Nachdem KI in das Basisszenario eingetreten ist, entscheidet die Rendite nicht mehr darüber, ob KI Wert schaffen kann, sondern ob dieser GP ausführen kann. Was an Coforges Whitepaper festzuhalten lohnt, ist, dass es die „Ausführung“ in eine konkrete Struktur zerlegt, die vor der Investition preislich festgelegt und nach der Investition messbar ist.
Fakten
- 18. September 2026, Coforge veröffentlicht das Whitepaper „AI in Private Equity: Driving Value Through AI Execution“ sowie eine Pressemitteilung und erklärt, dass die Lücke zwischen „AI‑Erwartungen und tatsächlichen Ergebnissen“ im PE‑Ökosystem größer wird: AI ist bereits in Investment‑Thesen und Wertschöpfungspläne integriert, doch die meisten Institutionen bleiben bei der Umsetzung stecken.
- Vor der Investition ist Track 0 „AI Due Diligence Sprint“: ein komprimierter Due‑Diligence‑Sprint, bei dem zunächst ein Basis‑Benchmark für Daten‑Readiness, Architektur, Sicherheits‑ und Compliance‑Status sowie Liefer‑Reife geschaffen wird, dann für den Use‑Case mit dem höchsten ROI eine Wertberechnung mit Bereichen und Annahmen durchgeführt wird, und schließlich ein Entscheidungs‑AI‑Due‑Diligence‑Memo, die Wertberechnung und ein nach Priorisierung sortierter first-100‑days‑Fahrplan ausgegeben werden, wobei ein Hinweis gegeben wird, welchen Weg das Unternehmen nach der Investition einschlagen sollte. Coforge gibt an, dass die Sprint‑Kosten nur einen Bruchteil von einem Tausendstel des Transaktionswertes betragen.
- Nach der Investition gibt es drei Ausführungsbahnen: Track 1 AI Strategy (über Daten, Technologie, Talent Reifegrad bewerten, Use Cases nach Wert und Machbarkeit priorisieren, Roadmap erstellen); Track 2 Targeted AI Solutions (Pilotprojekte mit firmeneigenen Daten, Modellleistung und finanzielle Machbarkeit prüfen, in Arbeitsabläufe integrieren, Governance, Dashboards und Monitoring aufbauen); Track 3 Enterprise Technology Foundation (Plattform- und Kernsystemmodernisierung, DevSecOps und Qualität, verwaltete Infrastruktur und Sicherheit).
- Auf GP‑Ebene werden zwei Einrichtungen eingerichtet: das AI Center of Excellence (Sammlung von Referenzarchitekturen, branchenspezifische und funktionsbezogene Use‑Case‑Playbooks, Due‑Diligence‑Toolkits, Governance‑Standards, Anbieter‑ und Modellbewertungen, über Projekte und Investitionszyklen hinweg) und das Portfolio AI Command Center (aggregiert die KI‑Aktivitäten, Ergebnisse und Reifegrade der Portfoliounternehmen in einer Ansicht, dient dem Operationsteam, dem Investitionsausschuss und den LP‑Berichten).
- Das Governance‑Framework heißt Autonomy Level Pricing (ALP): KI‑Systeme werden nach ihrem Autonomiestatus gestuft, von AL0 (vollständig manuell) bis AL4 (vollständig autonom innerhalb politischer Leitplanken); jede Stufe erhält entsprechende Leitplanken, ein Agent‑Register und einen Upgrade‑Pfad.
- Die Messung der Autonomie berücksichtigt nur zwei Hauptkennzahlen: Human Intervention Rate (manuelle Eingriffsrate, häufige menschliche Eingriffe sind erforderlich) und Acceptance Rate (der Anteil der Systemausgaben, die direkt akzeptiert werden). Das Whitepaper zielt darauf ab, die Autonomie von einer „Annahme“ in eine „nachweisbare“ zu überführen und die KI-Preisgestaltung vom Cost‑Plus‑Modell zu einer ergebnisbasierten Wirtschaft (outcome‑based economics) zu bewegen.
- Geschäftsbedingungen werden gleichzeitig angepasst: outcome‑linked Pricing, das an Umsatzsteigerungen und Kostensenkungen gekoppelt ist, abonnementbasierte Nutzung einer vorgefertigten Lösungssammlung sowie hybride Pods, die menschliche Experten und KI‑Agenten kombinieren; im Retainer enthalten ein an Liefermeilensteinen ausgerichteter at‑risk‑Anteil.
- Hintergrund: Coforge gründete am 11. August 2026 eine Private‑Equity‑Geschäftseinheit, die auf seinem Nuuron (AI‑Betriebssystem / Enterprise‑Autonomy‑Plattform) basiert.
