KI-Due-Diligence: Wie Private Equity Software-Deals jetzt neu bewertet

Ich pflege seit Anfang 2024 eine eigene Liste deutscher B2B-Software-Deals, Stand heute 78 Kapital-Events. Beim Nachtragen der jüngsten Fälle fiel mir auf, wie sehr sich der Ton in den Gesprächen um solche Transaktionen verändert hat. Die erste Frage an ein Software-Asset gilt inzwischen der Haltbarkeit des Umsatzes unter KI-Druck. Über Wachstum reden wir erst danach.

Für diese erste Frage fehlt vielen Beteiligten ein belastbares Werkzeug. Eine KI-Due-Diligence prüft, wie viel des heutigen Umsatzes eines Software-Unternehmens verteidigbar bleibt, wenn Agenten Aufgaben übernehmen und Anwendungs-Budgets neu verteilt werden. Wie dringend das ist, zeigt der Deal-Markt: Der Wert der Tech-Deals fiel von Q4 2025 auf Q1 2026 um 70 Prozent, weil Investoren Software-Bewertungen unter KI-Unsicherheit kaum noch trauen ^[1]. Die Buchwerte in den Private-Equity-Portfolios lagen Ende März dagegen erst rund 8 Prozent tiefer ^[1]. Zwischen diesen beiden Zahlen liegt das eigentliche Risiko. Aufgelöst wird es in der Due Diligence, lange vor dem Exit.

Warum trauen Investoren Software-Bewertungen gerade nicht?

Der öffentliche Markt hat zuerst reagiert. Anfang 2026 lag der nordamerikanische Software-Index mehr als 20 Prozent im Minus, deutlich hinter dem Gesamtmarkt ^[3]. Bain zählt den KI-getriebenen Abverkauf bei Software zu den drei Schocks dieses Halbjahres, neben den Spannungen im Private-Credit-Markt und dem Energiepreissprung ^[1].

Bain ordnet Technologie zwischen den zuversichtlichen und den unsicheren Sektoren ein ^[1]. Der Rückgang der Tech-Deal-Werte um 70 Prozent bleibt trotzdem der auffälligste Einzelbefund des Halbjahres, und er hängt an der Frage nach dem Geschäftsmodell.

Private Bewertungen sind der Bewegung bisher nur zum Teil gefolgt. In den Portfolios von Private Equity standen Software-Beteiligungen Ende März global rund 8 Prozent tiefer, in Europa gut 4 Prozent ^[1]. Käufer auf dem Secondaries-Markt prüfen Fondsanteile mit hohem Software-Anteil inzwischen deutlich strenger ^[4]. Gartner beschreibt genau den Mechanismus dahinter, die Entkopplung von Nutzerwachstum und Umsatzwachstum ^[2]. Eine heute gehaltene Software-Position trägt eine Bewertung, die der nächste Käufer so vielleicht nicht mehr akzeptiert.

Für Boards ist diese Trägheit gefährlicher, als sie aussieht. Noch verkaufen mehr als drei Viertel der Buyout-Assets über ihrer vorletzten Quartalsbewertung, also der Marke vor dem Verkaufsprozess ^[1]. Diese Quote ist allerdings ein Blick in den Rückspiegel, denn sie beschreibt die Assets, die einen Käufer gefunden haben. Bestätigt die eigene Software-Beteiligung ihre heutige Bewertung auch in einer Transaktion morgen? Der Deal-Einbruch legt nahe, dass viele Beteiligte dieser Frage gerade ausweichen.

Hinter der Nervosität steht eine reale Verschiebung. Gartner beziffert das Volumen an Enterprise-Software-Ausgaben, das bis 2030 durch agentische KI umverteilt werden kann, auf 234 Milliarden US-Dollar, rund 20 Prozent des SaaS-Spends ^[2]. Die Begründung trifft das Geschäftsmodell im Kern: Agenten liefern Ergebnisse an der Benutzeroberfläche vorbei und entkoppeln damit Nutzerwachstum und Umsatzwachstum ^[2]. Bis Ende 2026 sollen 40 Prozent der Unternehmensanwendungen aufgabenspezifische Agenten enthalten ^[6].

S&P Global Market Intelligence hält dagegen, der Abverkauf sei womöglich übertrieben. Belege dafür, dass Unternehmen ihre großen SaaS-Anbieter tatsächlich durch Eigenentwicklungen ersetzen, gibt es bislang kaum ^[3]. Beide Lager können recht behalten, je nach Asset. Der Auftrag an Investoren lautet deshalb, jeden Einzelfall zu prüfen, mit denselben Maßstäben und derselben Härte. Ein pauschaler Abschlag auf alles ist genauso faul wie ein unverändertes Weiter-so.

