Jenseits der Longlist: Wie Live-Signale das Deal-Sourcing verändern

1. Einleitung: Die meisten Targets sind nicht unsichtbar

Im Deal-Sourcing ist nicht jedes unbekannte Unternehmen ein Problem. Häufiger liegt das Problem darin, ein bekanntes Unternehmen zum falschen Zeitpunkt anzusprechen.

Über Jahrzehnte folgte Origination einer vertrauten Logik. Ein Markt wurde definiert, Suchkriterien wurden festgelegt, Datenbanken durchsucht und daraus eine Longlist erstellt. Danach begann die eigentliche Arbeit: Unternehmen prüfen, priorisieren, Ansprechpartner finden und Beziehungen aufbauen. Dieser Prozess funktioniert weiterhin. Seine Schwäche liegt jedoch darin, dass eine Longlist zunächst nur eine Momentaufnahme ist.

Ein Unternehmen, das heute nicht verkaufsbereit ist, kann in zwölf Monaten ausgesprochen relevant sein. Ein anderes passt hervorragend zur Investmentthese, wird aber vielleicht noch zehn Jahre unabhängig bleiben. Ein drittes steht seit Jahren im Customer-Relationship-Management-System, kurz CRM-System. Dann wird erstmals ein externer Geschäftsführer eingesetzt, das Wachstum beschleunigt sich oder die Eigentümerstruktur verändert sich. Plötzlich lohnt sich ein Gespräch, das ein Jahr zuvor noch zu früh gewesen wäre.

Damit verändert sich eine der Grundfragen des Sourcings. Lange ging es vor allem darum, die richtigen Unternehmen zu finden. Inzwischen wird eine zweite Frage mindestens ebenso wichtig: Wann sollte ein grundsätzlich interessantes Unternehmen neu bewertet werden?

Das ist der Übergang von der Longlist zum Live-Signal. Er ist zugleich Teil einer größeren Entwicklung hin zu einer Signal-Economy. Informationen über Unternehmen sind heute in einer Breite verfügbar, die vor wenigen Jahren kaum vorstellbar war. Der Informationsvorsprung entsteht deshalb zunehmend nicht allein daraus, einen Datenpunkt zu besitzen, sondern seine Bedeutung zum richtigen Zeitpunkt zu erkennen.

2. Deal-Timing wird zur zweiten Dimension des Sourcings

Der europäische Private-Equity-Markt zeigt, warum diese Unterscheidung wichtiger wird. Im Jahr 2025 sank die Zahl der europäischen Private-Equity-Transaktionen laut PwC um 8% auf 3.881 Deals. Gleichzeitig stieg das Transaktionsvolumen um 28% auf 457,6 Mrd. EUR. Das noch nicht investierte Kapital lag mit 434,8 Mrd. EUR nahe seinem historischen Höchststand. 67% der von PwC befragten Partner und Managing Directors berichteten zudem von einem stärkeren Wettbewerb um attraktive Investments.¹

Kapital ist also vorhanden. Daten ebenfalls. Knapp ist der Zugang zu wirklich attraktiven Situationen. Die klassische Targetbewertung beantwortet recht gut, wie eng ein Unternehmen zu einer Strategie passt. Branche, Umsatz, Eigentümerstruktur, geografische Präsenz, Wachstum oder Profitabilität lassen sich erfassen und miteinander vergleichen. Was dabei leicht verloren geht, ist die zeitliche Dimension. Ein Unternehmen kann perfekt zur Investmentthese passen und trotzdem für Jahre das falsche Target sein. Umgekehrt kann ein Unternehmen, das seit Langem bekannt ist, durch wenige Veränderungen plötzlich weit oben auf der Prioritätenliste stehen.

