Gelegentlich testet das Wall Street Journal Burton Malkiels Hypothese, dass ein Schimpanse, der zufällig Aktien auswählt, genauso gut abschneiden sollte wie menschliche Profis. Die Ergebnisse sorgen immer für Lacher und eine gewisse Demut beim beteiligten Homo Sapiens, da der Schimpanse normalerweise mithalten kann und noch mehr.

Aber jetzt stehen wir als Anleger vor etwas, das etwas bedrohlicher ist als Affen mit verbundenen Augen, die Pfeile werfen – generative künstliche Intelligenz. Wie wird diese neue Technologie das Anlagespiel stören? Wird es die Menschen ins Abseits drängen? Oder können wir es nutzen, um beim Kauf und Aufbau von Unternehmen klüger, effizienter und erfolgreicher zu werden?

In diesem Beitrag werden diese Fragen untersucht, wobei ein besonderer Schwerpunkt darauf liegt, wie KI den täglichen Prozess von Private-Equity-Investitionen verändern wird. Es schließt eine dreiteilige Serie ab, die mit „How to Invest in AI“ begann und mit „How AI is Changing Business“ fortgesetzt wurde. Lass uns anfangen.

KI bietet einen Vier-Wege-Weg zur Verbesserung

In der Welt der öffentlichen Investitionen sorgt KI für großes Aufsehen. Von ChatGPT ausgewählte und verwaltete Aktienportfolios werden bereits getestet, und zumindest einige haben die Benchmarks über begrenzte Zeiträume geschlagen. Darüber hinaus deuten wissenschaftliche Studien darauf hin, dass ChatGPT bei der Vorhersage von Aktienkursbewegungen anhand von Schlagzeilen möglicherweise besser ist als einige herkömmliche Methoden (Kann ChatGPT Aktienkursbewegungen vorhersagen? Return-Vorhersagbarkeit und große Sprachmodelle von Alejandro Lopez-Lira, Yuehua Tang :: SSRN). Da „Robo-Berater“ immer benutzerfreundlicher und vertrauter werden, werden die Geschäftsmodelle von echten Anlageberatern für Privatanleger und selbst großen, anspruchsvollen institutionellen Anlegern auf öffentlichen Märkten wahrscheinlich gestört.

Aber private Investmentmärkte sind eine andere Sache. In der Welt der Privatinvestitionen sind die Daten weniger zahlreich und nicht so frei verfügbar, und der Geschäftsfluss ist stärker eingeschränkt, da Makler und andere Gatekeeper oft die Reichweite von Geschäftsprozessen einschränken. Das bedeutet jedoch nicht, dass auf den privaten Märkten nicht noch große Veränderungen in Sicht sind. Vor diesem Hintergrund habe ich vier kritische Bereiche skizziert, in denen KI darauf ausgerichtet ist, Arbeitsabläufe zu rationalisieren und PE-Unternehmen besser in die Lage zu versetzen, Unternehmen mit überlegenem Renditepotenzial zu finden und in sie zu investieren.

1. Zielidentifizierung

Bei Private Equity geht es darum, Geschäfte durch den Sourcing-Funnel zu leiten (Sourcing-Prozess für Private-Equity-Deals | Ein einfaches Modell), und der erste Schritt besteht darin, Geschäftsziele zu identifizieren. Es liegen zwar nicht so viele Daten über private Unternehmen vor wie über öffentliche Unternehmen, aber sie sind dennoch vorhanden. Und die generative KI kann sie mit einem Maß an menschenähnlichem Urteilsvermögen durchkämmen, das wir von automatisierten Werkzeugen noch nie zuvor gesehen haben. Eine Private-Equity-Firma kann Kriterien basierend auf Branche, Größe, Geografie, Geschäftsreife, Managementstruktur oder anderen Interessenmerkmalen festlegen und sehr schnell eine Liste potenzieller Übernahmekandidaten erstellen.

Und Dealmaker nutzen diese Macht bereits mit großem Erfolg. Nachdem Shunsaku Sagami beobachtet hatte, wie sein Großvater sein Immobiliengeschäft mangels eines tragfähigen Nachfolgeplans schloss, entwickelte er einen KI-Algorithmus, der private Daten nutzt, um Unternehmen zu identifizieren, deren Eigentümer wahrscheinlich bald in den Ruhestand gehen werden (Japans alternde Bevölkerung verhilft diesem jungen Gründer zum Milliardärsstatus – Bloomberg). Seine Firma, M&A Research Institute Holdings, bringt diese Unternehmen mit Käufern zusammen und vermittelt die Geschäfte gegen eine Gebühr. Nach mehreren Jahren schnellen Wachstums beschäftigt M&A Research Institute Holdings nun über 160 Mitarbeiter und hat Sagamis Nettovermögen auf fast 1 Milliarde US-Dollar katapultiert.

