PE Value Creation mit KI: So steigern Fonds den EBITDA ihrer Portfoliounternehmen
Jahrelang konnten PE-Fonds ihre Rendite über zwei Hebel erzielen: günstig kaufen und das Multiple-Umfeld für sich arbeiten lassen. Diese Zeit ist vorbei.
Seit 2023 sind Eingangs-Multiples auf historischen Hochs, Zinsen haben die Leverage-Spielräume eingeengt, und Exit-Multiples stehen unter Druck. Was bleibt, ist operative Wertschöpfung. Laut einer McKinsey-Analyse müssen Buyout-Manager sich auf operative Value-Creation-Strategien konzentrieren, die Umsatzwachstum und Margenverbesserung treiben. Simon-Kucher beziffert es konkreter: 78% der PE-Executives sagen, dass Operations als Renditequelle an Bedeutung gewinnen wird.
Das Problem: Die meisten Fonds haben keinen systematischen Prozess dafür. Value Creation ist Wunschdenken auf einer PowerPoint-Folie, nicht ein operativer Workflow. Und hier verändert KI das Spiel. Nicht als Buzzword, sondern als Werkzeug, das EBITDA-Hebel in Portfoliounternehmen schneller identifiziert und quantifiziert, als jedes Beraterteam es kann.
Dieser Artikel zeigt den kompletten Workflow: vom Value Creation Plan über die fünf wichtigsten EBITDA-Hebel bis zum 100-Tage-Fahrplan nach dem Closing. Mit einem durchgerechneten DACH-Beispiel. Wer den Gesamtüberblick über KI im PE-Lifecycle sucht, findet ihn im Pillar-Artikel.
Was Value Creation im PE-Kontext wirklich bedeutet
Value Creation in Private Equity beschreibt die gezielte Steigerung des Unternehmenswerts zwischen Kauf und Verkauf. Es geht um die Differenz zwischen dem, was ein Fonds für ein Unternehmen bezahlt hat, und dem, wofür er es verkauft.
Vier traditionelle Hebel treiben diese Differenz:
| Hebel | Mechanismus | Abhängigkeit |
|---|---|---|
| Multiple Arbitrage | Günstiger kaufen, teurer verkaufen | Marktumfeld, Timing |
| Leverage | Schulden zur Renditeoptimierung nutzen | Zinsniveau, Cashflow |
| Revenue Growth | Umsatz des Portfoliounternehmens steigern | Operativ, beeinflussbar |
| Margin Expansion | Kosten senken, Effizienz erhöhen | Operativ, beeinflussbar |
Die ersten beiden Hebel sind marktabhängig. Ein Fonds kann sie nicht kontrollieren. Revenue Growth und Margin Expansion hingegen sind operativ. Genau hier setzt KI an.
Der Wandel lässt sich in einer Zahl zusammenfassen: Zwischen 2010 und 2021 stammten 50-60% der PE-Renditen aus Multiple Expansion. Seit 2023 liegt dieser Anteil unter 20%. Was fehlt, muss durch operative Verbesserung kompensiert werden, oder die Rendite stimmt nicht.
Der Value Creation Plan: Aufbau und KI-Einsatz
Ein Value Creation Plan (VCP) ist der strukturierte Fahrplan für die Wertsteigerung eines Portfoliounternehmens. Er wird idealerweise während der Due Diligence entworfen und nach dem Closing operationalisiert.
Die vier Elemente eines VCP
1. Wertsteigerungshypothese. Woher kommt der Wertzuwachs? "Wir glauben, dass dieses Unternehmen seinen EBITDA um 40% steigern kann, weil Pricing unterdurchschnittlich ist, der Einkauf nicht konsolidiert wurde und die Vertriebsmannschaft kein CRM nutzt." Die Hypothese muss vor dem Closing validiert werden.
KI-Einsatz: Ein Agent durchsucht Branchenbenchmarks, Wettbewerberpreise und Finanzkennzahlen des Targets und liefert innerhalb von Stunden eine datengestützte Einschätzung, ob die Hypothese plausibel ist. Ohne KI basiert diese Einschätzung auf Erfahrung und zwei Wochen Berater-Research.
2. EBITDA-Hebel. Welche konkreten Maßnahmen treiben die Verbesserung? Jeder Hebel braucht eine Quantifizierung: Wie viel Euro EBITDA-Impact, in welchem Zeitrahmen, mit welchem Investitionsbedarf?
