Firm Valuation When AI Shapes the Business Model: A Milestone-Based Real-Options Framework for the AI Valuation Uncertainty Problem

Die Bewertung eines Unternehmens ist traditionell eine Angelegenheit, bei der man in die Vergangenheit blickt, um die Zukunft vorherzusagen. Wenn ein Unternehmen eine lange Geschichte des Verkaufens von Produkten, des Bezahlens von Rechnungen und des Erwirtschaftens von Gewinnen hat, können Experten diese Zahlen nutzen, um zu schätzen, was das Unternehmen morgen wert sein wird. Sie berechnen das Geld, das das Unternehmen in den kommenden Jahren voraussichtlich verdienen wird, und passen diese Zahl an, um das Risiko zu berücksichtigen, dass Dinge schiefgehen könnten. Diese Methode funktioniert gut für stabile Unternehmen, wie etwa eine Bäckerei, die seit zwanzig Jahren besteht, oder eine Fabrik, die seit Jahrzehnten reibungslos läuft. Die Regeln ändern sich jedoch völlig, wenn ein Unternehmen um künstliche Intelligenz herum aufgebaut ist. Diese Firmen verfügen oft über keine Gewinnhistorie, ihre Geschäftsmodelle werden in Echtzeit umgeschrieben, und ihr Wert hängt vollständig davon ab, ob sie es schaffen, eine Reihe schwieriger zukünftiger Ziele zu erreichen. Wenn ein Unternehmen versucht, etwas zu bauen, das es so noch nie gegeben hat, versagen die alten Werkzeuge zur Messung des Wertes oft, weil sie die spezifischen Risiken und Chancen, die in dem Plan verborgen liegen, nicht sehen können.

Eine neue Studie des Swissi Institute for AI und der University of Applied Sciences Nürtingen-Geislingen schlägt einen anderen Weg vor, um diese Unternehmen zu betrachten. Die Forscher argumentieren, dass Standardmethoden bei der Anwendung auf künstliche Intelligenz zu vage sind, da sie alle komplexen Unsicherheiten in eine einzige, undurchsichtige Zahl pressen. Anstatt eine allgemeine Wachstumsrate zu raten, entwickelte das Team ein strukturiertes Protokoll, das den Wert eines Unternehmens in eine Reihe spezifischer, überprüfbarer Schritte zerlegt. Sie behandeln den Weg der Integration künstlicher Intelligenz nicht als glatte Linie, sondern als einen Pfad mit Toren. An jedem Tor muss das Unternehmen beweisen, dass es etwas Spezifisches leisten kann – wie etwa ein neues Softwaresystem zum Laufen zu bringen, eine regulatorische Prüfung zu bestehen oder seinen ersten zahlenden Kunden zu finden. Wenn das Unternehmen das Tor passiert, schreitet es voran und sein Wert steigt. Wenn es scheitert, endet der Pfad und der potenzielle Wert verschwindet. Durch die Kartierung dieser Tore und die Zuweisung einer realistischen Erfolgswahrscheinlichkeit für jedes einzelne Tor schufen die Forscher eine Möglichkeit, genau zu sehen, woher der Wert kommt und wo das Risiko liegt.

Der Kern dieses neuen Ansatzes ist eine einfache, aber kraftvolle Idee: Nicht alle Unternehmen, die künstliche Intelligenz nutzen, sind gleich. Die Forscher entwickelten ein Klassifizierungssystem, das Firmen in zwei Hauptgruppen unterteilt. Die erste Gruppe besteht aus Unternehmen, die künstliche Intelligenz als Werkzeug nutzen, um ihre bestehende Arbeit zu verbessern, wie etwa eine Bank, die ein Computerprogramm nutzt, um Kreditwürdigkeiten schneller zu prüfen. Die zweite Gruppe besteht aus Unternehmen, deren gesamtes Produkt die künstliche Intelligenz selbst ist, wie etwa eine Firma, die eine neue Art von intelligenter Software entwickelt, um diese an andere zu verkaufen. Innerhalb der ersten Gruppe unterteilten die Forscher die Unternehmen weiter danach, wie tief sie die Technologie integriert haben. Einige nutzen sie nur ein wenig, wie etwa das Hinzufügen eines Chatbots zu einer Website, während andere ihre gesamten Abläufe darum herum neu aufgebaut haben. Die Studie fand heraus, dass je tiefer die Integration ist, desto mehr hängt der Wert des Unternehmens von zukünftigen Möglichkeiten statt von gegenwärtigen Gewinnen ab. Ein Unternehmen, das nur die Zehenspitzen in die künstliche Intelligenz getaucht hat, hat einen vorhersehbaren Wert basierend auf seinen aktuellen Verkäufen. Aber ein Unternehmen, das sein gesamtes Geschäft um die Technologie herum neu aufgebaut hat, ist im Wesentlichen eine Sammlung zukünftiger Optionen, bei denen der wahre Wert in dem liegt, was es als Nächstes tun könnte.