Genau hier kommt Deal-Timing ins Spiel. Veränderungen im Management oder in der Eigentümerstruktur, neue Finanzierungen, Akquisitionen, Verkäufe, beschleunigtes Wachstum oder der Ausbau von Kapazitäten können Hinweise darauf sein, dass sich eine Situation bewegt. Bei Private-Equity-Beteiligungen kommt beispielsweise die Haltedauer hinzu. Bei Familienunternehmen können Professionalisierungsschritte im Management relevant sein. Kein einzelner Datenpunkt ist für sich genommen ein Verkaufsprozess. Entscheidend ist das Muster, das aus mehreren Veränderungen entsteht.

Die Longlist beantwortet damit weiterhin eine wichtige Frage: Welche Unternehmen passen grundsätzlich? Für moderne Origination reicht das allein jedoch nicht mehr. Hinzu kommt die Frage: Was hat sich verändert, seit wir dieses Unternehmen das letzte Mal angesehen haben?

3. Ein gutes Unternehmen wird nicht über Nacht interessant

Die im September 2026 abgeschlossene Übernahme von Akkim durch die Schweizer Sika zeigt diese Entwicklung anschaulich. Akkim ist ein schnell wachsender türkischer Hersteller von Kleb- und Dichtstoffen, der 2025 einen Umsatz von rund 220 Mio. CHF erzielte. Das Unternehmen verfügt über ein etabliertes Vertriebsnetz mit Schwerpunkten in Osteuropa, Zentralasien, dem Mittleren Osten und Nordafrika. Sika hob bei Abschluss der Transaktion neben der geografischen Reichweite auch die zusätzlichen Produktionskapazitäten und das Wachstumspotenzial hervor.²

Im Rückblick wirkt die industrielle Logik ausgesprochen schlüssig. Sika erhält zusätzliche Kapazitäten, Produkte und Zugang zu attraktiven Wachstumsregionen. Akkim ergänzt die bestehende Plattform. Das ist eine kleine Gemeinheit des M&A-Geschäfts: Ist ein guter Deal erst angekündigt, lässt sich seine Logik meist auf wenigen Präsentationsseiten überzeugend erklären. Schwieriger ist es, dieselbe Geschichte zu erkennen, bevor sie für den Markt offensichtlich geworden ist.

Akkim war nicht an einem bestimmten Morgen plötzlich ein interessantes Unternehmen. Wachstum, internationale Distribution, Familienbesitz und Investitionen in zusätzliche Kapazitäten entwickelten sich über Zeit. Für das Sourcing ist deshalb weniger die Frage spannend, ob Akkim grundsätzlich attraktiv war. Interessanter ist, wann sich genügend verändert hatte, um einen anderen Dialog zu rechtfertigen als zwölf Monate zuvor.

Genau dieses Problem findet sich in nahezu jedem gut gepflegten CRM-System. Dort liegen nicht nur schlechte Targets und gute Targets. Dort liegen vor allem viele Unternehmen, die grundsätzlich interessant sind, aber gerade keine Priorität haben. Wenn von hundert bekannten Unternehmen fünf eine materielle Veränderung zeigen, sollte ein gutes Sourcing-System genau diese fünf wieder nach oben holen.

An dieser Stelle werden Seller-Intent-Modelle interessant. Sie versuchen nicht, einen Unternehmensverkauf sicher vorherzusagen. Ihre Aufgabe ist probabilistischer: Veränderungen im Verhalten oder Umfeld eines Unternehmens sollen Hinweise darauf liefern, dass die Wahrscheinlichkeit einer Transaktionsbereitschaft steigt. Grata gibt beispielsweise an, dass sein Seller-Intent-Modell in einem Backtest 89% der 2025 abgeschlossenen Mid-Market- und Large-Cap-Transaktionen in EMEA bereits vor ihrer öffentlichen Bekanntgabe signalisiert habe. Die Signale treten häufig sechs bis zwölf Monate vor einer öffentlichen Transaktion auf. Gleichzeitig weist Grata ausdrücklich darauf hin, dass zahlreiche Unternehmen mit entsprechenden Signalen später nicht verkaufen.³

Gerade diese Einschränkung ist wichtig. Seller-Intent ist kein Orakel und ein Signal kein Deal. Ein gutes Signal liefert vielmehr einen Grund, erneut hinzusehen. Das verändert die Priorisierung. Statt hundert grundsätzlich attraktive Unternehmen in derselben Reihenfolge zu betrachten, lässt sich fragen, bei welchen davon sich die Wahrscheinlichkeit verändert hat, dass ein Gespräch heute sinnvoller ist als vor einem halben Jahr. Deal-Timing wird damit zu einer zusätzlichen Ebene neben der klassischen Frage, ob es ein passendes Unternehmen ist.

