M&A Prozesse sind anspruchsvoll und häufig zeitkritisch. Insbesondere die Phasen der Vorvertragsverhandlungen (LOI), der Durchführung von Due Diligence (Financial, Legal, Tax, Commercial, Carve-out etc.) und der SPA/APA-Verhandlungen sind geprägt von intensiven Abstimmungsrunden zwischen Verkäufer- und potenzieller Käuferseite sowie dem intensiven Austausch von Informationen. Im Zeitalter von generativer KI sollten diese zeitintensiven Prozesse überdacht und geprüft werden, ob und ggf. wie diese mit Hilfe von Künstlicher Intelligenz (KI) optimiert werden können.
Denn es gibt Möglichkeiten, durch KI-basierte Lösungen diese Q&A- und Verhandlungsprozesse (vor allem in der zeitlich besonders kritischen Due Diligence Phase) zu beschleunigen.
Stellen Sie sich einmal vor, am Ende eines stundenlangen physischen oder virtuellen (Due Diligence oder Verhandlungs-) Meetings liegt Ihnen automatisiert eine detaillierte Mitschrift der besprochenen Inhalte vor - inklusive einer Zusammenfassung der Key points. Zugleich sind auch die Action Points (ggfls. nach Adressaten) bereits vollständig aufgelistet. Darüber hinaus können den Teilnehmenden auch während des Meetings (in Echtzeit) relevante gewünschte Informationen zu den bisherigen Gesprächsinhalten angezeigt werden.
Der Vorteil einer solchen generativen KI-Lösung ist enorm. Die Arbeitszeit für das Erstellen von Mitschriften und die Erarbeitung vollständiger Action Points (wie etwa besprochene Informationen, Request Lists etc.) wird erheblich reduziert und dadurch der Abstimmungsprozess signifikant beschleunigt. Der Nutzen geht jedoch weit über das Maß bisher üblicher Zusammenfassungen von Meetings hinaus.
Wie funktionieren generative KI-Lösungen?
Vereinfacht erklärt, ermöglichen dies KI-basierte Speech-to-text Modelle, die im hier beschriebenen Anwendungsfall mit einem fortschrittlichen NLP-Model (Natural Language Processing steht für computergestützte Verarbeitung und Analyse menschlicher Sprache) kombiniert werden.
Aufgrund der Abstraktionsfähigkeit von Machine Learning Modellen, lässt sich bei einem KI-begleiteten Meeting mit den gespeicherten Gesprächsinhalten interagieren und es können dabei präzise Fragen zu den Meetinginhalten gestellt werden (einige Beispiele wären spezifische kontext-basierte Fragen oder die Frage, welche Position/Vorschlag eine bestimmte Person bezogen/gemacht hat oder die Möglichkeit, im Meeting genannte Vor- und Nachteile tabellarisch auflisten zu lassen etc. Auch eine automatische Zuordnung von mündlichen Antworten zu bereits bestehenden schriftlichen Q&A-Listen wäre in einem nächsten Schritt denkbar).
Sogar sogenannte Sentimentanalysen (also ein auf quantitativen ML-Methoden -wie SVM, KNN, Logistische Regression oder auch RNNs/CNNs basierendes „Stimmungsradar“, ob die Aussagen in dem Meeting überwiegend positiv oder negativ waren) sind durch die Anwendung von Machine Learning Algorithmen möglich.
Der wesentliche Nutzen einer solchen generativen KI-Lösung liegt darin, dass Abstimmungsprozesse (insbesondere der Austausch von Q&A) zeitlich verkürzt und aufgrund eines sehr hohen Genauigkeitsgrads eben einer solchen KI-basierten Informationsaufbereitung mögliche Abstimmungsschwierigkeiten oder Missverständnisse (zum Beispiel im Kontext von cross-border Deals durch mögliche Sprachbarrieren) im Vorfeld reduziert werden.