Was gehört in eine KI-Due-Diligence?

Wir haben die Frage bei Convios in vier Prüffelder zerlegt. Alle vier verlangen Disziplin und Zugriff auf Rohdaten, die in klassischen Prozessen selten angefordert werden.

In der Praxis gehört die Prüfung außerdem in zwei Hände. Das Deal-Team prüft Zahlen und Verträge, jemand mit operativer Software-Erfahrung prüft Delivery, Datenflüsse und die KI-Nutzung im Alltag des Zielunternehmens. Fehlt die zweite Perspektive, bleibt die Prüfung eine Tabellenübung.

1. Das erste Feld ist die Umsatzqualität unter Agenten-Last. Die Net Revenue Retention kann Schrumpfung verdecken, wenn Zusatzerlöse aus KI-Modulen den Rückgang bei Arbeitsplatz-Lizenzen überlagern. Aussagekräftiger ist die Gross Revenue Retention, aufgeschlüsselt nach Kundenkohorten und Produktmodulen. Die zentrale Größe ist der Anteil des Umsatzes, der an der Zahl menschlicher Nutzer hängt, denn genau dort greift die Entkopplung, die Gartner beschreibt ^[2]. Ein Rechenbeispiel zeigt die Wirkung: Hängen bei einem Anbieter mit 50 Millionen Euro ARR 70 Prozent des Umsatzes an Seats und fallen davon über fünf Jahre nur 15 Prozent weg, fehlen am Ende gut 5 Millionen Euro wiederkehrender Umsatz, bei einem Multiple von fünf also rund 26 Millionen Euro Unternehmenswert (eigene Kalkulation).
2. Der Graben unter dem KI-Feature entscheidet über die Dauerhaftigkeit. Ein KI-Feature hat morgen jeder. Verteidigbar bleibt, was darunter liegt: der Besitz des Arbeitsablaufs beim Kunden, eigene Betriebsdaten, die nur durch das Produkt entstehen, und regulatorische Tiefe, die ein Generalist nicht abkürzen kann. In der eigenen Auswertung deutscher B2B-Software-Deals seit 2024 tauchen genau diese Muster bei den übernommenen und hoch finanzierten Firmen immer wieder auf (eigene Auswertung, 78 Fälle).
3. Mit dem dritten Feld, der internen KI-Reife des Zielunternehmens, prüfen Sie die künftige Kostenbasis. Wie viel der Entwicklung läuft KI-gestützt, wie viel des Supports ist automatisiert, wie schnell erreichen Änderungen die Produktion. Zwei Anbieter mit gleichem ARR können hier Welten auseinanderliegen. Der Abstand wird mit jedem Quartal teurer, weil der Wettbewerber mit der reiferen KI-Nutzung schneller und günstiger liefert und diesen Vorteil in Preis oder Marge übersetzen kann.
4. Governance und Auditierbarkeit wirken unscheinbar und tragen doch Kaufpreis. Bei KI im Produkt und im Betrieb müssen Sie regulierten Kunden zeigen können, welche Daten wohin fließen und wie Ergebnisse kontrolliert werden. Ein Asset, das diese Nachweise liefern kann, verkauft in Branchen, in denen andere gar nicht erst eingeladen werden. Leitplanken sind die Voraussetzung dafür, KI mit Tempo einzusetzen, und damit ein Bewertungsfaktor.

Auffällig ist, was in der Liste fehlt. Das verwendete Basismodell spielt für die Bewertung kaum eine Rolle. Modelle werden Monat für Monat besser und billiger, jeder Anbieter kann sie einkaufen. Ein Prüfbericht, der seitenlang die Modellwahl diskutiert und die vier Felder oben nur streift, prüft die falsche Schicht.

Am Ende der Prüfung steht eine einfache Übersetzung in den Preis. Umsatz, der an menschlichen Nutzern hängt und keinen Graben unter sich hat, bekommt ein kürzeres Abschreibungsprofil und damit ein niedrigeres Multiple. Umsatz, der auf Workflow-Besitz, eigenen Daten oder regulatorischer Tiefe sitzt, verdient die Bewertung von gestern auch morgen. Die Kunst liegt darin, diese Trennung im Zahlenwerk des Zielunternehmens sauber zu ziehen, und genau daran scheitern derzeit viele Prozesse.

