KI-gestütztes M&A-Zielunternehmen-Screening

Das echte Ausmaß des Problems

Strategische Akquisitionssuche im Mittelstand läuft in den meisten Fällen nach einem Schema, das sich seit den 1990er-Jahren kaum verändert hat: Ein M&A-Berater oder eine Boutique bekommt ein Mandat, definiert Suchkriterien, weist zwei Junior-Analystinnen die Recherche zu, die wiederum manuell durch Datenbanken, Branchenverzeichnisse, Konferenz-Aussteller-Listen und Zeitungsarchive gehen. Nach sechs bis zehn Wochen liegt eine Longlist auf dem Tisch — meist 40 bis 100 Namen, davon zwei Drittel bei näherer Prüfung irrelevant.

Die Kosten dafür sind nicht klein. Laut Rödl & Partner machen Beratungshonorare bei Mittelstandstransaktionen unter 50 Mio. Euro Kaufpreis einen so hohen Anteil aus, dass viele potenziell sinnvolle Deals nie zustande kommen — der Aufwand vorne rechnet sich nicht für den möglichen Wert hinten. EY beziffert in seiner M&A-Analyse 2024 die mögliche Reduktion der Gesamttransaktionskosten durch KI-Einsatz auf 20 bis 40 Prozent — den größten Hebel sehen sie in den frühen Phasen Target-Identifikation und Pre-Due-Diligence.

Konkret heißt das: Eine klassische Longlist-Erstellung kostet je nach Beraterhaus, Branchen-Komplexität und Geografie zwischen 50.000 und 200.000 Euro. Das Honorar ist nicht erfolgsabhängig — es fließt unabhängig davon, ob am Ende ein Deal entsteht.

Drei strukturelle Probleme machen die klassische Methode besonders fehleranfällig:

• Harte Filter verfehlen weiche Signale. Beraterlisten sind fast immer das Ergebnis von Filterabfragen auf Branche, Umsatzgröße und Region. Wachstumstrajektorie, Technologie-Stack, Eigentümeralter, Hinweise auf bevorstehende Verkaufsbereitschaft (Gründerwechsel, ausgelaufene Finanzierungsrunde, neue Geschäftsführung) tauchen in der ersten Iteration nicht auf — sie würden Wochen zusätzlicher Recherche kosten.
• Coverage-Lücken im Lower Middle Market. Pitchbook und ähnliche Premium-Datenbanken verfehlen 40 bis 60 Prozent der gründergeführten Mittelstandsunternehmen unter 10 Mio. USD Umsatz — genau die Größenklasse, die für Buy-&-Build-Strategien im deutschen Mittelstand relevant ist.
• Stale Data im Tagesgeschäft. Klassische Datenbanken aktualisieren ihre Coverage wöchentlich oder monatlich. Wenn eine Firma vor zwei Wochen verkauft wurde, steht sie noch immer als Target auf der Liste — wertvolle Zeit geht in Outreach an längst vergebene Targets verloren.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Trefferquoten basieren auf Erfahrungswerten aus Buy-Side-Mandaten in der DACH-Region (Stand 2024–2025) — keine repräsentative Studie. Die exakten Zahlen schwanken stark mit Branchenwahl und Suchprofil-Qualität.

Wichtig zur Einordnung: KI-Tools ersetzen den Berater nicht — sie verschieben den Wertbeitrag des Beraters. Statt sechs Wochen für die Longlist-Erstellung verbringt das Team diese Zeit mit Direktansprache der priorisierten Kandidaten, Aufbau von Beziehungen und der eigentlichen Verhandlung. KPMG bestätigt diese Verschiebung in seiner Analyse zur KI-Nutzung in Deals: Der Engpass verlagert sich von der Datenarbeit zur Beziehungsarbeit.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5)
Die Longlist-Phase verkürzt sich realistisch um 60 bis 80 Prozent. Was vorher 6–10 Wochen dauerte, wird zu 1–2 Wochen Tool-gestützter Arbeit plus 1–2 Wochen menschlicher Validierung. Der Effekt skaliert mit der Anzahl paralleler Suchaufträge — ein Family Office oder eine PE-Boutique mit drei aktiven Buy-Side-Mandaten gewinnt deutlich mehr als ein einzelner Mittelständler mit einer punktuellen Suche. Nicht maximal bewertet, weil die Validierungsarbeit nach der KI-Liste nicht entfällt — sie verschiebt sich nur.