Analyse
Kurz zusammengefasst: Die Vorab-Due‑Diligence bei AI‑Buyouts hat sich von „Kann dieses Unternehmen KI einsetzen?“ zu „Wie viel KI‑generiertes EBITDA kann ich im Voraus versichern?“ verschoben. Das geht über die reine Portfolio‑KI‑Implementierung hinaus – die KI‑Wertschöpfung fließt nun in die Kaufpreisgestaltung und das Underwriting ein, anstatt erst nach Abschluss der Akquisition nachgetragen zu werden.
Vorab‑Track 0 → Daten / Architektur / Talent / Governance‑Baseline → Bewertung des Wertintervalls von Use Cases → First 100‑Tage‑Roadmap → Drei Nach‑Invest‑Spuren → CoE / Command Center über Portfolios hinweg replizieren → Exit‑ValidierungKompakte Darstellung des Coforge‑PE‑×‑KI‑Umsetzungsrahmens
Am bemerkenswertesten ist die Gruppe von Post‑Investment‑Kennzahlen AL0–AL4 plus HIR / Acceptance Rate. Sie wandelt die Frage „Wie groß ist der technologische Organisationsunterschied dieses Unternehmens?“ in messbare Größen um: Wie viel Arbeit muss noch von Menschen erledigt werden und wie viele Ergebnisse können ohne Änderungen direkt akzeptiert werden. Nach diesem Ansatz kann die künftige KI‑Due‑Diligence auf Visionen verzichten, diese beiden Kurven direkt messen und die Ergebnisse in Preisgestaltung und Earn‑out‑Strukturen einfließen lassen.
In der Kategorisierung gehört dieser Eintrag zur Methodik‑Fallstudie „Recompiled‑PE“ und wird getrennt von einzelnen KI‑M&A‑Transaktionsfällen abgelegt: Er liefert wiederholbare Prozesse und Messsprache, nicht jedoch Preis‑ und Strukturdetails einer einzelnen Transaktion.
Gegenbeweise
- Das Whitepaper wird vom Dienstleister selbst veröffentlicht und gleichzeitig seine PE‑Geschäftseinheit sowie die Nuuron‑Plattform beworben, was einen klaren Interessenkonflikt darstellt: Der vorgestellte Rahmen zielt naturgemäß darauf ab, „einen Umsetzungspartner hinzuziehen“.
- 30 %–50 % Steigerung der Engineering‑Produktivität, etwa 25 % Verkürzung der Entwicklungszyklen und mehr als 50 % Reduktion des Reverse Engineerings, alles Angaben aus Coforge‑Projekterfahrungen, ohne Angabe von Stichprobengröße, Branchenverteilung oder statistischer Methode und ohne unabhängige Prüfungsnachweise.
- Die Pressemitteilung weist einerseits auf eine deutliche Lücke zwischen den KI‑Erwartungen und den tatsächlichen Ergebnissen hin, andererseits wird ein optimistisches Verbesserungsintervall genannt; die beiden Angaben sind nicht aufeinander abgestimmt.
- Das Whitepaper zitiert externe Studien wie die MIT‑Erhebung, wonach etwa 95 % der Unternehmens‑Generative‑AI‑Pilotprojekte keinen messbaren Einfluss auf die GuV haben; dieser Punkt enthält jedoch keine Rückverfolgung zur Originalstudie zur Überprüfung von Methodik und Anwendbarkeit.
- AL0–AL4 und HIR / Acceptance Rate sind derzeit Rahmen und Behauptung: Es wurden keine tatsächlichen Verteilungen oder Schwellenwerte über Portfolios hinweg veröffentlicht, noch wurden tatsächliche Vertragsklauseln, die an Preisformeln gekoppelt sind, offengelegt.
- Ob Track 0 das Gebot tatsächlich beeinflussen kann, hängt davon ab, ob der GP bereit ist, unter Bietdruck die Due‑Diligence‑Ergebnisse zu verwerfen; wird die Due Diligence nur für den „Umsetzungsplan nach dem Abschluss“ verwendet, reduziert sich der Mehrwert dieses Rahmens auf ein Beratungsprodukt.
- Die Replizierbarkeit des Rahmens hängt ebenfalls von der Leistungsfähigkeit des Dienstleisters ab: Wenn CoE, Command Center und ALP vom selben Anbieter bereitgestellt werden, sinkt die Attributierbarkeit der Ergebnisse für den GP.
Quelle: FDEPE Tracking‑Datenbank. Originale Offenlegung: Coforge 2026-09-18 Pressemitteilung „Coforge Research Finds Growing Gap in Private Equity Between AI Ambitions and Portfolio Value Creation“: news.coforge.com ↗; Whitepaper „AI in Private Equity: Driving Value Through AI Execution“: blog.coforge.com ↗; Hintergrund: Coforge 2026-08-11 „Coforge Launches Private Equity Business Unit“: news.coforge.com ↗. Die Effizienzzahlen basieren auf Coforge‑Projekterfahrungen und wurden bislang nicht durch eine unabhängige Prüfung verifiziert.