KI-Einsatz: Bilanzanalyse mit KI identifiziert Anomalien in Kostenstrukturen, Preisabweichungen und Working-Capital-Ineffizienzen automatisch. Ein Agent kann die letzten drei Jahresabschlüsse in Minuten durcharbeiten und die fünf größten Hebel mit geschätztem EBITDA-Impact auflisten.
3. Meilensteine und Timeline. Wann wird welcher Hebel aktiviert? Die ersten 100 Tage sind entscheidend, aber Value Creation läuft über den gesamten Haltezeitraum von 3-5 Jahren.
4. KPIs und Monitoring. Welche Kennzahlen zeigen, ob die Maßnahmen wirken? Ein KPI Dashboard für Portfoliounternehmen mit KI-gestützter Anomalie-Erkennung ersetzt den reaktiven Quartalsbericht durch proaktive Überwachung.
Wo KI den VCP verändert
Der traditionelle VCP entsteht in einem 6-8 Wochen dauernden Beratungsprojekt, das mit einer PowerPoint-Präsentation endet. Das Problem: Bis die Analyse fertig ist, sind die ersten 100 Tage halb vorbei.
KI komprimiert die Analysephase. Statt Wochen braucht ein Agent Tage für die Bestandsaufnahme. Das bedeutet nicht, dass Berater überflüssig werden. Es bedeutet, dass sie ab Tag 1 an der Umsetzung arbeiten können statt an der Diagnose.
Fünf EBITDA-Hebel, die KI beschleunigt
1. Pricing-Optimierung
Pricing ist der stärkste EBITDA-Hebel. Eine Preiserhöhung von 1% steigert den Gewinn im Durchschnitt um 8-11%, weil sie direkt auf die Marge durchschlägt, ohne zusätzliche Kosten.
Die meisten Mittelständler schöpfen ihr Pricing-Potenzial nicht aus. Preise basieren auf historischen Kalkulationen, nicht auf Zahlungsbereitschaft. Rabattstrukturen sind gewachsen statt gesteuert. Kund*innen mit identischem Profil zahlen unterschiedliche Preise, ohne dass jemand weiß warum.
Was KI hier tut: Ein Agent analysiert sämtliche Rechnungen der letzten drei Jahre, segmentiert Kund*innen nach Preissensitivität und identifiziert systematische Unterpreisung. Bei einem Unternehmen mit 50 Mio. Euro Umsatz kann eine datengestützte Preisanpassung von 2-3% bereits 1-1,5 Mio. Euro EBITDA-Verbesserung bedeuten.
Zeitrahmen: Analyse in 2-3 Wochen, erste Umsetzung in 3-6 Monaten.
2. Einkaufsoptimierung
Nach dem Pricing ist der Einkauf der zweitstärkste Hebel. Viele Mittelständler haben keinen zentralen Einkauf. Materialkosten werden dezentral verhandelt, Rahmenverträge sind veraltet, Lieferantenkonsolidierung hat nie stattgefunden.
Was KI hier tut: Ein Agent aggregiert alle Einkaufsdaten, identifiziert Lieferantenüberschneidungen und berechnet das Einsparpotenzial bei Konsolidierung. Bei indirektem Spend (IT, Facility Management, Beratung, Travel) sind 10-20% Einsparung realistisch.
Rechenbeispiel: Bei einem Unternehmen mit 40 Mio. Euro Materialeinsatz und 10 Mio. Euro indirektem Spend kann die Einkaufsoptimierung 1-2 Mio. Euro EBITDA freisetzen.
Zeitrahmen: Analyse in 2-4 Wochen, Quick Wins (Nachverhandlung bestehender Verträge) in 3 Monaten, volle Wirkung in 12 Monaten.
3. Vertriebsoptimierung
Viele Portfoliounternehmen haben eine Vertriebsmannschaft, aber kein Vertriebssystem. Leads werden nach Bauchgefühl priorisiert, Bestandskund*innen nie systematisch auf Upselling-Potenzial analysiert, und Churn fällt erst auf, wenn der Kunde bereits weg ist.
Was KI hier tut: Ein Agent analysiert historische Verkaufsdaten und identifiziert Kundinnen-Cluster mit hoher Upselling-Wahrscheinlichkeit. Welche Kundinnen kaufen Produkt A, aber nicht das margenstarke Produkt B? Welche zeigen Kaufmuster, die auf Abwanderung hindeuten?
EBITDA-Impact: Je nach Branche 5-15% Umsatzsteigerung im Bestandskundengeschäft, bei deutlich geringeren Akquisitionskosten als Neukundengewinnung.