Kosteneinsparung — sehr hoch (5/5)
Hier liegt der größte Hebel im allgemein-Branchenvergleich. Beraterhonorare im fünf- bis sechsstelligen Bereich werden ersetzt durch Tool-Lizenzen im niedrigen fünfstelligen Bereich (z. B. Grata ab ca. 25.000 USD/Jahr, Pitchbook ab ca. 12.000 USD/Jahr) plus interne Zeit. Selbst bei nur einer M&A-Suche pro Jahr amortisiert sich ein Tool-Abo bei einem mittelgroßen Mandat sofort. Bei mehreren parallelen Suchen liegt die Ersparnis pro Mandat bei 70 bis 90 Prozent. Das ist deutlich höher als bei der Rechnungsverarbeitung, wo der Hebel zwar real, aber je Vorgang im Cent-Bereich liegt.

Schnelle Umsetzung — mittel (3/5)
6–10 Wochen bis zum produktiven Einsatz: Tool-Auswahl mit Demo-Phase (2–3 Wochen), Sales-Verhandlung und Vertragsabschluss (2–3 Wochen), Onboarding und Profil-Konfiguration (2–4 Wochen). Schneller als Predictive Analytics, aber langsamer als Meeting-Protokolle. Der Hauptzeitfresser ist nicht die Technik, sondern die Sales-Phase — alle relevanten Anbieter (Grata, Sourcescrub, Pitchbook) verkaufen ausschließlich über Sales-Gespräche, ohne Self-Service-Zugang.

ROI-Sicherheit — mittel (3/5)
Die Kostenseite ist klar messbar: weniger Beraterhonorar, mehr Targets im gleichen Zeitfenster. Schwer messbar bleibt der strategische Wert — ob das KI-Screening am Ende zu einem besseren Deal führt als die klassische Beratersuche, lässt sich nur transaktional und über Jahre beweisen. In der Praxis zählt der ROI-Effekt fast ausschließlich über die Kostenersparnis; der Qualitätsvorteil ist plausibel, aber statistisch nicht in einer einzelnen Firma belegbar.

Skalierbarkeit — mittel (3/5)
Das Tool selbst skaliert linear: gleiche Lizenzkosten für eine oder zehn parallele Suchaufträge. Aber die menschliche Validierung skaliert nicht — jede zusätzliche Suche braucht einen Analysten, der die Top-Treffer manuell prüft, kontaktiert und qualifiziert. Damit ist der Wachstumshebel kleiner als bei reinen Datenautomaten wie Lead-Qualifizierung oder Chatbot, wo der Output direkt an die Kunden geht. M&A-Targets brauchen immer einen menschlichen Filter, bevor jemand angerufen wird.

Richtwerte — stark abhängig von Mandatsvolumen, Branchen-Coverage des gewählten Tools und vorhandener M&A-Erfahrung im Team.

Was ein KI-Screening-System konkret macht

Ein modernes M&A-Screening-Tool kombiniert drei Datenebenen:

Strukturierte Stammdaten. Handelsregistereinträge, Bundesanzeiger-Jahresabschlüsse, Branchencodes, Eigentümerstrukturen, Geschäftsführerwechsel. Das ist der Kern, den Datenbanken wie Orbis (Moody’s) seit Jahrzehnten aggregieren. Der KI-Mehrwert liegt hier vor allem in der Geschwindigkeit: 5.000 deutsche GmbHs in 30 Sekunden auf Umsatzwachstum, EBITDA-Marge und Eigentümeralter filtern.

Unstrukturierte Web-Signale. Firmen-Websites, LinkedIn-Profile, Stellenanzeigen, Konferenz-Aussteller, Patentanmeldungen, Pressemeldungen. Hier kommt der eigentliche KI-Anteil ins Spiel: Das System extrahiert per NLP eine semantische Beschreibung der Firma und gleicht sie mit deinem Suchprofil ab. Eine Suche nach „mittelständischer Hersteller von Spezial-Schweißlösungen für die Energiebranche mit eigenem Vertrieb in DACH” wird verstanden — und liefert Treffer, die mit reinen Branchencode-Filtern nicht auffindbar wären.

Kaufzeitpunkt-Indikatoren. Wachsende Stellenanzeigen-Volumen, Gründerwechsel laut Handelsregister, ausgelaufene PE-Halteperioden, neue Investorenzeichen, Pressemeldungen über Nachfolgeprobleme. Diese „Buying Signals” werden teils direkt aus den Datenquellen extrahiert, teils über Drittanbieter eingespielt. Sie sind der Bereich, wo KI-Tools sich am stärksten von klassischen Datenbanken unterscheiden — eine SIC-Code-Suche kann nicht erkennen, dass eine Firma gerade einen Geschäftsführer im Alter von 64 Jahren mit einer 38-jährigen Nachfolgerin ersetzt hat.