4. Der eigentliche Wert früher Signale ist Zeit

Diese Perspektive verändert auch die wirtschaftliche Diskussion über künstliche Intelligenz im M&A. Bislang wird ihr Nutzen häufig über Produktivität beschrieben. Eine Marktanalyse benötigt weniger Stunden, ein Unternehmensprofil entsteht schneller und ein Analyst kann mehr Unternehmen pro Woche prüfen. Das ist zweifellos hilfreich. Für Origination könnte der größere Hebel aber an einer anderen Stelle liegen.

Ein einfaches Gedankenexperiment macht den Unterschied deutlich. Spart ein System bei zwanzig Unternehmensprofilen jeweils dreißig Minuten, gewinnt das Team zehn Arbeitsstunden. Erkennt dasselbe System ein später attraktives Target sechs Monate früher, entsteht eine andere Art von Vorteil. In dieser Zeit kann ein Investment Professional den Unternehmer kennenlernen, die strategische Logik diskutieren, Beziehungen zum Management oder zu Beratern aufbauen und die eigene Investmentthese schärfen.

Der zweite Effekt ist schwieriger in einer Produktivitätskennzahl abzubilden. Für einen Private-Equity-Fonds, eine Investmentbank oder einen strategischen Käufer kann er dennoch erheblich wertvoller sein: Im Deal-Sourcing ist Zeit nicht nur Effizienz. Zeit ist Positionierung.

Für einen Fonds kann ein früherer Kontakt bedeuten, einen Eigentümer bereits zu kennen, wenn später ein strukturierter Prozess beginnt. Für einen M&A-Berater kann eine Beziehung lange vor einem konkreten Mandat entstehen. Ein Corporate-Development-Team kann strategische und kulturelle Fragen klären, bevor Zeitdruck und Wettbewerb einsetzen. Natürlich führt ein früher Kontakt nicht automatisch zu einem Deal. Er schafft aber Optionen.

Das verschiebt auch die Bewertung des Erfolgs der künstlichen Intelligenz. Die spannendste Frage lautet nicht, wie viele Analystenstunden ein System einspart. Interessanter ist, ob es ein Dealteam häufiger und früher zum richtigen Gespräch bringt.

Der größte Nutzen von künstlicher Intelligenz im Sourcing könnte deshalb weniger darin liegen, Research billiger zu machen, als darin, früher am Tisch zu sitzen.

5. Vom Suchfeld zum Agenten

Technologisch wird dieser Gedanke interessant, wenn aus einer einmaligen Suche ein kontinuierlicher Prozess wird. Bei einer klassischen Datenbank beginnt die Arbeit, wenn ein Mensch die Plattform öffnet, Filter auswählt und eine Abfrage startet. Das System wartet auf eine Frage. Ein agentisches System kann eine definierte Aufgabe dagegen fortlaufend bearbeiten und Veränderungen melden, ohne dass ein Analyst dieselbe Suche regelmäßig von Hand wiederholen muss.

Damit ein solcher Agent in professionellen Deal-Workflows sinnvoll arbeiten kann, braucht er allerdings Zugang zu belastbaren Daten. Ein großes Sprachmodell kann öffentliche Websites, Nachrichten und andere frei verfügbare Informationen verarbeiten. Private Unternehmen sind dort jedoch häufig nur unvollständig abgebildet. Eigentümerstrukturen, Finanzdaten, Kontakte oder Transaktionsinformationen liegen zudem oft in spezialisierten Datenquellen oder internen Systemen.

