Restrukturierungsfälle früher erkennen

Eine M&A-Boutique berät Unternehmen in komplexen Restrukturierungs- und Transformationssituationen. Der Zeitpunkt der Kontaktaufnahme entscheidet.

Wenn ein Unternehmen öffentlich macht, dass es in der Krise steckt, Insolvenz anmeldet oder offensichtlich Beratung sucht, ist der Markt oft schon aufmerksam. Zahlreiche Berater und Finanzdienstleister wissen dann bereits von der Situation.

Die Frage war: Wie lassen sich Unternehmen finden, bei denen sich früh Anzeichen für einen möglichen Restrukturierungsbedarf zeigen, bevor dieser Bedarf offensichtlich wird?

Dafür haben wir einen KI-Agenten entwickelt, der eine große Unternehmensdatenbank systematisch analysiert und daraus eine individuell definierte Lead-Liste erstellt.

Nicht erst reagieren, wenn es öffentlich ist

Klassische Akquise in der M&A- und Restrukturierungsberatung ist oft reaktiv. Ein Unternehmen wird öffentlich auffällig, es kommt zu einer Insolvenz, eine Restrukturierung wird angekündigt oder eine Meldung erscheint in den Medien. Dann beginnt die Suche nach den Ansprechpartnern.

Je offensichtlicher ein Fall wird, desto mehr Marktteilnehmer können darauf aufmerksam werden. Die Boutique wollte nicht erst ansetzen, wenn ein Unternehmen schon als Problemfall wahrgenommen wird. Der Prozess sollte relevante Unternehmen früher im Lebenszyklus einer möglichen Restrukturierung identifizieren.

Zahlen und qualitative Signale

Ein möglicher Restrukturierungsbedarf lässt sich nicht immer an einzelnen Finanzkennzahlen festmachen. Ein Unternehmen kann finanzielle Auffälligkeiten zeigen und trotzdem kein passender Lead sein. Umgekehrt stecken relevante Signale oft in qualitativen Informationen, die in strukturierten Datenbanken nicht als einfache Kennzahl vorliegen.

Deshalb haben wir zwei Ebenen kombiniert: strukturierte Finanzdaten und qualitative Informationen. Der Agent analysiert nicht nur Zahlen, sondern auch die vorhandenen Fließtexte zu den Unternehmen.

Kriterien gemeinsam definiert

Die Grundlage für den Agenten wurde mit der Boutique entwickelt. Gemeinsam wurden die Kriterien festgelegt, nach denen ein Unternehmen als potenziell relevanter Lead gelten soll.

Die KI sollte nicht selbst entscheiden, welche Unternehmen interessant sind. Die fachlichen Kriterien der Boutique wurden in einen systematischen Analyseprozess übersetzt, mit quantitativen und qualitativen Merkmalen.

So verbindet der Prozess das Branchen- und Transaktionsverständnis der Boutique mit der Fähigkeit, eine sehr große Menge an Unternehmensinformationen durchzugehen.

Mehr als ein Schwellenwert

Ausgangspunkt war eine große Datenbank mit Unternehmens- und Finanzinformationen. Der Agent läuft diese Basis systematisch durch: zuerst relevante Finanzkennzahlen, danach die qualitativen Informationen.

Das unterscheidet den Prozess von einem klassischen Screening nach festen Schwellenwerten. Ein einfacher Filter könnte sagen:

Unternehmen mit Kennzahl X unter Wert Y.

Der entwickelte Prozess geht einen Schritt weiter. Die KI betrachtet die vorhandenen Informationen im Zusammenhang und bewertet sie anhand der gemeinsam festgelegten Kriterien. Es entsteht keine starre Trefferliste nach einem einzelnen Grenzwert, sondern eine priorisierte Auswahl von Unternehmen, bei denen frühe Signale zusammenpassen.

Das Ergebnis

Die Boutique erhält eine Lead-Liste, die früher im Lebenszyklus einer möglichen Restrukturierung ansetzt. Statt zu warten, bis eine Krise öffentlich wird, kann das Team Unternehmen ansprechen, bei denen sich quantitative und qualitative Hinweise bereits verdichten.

Der Agent ersetzt das Urteil der Berater nicht. Er übersetzt ihre Kriterien in einen systematischen Durchlauf einer großen Datenbank und liefert die Grundlage für den persönlichen Erstkontakt.