Was das in der Praxis bedeutet

Du als Corporate Development Manager formulierst deine Suche nicht mehr als Filterabfrage, sondern als Beschreibung. Beispiel: „Wir suchen Spezialdienstleister im Bereich Hochregallager-Wartung in Deutschland und Österreich, mit Umsatz zwischen 5 und 25 Millionen Euro, gründergeführt, mit Hinweisen auf Nachfolgeproblematik (Geschäftsführer über 60, kein klarer Nachfolger im Handelsregister). Ausschluss: Konzerntöchter, PE-Portfoliofirmen jünger als 18 Monate.”

Das Tool liefert in 30 bis 90 Minuten 80 bis 200 Treffer, gerankt nach Match-Score. Du arbeitest die Top 30 manuell ab — Website-Check, Firmenprofil, erste Plausibilitätsprüfung — und entscheidest, welche 10 bis 15 in den ersten Outreach gehen.

Konkrete Werkzeuge — was wann passt

Die Toollandschaft hat sich 2025 stark konsolidiert. Datasite (das M&A-VDR-Unternehmen) hat im Juni 2025 Grata für 500 Millionen Dollar übernommen und im August 2025 Sourcescrub akquiriert. Die beiden früher konkurrierenden Plattformen werden zu einer integrierten Suite zusammengeführt — wer heute kauft, sollte das im Vertrag berücksichtigen.

Grata — KI-native Plattform für Lower-Middle-Market-Sourcing. Semantische Suche statt Branchencode-Filter. Stärken in den USA und UK, EU-Coverage wächst, aber DACH-Tiefe ist nicht das Hauptargument. Preis: ca. 25.000–50.000 USD/Jahr je nach Sitzanzahl. Daten in den USA gehostet — relevant für deinen DSGVO-Check.

Pitchbook — Referenzdatenbank für Private-Capital-Märkte: M&A-Multiples, PE-Portfolios, Fonds-Daten. Sehr stark für Bewertungsbenchmarks und Wettbewerbsanalysen. Schwächer im Lower Middle Market — verfehlt 40–60 Prozent der gründergeführten Privatfirmen unter 10 Mio. USD Umsatz. Preis: 12.000–70.000 USD/Jahr je nach Modulen und Nutzeranzahl.

Sourcescrub — Spezialist für gründergeführte Privatfirmen. Aggregiert Daten aus 220.000+ Quellen inklusive Konferenz-Aussteller-Listen und Branchenverzeichnissen. US-Schwerpunkt. Seit August 2025 in der Konsolidierung mit Grata — Roadmap-Unsicherheit für 2026.

Dealsuite — Europäische M&A-Plattform mit DACH/BeNeLux-Schwerpunkt. Anders als die US-Tools ist Dealsuite kein Datenbank-Tool, sondern ein Marktplatz: M&A-Berater veröffentlichen Mandate, KI-Matchmaking schlägt Gegenparteien vor. EU-Hosting, deutscher Support. Preis: ca. 6.000–15.000 €/Jahr. Sinnvoll als Ergänzung, nicht als Ersatz für proprietäres Sourcing.

Orbis (Moody’s) mit MARKUS-Modul — Klassiker für globale Unternehmensdaten. Tiefe Eigentümerstrukturen und standardisierte Financials aus 170+ Quellen. Stärken bei internationalen Konzernstrukturen und KYC. Preis: 10.000–60.000 €/Jahr je nach Modul. Für rein deutsches Mittelstand-Scouting überdimensioniert.

North Data — Deutsche Spezialdatenbank, ab 24 €/Monat. Ideale Ergänzung zu jedem internationalen Tool: Du nutzt Grata oder Pitchbook für die Erstidentifikation und reicherst dann mit North Data die deutschen Bilanzdaten an. Hosting in Deutschland, kein Sales-Gespräch nötig für Einstieg.

Zusammenfassung: Wann welcher Ansatz

• Buy-&-Build im US/UK-Markt → Grata plus Pitchbook für Multiples
• Lower-Middle-Market-Sourcing mit Konferenz-Listen → Sourcescrub (oder die kommende Grata-Suite)
• DACH-Mittelstand mit Cross-Border-Bedarf → Dealsuite plus North Data
• Reines Deutschland-Scouting unter 25 Mio. € Umsatz → North Data plus manuelle Validierung
• Komplexe internationale Strukturen, KYC, Compliance → Orbis (Moody’s) mit MARKUS

Datenresidenz und DSGVO — der unterschätzte Knackpunkt

M&A-Recherche enthält per Definition personenbezogene Daten: Geschäftsführer, Gesellschafter, Beneficial Owners — alle mit Namen, oft mit Geburtsdatum und Anschrift. Sobald du diese Daten in ein US-gehostetes Tool eingibst (sei es in einer Suchanfrage, einer Watchlist oder einem CRM-Sync), greift die DSGVO — und der Drittstaatentransfer wird zum Compliance-Thema.