Eine technische Möglichkeit, diese Welten miteinander zu verbinden, ist das Model Context Protocol, kurz MCP. Vereinfacht gesagt handelt es sich um einen standardisierten Weg, über den ein KI-System auf externe Datenquellen und Werkzeuge zugreifen kann. Statt Informationen manuell aus einer Datenbank in ein Sprachmodell zu übertragen, kann ein autorisiertes System eine angeschlossene Quelle direkt abfragen und deren Informationen in einen Arbeitsablauf einbeziehen.

Grata hat 2026 beispielsweise einen eigenen MCP-Server eingeführt. Private-Market-Informationen können dadurch in unterstützten KI-Umgebungen unter anderem für Target-Identification, Market-Mapping, Deal-Screening und BuyerLists genutzt werden. Der interessante Punkt ist weniger die einzelne Schnittstelle als das Betriebsmodell dahinter. Unternehmensdaten, interne Investmentkriterien, bestehende Beziehungen und aktuelle Signale können zunehmend in demselben Arbeitsablauf zusammengeführt werden.

Ein klassischer Arbeitsauftrag könnte lauten: „Erstelle eine aktuelle Liste relevanter Anbieter für Product-Lifecycle-Management in Mittel- und Westeuropa.“ Ein agentischer Auftrag wäre dynamischer: „Beobachte unser definiertes Universum europäischer Anbieter. Melde relevante Veränderungen in Eigentum, Management, Wachstum oder M&A-Aktivität. Berücksichtige bestehende Beziehungen aus unserem CRM-System und priorisiere Unternehmen, deren Deal-Relevanz sich materiell verändert hat.“

Der Unterschied liegt nicht darin, dass mehr Namen produziert werden. Im Idealfall passiert das Gegenteil: Ein guter Agent sollte die Liste kürzer machen.

Wie wertvoll das sein kann, zeigt die Übernahme des ungarischen Product-Lifecycle-Management-Spezialisten EuroSolid durch Bechtle im Januar 2026. EuroSolid beschäftigte lediglich 31 Mitarbeiter und erzielte im vorherigen Geschäftsjahr 3,5 Mio. EUR Umsatz. Gleichzeitig war das Unternehmen der größte ungarische Partner von Dassault Systèmes SOLIDWORKS, betreute mehr als 1.000 Kunden und ergänzte Bechtles europäische Aktivitäten so, dass der Konzern anschließend in neun europäischen Märkten mit Product-Lifecycle-Management-Lösungen vertreten war. Die beiden geschäftsführenden Gesellschafter blieben im Unternehmen.⁴

In einem Datenuniversum mit Millionen Firmen ist ein Unternehmen mit 3,5 Mio. EUR Umsatz leicht zu übersehen. Strategisch kann es trotzdem ausgesprochen relevant sein. Eine Suche nach „IT-Unternehmen in Ungarn“ liefert zu viel. Eine Rangliste nach Umsatz liefert wahrscheinlich die falschen Kandidaten. Die bessere Frage lautet, welche inhabergeführten Spezialisten in Regionen außerhalb der klassischen Schwerpunkte eine führende Marktposition, relevante Herstellerbeziehungen und Kompetenzen besitzen, die eine bestehende Plattform ergänzen.

Gerade im Buy-and-Build-Sourcing liegt darin ein erheblicher Unterschied. Der attraktivste nächste Add-on steht selten zufällig ganz oben in einer Umsatzrangliste.

6. Mehr Markt mit demselben Team

Die Herausforderung wird größer, weil sich nicht nur die Zahl potenzieller Targets erhöht. Auch das geografische Sichtfeld vieler DACH-Unternehmen erweitert sich.

