Carve-Out-Risiko KI: Warum M&A-Due-Diligence ein KI-Inventar braucht

Wer einen Unternehmensteil herauslöst, kennt die üblichen Abhängigkeiten: ERP-Module, Netzwerksegmente, Lizenzverträge, Shared Services. In den letzten zwei Jahren ist eine Kategorie dazugekommen, die ich in Separationsplänen bisher kaum gesehen habe - eingebettete KI-Agenten.

KI-Agenten sitzen quer zur Trennlinie

Dabei sind die Agenten ja nicht versteckt. Die Schwierigkeit ist eher, dass sie quer zu den Systemen sitzen, entlang derer getrennt wird. Ein Agent, der im Einkauf Lieferantenbewertungen automatisiert, greift typischerweise auf das ERP, externe Datenquellen und ein zentrales LLM-Backend zu. Wird der Einkauf herausgelöst, wandert der Agent nicht einfach mit - seine Abhängigkeiten verteilen sich über Systeme, die beim Mutterkonzern verbleiben.

Technisch lässt sich das fast immer lösen. Teuer wird es kommerziell: Wer diese Abhängigkeiten erst nach dem Signing entdeckt, verhandelt Transitional Service Agreements unter Zeitdruck - und zahlt entsprechend. Ich habe das bei Carve-Outs mehrfach miterlebt, und angenehm war es für keine der beiden Seiten.

Warum klassische IT-Due-Diligence nicht reicht

Die übliche IT-Due-Diligence erfasst Infrastruktur, Applikationen und Lizenzen. KI-Agenten fallen oftmals durch dieses Raster, weil sie selten als eigenständige Applikationen geführt werden. Sie sind in Workflows eingebettet, nutzen geteilte Modelle und verarbeiten Daten, deren Zugehörigkeit nach einer Separation unklar ist.

Drei Punkte gehen dabei nach meiner Erfahrung am häufigsten unter:

Modell-Abhängigkeiten: Nutzt der Agent ein zentral gehostetes LLM oder eine feingetunte Variante? Wer besitzt die Trainingsdaten, und dürfen sie nach der Trennung weiter verwendet werden?

Datenflüsse: KI-Agenten aggregieren häufig Daten aus mehreren Quellsystemen. Nach einem Carve-Out müssen diese Datenflüsse neu aufgesetzt oder über TSA-Vereinbarungen abgesichert werden.

Compliance-Zuordnung: Wenn der Agent unter den EU AI Act oder NIS2 fällt, muss geklärt werden, welche Einheit die regulatorischen Pflichten übernimmt - und ob die dafür nötige Governance-Struktur im Zielunternehmen überhaupt existiert.

Was ein KI-Inventar leisten muss

Ein KI-Inventar für die Due Diligence ist mehr als eine Auflistung von Tools. Pro Agent gehören mindestens dokumentiert: Einsatzzweck, Autonomiegrad, Datenquellen, Modell-Backend, Verantwortlichkeiten und regulatorische Einordnung.

In der Praxis baue ich das in drei Schritten auf:

Discovery: Alle aktiven KI-Agenten identifizieren - auch die, die intern als “Automatisierung” oder “RPA” geführt werden, aber ein LLM nutzen. Das sind erfahrungsgemäß mehr, als das offizielle Tool-Register hergibt.
Abhängigkeitsanalyse: Für jeden Agenten die System- und Datenabhängigkeiten kartieren, die bei einer Separation betroffen wären.
Bewertung: Kosten und Aufwand für Migration, Neubau oder Abschaltung jedes Agenten einschätzen.

Der Zeitpunkt entscheidet dabei über den Hebel. Vor dem Signing fließt das Inventar in Kaufpreis und TSA-Verhandlung ein; danach bleibt meist nur noch, die Lücken unter Zeitdruck zu schließen - zu den Konditionen, die dann eben noch zu bekommen sind.

Meine Empfehlung für M&A-Teams

Das KI-Inventar gehört als eigenständiger Prüfbereich in die Due Diligence, gleichrangig neben IT-Infrastruktur und Lizenzen. Das ist kein großes Zusatzprogramm - ein erfahrener Architekt braucht dafür wenige Tage. Aber es braucht jemanden, der die Frage überhaupt stellt. Wer die Migrationsstrategie erst in der Umsetzung plant, unterschätzt den Aufwand nach allem, was ich gesehen habe, deutlich.

Sie planen einen IT-Carve-Out und wollen Ihre KI-Abhängigkeiten systematisch bewerten? Der Carve-Out Readiness Check von Nexus liefert in zwei Wochen ein vollständiges Inventar - inklusive KI-Agenten, Datenflüsse und regulatorischer Zuordnung.