Die Liste der Tools mit echtem EU-Hosting ist kurz:

• EU-gehostet: Dealsuite (Niederlande), North Data (Deutschland), Orbis (Moody’s) (EU-Rechenzentren auf Anfrage vertraglich fixierbar)
• US-gehostet, mit AVV und EU-SCC: Grata, Pitchbook, Sourcescrub — alle drei bieten DSGVO-konforme Auftragsverarbeitungsverträge an, aber die physische Verarbeitung bleibt in den USA. Datenexport ist über EU-Standardvertragsklauseln (SCC) plus zusätzliche Schutzmaßnahmen abgesichert.

Wer einen AVV nach Art. 28 DSGVO unterschreiben will, muss ihn aktiv anfordern — alle genannten Anbieter stellen Vorlagen bereit, aber nicht im Self-Service. Bei US-gehosteten Tools empfiehlt sich zusätzlich eine Datenschutz-Folgenabschätzung (DSFA), insbesondere wenn Watchlists mit hunderten von Geschäftsführern aufgebaut werden — das ist eine systematische Profilbildung im Sinne des Erwägungsgrundes 71.

In der Praxis: Der Datenschutzbeauftragte (DSB) wird bei US-Tools fast immer eine DSFA verlangen und konkrete technische und organisatorische Maßnahmen sehen wollen — etwa Pseudonymisierung der Suchanfragen, Restriktion auf nicht-sensible Datenkategorien oder Einschränkung der Watchlist-Speicherung. Plane dafür mindestens zwei bis vier Wochen ein, bevor das Tool produktiv genutzt werden darf.

Vertraulichkeit der Suche selbst — ein M&A-spezifisches Risiko

Bei den meisten Use Cases ist die Vertraulichkeit der Suchanfragen ein Datenschutzthema. Bei M&A-Screening ist sie ein Geschäftsrisiko ersten Ranges.

Wenn du systematisch nach Targets im Bereich „Spezialchemie für die Halbleiterindustrie, DACH, 50–100 Mio. € Umsatz, Nachfolgeproblematik” suchst, ist diese Suchanfrage selbst ein hochsensibles Geschäftsgeheimnis. Sie verrät:

• deine strategische Ausrichtung
• ungefähre Größenordnung deines geplanten Investments
• Hinweise auf zeitliche Dringlichkeit
• konkrete potenzielle Gegenparteien

Drei reale Risiken sind in M&A-Kreisen bekannt:

1. Tool-Mitarbeitende sehen deine Suchen. Bei US-Tools können Customer Success Manager oder „Concierge”-Analysten technisch auf deine Watchlists und Suchanfragen zugreifen. Das ist meist vertraglich abgesichert, aber technisch nicht ausgeschlossen. Bei sensiblen Mandaten (öffentliches Übernahmeangebot, geheime Tochtergesellschaft) ist das ein No-Go.

2. Daten-Leakage über CRM-Sync. Viele Tools bieten direkte Synchronisation in Salesforce oder DealCloud. Wer das ohne Zugriffskonzept aktiviert, hat plötzlich seine Buy-Side-Pipeline für jeden Vertriebsmitarbeiter sichtbar — inklusive Praktikanten und Werkstudenten.

3. KI-Trainingsdaten. Einige Anbieter behalten sich vor, anonymisierte Suchanfragen zur Modell-Verbesserung zu verwenden. Das ist meist legitim, aber im M&A-Kontext bedeutet es: deine Suchmuster fließen indirekt in das Tool ein, das auch deine Wettbewerber nutzen. Standardvertraglich ausschließbar — aber du musst es lesen und einfordern.

Praktische Konsequenz: Bei wirklich sensiblen Mandaten arbeiten erfahrene M&A-Teams mit zwei separaten Tool-Instanzen — eine offene für allgemeines Marktscanning, eine zugriffsbeschränkte mit getrenntem Login für hot deals. Klingt umständlich, ist aber Industriestandard ab einer gewissen Mandatsgröße.