Dieser KI-gestützte Ansatz könnte Private-Equity-Experten bei der Identifizierung investierbarer Unternehmen erheblich Zeit sparen. Wir sind noch lange nicht an dem Punkt angelangt, einen Bot mit der Verwaltung von Geldern zu beauftragen und ihm zu sagen, er solle Geschäfte finden und ausführen. Offensichtlich bedarf es nach wie vor einem erheblichen menschlichen Urteils- und Überwachungsvermögen, um zu entscheiden, ob und in welchem ​​Umfang ein bestimmtes Ziel im Kontext der Gesamtstrategie eines Unternehmens verfolgt werden sollte. Aber KI kann eine enorme Hilfe sein, wenn es darum geht, ein Universum von Zielen auszusortieren und zu priorisieren sowie um Ziele aufzudecken, die menschlichen Dealmakern oder Nicht-KI-Screenings möglicherweise entgangen wären. KI kann sogar leicht anpassbare Outreach-Materialien für die Kommunikation mit bestehenden Eigentümern entwerfen.

Doch es gibt eine sehr wichtige Tatsache, die Sie bei der Nutzung von KI für die Geschäftsakquise im Hinterkopf behalten sollten: Wie bei allem, was mit Computern zu tun hat, sind die Ergebnisse nur so gut wie die Eingaben. Wenn die Eingabedaten, mit denen ein KI-Algorithmus arbeitet, unvollständig oder ungenau sind (wie es bei Daten der Fall sein kann, insbesondere wenn sie aus dem Internet stammen), weisen die Empfehlungen des Algorithmus diese Verzerrung auf, was zu verzerrten oder unvollständigen Antworten führt. Dies ist etwas, worauf Private-Equity-Firmen bei der Einführung von KI sehr vorsichtig sein müssen. Bei jedem Schritt des Prozesses, von der Bewertung des Algorithmus bis zur Empfehlung von Anpassungen, sind menschliche Aufsicht und Plausibilitätsprüfungen von entscheidender Bedeutung.

2. Sorgfalt

Generative KI ist der beste Schnellleser aller Zeiten. Es kann Millionen von Webseiten fast augenblicklich verarbeiten und wichtige Punkte, die für die jeweilige Frage relevant sind, in gut lesbaren Zusammenfassungen zusammenfassen. Im Hinblick auf die Private-Equity-Diligence kann dies bahnbrechend sein, wenn es darum geht, schnell ein Zielunternehmen oder eine Zielbranche zu recherchieren und die Ergebnisse zur menschlichen Überprüfung zusammenzufassen. Dadurch haben menschliche Dealmaker mehr Zeit, sich auf übergeordnete Fragen und Analysen zu konzentrieren, anstatt Daten zu verarbeiten.

KI kann sogar Finanzmodelle generieren. Warum Personalressourcen zumindest für die grundlegendsten Teile der komplizierten Erstellung von Tabellenkalkulationsmodellen aufwenden, wenn ChatGPT (oder eine wachsende Zahl ähnlicher Excel-Tools) einfaches Englisch in die korrekte Syntax von Tabellenkalkulationsformeln übersetzen kann? Beispielsweise hat eine der größten Banken Argentiniens, ICBC Argentina, ihre Budgetierung und Prognosen einst mithilfe von über 100 verknüpften Tabellenkalkulationen erstellt. Dabei arbeiteten die Mitarbeiter oft bis 2 Uhr morgens und am Wochenende. Doch nach dem Kauf eines Planungs- und Analysetools mit KI von IBM konnte der Zeitaufwand für einige Prozesse um die Hälfte oder mehr reduziert werden (Fallstudie der Industrial and Commercial Bank of China Argentina (ICBC) | IBM). KI-Algorithmen erweisen sich auch als vielversprechend, wenn es darum geht, große Mengen historischer Daten zu nutzen und Simulationen durchzuführen, um zu entscheiden, welche Eingabeszenarien am relevantesten sind, um die Entwicklung eines bestimmten Ziels oder einer bestimmten Branche vorherzusagen.

Da immer mehr Unternehmen diesen Weg einschlagen, stellt sich natürlich die Frage, ob menschliche Analysten überhaupt noch eine Rolle spielen werden. Definitiv. Aber einige, insbesondere diejenigen, die Excel-Minutien lieben, müssen möglicherweise eine Beförderung annehmen. Anstatt Formeln und Makros zu programmieren, müssen sie möglicherweise die Arbeit des Computers kalibrieren und validieren, Ausgaben interpretieren und alternative Szenarien spielen. Es wird auch mehr Zeit für sorgfältige Prüfung außerhalb der Modellierung geben, beispielsweise für Gespräche mit Management- und Branchenexperten über die besten Annahmen und Trends, die in das Modell integriert werden können. KI ist heute kaum bereit, vollständige LBOs durchzuführen, und auch wenn Algorithmen bei der Ausführung von Tabellenkalkulationsmodellen eine größere Rolle spielen, wird ein tiefes Verständnis der damit verbundenen Finanzkonzepte und -ziele wertvoller denn je sein, um Menschen dabei zu helfen, diese Ausführung einzuleiten und zu bewerten (Kurse zur Finanzmodellierung | Ein einfaches Modell).