Um zu ermitteln, wie wahrscheinlich es ist, dass ein Unternehmen einen Schritt erfolgreich vollzieht, führten die Forscher eine Methode ein, die Raten durch ein strukturiertes Gespräch unter Experten ersetzt. Sie baten ein Gremium von Personen, darunter die Führungskräfte des Unternehmens selbst sowie externe Spezialisten, verschiedene Faktoren, die den Erfolg bestimmen, miteinander zu vergleichen. Zu diesen Faktoren gehörten die Frage, ob die Technologie tatsächlich funktioniert, ob das Unternehmen die richtigen Leute hat, um sie zu betreiben, und ob die staatlichen Regulierungen den Fortgang zulassen. Indem diese Experten die Faktoren paarweise miteinander verglichen, generiert das System einen Score, der widerspiegelt, wie bereit das Unternehmen ist, die nächste Stufe zu erreichen. Dieser Score wird dann gegen Realwelt-Daten aus ähnlichen Technologieprojekten kalibriert, um ihn in eine spezifische Wahrscheinlichkeit zu verwandeln. Dieser Prozess stellt sicher, dass die endgültige Bewertung nicht nur eine einzelne Meinung ist, sondern eine transparente Berechnung, bei der jede Zahl auf eine spezifische Annahme zurückverfolgt werden kann. Wenn zwei Experten über den Wert eines Unternehmens uneins sind, können sie nun genau den Punkt identifizieren, an dem ihre Meinungen auseinandergehen: Liegt es an der Chance, einen bestimmten Test zu bestehen, oder an der Menge des Geldes, die dieser Test generieren wird?

Die Forscher testeten ihr neues Framework an einem echten Schweizer Startup, das Software zur Verwaltung von Energieportfolios entwickelt. Dieses Unternehmen, das sein KI-Produkt direkt an Kunden verkauft, befand sich zum Zeitpunkt der Studie noch in einem frühen Entwicklungsstadium ohne Umsatzhistorie. Mit den alten Methoden hätte die Bewertung eines solchen Unternehmens eine große, unerklärte Schätzung über seine Zukunft erfordert. Unter Verwendung des neuen Frameworks kartierten die Forscher vier wichtige Meilensteine, die das Unternehmen in den nächsten zwei Jahren erreichen musste. Diese Meilensteine umfassten die Stabilisierung des Systems für erste Tests, die Sicherung bezahlter Pilotkunden, die Generierung der ersten wiederkehrenden Umsätze und schließlich den Beweis, dass es das Produkt vielen Kunden gleichzeitig verkaufen kann. Durch die Berechnung des Wertes jedes Schritts und der Wahrscheinlichkeit, diesen zu erreichen, kamen sie zu einem Gesamtwert des Unternehmens von 100 Millionen Schweizer Franken. Diese Zahl stimmte mit der eigenen internen Schätzung des Unternehmens überein, aber die neue Methode offenbarte etwas Entscheidendes: Mehr als die Hälfte dieses Wertes hing vollständig vom letzten Meilenstein ab, welcher am schwierigsten zu erreichen war.

Dieses Ergebnis verdeutlicht einen bedeutenden Wandel in der Art und Weise, wie Risiko im Sektor der künstlichen Intelligenz verstanden wird. Die Studie zeigt, dass für Unternehmen, die ihre eigene künstliche Intelligenz verkaufen, das Risiko nicht gleichmäßig über den Weg verteilt ist. Stattdessen konzentriert sich das Risiko stark in den späteren Phasen. Die frühen Schritte, wie etwa der Bau eines funktionierenden Prototyps, sind relativ sicher und wahrscheinlich erfolgreich. Aber die späteren Schritte, die den Beweis erfordern, dass der Markt das Produkt wirklich will und dass das Unternehmen skalieren kann, bergen die größte Unsicherheit. Das Framework macht dies deutlich, indem es zeigt, dass bei Scheitern des letzten Meilensteins das Unternehmen etwa die Hälfte seines Gesamtwerts verliert. Dies unterscheidet sich von traditionellen Unternehmen, in denen das Risiko oft gleichmäßiger verteilt ist. Die neue Methode berücksichtigt auch die Kosten, die andere Bewertungsinstrumente oft verbergen. Sie trennt das Geld, das in den Aufbau der Technologie fließt, von dem Geld, das für die Einhaltung von Gesetzen und Vorschriften ausgegeben wird, und stellt sicher, dass diese Kosten klar gezählt werden, anstatt in einer allgemeinen Schätzung unterzugehen.

