Gepreist, gekauft, gescheitert? - Warum gepreiste Digitalisierungsprämien in der PMI scheitern und welche Rolle GenAI spielen kann

1. Das Automotive-Paradoxon

Die Automobilindustrie verbindet derzeit zwei gegenläufige Entwicklungen. Auf der einen Seite entsteht ein deutlicher M&A-Rebound. Das globale Automotive-Dealvolumen lag in den ersten neun Monaten 2025 bei über 35 Mrd. USD. Die durchschnittliche Dealgröße hat sich gegenüber 2023 mehr als verdoppelt, und über die Hälfte aller Transaktionen entfällt auf technologiegetriebene Segmente wie Halbleiter, Elektronik, Sensorik und Software-Engineering.1 Auf der anderen Seite besteht die größte Strukturkrise der DACH-Zulieferindustrie seit Jahrzehnten. 59 Großinsolvenzen bei deutschen Automobilzulieferern allein im Jahr 2025,2 ein Branchenumsatzrückgang von 1,6% und ein Beschäftigungsrückgang von 6,2% auf 725.000 Mitarbeiter, der niedrigste Stand seit 14 Jahren.3

Diese Konstellation wirft eine Frage auf, die in Vorstandsetagen und Investment-Committees zunehmend diskutiert wird: Werden die eingepreisten Wertschöpfungsannahmen erreicht, um den gezahlten Kaufpreis zu rechtfertigen? Oder steht der M&A-Welle eine Welle enttäuschter Post-Merger-Integrationen bevor, deren Schaden erst in drei bis fünf Jahren sichtbar wird?

Die Forschung legt eine vorsichtige Antwort nahe. Je nach Studie verfehlen 70% bis 90% der M&A-Transaktionen ihre Wertschöpfungsziele.4 Auch wenn neueste Studien diese Spanne differenzierter betrachten, hängt die genaue Quote letztlich entscheidend von Erfolgsdefinition und Messmethodik ab.5,6 Zwei Kernaussagen gelten unabhängig vom Zielerreichungsgrad übergreifend: Zum einen werden Revenue-Synergien überschätzt. In einer Befragung von 281 M&A-Executives räumte nur die Hälfte ein, Revenue-Synergien überhaupt belastbar in die Deal-Modelle einzurechnen, und deren Überschätzung war der meistgenannte Grund für gescheiterte Deals.7 Zum anderen werden Implementierungszeiten unterschätzt. Wertschöpfung in technologiegetriebenen Deals bleibt typischerweise um 12 bis 24 Monate hinter dem Plan zurück – „if it comes at all“.8 Beide Beobachtungen deuten darauf hin, dass die operative Komplexität der Integrationsphase in Due Diligence und Bewertungsmodellen systematisch unterschätzt wird, und sind in der Automobilindustrie besonders ausgeprägt.9 Digitalisierungsprämien werden auf hybride Hardware-Software-Geschäftsmodelle gepreist, deren Realisierung eine Integrationsfähigkeit voraussetzt, die im hardware- und prozessgeprägten Käuferumfeld überschätzt wird. Diese Überschätzung trifft OEMs und Mittelständler aus jeweils unterschiedlichen Gründen, und Top-Line- wie Bottom-Line-Erwartungen kollidieren in den ersten 24 Monaten nach Closing.

Tab. 1 Die drei Integrationsfallen nach Käuferprofil

Quelle: Eigene Darstellung

2. Digitalisierungsprämien auf hybride Geschäftsmodelle

Reine Software-Assets sind in der Automobilindustrie die Ausnahme. Ein erheblicher Teil der gehandelten Targets sind hybride Geschäftsmodelle. Häufig werden Tier-1- und Tier-2-Hersteller mit wachsendem Software-Anteil, Engineering-Dienstleister mit Embedded-Capabilities oder Spezialisten mit aufgesetzten Datenschichten gehandelt. Auch die großen Technologie-Deals der jüngsten Zeit, etwa NXPs Übernahme von TTTech Auto für 625 Mio. USD oder Infineons Kauf des Marvell-Automotive-Ethernet-Geschäfts für 2,5 Mrd. USD,10 sind Käufe in einer Hardware-Industrielogik, ergänzt um Software- und Konnektivitätsfähigkeiten.