Datenschutz beachten
Der Einsatz einer solchen generativen KI-Lösung bedarf möglicherweise jedoch auch einer juristischen Prüfung (zum Beispiel Zustimmung aller am Meeting beteiligten Personen) und könnte auch durch Datenschutz und Sicherheitsbedenken der Teilnehmenden verhindert werden.
In der Praxis werden sich Datenschutzbedenken jedoch gestalten lassen, in dem man zum Beispiel die Datenerhebung des KI-Models zu besonders sensiblen Gesprächsinhalten unterbricht beziehungsweise beendet. Alternativ könnte die KI-Lösung auch erst zum Ende eines Meetings starten, in dem dann alle Parteien abschließend nochmals verbal die wichtigsten Punkte und Action Points benennen und nur hieraus die generative KI dann einen entsprechenden Mehrwert leisten kann.
Im Ergebnis kann ein solches System aber auch nur die Effizienz des Meetings steigern, indem es den Teilnehmenden eine zusätzliche Hilfestellung bietet. Die Vollständigkeit und Richtigkeit der KI-generierten Inhalte und Ergebnisse müssen immer noch vom jeweiligen Anwender selbst geprüft werden. Darüber hinaus weißen NLP-Modelle heutzutage auch noch Schwächen auf, etwa wenn es darum geht, sprachliche Besonderheiten wie Ironie oder Sarkasmus zu interpretieren. Auch können ihnen – genauso wie menschlichen Wesen – Fehler unterlaufen. Aufgrund des hohen Automatisierungsgrades ist jedoch anzunehmen, dass ein solches KI-System zu einer manuell verfassten Besprechungsnotiz in zahlreichen Aspekten vergleichbar und dieser im Hinblick auf Schnelligkeit und der beschriebenen Funktionalität deutlich überlegen ist.
KI kann Sprachbarrieren abbauen
Besonders bei cross-border und inbound Transaktionen können durch KI-unterstützte Meetings zusätzlich auch Missverständnisse aufgrund von sprachlichen Barrieren vermindert werden. Weltweit werden cross-border und auch inbound Unternehmenstransaktionen (teilweise aber auch rein nationale Prozesse aufgrund der Beteiligung von international agierenden Private Equity Investoren) überwiegend in der englischen Sprache durchgeführt. Hier erreichen aktuelle Deep Learning Modelle (NN) eine unübertroffene Erkennungsrate auch unterschiedlicher gesprochener Akzente. Dadurch überwiegen in diesem besonderen Fall die Vorteile deutlich.
Die Anwendung eines solchen KI-basierten Ansatzes ist auf jede Form von geschäftlichen Meetings übertragbar, der Nutzen jedoch umso höher, je zeitkritischer die Umsetzung der zugrunde liegenden Geschäftsanliegen sind (wie im konkreten Anwendungsbeispiel bei M&A Transaktionsprozessen).
Ferner ist die Anwendung dieser KI-basierten Möglichkeiten auch nicht nur auf virtuelle Meetings beschränkt, sondern kann auch durch sogenanntes Edge-Computing beziehungsweise Edge-KI im Rahmen von Präsenzmeetings angewandt werden. In letzterem Fall werden KI-Algorithmen und -Modelle auf lokalen Geräten ausgeführt, um in Echtzeit den KI-generierten Content nahe an der Datenquelle (in diesem Fall als KI-Assistent eines physischen Geschäftsmeetings) zu ermöglichen. Darüber hinaus bietet Edge-Computing/KI sogar den Vorteil eines höheren Datenschutzes und einer höheren Datensicherheit, da die relevanten Daten nur lokal erhoben und verarbeitet und ggfls. - soweit gewünscht - nicht in eine Cloud übertragen werden.
Sie wollen wissen, wie auch Sie von diesen technologischen Neuerungen bei Ihren Transaktionsvorhaben profitieren können? Dann sprechen Sie mich gerne an! Das Transaction Advisory Services Team von Grant Thornton steht Ihnen zur Seite, um Sie bei der Umsetzung Ihre Transaktionspläne und -ziele in diesen herausfordernden Zeiten zu unterstützen und gemeinsam Ihre Ziele zu erreichen.