Die Studie befasst sich auch mit einem häufigen Problem in der Finanzberichterstattung von Unternehmen. In vielen europäischen Ländern schreiben die Rechnungslegungsvorschriften vor, dass Geld, das in die Entwicklung neuer Technologien fließt, als Aufwand behandelt werden muss, was das Unternehmen auf dem Papier wie ein Verlustgeschäft aussehen lässt. In anderen Regionen können Unternehmen diese Ausgaben als Vermögenswert verbuchen, was sie wertvoller erscheinen lässt. Diese Unterschiede in den Rechnungslegungsregeln können dazu führen, dass zwei identische Unternehmen gegenüber Investoren völlig unterschiedlich wirken. Das neue Framework umgeht diese Verwirrung, indem es die tatsächliche wirtschaftliche Realität des Unternehmens betrachtet, anstatt auf die buchhalterischen Bezeichnungen zu schauen. Es behandelt das Geld, das in die Entwicklung fließt, als reale Kosten, unabhängig davon, wie es in den Büchern verbucht wird, was einen fairen Vergleich zwischen Unternehmen in verschiedenen Ländern oder unter verschiedenen Regeln ermöglicht. Dieser Ansatz stellt sicher, dass die Bewertung das wahre Potenzial des Unternehmens widerspiegelt und nicht nur die Art und Weise, wie es in einem Hauptbuch vermerkt ist.

Obwohl die Studie einen klaren und logischen Weg zur Bewertung dieser Unternehmen aufzeigt, merkt die Autorengruppe vorsichtig an, dass dies eine Demonstration einer neuen Methode ist und kein endgültiger Beweis für deren Perfektion. Sie testeten das Framework an einem einzigen Unternehmen mit sehr klaren Informationen, was die Anwendung der Methode erleichtert. Sie räumen ein, dass reale Situationen unordentlicher sein können, etwa bei Unternehmen mit gemischten Ebenen der Technologieintegration oder weniger klaren Daten. Die Forscher schlagen vor, dass der nächste Schritt darin besteht, diese Methode an vielen verschiedenen Unternehmen zu testen, um zu sehen, ob sie in der Praxis ebenso gut funktioniert wie in der Theorie. Sie weisen auch darauf hin, dass sich die Regeln für künstliche Intelligenz schnell ändern und das Framework angepasst werden muss, wenn neue Gesetze verabschiedet werden. Der Kern der Idee bleibt jedoch solide: Indem wir die komplexe Reise der künstlichen Intelligenz in kleinere, messbare Schritte zerlegen, können wir aufhören zu raten und anfangen zu verstehen, was genau den Wert dieser modernen Unternehmen antreibt.

Die Auswirkungen dieser Arbeit gehen über das bloße Berechnen einer Zahl hinaus. Sie verändern den Dialog zwischen Investoren und Gründern. Anstatt über eine einzige, vage Zahl zu streiten, können sie nun die spezifischen Schritte diskutieren, die ein Unternehmen unternehmen muss, um erfolgreich zu sein. Wenn ein Investor glaubt, ein Unternehmen sei zu riskant, kann er auf einen spezifischen Meilenstein hinweisen, von dem er glaubt, dass er unwahrscheinlich erreicht wird. Wenn ein Gründer glaubt, dass sein Unternehmen unterbewertet ist, kann er zeigen, wie solide sein Plan, das nächste Tor zu erreichen, tatsächlich ist. Diese Transparenz hilft beiden Seiten, die wahre Natur des Risikos und der Chance zu verstehen. Es hilft auch Regulierungsbehörden und politischen Entscheidungsträgern zu sehen, wo die eigentlichen Engpässe liegen. Durch die Identifizierung der schwierigsten Schritte und der Punkte, an denen der meiste Wert geschaffen wird, kann das Framework Entscheidungen darüber leiten, wohin Ressourcen investiert und wie das Wachstum dieser neuen Technologien unterstützt werden sollte.

Letztlich bietet diese Forschung einen Weg, Klarheit in ein Feld zu bringen, das oft von Geheimnissen umschlossen war. Seit Jahrzehnten ist die Bewertung eines Unternehmens eine Mischung aus Kunst und Wissenschaft, die auf Erfahrung und Intuition beruht. Mit dem Aufstieg der künstlichen Intelligenz reicht die alte Intuition nicht mehr aus, weil sich die Regeln des Spiels geändert haben. Das neue Framework bietet eine Karte zur Navigation in diesem neuen Terrain. Es verspricht nicht, die Zukunft mit Sicherheit vorherzusagen, aber es verspricht, die Unsicherheiten sichtbar zu machen. Indem es genau aufzeigt, wo die Risiken liegen und was es erfordert, um sie zu überwinden, ermöglicht es allen Beteiligten, bessere Entscheidungen zu treffen. Ob Sie nun ein Investor sind, der nach dem nächsten großen Ding sucht, ein Gründer, der versucht, ein neues Unternehmen aufzubauen, oder ein politischer Entscheidungsträger, der versucht, die Wirtschaft zu verstehen – dieser Ansatz bietet eine Möglichkeit, die wahre Struktur des Wertes im Zeitalter der künstlichen Intelligenz zu erkennen. Er verwandelt eine Black Box in eine Serie klarer, verständlicher Schritte und macht die Zukunft der Wirtschaft ein Stück weit weniger opak und ein Stück weit bekannter.