Auf diese Targets werden in der Due Diligence auf vier wiederkehrenden Argumentationslinien Prämien gepreist. Den Software-Anteil als Margenargument11, die Daten- und Konnektivitätsfähigkeit als strategischen Rohstoff12, das Plattformpotenzial sowie das Software-defined-Vehicle-Narrativ (im Folgenden SDV-Narrativ). Gerade das Plattformargument ist voraussetzungsvoll. Der globale Automobilmarkt wächst 2017 bis 2030 um lediglich 0,2% jährlich. In Europa schrumpft er sogar um 0,6% im gleichen Zeitraum.13 Plattformgetriebene Wachstumsannahmen setzen damit eine Marktanteilverschiebung voraus und kein Marktwachstum. Das SDV-Narrativ wiederum ist real unterlegt. Der Markt für Automobilsoftware und Elektronik soll bis 2030 auf 462 Mrd. USD wachsen, der Anteil von Fahrzeugen mit Level-3- oder Level-4-Funktionen soll von 1% auf 12% steigen;14 die OEM-Erlöse aus Software und Elektronik sollen sich auf 248 Mrd. USD nahezu verdreifachen.15

Diese Prämien sind nicht grundlegend falsch. Ihre Schwäche liegt in dem impliziten Schluss, dass strategische Notwendigkeit mit operativer Realisierbarkeit gleichgesetzt wird. Eine Bewertungsprämie ist eine Wette darauf, dass die definierten Potenziale des Deal-Modells in der Post-Deal-Phase tatsächlich realisiert werden. In einer Industrie, deren Käufer historisch hardware- und prozessgeprägt sind, ist die für diese Wette nötige Integrationsfähigkeit und -erfahrung oft nur bedingt vorhanden.

3. Drei Integrationsfallen: OEMs und Mittelständler im Vergleich

Die Spannung zwischen Bewertungslogik und PMI-Realität manifestiert sich in drei Fallen, die die beiden dominanten Käuferprofile OEM und Mittelständler aus jeweils unterschiedlichen Gründen treffen. Konzerne scheitern eher an Überstrukturierung, Mittelständler eher an Unterstrukturierung der Integration (Tabelle 1).

3.1 Synergie-Inflation

Synergie-Targets werden in der Pre-Deal-Phase durchgängig zu hoch und zu früh angesetzt. Fast 70% der Merger verfehlen die modellierten Revenue-Synergien, während Kostensynergien in rund 60% der Fälle weitgehend geliefert werden.16 Schaeffler beziffert die Synergien aus der Vitesco-Verschmelzung auf 600 Mio. EUR jährlich, mit vollständiger Realisierung erst 2029, also fünf Jahre nach Closing.17 Im Mittelstand entsteht Synergie-Inflation etwas anders. Beratermodelle werden übernommen, ohne die eigene Integrationsbandbreite zu prüfen. Was im Konzern als eigener Workstream läuft, lastet beim Tier-2-Mittelständler auf zwei oder drei Schlüsselpersonen neben dem Tagesgeschäft. Hinzu kommt, dass echte P&L-Synergien messbar Umsätze erhöhen oder Kosten senken. Kalkulatorische Effizienzen hingegen, etwa mehr Leistung bei gleicher Teamgröße, tun das nicht. Beide werden in Bewertungsmodellen häufig addiert, obwohl nur P&L-Synergien zum Realergebnis beitragen.