Was es kostet — realistisch gerechnet

Einmalige Setup-Kosten

• Tool-Auswahl mit zwei bis drei Demos: 2–4 Wochen Zeit, keine direkten Kosten
• Vertragsverhandlung und AVV-Prüfung: 5.000–15.000 € (extern, inkl. DSFA bei US-Tools)
• Onboarding und Profil-Konfiguration: 2–4 Wochen interne Zeit, optional 5.000–10.000 € externes Coaching

Laufende Kosten (jährlich)

• Grata: ca. 25.000–50.000 USD (etwa 23.000–47.000 €), Mehrjahresvertrag mit Rabatt
• Pitchbook: 12.000–30.000 USD pro Sitzplatz, Enterprise-Pakete bis 70.000 USD
• Sourcescrub: ca. 30.000–60.000 USD/Jahr
• Dealsuite: 6.000–15.000 €/Jahr
• Orbis (Moody’s) MARKUS: ab 10.000 €/Jahr für DACH
• North Data: 288–6.000 €/Jahr (Einzelnutzer bis Team-API)

Realistische Gesamtbudgets

• Mittelständischer Konzern mit 1–2 Buy-Side-Suchen pro Jahr: 15.000–25.000 € Tool-Budget plus 30.000–50.000 € interne Zeit
• M&A-Boutique mit mehreren parallelen Mandaten: 50.000–100.000 € Tool-Budget plus 1–2 dedizierte Analysten
• Konzern-CDD mit aktivem Buy-&-Build-Programm: 80.000–200.000 € Tool-Budget plus eigenes Team

Was du dagegenrechnen kannst
Eine klassische Buy-Side-Longlist eines mittleren Boutique-Beraters kostet 50.000–150.000 € Honorar — pro Mandat. Bei zwei aktiven Mandaten pro Jahr und einer Tool-gestützten internen Lösung ersparst du dir konservativ 80.000–200.000 € Beraterhonorar pro Jahr. Selbst bei vollem Pitchbook-Enterprise-Vertrag (70.000 €/Jahr) ist die Rechnung ab dem zweiten Mandat positiv. Bei Family Offices und Mittelstandsholdings, die fünf oder mehr Buy-Side-Suchen pro Jahr fahren, liegt die Ersparnis schnell im sechsstelligen Bereich.

Wichtige Einschränkung: Diese Rechnung gilt nur, wenn du die menschliche Validierung im Haus hast oder günstig zukaufen kannst. Ohne erfahrene M&A-Person, die die Tool-Listen filtert und die Erstansprache koordiniert, hast du am Ende eine teure Datenbank ohne Output. Die Tool-Lizenz ersetzt nicht die Expertise — sie macht sie produktiver.

Vier typische Einstiegsfehler

1. Tool kaufen, bevor das Suchprofil scharf ist.
Viele Mittelständler oder Family Offices unterschreiben einen Pitchbook- oder Grata-Vertrag, bevor klar ist, welche Branche, welche Größenklasse und welche Geografie wirklich relevant sind. Das Ergebnis: Eine teure Lizenz, die das Team „mal probiert”, ohne dass jemals eine echte Suche durchgezogen wird. Lösung: Vor dem ersten Demo-Termin ein einseitiges Suchprofil schriftlich definieren — Branche, Umsatz, Region, Eigentümerstruktur, Ausschlusskriterien, „wie sieht ein Top-Treffer aus?”. Dieses Profil ist gleichzeitig der härteste Test der Tool-Demo: Wenn ein Anbieter dir keine sechs bis zehn plausiblen Treffer zu deinem realen Profil zeigen kann, ist es nicht das richtige Tool.

2. Auf das Tool vertrauen, statt zu validieren.
Grata wirbt mit „99 Prozent Datenqualität”. Das stimmt für strukturierte Stammdaten — aber nicht für Wachstumssignale, Eigentümerintentionen oder Kulturfit. In der Praxis sind 30 bis 50 Prozent der Top-Treffer einer ersten KI-Liste nach manueller Prüfung doch nicht passend: falsche Branchenzuordnung, veraltete Eigentümerstruktur, längst verkaufte Firma. Wer ohne Validierung in den Outreach geht, brennt seinen Ruf bei den ersten zehn Anrufen. Lösung: Jede Liste durch eine erfahrene M&A-Person filtern lassen, bevor jemand kontaktiert wird. Plane 1–2 Stunden Validierung pro 10 Top-Treffer ein.

3. Die Watchlist anlegen und vergessen.
Der gefährlichste Fehler — weil er still passiert.

Eine M&A-Watchlist ist kein Foto, sie ist ein Film. Firmen werden verkauft, Geschäftsführer wechseln, Umsätze brechen ein, neue Wettbewerber entstehen. Eine Liste, die vor zwölf Monaten erstellt wurde, ist heute zu 30 bis 50 Prozent veraltet — manche Firmen sind gekauft, andere insolvent, dritte haben pivotiert.

