Künstliche Intelligenz (KI) spielt zunehmend eine Schlüsselrolle in datengetriebenen Geschäftsmodellen. Für Investoren und M&A-Experten bedeutet das: Die klassischen Werkzeuge der Software Due Diligence reichen nicht mehr aus, um die Risiken und Potenziale moderner KI-Systeme zu bewerten. 

In Teil 4 der Blogreihe zum Thema "Software Due Diligence: zu der Schlüssel zu erfolgreichen M&A-Deals" gehen wir auf die Gesichtspunkte einer KI DD in Bezug auf selbst-entwickelte Modelle (wie z.B. von ML (Machine Learning) Modellen) ein.

Auf die neuen Fragestellungen mit dem Aufkommen der Verwendung von LLMs (Large Language Models) gehen wir in den nächsten Blogs ein. 

Warum klassische Software-DDs bei KI an Grenzen stoßen

Während traditionelle Software auf fest definierten Regeln basiert, lernt KI-Software durch Trainingsdaten und entwickelt ihre Entscheidungslogik eigenständig. Das bedeutet: Die Prognosegüte selbst-entwickelter Modelle hängt nicht nur vom Code, sondern wesentlich von der Qualität der Daten, dem Modelltraining und der Vorverarbeitung ab. Diese Komponenten sind jedoch in klassischen Software-DDs oft nicht ausreichend berücksichtigt.

Neue Fragestellungen in der KI-Due Diligence

Eine fundierte KI-Due Diligence stellt daher neue Fragen:

• Wurde tatsächlich ein KI-Modell entwickelt, trainiert und verwendet oder handelt es sich z.B.  nur um ein regelbasiertes System?
• Wie gut war die Qualität und Vielfalt der Trainingsdaten?
• Gibt es Monitoring, Re-Training und Fall-Back-Strategien?
• Ist das KI-Know-how intern vorhanden oder extern verankert?
• Wie wird Bias in Daten erkannt und vermieden?

Diese Fragen sind entscheidend, um zu prüfen, ob die im Businessplan genannten KI-Vorteile realistisch erreichbar sind – oder ob hier ein technologischer „Blindflug“ droht.

Technologische Risiken gezielt erkennen

Eine schlecht gewartete oder unzureichend trainierte KI kann schnell zum Problem werden – sei es durch fehlerhafte Prognosen, fehlende Skalierbarkeit oder eine hohe Abhängigkeit von einzelnen Experten. Risiken ergeben sich z. B. aus:

• mangelnder Prognosegüte,
• fehlendem Bias-Monitoring,
• nicht reproduzierbaren Trainingsprozessen,
• oder einem fehlenden Zugang zu den Daten nach einem Carve-out.

Gerade Letzteres wird in klassischen DDs oft übersehen, ist aber entscheidend für die operative Fortführung eines KI-gestützten Geschäftsmodells.

Nicht überall, wo KI draufsteht, ist auch KI drin

Erstaunlich: Laut Studien ist bei rund 40 % der untersuchten „KI-Startups“ keine echte KI im Einsatz. Deshalb ist es unerlässlich, die Modellarchitektur und Trainingsdaten kritisch zu hinterfragen. Nur so lässt sich bewerten, ob das System den Anforderungen des Anwendungsfalls wirklich gerecht wird – oder ob klassische Methoden geeigneter wären.

Organisatorische Reife als Erfolgsfaktor

Technologie allein genügt nicht. Ein erfolgreicher KI-Einsatz hängt stark davon ab, ob:

• dedizierte KI-Rollen im Unternehmen etabliert sind,
• Prozesse wie Monitoring, Retraining und Datenmanagement etabliert sind,
• das Management und die Fachbereiche die Bedeutung von KI verstehen und mittragen.

Unternehmen mit klar definierten KI-Verantwortlichkeiten, Budgetierung und Roadmaps (sog. „KI-High Performer“) erzielen laut Studien deutlich höhere Effizienz- und Ergebnissteigerungen.

Fazit: Neue Prüfstandards sind notwendig

Künstliche Intelligenz kann in M&A-Projekten echte Wettbewerbsvorteile schaffen – oder erhebliche Risiken bergen. Die Autoren des Artikels zeigen überzeugend auf, dass kEine klassische Software Due Diligence nicht ausreicht nicht aus, um diese Risiken zu bewerten. Eine spezialisierte KI Due Diligence ist notwendig – mit Fokus auf Datenqualität, Prognosegüte, technologische Reife und organisatorische Einbettung.

Künstliche Intelligenz ist wie ein scharfes Schwert: Wer ihre Potenziale nutzt, kann führen – wer ihre Risiken unterschätzt, kann schnell bluten.

Jetzt handeln: KI-Kompetenz gezielt in Ihre Transaktionsprüfung integrieren

Ob Tech-Akquisition oder Investition in ein datenbasiertes Geschäftsmodell – wenn KI eine Rolle spielt, brauchen Sie neue Kriterien, neue Methoden und Partner mit praktischer Erfahrung.

👉 Cape of Good Code kombiniert fundierte Technologieanalyse mit KI-spezifischer Expertise – und liefert innerhalb kürzester Zeit klare Einschätzungen zur Tragfähigkeit, Skalierbarkeit und Nachhaltigkeit Ihrer Zieltechnologie.

📞 Vereinbaren Sie ein unverbindliches Erstgespräch oder fordern Sie direkt unser KI Software Due Diligence an.

Links

[0] Photo by Markus Winkler