Zentral- und Osteuropa verzeichnete 2025 laut CMS und EMIS 1.568 M&A-Transaktionen. Das waren 22,4% mehr als im Vorjahr und ein neuer Höchststand. Der veröffentlichte Dealwert stieg um 42,5% auf 36,64 Mrd. EUR. Rund 61% der Transaktionen waren grenzüberschreitend. Deutschland gehörte nach Anzahl der Transaktionen zu den drei aktivsten ausländischen Investoren, während Österreich nach Dealwert an erster Stelle lag.⁵

Ein besonders sichtbares Beispiel dafür ist die Erste Group. Im Januar 2026 schloss die Wiener Bank den Erwerb eines beherrschenden 49%-Anteils an Santander Bank Polska sowie eines 50%-Anteils an Santander TFI ab. Der Kaufpreis für beide Beteiligungen betrug insgesamt rund 7 Mrd. EUR. Für die Erste Group bedeutete die Transaktion den Eintritt in einen der wachstumsstärksten Bankenmärkte Europas.⁶

Natürlich ist eine 7-Mrd.-EUR-Banktransaktion etwas anderes als das tägliche Sourcing eines Mid-Market-Fonds. Die Beispiele von Erste, Sika und Bechtle zeigen jedoch dieselbe organisatorische Entwicklung aus unterschiedlichen Perspektiven: Das wirtschaftlich relevante Sichtfeld von DACH-Unternehmen endet immer seltener an den Grenzen des Heimatmarktes.

Damit stellt sich für Origination-Teams eine sehr praktische Frage: Wie viel Markt kann ein Team tatsächlich beobachten?

Ein Fonds kann nicht für jedes zusätzliche Land weitere Analysten einstellen. Eine Investmentbank kann nicht jede Woche sämtliche europäischen Mittelständler neu prüfen. Ein Corporate-Development-Team kann nicht jeden potenziellen Add-on-Kandidaten persönlich verfolgen. Je größer das relevante Unternehmensuniversum wird, desto wichtiger wird deshalb die Fähigkeit, Veränderungen automatisch zu beobachten und menschliche Aufmerksamkeit gezielt einzusetzen.

Künstliche Intelligenz kann dieses Sichtfeld erweitern. Sie macht einen entfernten Markt dadurch allerdings nicht automatisch vertraut. Sprache, Regulierung, lokale Eigentümerstrukturen und Geschäftskultur bleiben relevant. Gerade bei einem Schritt von DACH über Zentral- und Osteuropa in Richtung Türkei, Mittlerer Osten oder Zentralasien nimmt die Bedeutung lokaler Expertise eher zu als ab.

KI kann das Sichtfeld vergrößern. Sie verkürzt nicht automatisch die kulturelle Distanz. Die sinnvolle Arbeitsteilung liegt deshalb nicht darin, lokale Berater oder erfahrene Deal-Professionals durch Technologie zu ersetzen. Technologie kann vielmehr früher zeigen, wo deren Zeit und Expertise gebraucht werden.

7. Zusammenfassung: Die richtige Firma zum richtigen Zeitpunkt

Damit führt die technologische Entwicklung im Deal-Sourcing zu einem interessanten Paradox. Je mehr Research automatisiert werden kann, desto wichtiger wird der Teil des M&A-Geschäfts, der sich nur schwer automatisieren lässt.

Ein Modell kann erkennen, dass ein Unternehmen erstmals einen externen Geschäftsführer berufen hat. Es kann Veränderungen bei Wachstum, Eigentum oder M&A-Aktivität beobachten und zusätzliche Seller-Intent-Signale berücksichtigen. Was es nicht zuverlässig beurteilen kann, ist die Absicht hinter diesen Veränderungen. Ein Unternehmer kann einen externen Geschäftsführer einstellen, um einen Verkauf vorzubereiten. Er kann denselben Schritt gehen, weil er das Unternehmen gerade nicht verkaufen, sondern langfristig in der Familie halten möchte. Der Datenpunkt ist derselbe. Die Geschichte dahinter ist eine andere.

