muss die Ergebnisse verstehen, prüfen und eigenständig bewerten.
Neues Skillset: Kritische Grundhaltung statt blindes Vertrauen
Die Automatisierung verändert die Anforderungsprofile in den Teams gravierend. Junge Berater verbringen heute weniger Zeit mit manueller Datenrecherche, müssen dafür aber umso stärker in der Lage sein, maschinell generierte Ergebnisse kritisch zu hinterfragen. Die Schulung einer kritischen Grundhaltung gegenüber KI-Outputs wird damit zu einer der wichtigsten Führungsaufgaben. Denn die Geschwindigkeit, mit der Ergebnisse vorliegen, verkürzt auch die Überprüfungszyklen – und erhöht damit das Risiko, dass fehlerhafte Annahmen ungeprüft in Mandate einfließen.
Fazit: KI als Qualitäts- und Geschwindigkeitshebel in der Advisory
Künstliche Intelligenz verändert nicht die Kernaufgabe der Beratung, sondern die Art, wie Berater dorthin gelangen. Peer Groups entstehen in Stunden statt Wochen, Branchenanalysen basieren auf geprüften Daten statt auf Hörensagen und Businesspläne werden systematisch gegen Marktdaten plausibilisiert. Wer diese Werkzeuge beherrscht und gleichzeitig die fachliche Urteilskraft bewahrt, schafft sich einen echten Wettbewerbsvorsprung – sowohl in der Geschwindigkeit als auch in der Qualität der Beratungsleistung.