3.2 Operative und systemische Komplexität

Die operative Komplexität der Integration hat in der Automobilindustrie drei Dimensionen, die in der Bewertungsphase unterbelichtet bleiben. Die erste ist die Systemlandschaft. In der Konzernwelt dominiert eine über Jahrzehnte gewachsene Konstellation aus SAP, PLM-Systemen und Compliance-Prozessen wie ASPICE und IATF 16949. Schaeffler benennt die Zusammenführung von Prozessen und IT-Applikationen explizit als eigenen Integrations-Workstream.18 Kernsystem-Migrationen sind dabei als Organisations- und Prozesstransformationen zu verstehen und keine reinen IT-Projekte. Im Mittelstand kehrt sich das Bild um. Ein Käufer mit heterogener, unvollständig dokumentierter Landschaft trifft auf ein Target, das technologisch mitunter moderner ist als er selbst. Die Diagnose darf sich dabei nicht auf Architekturdiagramme verlassen. Ob eine dokumentierte Zielarchitektur gelebt wird oder Fachabteilungen längst Parallelsysteme betreiben, erschließt sich erst im Gespräch mit den Nutzern. Und bestehende Systeme sind häufig die vertraglich bindende 80%-Lösung, die zum Kaufzeitpunkt aus Preis- oder Compliance-Gründen gewählt wurde.

Zentralisierung ist in den meisten Landschaften ein Anspruch, kein Zustand. Um den Unterschied zu sehen, muss man mit den Abteilungen sprechen und die Zuliefererverträge lesen, nicht ins Architekturdiagramm schauen.

Die zweite Dimension ist die Organisationsstruktur. Matrixorganisationen in Konzernen erzeugen Resilienz, weil Verantwortung mehrfach abgesichert ist. Dieselbe Eigenschaft erschwert Veränderung, weil jede Integrationsentscheidung über mehrere Achsen abgestimmt werden muss. Im Mittelstand besteht das Spiegelproblem. Dieselben Personen führen Geschäft, und Integration und Priorisierungskonflikte werden zugunsten des Tagesgeschäfts entschieden. Die dritte Dimension ist die Unternehmenskultur. Sie ist selten ein Grund für den Erfolg, aber regelmäßig der zentrale Grund für das Scheitern wachstumsorientierter Deals.19 Funktionsbereiche verteidigen etablierte Strukturen gegen Konsolidierung, weil diese oft mit Bedeutungsverlust verbunden ist.

Hinter allen drei Fallen steht eine Frage, die in der Bewertungsphase selten gestellt wird: Versteht sich die IT- und Prozessorganisation des Käufers als Enabler für Veränderung oder als Verwalter des Status quo? Ein elementarer Faktor kann dabei der CIO sein. Eine Kombination aus technologischem Verständnis, thematischer Aktualität und Pragmatismus ist an dieser Stelle entscheidend. Wo sie fehlt, folgen in der Regel Beraterabhängigkeit, Misstrauen nach innen und Zeitverlust in der Rollenbesetzung sowie mangelnde Umsetzung der relevanten Maßnahmen.

3.3 Top- und Bottom-Line-Kollision

Die dritte Falle ist die zeitgleiche Erwartung von Top-Line-Wachstum und Bottom-Line-Effekten in den ersten 24 Monaten. Finanzanalysten, die selten in die operative PMI eingebunden sind, unterschätzen die Implementierungszeit. Daraus entstehen für die Praxis zu ambitionierte Meilensteine, die regelmäßig verfehlt werden.20 In der Automobilindustrie, in der die Margenpuffer dünn und die OEM-Kunden anspruchsvoll sind, wirkt das besonders scharf. Eine Start-of-Production (SOP)-Verzögerung oder ein Qualitätsvorfall kann den Business-Case einer Akquisition kippen.

Der Fall ZF Friedrichshafen illustriert den Effekt. Die Verschuldung des Konzerns, maßgeblich durch die Finanzierung der Übernahmen von TRW (2015) und Wabco (2020) geprägt, lag Anfang 2024 bei rund 10,5 Mrd. EUR mit Zinslasten von etwa 500 Mio. EUR jährlich. Zeitgleich wurden ein Abbau von 12.000 bis 15.000 Stellen und der Verkauf der Sparte Lifetec angekündigt.21 Bei Schaeffler zeigt sich eine frühere Phase derselben Konstellation. Im Jahr der Vitesco-Verschmelzung stand ein Konzernverlust von 632 Mio. EUR, und die Nettofinanzschulden stiegen um 1,6 Mrd. EUR. Parallel wurden 4.700 Stellen Bruttoabbau mit 290 Mio. EUR Einsparungen ab 2029 angekündigt, wovon nur etwa 75 Mio. EUR den Vitesco-Synergien zugeordnet sind.22 Konzerne kompensieren die Top- und Bottom-Line-Kollision über Restrukturierung. Aber dem Mittelstand fehlt diese Option, weil Liquidität und Management-Bandbreite eine mehrjährige Streckung nicht erlauben.