Hier bleibt M&A ein Menschengeschäft. Gute Berater und Investoren entwickeln über Jahre ein Gespür dafür, wann ein Eigentümer tatsächlich offen für ein Gespräch ist, welcher Käufer kulturell passen könnte, ob der Preis wirklich die entscheidende Frage darstellt und wann es besser ist, noch nicht anzurufen. Technologie macht diese Fähigkeiten nicht überflüssig. Sie kann helfen, sie auf die Situationen zu konzentrieren, in denen sie den größten Unterschied machen.

Die Longlist wird deshalb nicht verschwinden. Sie beantwortet weiterhin, welche Unternehmen grundsätzlich zu einer Strategie passen. Live-Signale ergänzen eine zweite Dimension und zeigen, wo sich etwas verändert. MCP und andere Schnittstellen können Private-Market-Daten in KI-gestützte Arbeitsabläufe einbinden. Agentische Systeme können definierte Unternehmensuniversen kontinuierlich beobachten. Am Ende muss jedoch ein Mensch entscheiden, ob aus einem Signal ein Gespräch werden sollte.

Darin liegt die eigentliche Bedeutung von Deal-Timing in der Signal-Economy. Der wirtschaftliche Nutzen entsteht nicht nur aus weniger Research-Aufwand. Ein Team kann mehr Unternehmen beobachten, Veränderungen früher erkennen und seine knappe Aufmerksamkeit gezielter einsetzen. Im besten Fall gewinnt es dadurch Zeit, bevor aus einer interessanten Situation ein allgemein sichtbarer Prozess wird.

Die nächste Generation des Deal-Sourcings wird deshalb nicht dadurch gewinnen, dass sie die längste Longlist besitzt. Sie wird gewinnen, wenn sie früher erkennt, wann sie einen bekannten Namen auf dieser Liste plötzlich anders lesen muss. Denn am Ende geht es nicht nur darum, die richtige Firma zu finden. Es geht darum, sie zum richtigen Zeitpunkt wiederzufinden.

Quellen

1. Vgl. PwC: Private Equity Trend Report 2026, PwC Deutschland, Düsseldorf, 2026: www.pwc.de/de/private-equity/private-equity-trend-report.html (zuletzt abgerufen am 20.09.2026).

2. Vgl. Sika AG: Sika to acquire Akkim: Marking a major step in accelerating global expansion in adhesives and sealants, Medienmitteilung vom 13.02.2026: www.sika.com/en/media/media-releases/2026/sika-to-acquire-akkim.html (zuletzt abgerufen am 20.09.2026); Sika AG: Sika closes acquisition of Akkim – Accelerating global expansion in adhesives and sealants, Medienmitteilung vom 03.09.2026: www.sika.com/en/media/media-releases/2026/sika-closes-acquisition-of-akkim.html (zuletzt abgerufen am 20.09.2026).

3. Vgl. Grata: Seller Intent Data for Private Market Deals, Grata, 2026: https://grata.com/features/seller-intent

4. Vgl. Bechtle AG: Bechtle akquiriert PLM-Spezialisten EuroSolid in Ungarn, Pressemitteilung vom 13.01.2026: www.bechtle.com/ueber-bechtle/presse/pressemeldungen/2026/bechtle-akquiriert-plm-spezialisten-eurosolid-in-ungarn (zuletzt abgerufen am 20.09.2026).

5. Vgl. CMS/EMIS: Emerging Europe M&A Report 2025/26, CMS/EMIS, 2026: https://cms.law/en/int/publication/emerging-europe-m-a-report-2025-2026/transaction-trends-cee-dealmaking (zuletzt abgerufen am 20.09.2026).

6. Vgl. Erste Group Bank AG: Erste Group schließt Erwerb von beherrschendem 49%-Anteil an Santander Bank Polska erfolgreich ab, Investoreninformation vom 09.01.2026: www.erstegroup.com/de/investoren/news/investoreninformation/2026/01/09/irnews260109 (zuletzt abgerufen am 20.09.2026).