Das Ergebnis: Outreach an Targets, die längst nicht mehr verfügbar sind. Verlorene Glaubwürdigkeit beim ersten Kontakt („Sie wollen uns kaufen? Wir sind seit März bei einem Konkurrenten.”), Zeitverlust und ein Team, das das Tool nicht mehr ernst nimmt.

Die Lösung ist organisatorisch: Watchlists brauchen einen festen Verantwortlichen, der mindestens monatlich die Top 30 manuell auf Aktualität prüft. Bei kritischen Mandaten wöchentlich. Tools wie Grata und Sourcescrub bieten Alert-Funktionen für „material changes” — die müssen aktiv konfiguriert und tatsächlich gelesen werden, nicht in einer überfüllten E-Mail-Inbox versanden.

4. KI-Treffer als „proprietary deal flow” verkaufen.
Wer auf einer Liste steht, die aus einem KI-Tool kommt, steht oft auch auf den Listen der Wettbewerber. Wer dann gegenüber dem Mandanten suggeriert, das sei „proprietäre Suche”, verliert beim ersten Vergleich Glaubwürdigkeit. Lösung: Ehrlich kommunizieren, was das Tool leistet (breite Coverage, schnelle Erstidentifikation) und wo der eigene Beitrag liegt (Validierung, Beziehungsaufbau, Verhandlungsführung). Das ist der eigentliche Wertbeitrag — und der verkauft sich besser als ein Pseudo-Mysterium um die Datenquelle.

Was mit der Einführung wirklich passiert — und was nicht

Der technische Rollout eines M&A-Screening-Tools dauert maximal vier Wochen. Der eigentliche Veränderungsprozess dauert sechs bis zwölf Monate — und betrifft fast immer das Verhältnis zu externen Beratern.

Das M&A-Berater-Verhältnis verändert sich. Wer bisher 80 Prozent der Buy-Side-Suche extern eingekauft hat und nun mit einem internen KI-Tool arbeitet, muss diese Beziehung neu definieren. Erfolgreiche Konstellationen behalten den Berater für die Phasen, wo seine Stärken liegen — Direktansprache, Verhandlungsführung, Closing — und übernehmen die Datenarbeit selbst. Schwierige Konstellationen entstehen, wenn der Berater versucht, seinen Honoraranteil zu verteidigen, indem er den Tool-Output diskreditiert. Lösung: Das Gespräch früh und offen führen, mit klaren neuen Mandatsstrukturen.

Junior-Analysten sehen ihre Rolle bedroht. In M&A-Boutiquen sind Longlist-Recherchen oft das, was Junior-Analystinnen zwei Jahre lang machen. Wenn das KI-Tool diese Arbeit in einem Tag erledigt, fühlt sich die nächste Generation berufen, ihre Daseinsberechtigung zu verteidigen. Das endet entweder in offener Ablehnung („Die Tool-Daten sind doch alle ungenau”) oder in passivem Boykott (das Tool wird nicht ernst genutzt). Lösung: Junior-Analysten in die Tool-Auswahl einbinden, ihnen die Validierung und Hypothesenbildung als Kernarbeit übertragen — das ist intellektuell anspruchsvoller als manuelles Listen-Scrolling und passt besser zu ihrer Zukunft.

Die Versuchung, mehr zu suchen statt besser. Mit einem Tool, das in 30 Minuten 5.000 Treffer liefert, ist die Versuchung groß, einfach mehr Mandate parallel zu fahren. Das endet im klassischen Kapazitätsproblem: zu viele aktive Outreach-Versuche, zu wenig Tiefe in den einzelnen Beziehungen. Lösung: Klare Definition, wie viele aktive Suchen das Team gleichzeitig ernsthaft fahren kann (in der Praxis 3–5 für ein 2-Personen-Team). Das Tool ändert nichts am Engpass „menschliche Beziehungspflege”.

Was konkret hilft:

• Ein 90-Tage-Pilot mit einer einzigen, strategisch wichtigen Suche, bevor du mehrere parallele Mandate auf die neue Struktur umstellst
• Einen erfahrenen M&A-Profi (intern oder extern) als „Tool-Validator” benennen — die Person, die zwischen KI-Output und Outreach steht
• Erfolgsmetriken nicht an Listenlänge messen, sondern an konvertierten Erstgesprächen pro Quartal

Realistischer Zeitplan mit Risikohinweisen

Wichtig: Die ersten Suchen werden nicht perfekt sein. Plane bewusst zwei bis drei Iterationsrunden ein, in denen du das Suchprofil verfeinerst, bevor du eine Suche als „Tool-Versagen” abschreibst. In neun von zehn Fällen liegt das Problem am unscharf formulierten Suchprofil, nicht am Tool.

