KI im Private Equity: Wie Fonds mit KI Wert in ihren Portfoliounternehmen schaffen

Warum KI für Private Equity zum Thema der Wertsteigerung geworden ist

Lange kam ein großer Teil der Rendite von Buyouts aus Fremdkapital und steigenden Multiples. Dieser Rückenwind hat nachgelassen. Im illustrativen Deal-Modell von Bain braucht ein typischer Buyout heute 10 bis 12 % EBITDA-Wachstum pro Jahr, um in fünf Jahren das 2,5-Fache des eingesetzten Eigenkapitals zu erzielen, bei weniger Fremdkapital und stagnierenden Multiples. 2015 reichten rund 5 % (Bain, Global Private Equity Report 2026).

Diese Lücke muss im operativen Geschäft jedes Portfoliounternehmens geschlossen werden: mehr Marge je Auftrag, weniger Handarbeit je Rechnung, schnellere Antworten an Kunden. Genau dort passt KI, sofern sie in der Gewinn- und Verlustrechnung ankommt und nicht im Pilotstatus bleibt.

Drei Stellen, an denen KI im Private Equity vorkommt

Werkzeuge im Fonds sparen dem Deal-Team Zeit. Der große Werthebel liegt im Portfolio, denn jeder Prozentpunkt Marge dort wird mit dem Exit-Multiple vervielfacht. Um diesen Teil geht es hier. Wie man den Ausgangspunkt eines einzelnen Unternehmens prüft, beschreibt KI-Readiness eines Portfoliounternehmens.

Die KI-Wertlücke: warum die meisten Piloten stecken bleiben

Die meisten Portfoliounternehmen testen KI bereits. Deutlich weniger können sie in ihren Zahlen zeigen. In einer BCG-Befragung von 1.250 leitenden Führungskräften erzielen 5 % der Unternehmen mit KI Wert in großem Maßstab, 35 % sind in der Skalierung, und 60 % melden bisher kaum Effekte (BCG, September 2025).

Zwei Befunde erklären einen großen Teil der Lücke. Erstens hilft KI dort, wo eine Aufgabe zu ihr passt, und schadet, wo nicht. In einem Feldexperiment mit 758 Beraterinnen und Beratern erledigten KI-Nutzer bei Aufgaben innerhalb der Leistungsgrenze der KI 12,2 % mehr Teilaufgaben, 25,1 % schneller und mit 32 % besser bewerteter Qualität. Bei einer Aufgabe jenseits davon lagen sie 19 Prozentpunkte seltener richtig (Dell’Acqua et al., Organization Science 2026). Den richtigen Prozess zu wählen, ist wichtiger als das richtige Modell.

Zweitens ist Selbstbauen schwerer. Nach vorläufigen Ergebnissen aus 52 Organisationen, beruhend auf Selbstauskünften, kamen über externe Partner beschaffte KI-Tools rund doppelt so oft in den Einsatz wie selbst gebaute, etwa 67 % gegenüber 33 % (MIT NANDA, Juli 2025). Die Stichprobe ist klein, aber die Richtung deckt sich mit unserer Erfahrung: Piloten scheitern an Daten, Berechtigungen und Verantwortung, nicht am Modell.

Wo KI in einem Portfoliounternehmen Wert schafft

Wir prüfen in jedem Unternehmen vier Hebel. Zu jedem gibt es belegte Ergebnisse bei namentlich genannten oder klar beschriebenen Unternehmen; KI-Anwendungsfälle in Portfoliounternehmen geht sie mit Spannen und Einschränkungen durch.

• Vertrieb: Preis- und Konditionsdisziplin in Angeboten, schnellere Antworten auf Anfragen. Ein Großhändler mit 15 Mrd. US-$ Umsatz gewann mehr als 250 Basispunkte Marge, mehr als 200 davon binnen rund 18 Monaten durch KI-Tools für Preise und Rabatte (McKinsey 2026, anonymisiert).
• Operations: Auftragserfassung, Planung, Routineprüfungen. Danfoss halbierte die Bearbeitungszeit für Aufträge mit KI-Agenten, die B2B-Bestellungen aus E-Mails lesen (Fallstudie von Google Cloud).
• Kundenservice: Bei Klarna sanken die Kosten für Kundenservice und Betrieb 2024, im Startjahr des KI-Assistenten, um 15 % (F-1-Prospekt).
• Finanzen und Reporting: Eurofins gibt an, die automatisierte Rechnungsverarbeitung habe 30 % der Zeit seiner Buchhaltungskräfte freigesetzt (Fallstudie von Rossum).

Personal und Organisation ist der fünfte Bereich und der, der darüber entscheidet, ob die anderen vier halten: Wissenssuche, Onboarding und Führungsteams, die wissen, wie man Prozesse mit KI steuert.