4. Der GenAI-Hebel

Dass diese Fallen über Jahrzehnte fortbestehen, ist kein Verständnis-, sondern vielmehr ein Werkzeugproblem. Die für eine belastbare Analyse von Prozessen, Systemen und Software nötige Tiefe war im M&A-Zeitfenster bisher nicht erreichbar. Generative KI verschiebt diese Grenze. Sie löst die Integrationsfallen nicht, sie verändert aber die Möglichkeit, sie früh zu diagnostizieren.

Zudem beschleunigt sich die Adoption von GenAI im M&A Umfeld. Die AI-Nutzung im M&A-Kontext hat sich letztes Jahr mehr als verdoppelt. 45% der Executives setzen sie aktiv ein23, und 86% der Corporate- und PE-Entscheider haben GenAI in M&A-Workflows integriert.24 In Deutschland nutzen laut einer KPMG-Befragung von rund 200 M&A-Entscheidern aus Unternehmen, Private Equity und Family Offices 76% AI in der Due Diligence, 83% erwarten PMI-Verbesserungen, 74% nennen Datenqualität als zentrales Hindernis.25 Auffällig ist die ungleiche Verteilung der Nutzung von GenAI über den Dealprozess hinweg. 46% Pre-Deal-Nutzung stehen nur 27% Post-Deal gegenüber.26 Genau in dieser Lücke liegt das Wertschöpfungspotenzial der nächsten Jahre. Hilfreich ist dabei die Unterscheidung zweier Datenwelten. Nah am Fahrzeug gelten sicherheitskritische, regulierte Prozesse, in denen der Hebel real, aber durch Nachweispflichten gebremst ist. Im kaufmännischen Backend hingegen lassen sich Anwendungsfälle deutlich schneller heben.

Stand heute tragen sechs Einsatzfelder von GenAI substanziell zum Erfolg der PMI bei. Die Analyse von Prozessen, Systemen und Strukturen durch Process Mining und LLM-gestützte Auswertung, die ein As-is-Bild in Wochen statt Monaten liefert. Die Analyse von Embedded Software und Legacy-Code, deren Originalentwickler die Organisation oft längst verlassen haben. Die Rekonstruktion fehlender Dokumentation aus Code, Daten und Kommunikationsarchiven. Die Migrationsvorbereitung mit Datenmodell-Mappings und Risiko-Heatmaps, in einem dokumentierten Fall verkürzte sich eine Procurement-Datenkonsolidierung von zwölf auf zwei Monate bei 100 Mio. USD zusätzlich identifizierten Einsparungen.27 Die Erstellung stakeholderspezifischer Change-Dokumente, mit 25% Zeitersparnis in einem Bankintegrationsfall28, und die Unterstützung der Migrationsumsetzung selbst. Der belastbare Hebel liegt dabei bei repetitiven, verifizierbaren Aufgaben wie dem Abgleich von Kunden- und Lieferantenstämmen nach einer Fusion, nicht bei den kreativen Aufgaben. Echte Automatisierung entsteht erst, wenn ein Agent seine eigenen Ergebnisse kontrollieren kann.