Häufige Einwände — und was dahintersteckt

„Unser M&A-Berater macht das doch.”
Stimmt — und das wird er weiterhin tun. Die Frage ist nicht „Tool oder Berater”, sondern „welche Phase macht der Berater und welche du selbst”. Erfolgreiche Strukturen behalten den Berater für Direktansprache, Verhandlung und Closing — Phasen, wo Beziehung und Erfahrung zählen — und ziehen die Datenarbeit ins eigene Haus. Wenn du bisher 100 Prozent extern eingekauft hast, verschiebst du etwa 30–40 Prozent der Wertschöpfung intern. Das spart Honorar und beschleunigt Entscheidungen — erfordert aber eine erfahrene M&A-Person im eigenen Team.

„Die Daten in den Tools sind doch oft falsch.”
Teilweise stimmt das. Strukturierte Stammdaten (Adresse, Geschäftsführer, Jahresabschluss) sind in seriösen Tools wie Orbis (Moody’s) oder North Data sehr verlässlich. Wachstumssignale und qualitative Einschätzungen (Tech-Stack, strategische Stoßrichtung, Verkaufsbereitschaft) sind dagegen Schätzungen mit Fehlerquoten von 20–40 Prozent. Das ist nicht das Problem des Tools, sondern die Realität semantischer KI-Auswertung. Konsequenz: Tool-Listen sind Vorschläge für die Validierung, keine Einkaufslisten. Wer das versteht, gewinnt; wer das vergisst, brennt seinen Ruf.

„Das ist doch nur was für Private Equity.”
Falsch. Strategische Käufer im Mittelstand profitieren oft mehr als PE-Firmen — sie haben weniger Erfahrung mit systematischem Sourcing, weniger eigene Datenbasen, höhere Beraterkosten pro Deal. Ein Industriekonzern mit Buy-&-Build-Strategie und drei aktiven Suchen pro Jahr rentiert ein 30.000-Euro-Tool sofort. Family Offices und Mittelstandsholdings sind häufig die wirtschaftlich rationalsten Kunden — sie haben Mandatsvolumen, aber meist kein eigenes M&A-Team.

„Was, wenn die Tool-Anbieter unsere Suchanfragen sehen?”
Das ist ein berechtigter Einwand — siehe den Abschnitt zur Vertraulichkeit oben. Vertragliche Antworten gibt es: AVV mit ausdrücklichem Verbot der Trainingsdatennutzung, Restriktion des Customer-Success-Zugriffs auf Anfrage, separate Tool-Instanz für sensible Mandate. Bei wirklich kritischen Mandaten (öffentliches Übernahmeangebot) gilt: Suchen werden offline auf Listen aus weniger sensiblen Suchen weitergeführt — das ist seit 30 Jahren M&A-Praxis und bleibt es.

Woran du merkst, dass das zu dir passt

• Du oder dein Unternehmen führt aktiv Buy-&-Build-Strategien, also mehr als ein bis zwei M&A-Suchen pro Jahr — sonst rentieren sich die Lizenzkosten nicht
• Du bezahlst aktuell mehr als 50.000 € pro Jahr für Beraterhonorare in der Suchphase und merkst, dass der Output limitierter ist, als der Preis suggeriert
• Du hast oder kannst eine erfahrene M&A-Person aufbauen, die KI-Listen validieren und in Outreach übersetzen kann — ohne diese Person sind Tool-Lizenzen verschwendet
• Du suchst in Branchen oder Größenklassen, die in klassischen SIC-/NACE-Filtern schlecht abgebildet sind — Spezialdienstleister, neue Geschäftsmodelle, Tech-affine Mittelständler
• Du planst Cross-Border-Akquisitionen und hast aktuell keine Coverage außerhalb deines Heimatmarkts — gerade hier sind Tools schneller und günstiger als Lokal-Berater pro Land

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Eine einzige M&A-Transaktion in den nächsten 24 Monaten geplant. Bei einem einzelnen Mandat ist die klassische Beraterstruktur fast immer wirtschaftlicher: Du zahlst einmal 80.000–150.000 € Honorar und bekommst auch Direktansprache und Closing-Begleitung dazu. Eine Tool-Lizenz für 25.000 €/Jahr plus interner Aufwand rechnet sich erst ab zwei bis drei aktiven Suchen pro Jahr — sonst bezahlst du für Coverage, die du nicht abrufst.

