{"id":533,"date":"2018-12-31T15:04:25","date_gmt":"2018-12-31T15:04:25","guid":{"rendered":"https:\/\/mattersgraph.com\/?post_type=insight&p=533"},"modified":"2026-04-09T01:34:19","modified_gmt":"2026-04-09T01:34:19","slug":"a-practical-commercial-diligence-approach-to-assess-the-risk-of-artificial-intelligence-ai-disruption","status":"publish","type":"insight","link":"https:\/\/mattersgraph.com\/de\/insights\/a-practical-commercial-diligence-approach-to-assess-the-risk-of-artificial-intelligence-ai-disruption\/","title":{"rendered":"021: Ein praxisorientierter Ansatz zur Beurteilung des Risikos von Disruptionen durch k\u00fcnstliche Intelligenz (KI) im Rahmen der kaufm\u00e4nnischen Due Diligence"},"content":{"rendered":"

Die Auswirkungen der st\u00e4ndig wachsenden Anwendungsbereiche der KI-Technologie1<\/a><\/sup> Das macht viele Investoren nerv\u00f6s im Hinblick auf traditionelle, auf menschlicher Arbeit basierende Unternehmen \u2013 von professionellen und technischen Dienstleistungen bis hin zu Verwaltungsangestellten.<\/p>\n\n

Die Nachhaltigkeit dieser Unternehmen ist ein komplexes und schwer zu beurteilendes Thema. Erschwerend kommt hinzu, dass viele Berater komplizierte Analysemethoden zur Bewertung der Auswirkungen von KI vorschlagen \u2013 etwa zur Datenverf\u00fcgbarkeit, zur Existenz und Unver\u00e4nderlichkeit von Regeln in einem Prozess oder System usw. Diese Rahmenwerke eignen sich zwar hervorragend f\u00fcr B\u00fccher wie das preisgekr\u00f6nte \u201eThe Second Machine Age\u201c (von Erik Brynjolfsson und Andrew McAfee), sind aber in der Praxis kaum anwendbar, wie es f\u00fcr die Due-Diligence-Pr\u00fcfung einer realen Ziel\u00fcbernahme oder anderer Investitionen erforderlich ist. W\u00e4hrend die st\u00e4ndige Weiterentwicklung bahnbrechender, transformatorbasierter LLMs (ChatGPT, Gemini von Google usw.*) bei Kundendienstmitarbeitern und Hauptinvestoren gleicherma\u00dfen Besorgnis \u00fcber m\u00f6gliche Arbeitsplatzverluste ausl\u00f6st, ist es nach wie vor ein enormer Aufwand, pr\u00e4zise und konsistente KI-Ergebnisse zu erzielen. Daher ist die Auseinandersetzung mit dem KI-Fortschritt sowohl wichtig als auch machbar.<\/p><\/div>\n\n

\n\n

Wie l\u00e4sst sich also die Wahrscheinlichkeit technologischer Umbr\u00fcche in der Praxis einsch\u00e4tzen? Wenn GRAPH gebeten wird, das Risiko von KI-bedingten Umbr\u00fcchen zu bewerten, gehen wir die folgenden sieben Fragen durch (die sich in den letzten ca. 5 Jahren im Wesentlichen nicht ver\u00e4ndert haben):<\/p>\n\n

Beurteilen Sie den Zweck des Unternehmens:<\/p>\n\n

    \n
  1. Welche konkreten Aktivit\u00e4ten schaffen aus Kundensicht Wert? Listen Sie diese auf und definieren Sie sie so detailliert wie m\u00f6glich.<\/li>\n\n\n\n
  2. Welcher Art ist das Problem, das gel\u00f6st werden soll? Handelt es sich um ein tiefgreifendes oder ein allgemeines Problem?<\/li>\n\n\n\n
  3. Was verstehen Kunden unter einer \u201causreichend guten\u201d L\u00f6sung?