Drei Grenzen bleiben jedoch auch unter der Best-in-Class-Anwendung von GenAI bestehen. Zumeist begrenzt die Datenqualität den Hebel. Das Problem ist selten, dass Daten falsch wären, sondern dass sie nicht maschinell nutzbar sind. Die Datenaufbereitung ist die eigentliche Ingenieursleistung.29 Außerdem erzwingt das Halluzinationsrisiko menschliche Validierung. Und selbst eine perfekt informierte Organisation braucht Zeit für Ausrichtung, Entscheidung und Veränderung. Generative KI verkürzt zwar die Analysephase, aber nicht die Veränderungsphase. Ein letzter Begrenzer liegt darin, KI nur an bestehende Prozesse zu koppeln, um sie zu beschleunigen. Dies hebt nur das inkrementelle Potenzial. Das strukturelle Potenzial, also einen grundlegend neu gedachten statt bloß einen schnelleren Prozess, erschließt nur der, der den Prozess neu konstruiert.

5. Integration by Design: getrennte Fahrpläne für Konzern und Mittelstand

Für OEMs und große Tier-1-Konzerne ergeben sich vier relevante Ansatzpunkte:

1. Ein Integrations-Stresstest in der Due Diligence, der fragt, wo der eigene Konzernapparat unter der Integration bricht

2. Ein Operating-Model-Fit als expliziter Bewertungsfaktor, denn eine Prämie auf Fähigkeiten, die von den Käuferstrukturen erstickt werden, schafft keinen Wert.

3. Eine Entkopplung als Option statt automatischer Vollintegration, wo Geschwindigkeit oder Kultur den Wert tragen

4. Ein realistisches Synergie-Phasing über 36 bis 60 Monate statt 12 bis 24

Für mittelständische Strategen hingegen gibt es folgende Ansatzpunkte:

1. Ein Ressourcen-Realitätscheck vor dem Letter of Intent

2. Eine Integration als eigenständiger Workstream mit eigenem Budget

3. Keine Quantensprung-Deals, sondern kleinere Tranchen

4. Eine extern budgetierte Integrationsunterstützung im Deal-Modell

GenAI-Capabilities gehören für beide Profile als fester Bestandteil in die Integrations-Toolchain, über das übliche Add-on in der Due Diligence hinaus. Die Datenqualität gehört frühestmöglich adressiert und die Integrationsthese sollte für jeden Deal individuell zugeschnitten werden. Denn die Integration eines Hardware-Tier-1 unterscheidet sich strukturell von der eines Software-Spezialisten.30 Eine Warnung verdient an dieser Stelle die verbreitete Erwartung, mit KI externe Partner aus Kostengründen zu ersetzen. Diese Partner halten oft kritisches Domänenwissen über Kernprozesse. KI ersetzt Arbeitskraft und nicht das Wissen, das über Jahre nach außen verlagert wurde.

6. Fazit und Ausblick

Die Distress-Welle bei Zulieferern wird sich 2026 eher verschärfen als entspannen31 und den Zwang zu schneller Synergierealisierung in einer Phase erhöhen, in der diese besonders schwierig ist. Die Software-defined-Vehicle-Transformation wird die Prämien für digital-affine Targets weiter treiben, und die Verbreitung von GenAI wird strukturelle Unterschiede zwischen Käufern mit und ohne diese Fähigkeit erzeugen. Für die beteiligten Akteursgruppen leiten sich unterschiedliche Implikationen ab. Für Investmentbanken, M&A-Advisor und die Corporate-Development-Teams der Käufer, die die Bewertung verantworten, sollte ein Operating-Model-Fit als eigenständiger Bewertungsfaktor eingeführt werden. PMI-Berater müssen GenAI-Capabilities zum Kernbestandteil ihrer Integrationsmethodik machen. Schlussendlich sollten Käufer eine Pre-Deal-Diagnostik der eigenen Integrationsfähigkeit zur Voraussetzung jeder Bid-Entscheidung machen.

Auch wenn die strategischen Rationale der Automotive-M&A-Welle 2025 und 2026 plausibel erscheinen, über Wertschöpfung oder Wertverlust entscheidet künftig noch stärker als bisher die operative Realisierung. Hier liegt zugleich aber auch die große Chance für die Automobilindustrie. Die Werkzeuge, um die diagnostische Tiefe in Wochen statt Monaten zu erschließen, sind erstmals in einer für die PMI relevanten Form verfügbar. Die Grenze der Technologie bleibt dabei, wie schon in der Vergangenheit, der Mensch. Über den Ausgang einer Integration entscheidet die Organisation, die das Werkzeug einsetzt, nicht das Werkzeug selbst. Wer beides früh zusammenbringt, baut sich einen Vorteil auf, der mit jedem Reifegrad der Methoden wächst.