Was PE-Eigentümer bisher berichten

Öffentliche Zahlen von Fondseigentümern sind noch selten, und alle beruhen auf eigenen Angaben:

• Partners Group beziffert zwei KI-Anwendungsfälle bei Foundation Risk Partners auf 10 Mio. US-$ EBITDA, 120 Basispunkte Marge; die Abschlussquote verdoppelte sich, und der erste Anwendungsfall ging in 14 Wochen vom Konzept in den Betrieb (Partners Group 2026).
• Bei Cengage, an dem Apollo eine Minderheitsbeteiligung hält, sanken die Kosten im Kundenservice nach ersten Ergebnissen um 15 % (Bain 2025).
• Assent, ein Portfoliounternehmen von Vista, meldet mehr als 10 % Einsparung an Vollzeitstellen im Support bei mehr als 33 % abgefangenen Anfragen (Vista 2026).

Man beachte die Größenordnung: ein Portfoliounternehmen, wenige Anwendungsfälle, Effekte im niedrigen dreistelligen Basispunktbereich. Bei einem Exit-Multiple von zehn ist das viel. Versprechen, KI vervielfache den Unternehmenswert, stützt keine dieser Quellen.

Von gesparter Zeit zum EBITDA: die Rechnung, auf die es ankommt

Viele KI-Business-Cases setzen gesparte Stunden mit gespartem Geld gleich. Das sind sie selten. Uber senkte die Bearbeitungszeit je Rechnung um 70 %, die Prozesskosten aber um 25 bis 30 % (Uber 2025). Maximus verkürzte die Bearbeitungszeit um 85 % und verkleinerte das Kreditorenteam durch natürliche Fluktuation um 20 % (Rossum). Nach unserer Umrechnung senkten 24 bis 43 % der gesparten Zeit die Kosten.

Für ein Investmentteam heißt das drei Regeln. Kosten-Cases mit einem Realisierungsanteil rechnen, nicht mit der vollen gesparten Zeit. Mehrvolumen zum Deckungsbeitrag zählen, nie zum Umsatz. Und die laufenden Kosten der Werkzeuge abziehen: Lizenzen, Cloud und Pflege. Ein Preis-Case ist der stärkste Hebel, weil er fast vollständig ins Ergebnis fließt: Bei 12 % EBITDA-Marge bringt ein Prozentpunkt Preis auf den ganzen Umsatz 8,3 % mehr EBITDA, solange das Volumen hält.

Vom Piloten zum Wert im Portfolio

1. Ein Raster für das ganze Portfolio. Jedes Unternehmen mit denselben Fragen prüfen: Prozesse, Daten, Systeme und Menschen. Mit den Teams sprechen, die die Arbeit machen, nicht nur mit dem Management: Die Use Cases, die sie nennen, nutzen sie auch. Ergebnis ist eine Wertkarte je Unternehmen und eine Heatmap für das Investmentteam.
2. Jeden Case rechnen, bevor gebaut wird. Jede Zahl hergeleitet und belegt, jede Annahme sichtbar, mit einer verantwortlichen Person im Unternehmen. Modell und Cockpit bleiben im Unternehmen: jede Zahl mit Quelle und Qualitätsstufe, jedes Szenario auf Knopfdruck. Cases, die sich nicht rechnen, fallen früh heraus.
3. Kontrollierte MVPs auf vorhandenen Systemen bauen. Die KI macht die Vorarbeit, ein Mensch gibt frei, und ERP oder CRM bleiben führend. Ein kontrollierter MVP dauert typischerweise zwei bis vier Wochen Bauzeit.
4. Wirkung am Wertsteigerungsplan messen. Jedes laufende Werkzeug bekommt eine Kennzahl, die das Management ohnehin berichtet, kein eigenes KI-Dashboard. Wie das geht, zeigt KI im Value Creation Plan.
5. Wiederverwenden, was funktioniert. Ein Werkzeug, das in einem Unternehmen läuft, wird zum Muster für das nächste. Muster wandern schneller als Plattformen.
6. Die Führungskräfte befähigen, die es tragen. Werkzeuge verändern Prozesse; Führungskräfte verändern Unternehmen. Managementteams müssen wissen, wo KI passt, wo nicht, und wie man einen Prozess steuert, in dem KI einen Teil der Arbeit macht. Wie man Teams mitnimmt, beschreibt KI-Change-Management im Portfoliounternehmen.

Wer sollte KI im Portfolio vorantreiben?

Große Eigentümer wie Partners Group und Vista berichten von eigenen KI-Programmen; das Beispiel von Partners Group oben entstand aus der Zusammenarbeit zwischen seinen Portfoliounternehmen. Nach unserer Erfahrung haben viele Mid-Market-Fonds einen Operating Partner oder ein kleines Value-Creation-Team, aber keine Entwickler. Sie brauchen einen Partner, der drei Dinge zugleich kann: Wert rechnen wie eine Strategieberatung, Werkzeuge bauen wie ein Entwicklungsteam und Führungskräfte befähigen wie ein Trainer.

So arbeiten wir mit Private-Equity-Fonds: als Impact-Partner, persönlich geführt von zwei ehemaligen Partnern bei McKinsey & Company und Roland Berger. Wir finden, wo KI in jedem Unternehmen Wert schafft, bauen die Werkzeuge in Wochen auf den vorhandenen Systemen und bleiben, bis es wirkt. Code, Daten und Know-how können vollständig an das Portfoliounternehmen gehen. Mehr dazu auf pe.leadbeyond.de.