Zeitrahmen: Analyse in 1-2 Wochen, erste Kampagnen in 4-6 Wochen, messbare Ergebnisse in 3-6 Monaten.
4. Prozessautomatisierung
Der klassische Effizienz-Hebel. In vielen Mittelständlern werden Aufgaben manuell erledigt, die automatisierbar sind: Rechnungsverarbeitung, Bestellwesen, Reporting, HR-Administration.
Was KI hier tut: Ein Agent kartiert Prozesse nach Automatisierungspotenzial. Nicht jeder Prozess lohnt die Automatisierung, aber die Kombination aus Häufigkeit, manuellem Aufwand und Fehlerquote identifiziert die Top-Kandidaten. In Finance und HR lassen sich typischerweise 2-4 FTE-Äquivalente einsparen.
EBITDA-Impact: Bei Vollkosten von 60.000-80.000 Euro pro FTE sind das 120.000-320.000 Euro pro Jahr, nicht der größte Hebel, aber der am schnellsten umsetzbare.
Zeitrahmen: Analyse in 1-2 Wochen, erste Automatisierungen in 4-8 Wochen.
5. Working-Capital-Optimierung
Working Capital bindet Liquidität. Kürzere Forderungslaufzeiten (DSO), längere Verbindlichkeiten (DPO) und optimierte Bestände (DIO) setzen Cash frei, das für Wachstum oder Schuldenabbau genutzt werden kann.
Was KI hier tut: Ein Agent analysiert die Zahlungsmuster aller Kundinnen und Lieferanten und identifiziert systematische Abweichungen. Welche Kundinnen zahlen regelmäßig 15 Tage zu spät? Welche Lieferanten bieten Skonto an, das nicht genutzt wird?
Impact: Bei einem Unternehmen mit 80 Mio. Euro Umsatz kann eine DSO-Reduktion um 5 Tage ca. 1,1 Mio. Euro Cash freisetzen. Kein EBITDA-Effekt, aber direkter Cashflow-Impact, der den Verschuldungsgrad verbessert.
Zeitrahmen: Analyse in 1-2 Wochen, erste Maßnahmen in 4-6 Wochen.
Rechenbeispiel: Mittelständisches Fertigungsunternehmen
Ein PE-Fonds erwirbt einen DACH-Maschinenbauer. Kennzahlen:
| Kennzahl | Wert |
|---|---|
| Umsatz | 80 Mio. EUR |
| EBITDA | 8 Mio. EUR (10% Marge) |
| Materialeinsatz | 32 Mio. EUR (40% vom Umsatz) |
| Indirekter Spend | 8 Mio. EUR |
| Mitarbeiter*innen | 450 |
| Kaufpreis | 56 Mio. EUR (7x EBITDA) |
Was ein KI-Agent in den ersten 30 Tagen findet
| Hebel | Maßnahme | EBITDA-Impact p.a. |
|---|---|---|
| Pricing | Rabattbereinigung + selektive Preiserhöhung 2% | +1,2 Mio. EUR |
| Einkauf | Lieferantenkonsolidierung + Nachverhandlung indirekter Spend | +1,0 Mio. EUR |
| Vertrieb | Upselling-Kampagne Bestandskund*innen | +0,8 Mio. EUR |
| Prozesse | Automatisierung Rechnungswesen + Reporting (3 FTE) | +0,2 Mio. EUR |
| Working Capital | DSO-Reduktion um 8 Tage | +1,8 Mio. EUR Cash (kein EBITDA) |
| Summe EBITDA | +3,2 Mio. EUR |
Ergebnis: EBITDA steigt von 8 auf 11,2 Mio. EUR (+40%). Bei einem Exit-Multiple von 7x bedeutet das einen Wertanstieg von 22,4 Mio. EUR, zusätzlich zum organischen Wachstum.
Der Zeitvorteil
Ein traditionelles Beratungsteam braucht 6-8 Wochen für diese Analyse und liefert ein 120-Seiten-Deck. KI-Agenten liefern die quantifizierte Hebelübersicht in Tagen. Der Unterschied: Das Operations-Team kann ab Woche 2 an der Umsetzung arbeiten statt ab Woche 10.
Das heißt nicht, dass Berater*innen überflüssig sind. Die Umsetzung, also Preisverhandlungen führen, Lieferanten konsolidieren, Vertriebsprozesse umbauen, bleibt menschliche Arbeit. Aber die Diagnose, die traditionell den teuersten Teil des Beratungsprojekts ausmacht, erledigt ein Agent für einen Bruchteil der Kosten.