GenAI wird auch in fünf Jahren nicht das Urteil und die Veränderungsarbeit zwischen Menschen ersetzen. Heute reden alle über Ersparnis; morgen ist GenAI die Baseline, kein Wettbewerbsvorteil mehr. Den Vorsprung holen die, die nicht nur die Technologie adaptieren, sondern ihre Organisation um sie herum neu aufstellen.

1 Bain & Company (2026): M&A in Automotive and Mobility. Global M&A Report 2026.

2 Falkensteg GmbH (2025): Automobilwoche: Zulieferer im Überlebenskampf.

3 EY (März 2026): Automobilstandort Deutschland – Branchenanalyse.

4 Christensen, C. M. et al. (2011), Harvard Business Review 89(3); Martin, R. L. (2016), Harvard Business Review, Juni 2016.

5 West, A., Rudnicki, J. (2020): A winning formula for deal synergies. McKinsey & Company.

6 Meglio, O., Risberg, A. (2011): The (mis)measurement of M&A performance. Scandinavian Journal of Management, Vol. 27, No. 4.

7 Haller, A., Farmer, B., Kumar, S. (2022): Bringing Science to the Art of Revenue Synergies. Bain Global M&A Report 2022.

8 Friedman, D. et al. (2022): Most Tech Deals Focus on Growth. Most Post-Merger Integrations Don‘t. BCG.

9 Feldman, E. R., Hernandez, E. (2022), Academy of Management Review 47(4); Oorschot, K. E. van et al. (2023), Global Strategy Journal 13(3).

10 Bain & Company (2026), a. a. O. (Fn. 1).

11 Autotech-Median-Multiples erreichten in H1 2024 mit 3,4x EV/Revenue ein Vier-Jahres-Hoch. Hampleton Partners (2024): Autotech & Mobility M&A Market Report, H1 2024.

12 McKinsey & Company (September 2016): Monetizing car data. Wertpool 450 bis 750 Mrd. USD bis 2030.

13 Aniasa & Bain & Company (2025): Press Release: Navigating Through the Fog – The Uncertain Future of Automotive.

14 McKinsey & Company (Januar 2023): Mapping the automotive software and electronics landscape through 2030.

15 BCG & World Economic Forum (September 2023): Rewriting the Rules of Software-Defined Vehicles.

16 Christofferson, S., McNish, R., Sias, D. (2004): Where mergers go wrong. McKinsey Quarterly.

17 Schaeffler AG: Pressemitteilungen vom 1.10.2024 und 5.11.2024; Geschäftsbericht 2024; Q1-2025-Mitteilung.

18 Schaeffler AG, a. a. O. (Fn. 17).

19 Friedman et al. (2022), a. a. O. (Fn. 8).

20 Apaydin, M. (2025): Optimizing implementation schedules for a successful post-merger integration (PMI). Journal of Business Strategy, Vol. 46, No. 1-2.

21 Markt und Mittelstand (August 2024): ZF verschärft das Sanierungstempo.

22 Schaeffler AG, a. a. O. (Fn. 17).

23 Haxer, J. et al. (2026): M&A Capability for a New Era. Bain Global M&A Report 2026.

24 Deloitte (2025): 2025 M&A Generative AI Study.

25 KPMG (2025/2026): Global M&A Outlook 2026. Deutschland-Auswertung.

26 Accenture (2026): The dawn of the agentic deal.

27 Haxer et al. (2026), a. a. O. (Fn. 23).

28 Haxer et al. (2026), a. a. O. (Fn. 23).

29 KPMG (2025/2026), a. a. O. (Fn. 25).

30 Bain & Company (2022): Diversified Industrials M&A Report 2022.

31 Falkensteg (2025/2026); EY (2026); Oliver Wyman (2026): Momentum in European M&A: Top 10 Deal Themes for 2026.