News & Meldungen

Datenqualität: Warum Zahlen im Verkaufsprozess nicht nur stimmen, sondern auch erklärbar sein müssen 

Viele Transaktionen scheitern nicht an der Strategie, nicht an den Wettbewerbsvorteilen – sondern daran, dass Zahlen zwar richtig, aber nicht investorentauglich aufbereitet sind. 

Es ist kurz nach dem Mittagessen. Der Datenraum wurde vor drei Tagen geöffnet. Das Managementteam sitzt zusammen und wartet auf die ersten Fragen der Investoren. 

Die erste Frage kommt per E-Mail: „Können Sie die Umsatzentwicklung der letzten drei Jahre bitte nach Produktgruppe und Region aufschlüsseln – konsistent mit dem Jahresabschluss?“ 

Der CFO schaut seinen Controller an. Der Controller öffnet drei verschiedene Excel-Dateien. Dann sagt er: „Das braucht etwas Zeit.“ 

Das ist der Moment, in dem Vertrauen verloren geht. Nicht weil die Zahlen falsch wären. Sondern weil sie nicht bereit sind. 

Investoren treffen ihre Entscheidungen nicht auf Basis von Präsentationen – sondern auf Basis überprüfbarer Daten. Und sie merken sofort, ob ein Unternehmen seine eigenen Zahlen wirklich beherrscht oder ob es sie erst für den Verkaufsprozess zusammensucht. 

Warum Datenaufbereitung zur Engpassstelle wird 

In vielen Transaktionen liegt das eigentliche Problem nicht in der Richtigkeit der Zahlen – sondern in ihrer Aufbereitung. Unternehmen arbeiten intern mit verschiedenen Systemen: ERP-Systeme, CRM-Datenbanken, Planungstools, individuelle Controlling-Auswertungen, dazu Excel-Analysen in einzelnen Geschäftsbereichen. 

Im operativen Alltag funktioniert diese Parallelität oft gut. Im Verkaufsprozess müssen dieselben Informationen erstmals konsistent zusammengeführt werden. Kennzahlen müssen harmonisiert, historische Datenreihen rekonstruiert, Detailanalysen aus unterschiedlichen Quellen zusammengeführt werden. 

Ein klassisches Beispiel: Umsatz und Ergebnis auf Konzernebene – das kriegen die meisten Unternehmen noch hin. Aber die verursachungsgerechte Zuordnung von Kosten auf einzelne Produktgruppen oder Servicebereiche? Das hakt in der Praxis häufig. Und genau das ist die Ebene, auf der Investoren analysieren. 

Gerade wenn operative Daten nicht unmittelbar abrufbar sind, entsteht zusätzlicher Aufwand – häufig genau zu dem Zeitpunkt, an dem der Prozess Fahrt aufgenommen hat und Investoren schnelle Antworten erwarten. 

Wie Investoren die Datenbasis wirklich prüfen 

Sobald Investoren Zugriff auf den Datenraum erhalten, beginnt ein Prüfprozess, der weit über die bloße Sichtung von Finanzberichten hinausgeht. Ziel ist es nicht nur zu prüfen, ob Zahlen formal korrekt sind – sondern zu verstehen, welche Faktoren die wirtschaftliche Entwicklung Ihres Unternehmens tatsächlich bestimmen. 

Dabei arbeiten Investoren in typischen Schichten: Zunächst wird rekonstruiert, wodurch Wachstum tatsächlich entstanden ist – organisch oder durch externe Faktoren? Dann wird die Profitabilität analysiert: Welche Faktoren treiben die Margen wirklich? Sind Skaleneffekte erkennbar – oder ist das Kostenmodell fix? 

Ein weiterer zentraler Prüfpunkt ist die Konsistenz der Planungsannahmen. Investoren vergleichen Business-Case-Prognosen systematisch mit historischen Entwicklungen: Wie oft hat das Management seine eigenen Planzahlen getroffen? Wie werden Abweichungen erklärt? Das gibt Aufschluss über die Qualität des Managements – nicht nur über die Zahlen selbst. 

Parallel dazu werden Bilanzstruktur, Working Capital, Finanzierungssituation und die finanzielle Resilienz des Unternehmens geprüft. Erst dann erfolgt der Abgleich mit externen Markt- und Peer-Daten. 

Praxisbeispiel: Wenn eine überdurchschnittliche Marge Erklärungsbedarf erzeugt 

Ein Industrieunternehmen präsentiert eine EBITDA-Marge von zwölf Prozent – während vergleichbare Wettbewerber acht bis zehn Prozent erreichen. Aus Sicht des Unternehmens ein klarer Beweis für operative Stärke. 

Für Investoren entsteht eine andere Frage: Warum ist die Marge höher als im Markt? Ist das strukturell – oder auf temporäre Faktoren zurückzuführen? Wurde in Vorjahren weniger investiert? Gibt es stille Risiken in der Kostenbasis? 

Wer eine schlüssige, belegte Erklärung liefern kann, stärkt seine Investmentthese. Wer keine hat, erzeugt genau das, was Investoren zögern lässt: Unsicherheit. 

Granularität: Warum der Total Addressable Market allein nicht reicht 

Marktanalysen beschränken sich in Verkaufspräsentationen häufig auf die Darstellung des Total Addressable Market (TAM). Für Investoren ist diese Kennzahl jedoch nur ein Ausgangspunkt. 

Entscheidend ist, welcher Teil dieses Marktes tatsächlich erreichbar ist – der Serviceable Addressable Market. Und welcher Marktanteil davon realistisch gewonnen werden kann – der Serviceable Obtainable Market. Ohne diese Differenzierung wirken Marktdaten in der Due Diligence schnell wie Dekoration statt wie belastbare Planungsgrundlage. 

Konsequenzen im Transaktionsprozess 

Wenn Daten nicht unmittelbar verfügbar sind oder Kennzahlen erst während der Due Diligence aufbereitet werden müssen, hat das direkte Auswirkungen auf den Prozess. Die Due Diligence dauert länger, die Zahl der Rückfragen steigt, und das Momentum – das in einem Transaktionsprozess erhebliche Bedeutung hat – geht verloren. 

Darüber hinaus beeinflusst Datenqualität auch die Vertragsstruktur. Wenn Investoren Zweifel an der Belastbarkeit bestimmter Informationen haben, verlangen sie häufig zusätzliche Garantien im Kaufvertrag – was das Haftungsrisiko für Sie als Verkäufer direkt erhöht. 

Fazit 

Im M&A-Prozess entscheidet nicht nur die strategische Positionierung über den Transaktionserfolg, sondern auch die Qualität Ihrer Datenbasis. Datenqualität ist kein technisches Thema. Sie ist eine Vertrauensfrage. 

Wer seine Zahlen konsistent definiert, nachvollziehbar aufbereitet und im Marktvergleich erklären kann, schafft die Grundlage, auf der Investoren Vertrauen aufbauen. Wer das nicht kann, verliert dieses Vertrauen – und zahlt dafür in Bewertung, Prozessgeschwindigkeit und Dealstruktur. 

Sind Ihre Zahlen investorentauglich – oder nur richtig? 

Der Unterschied zwischen korrekten und investorentauglichen Zahlen entscheidet über Vertrauen, Prozesstempo und Dealstruktur. Die Frage ist, ob Sie diesen Unterschied kennen, bevor der Datenraum öffnet. 

Der Exit Readiness Radar prüft in den Prüffeldern Finanzen und Planung & Steuerung, wie belastbar Ihre Datenbasis tatsächlich ist: Sind Kennzahlen konsistent definiert? Lässt sich die Umsatz- und Margenentwicklung granular