2. Keine erfahrene M&A-Person im Team und kein Plan, eine einzustellen. Ein KI-Tool produziert Listen — es macht keine Anrufe, schreibt keine LoI-Entwürfe, verhandelt keine Term Sheets. Wenn niemand im Haus die Listen in tatsächliche Erstgespräche übersetzen kann, sind die Listen Müll auf einem Server. Das ist häufiger Grund für gescheiterte Tool-Einführungen, als M&A-Boutiquen zugeben würden. Faustregel: Mindestens eine Person mit zehn Jahren M&A-Erfahrung muss die Tool-Outputs verantworten — sonst lieber gar nicht starten.

3. DSGVO-Sensibilität ohne Bereitschaft zur DSFA. Wer in einer regulierten Branche arbeitet (Banken, Versicherungen, Gesundheitswesen) und Watchlists mit hunderten Geschäftsführerdaten in einem US-gehosteten Tool aufbauen will — ohne Datenschutzbeauftragten einbinden zu wollen — wird das Tool entweder nicht produktiv nutzen dürfen oder in einer Datenschutzprüfung schlecht aussehen. Lösung: Entweder DSFA durchziehen und EU-SCC sauber dokumentieren, oder von Anfang an EU-gehostete Tools wie Dealsuite und North Data wählen.

Das kannst du heute noch tun

Bevor du mit Sales-Teams sprichst, baue dir in zwei bis drei Stunden ein realistisches Bild davon, wie weit du allein mit kostenlosen Werkzeugen kommst.

Öffne North Data (kostenlose Suche, keine Anmeldung) und Crunchbase Free. Definiere ein konkretes Suchprofil — eine Branche, eine Größenklasse, eine Region — und mache eine Stunde manuelle Recherche. Trage 20 Treffer in eine Excel-Liste ein. Bewerte jeden Treffer mit „passt”, „passt nicht”, „unklar”.

Was du danach weißt: Wie viele Treffer du in einer Stunde manuell findest, wie hoch deine eigene Trefferquote ist, wie das ideale Tool-Output-Format aussehen müsste. Das ist der härteste Test für jede Tool-Demo, die du danach buchst — du kommst nicht mehr mit „mal sehen, was sie zeigen” hin, sondern mit konkreten Erwartungen.

Für strukturierte Recherche-Anfragen mit größeren Sprachmodellen ist hier ein Prompt, der dir erste Long-List-Hypothesen mit reproduzierbarer Methodik liefert:

Wichtig: Dieser Prompt ersetzt kein professionelles Screening-Tool. Er ersetzt aber die ersten zwei Wochen Berater-Recherche durch zwei Stunden eigene Vorarbeit — und macht jedes folgende Tool-Demo aussagekräftiger.

Quellen & Methodik

• Datasite-Akquisition Grata (Juni 2025) und Sourcescrub (August 2025): Datasite Press Release (8. August 2025), Grata Acquisition Announcement (Juni 2025).
• Pitchbook-Preise und Lower-Middle-Market-Coverage: Praxis Rock — PitchBook Alternatives (2025), bestätigt durch EasyVC Pricing Analysis.
• Grata-Pricing und semantische Suche: Veröffentlichte Tarif-Bandbreiten in Branchenpublikationen 2025; offizielle Preise nicht öffentlich.
• KI im M&A — DACH-Mittelstand: Rödl & Partner — KI in der M&A-Transaktionsberatung: Potenziale und Grenzen im Mittelstand (2024); EY — Der Einfluss von KI auf das M&A-Geschäft (2024).
• KPMG zur AI-Nutzung in Deals: KPMG Schweiz — AI in deals (2024).
• Bundesanzeiger-API-Limitationen: Boniforce — Bundesanzeiger API 2026, handelsregister.ai — API-Herausforderungen.
• Datenqualitätsprobleme bei AI-Procurement und Sourcing: Trax Tech — Why Supply Chain AI Projects Fail (2024).
• Art. 28 DSGVO (AVV) und Erwägungsgrund 71 (Profilbildung): Datenschutz-Grundverordnung in der aktuell gültigen Fassung.

Du willst klären, welches Tool wirklich zu deinem Suchprofil passt und wie du den DSGVO-Teil pragmatisch löst, ohne sechs Monate in der Datenschutzschleife zu hängen? Meld dich — eine Stunde Sparring spart oft Wochen Sales-Diskussion.