100-Tage-Plan mit KI: Der Fahrplan
Die ersten 100 Tage nach dem Closing entscheiden über die Wertschöpfung der gesamten Haltedauer. Wer hier langsam startet, verliert Momentum.
Tag 1-30: Bestandsaufnahme
Ziel: Die fünf bis zehn größten EBITDA-Hebel identifizieren und quantifizieren.
KI-Workflow:
- Jahresabschlüsse und BWAs der letzten 3 Jahre durcharbeiten lassen, Anomalien und Trends identifizieren
- Kundendaten analysieren: Umsatzverteilung, Preisstreuung, Rabattstrukturen
- Einkaufsdaten aggregieren: Lieferantenübersicht, Spend-Verteilung, Vertragslaufzeiten
- Bilanzanalyse mit KI für Working-Capital-Analyse
Deliverable: Quantifizierte Hebel-Map mit geschätztem EBITDA-Impact pro Maßnahme.
Tag 31-60: Priorisierung und Planung
Ziel: Die Top-5-Hebel in eine umsetzbare Roadmap überführen.
KI-Workflow:
- Szenariomodellierung: Jeder Hebel mit Best/Base/Worst Case
- Abhängigkeiten identifizieren: Welche Hebel verstärken sich gegenseitig?
- Ressourcenbedarf je Maßnahme berechnen: internes Team vs. externe Unterstützung
- KPI-Dashboard einrichten mit automatischer Datenanbindung
Deliverable: Priorisierte Roadmap mit Verantwortlichkeiten, Budgets und Ziel-KPIs.
Tag 61-100: Quick Wins umsetzen
Ziel: Erste messbare Verbesserungen erzielen.
Typische Quick Wins:
- Rabattbereinigung bei Bestandskund*innen (Pricing)
- Nachverhandlung der drei größten Lieferantenverträge (Einkauf)
- Erste Upselling-Kampagne an identifizierte Kund*innen-Cluster (Vertrieb)
- Mahnwesen straffen, Skonto-Nutzung aktivieren (Working Capital)
KI-Rolle: Automatisiertes Portfolio Monitoring überwacht die Ergebnisse in Echtzeit und flaggt Abweichungen vom Plan. Statt auf den Quartalsbericht zu warten, sieht das Deal-Team die Wirkung der Maßnahmen innerhalb von Wochen.
Warum traditionelle Beratung allein nicht reicht
Die großen Beratungshäuser haben Value-Creation-Practices aufgebaut: Roland Berger, McKinsey, EY, alle bieten PE Value Creation an. Ihre Methoden sind bewährt. Aber sie haben ein strukturelles Problem.
Ein typisches Value Creation Assessment kostet 150.000-500.000 Euro pro Portfoliounternehmen. Bei einem Fonds mit 10-15 Portfoliounternehmen wird das schnell zum größten Kostenblock nach den Management Fees. Und das Ergebnis ist eine Momentaufnahme, ein Deck, das am Tag der Fertigstellung bereits veraltet.
KI-Agenten liefern keine bessere Strategie als erfahrene Beraterinnen. Aber sie liefern die Datengrundlage schneller, billiger und fortlaufend. Die Beraterinnen können sich auf das konzentrieren, was sie tatsächlich besser können als jede Maschine: Verhandlungen führen, Teams überzeugen, Veränderungen durchsetzen.
Die besten PE-Fonds kombinieren bereits beides: KI-Agenten für Due Diligence und Analyse, Berater*innen für die Umsetzung. Das ist kein Entweder-oder, sondern ein Stack.
Vom Playbook zum Wettbewerbsvorteil
Value Creation wird zum Kernprozess jedes PE-Fonds, ob er will oder nicht. Die Fonds, die diesen Prozess systematisieren und mit KI beschleunigen, haben einen strukturellen Vorteil: Sie identifizieren Hebel schneller, setzen sie früher um und messen die Ergebnisse in Echtzeit statt quartalsweise.
Der Unterschied zwischen einem Fonds mit und ohne KI-gestützte Value Creation ist nicht die Qualität der Ideen. Es ist die Geschwindigkeit, mit der gute Ideen in EBITDA-Verbesserung übersetzt werden. Bei einer durchschnittlichen Haltedauer von 4-5 Jahren zählt jeder Monat.
Researchly unterstützt PE-Fonds bei der operativen Umsetzung: von der Bilanzanalyse über die EBITDA-Hebel-Identifikation bis zum automatisierten Portfolio Monitoring, alles auf einer Plattform statt mit 15 fragmentierten Tools.