3. Portfolioüberwachung

Sowohl bei der Portfolioüberwachung als auch bei der Due Diligence ist generative KI so, als hätte man einen erstklassigen Analysten und Marktforscher in einem (ganz zu schweigen davon, dass er keine Auszeit braucht!). KI kann beim Scannen und Zusammenfassen quantitativer und qualitativer Branchentrends sowie bei der Verfolgung und Analyse von Key Performance Indicators (KPI) unglaublich effektiv sein, alles mit dem Ziel, eine bessere menschliche Entscheidungsfindung zu ermöglichen. Mit zunehmender Verbreitung wird die Überwachung wahrscheinlich nicht nur weniger zeitintensiv für die beteiligten Personen, sondern auch in Echtzeit erfolgen, sodass Unternehmen und ihre Investoren schneller bessere Entscheidungen treffen können.

Diese Verbesserungen sollten sich nicht nur positiv auf die tägliche Arbeit von PE-Investoren auswirken, sondern auch auf die Mitarbeiter der Unternehmen, die sie besitzen, da KI einen Teil der (dringend notwendigen) Plackerei der KPI-Verfolgung und der Anlegerberichterstattung übernehmen kann . Ich weiß aus erster Hand, wie viel Zeit Portfoliounternehmen damit verbringen, Leistungsdaten zu sammeln und an ihre PE-Eigentümer zu kommunizieren. Eine Verkürzung dieser Zeit könnte die Beziehung wesentlich reibungsloser gestalten und es dem Management ermöglichen, sich mehr auf die Führung und Verbesserung des Unternehmens zu konzentrieren.

Von welchen potenziellen Gewinnen sprechen wir? Die folgende Abbildung 1 stammt aus einer weltweiten Umfrage unter 1,492 Geschäftsleuten. Es zeigt sowohl die durchschnittlichen Umsatzsteigerungen als auch die Kosteneinsparungen im Jahr 2021 aufgrund der KI-Einführung in einer Vielzahl von Geschäftsfunktionen. Viele dieser Funktionen, wie zum Beispiel Betrieb, Marketing und Personalwesen, sollten durch die Implementierung von KI deutliche Vorteile erzielen, wie wir im vorherigen Beitrag besprochen haben. Aber darüber hinaus verzeichneten 65 % der KI-Anwender im Bereich Strategie und Unternehmensfinanzierung, wo typischerweise ein Großteil der Arbeit im Zusammenhang mit der Portfolioüberwachung und der Kommunikation mit PE-Eigentümern anfällt, ein gewisses Maß an Umsatzsteigerung und 43 % ein gewisses Maß an Kostensenkung. typischerweise in der Größenordnung von mehr als 10 %. Und diese Umfrage basiert auf Ergebnissen, die mindestens ein Jahr vor der Einführung von Tools wie ChatGPT erzielt wurden.

Abbildung 1. KI steigert den Umsatz und senkt die Kosten auf ganzer Linie

Quelle: McKinsey & Company (Hintergrund hinzugefügt) 

4. Back-Office-Prozesse

Private-Equity-Firmen benötigen ein beträchtliches Maß an Back-Office-Aktivitäten, um die Front-Office-Mission zu unterstützen, LP-Kapital verantwortungsvoll in Geschäfte mit der höchsten Rendite zu investieren. Von der Personalabteilung über die Rechtsabteilung bis hin zur Buchhaltung kann KI zahlreiche manuelle, anstrengende und sich wiederholende Aufgaben automatisieren, um Zeit und Geld zu sparen. Intelligentes Screening und Befragung von Stellenbewerbern, die Erstellung von Beitrittserklärungen, LOIs und anderen gängigen Rechtsdokumenten sowie die Automatisierung laufender LP- und regulatorischer Meldeprozesse liegen selbst heute noch im Rahmen der Möglichkeiten generativer KI.