Wie starten Sie die KI-Due-Diligence im eigenen Portfolio?

Vier Schritte reichen für den Anfang, und jeder liefert in Wochen ein Ergebnis.

1. Quantifizieren Sie je Beteiligung den Umsatzanteil, der an Arbeitsplatz-Lizenzen hängt. Die Vertragsdaten dafür liegen im CRM und im Billing-System. Eine Woche konzentrierte Arbeit genügt für eine erste Übersicht über das ganze Portfolio.
2. Für das nächste Board-Meeting steht die Gross Revenue Retention nach Kohorten auf der Liste, getrennt nach Produktmodulen. Wenn das Management diese Zahl nicht liefern kann, haben Sie bereits einen Befund. Die Diskussion über die Datenlücke ist oft aufschlussreicher als die Zahl selbst.
3. Stufen Sie jeden Graben ein. Eine Seite pro Asset zu Workflow-Besitz, eigenen Daten und regulatorischer Tiefe, jede Aussage mit einem konkreten Beleg unterlegt. Selbsteinschätzungen des Managements zählen hier nicht als Beleg. Aus den Einstufungen entsteht nebenbei eine Rangfolge, welche Assets zuerst in einen Prozess können.
4. Bleibt die interne KI-Reife des Delivery. Anteil KI-gestützter Entwicklung, Automatisierungsgrad im Support, Durchlaufzeit von Änderungen bis zur Produktion. Die Zahlen sind anfangs unbequem und genau deshalb wertvoll. Ein Quartal später wiederholen Sie die Messung, denn die Richtung zählt hier mehr als der Startwert.

Für Verkäufer gilt das Gleiche mit umgekehrtem Vorzeichen. Planen Sie in den nächsten 12 bis 24 Monaten einen Prozess, dann bauen Sie dieses Zahlenwerk jetzt auf. Ein Datenraum, der die vier Prüffelder von sich aus beantwortet, verkürzt die Verhandlung und verteidigt den Preis genau an der Stelle, an der Käufer derzeit die größten Abschläge ansetzen.

Auf der Käuferseite verschiebt sich mit den vier Feldern auch das Timing. Ein großer Teil der Prüfung funktioniert vor der Exklusivität, mit öffentlichen Daten, Kundenreferenzen und Produktzugängen. Wer die Fragen erst im Datenraum stellt, hat den Informationsvorsprung verschenkt, der in diesem Markt gerade den Preis macht.

Meine Einordnung

Ich habe auf beiden Seiten des Deal-Tisches gesessen, meine eigene Firma in eine Integration hinein verkauft und danach vier Integrationen für den Käufer geführt. Was den Preis in diesen Prozessen getragen hat, waren die Daten, der Platz im Arbeitsablauf der Kunden und die Frage, wie schwer das Asset zu ersetzen wäre. Genau deshalb halte ich den aktuellen Stillstand für eine Kaufgelegenheit mit Ansage: 1,3 Billionen US-Dollar Dry Powder warten auf Einsatz ^[5], rund 32.000 unverkaufte Portfoliofirmen mit 3,8 Billionen US-Dollar Wert stauen sich ^[5], bei Haltedauern von etwa sieben Jahren ^[5]. Wer als Erster wieder sauber underwriten kann, kauft in einem Markt mit wenig Wettbewerb um die Assets.

Was mich an der eigenen Liste stutzig macht: Ein Drittel der deutschen B2B-Software-Kapital-Events seit 2024 waren Eigentümerwechsel, 26 von 78, dazu neun Mal ein Industriekonzern als Minderheitsgesellschafter (eigene Auswertung). Die KI-Frage erreicht den deutschen Software-Mittelstand damit über die Käuferseite, und zwar schneller, als viele Gründer und Beiräte es wahrhaben wollen. Säße ich heute in einem Software-Beirat, stünden die vier Felder auf der Agenda der nächsten Sitzung, als stehender Punkt neben dem Zahlenteil. Die Prüfung kostet ein paar Wochen. Wird sie erst im Verkaufsprozess nachgeholt, verhandelt man aus der schwächeren Position.

Wie ein Software-Unternehmen den Graben unter dem KI-Feature konkret aushebt, zeigt der Beitrag wie Nischenanbieter ihren Graben ziehen. Was Agenten-Protokolle für Portfolios verändern, vertieft die Analyse MCP und B2B-Software-Geschäftsmodelle. Warum längere Haltedauern die Rechnung im Portfolio insgesamt verschieben, steht in Haltedauer und Buy-and-Build-Plattform.