Private-Equity-Unternehmen SignalFire (LINK) hat die Effizienz seines Backoffice radikal verbessert, indem es mithilfe von KI beispielsweise Term Sheets – informelle Vereinbarungen über die Aspekte eines Geschäfts – in längere, detailliertere und rechtsverbindliche Dokumente umwandelt. SignalFire nutzt KI sogar, um Marketinginhalte zu erstellen, die speziell auf bestimmte Zielgruppen zugeschnitten sind. Während sich die Technologie weiterentwickelt, werden die Möglichkeiten für diese Art der Automatisierung wahrscheinlich nur durch unsere Vorstellungskraft und unsere Bereitschaft, sie effektiv umzusetzen, begrenzt.

Fazit: KI funktioniert, aber nur mit menschlicher Beteiligung

Wenn es um generative KI geht, bin ich ein Optimist. Aber ich bin auch ein Realist. Die Integration von KI auf die oben beschriebene Weise kann die Arbeit sowohl der Investoren als auch der Managementteams, mit denen sie zusammenarbeiten, effizienter und effektiver machen, aber der Übergang wird nicht immer nahtlos oder erfolgreich verlaufen. Kurzfristig werden bestimmte Arten von Arbeitsplätzen sowohl bei Private-Equity-Firmen als auch bei den von ihnen betreuten Portfoliounternehmen verloren gehen oder sich radikal verändern. Richtige Schulungen und Sicherheitsprotokolle werden von entscheidender Bedeutung sein, um sicherzustellen, dass Mitarbeiter auf allen Ebenen mit der Nutzung von KI vertraut und kompetent sind, um ihre täglichen Arbeitsabläufe zu optimieren, ohne dass sensible Daten KI-Algorithmen ausgesetzt werden, die sie möglicherweise auf unbekannte Weise ausnutzen oder verbreiten.

Im ersten Beitrag dieser Serie habe ich das breite Spektrum an Ansichten über das Potenzial von KI gewürdigt, wobei einige Leute glauben, dass sie eine Utopie herbeiführen wird, während andere die Apokalypse vorhersagen. Ich persönlich glaube nicht, dass das Endergebnis auch nur annähernd einem der beiden Extreme entsprechen wird. Aber einer der Schlüssel, um sicherzustellen, dass es ersterem näher kommt als letzterem (insbesondere für Sie und Ihr Unternehmen), ist eine kontinuierliche, geschulte menschliche Aufsicht. Warren Buffet warnte Anleger davor, „niemals in ein Unternehmen zu investieren, das man nicht versteht“. Wenn es um KI geht, folgen Sie also keinen Trends und implementieren Sie keine überstürzten teuren Lösungen, bis Sie sich vollständig darüber im Klaren sind, was sie können und was noch wichtiger ist: nicht. Lesen Sie weiter, lernen Sie weiter und suchen Sie weiter nach Möglichkeiten, KI auf eine Weise zu nutzen, die klare Vorteile bringt, sei es in Ihrer täglichen Arbeit, der Arbeit Ihrer Portfoliounternehmen oder in beiden.

Und wenn Sie immer noch versuchen, in die Welt des privaten Investierens einzusteigen, ist die gute Nachricht, dass es in vielerlei Hinsicht keinen besseren Zeitpunkt geben könnte (insbesondere, wenn Sie einige unserer früheren Erkenntnisse zu diesem Thema nutzen, wie z Einstieg in Private Equity mit nicht-traditionellem Hintergrund | Ein einfaches Modell). Wenn Sie den Einsatz neuer KI-Tools schnell und erfolgreich beherrschen, heben Sie sich von anderen angehenden Dealmakern ab. Und innovative Anwendungen für KI vorzuschlagen, kann eine großartige Möglichkeit sein, ein Gespräch anzustoßen oder bei bestehenden Unternehmen Fuß zu fassen. Aber denken Sie daran: Unabhängig von der Umgebung sind KI-Tools genau das … Werkzeuge. Letzten Endes werden, zumindest auf absehbare Zeit, Schlüsselfunktionen von Private-Equity-Investitionen wie die Festlegung von Mandaten, die Ausübung von Investitionsentscheidungen und der Aufbau von Beziehungen vollständig in nicht-robotergestützten, menschlichen Händen bleiben.

Sind Sie auf eine interessante potenzielle Investition im Zusammenhang mit künstlicher Intelligenz oder einen neuartigen Einsatz der Technologie bei Private-Equity-Investitionen oder der Verwaltung von Portfoliounternehmen gestoßen? Kontaktieren Sie uns unter info@asimplemodel.com oder über einen der untenstehenden Kanäle und erzählen Sie uns mehr – wir sind immer auf der Suche nach neuen Möglichkeiten und Beispielen, die wir einbeziehen können, während wir die Diskussion über KI fortsetzen.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Automobil / Elektrofahrzeuge, Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• BlockOffsets. Modernisierung des Eigentums an Umweltkompensationen. Hier zugreifen.
• Quelle: https://www.asimplemodel.com/insights/how-ai-can-improve-the-investing-process