Die aufwendige Erstellung von hochwertigen M&A-Longlists ist eine der zentralen Aufgaben im Transaktionsprozess – sowohl auf der Buy Side (Identifikation attraktiver Targets) als auch auf der Sell Side (Identifikation potenzieller Käufer). Viele Berater und Investoren experimentieren aktuell mit Large Language Models (LLMs) wie ChatGPT, Claude oder Grok, um diese manuellen und zeitintensiven Arbeitsschritte zu automatisieren. Doch LLMs stoßen hier schnell an ihre Grenzen – was wir im Folgenden aufzeigen.

Eine sinnvolle Alternative stellt der Einsatz von ProxDeal dar: einem Datenterminal mit einem stark parallelisierten KI-Suchsystem.

Fehlende Datenquellen – Register und Finanzkennzahlen sind entscheidend

M&A-Analysen beruhen auf verifizierten Daten wie Handelsregistereinträgen, Bilanzen, Gesellschafterstrukturen oder Transaktionsinformationen. ChatGPT und vergleichbare LLMs greifen jedoch primär auf oberflächliche Webinhalte ersten Grades („Surface Level Internet") zurück. Das führt zu Listen, die stark durch Marketing-Texte, SEO-Scores und Online-Sichtbarkeit beeinflusst sind.

LLM-Anwendungen wie ChatGPT erhalten in der Regel:

• Keine Registerdaten: Ereignisse wie Kapitalerhöhungen, Geschäftsführerwechsel oder Insolvenzen fehlen.

• Keine Finanzkennzahlen: Umsatz, EBIT oder Mitarbeiteranzahl können nicht zuverlässig gefiltert werden.

• Keine Gesellschafterdaten: Eigentümerstruktur, Alter der Inhaber, institutionelle Beteiligung oder Nachfolgeindikatoren bleiben unsichtbar.

Der Grund dafür ist, dass diese Daten mühsam extrahiert werden müssen – etwa im Falle von Gesellschafterdaten aus Scans von Gesellschafterlisten. Genau diese Signale sind jedoch entscheidend, um Hidden Gems im Markt zu identifizieren.

ProxDeal bietet demgegenüber – insbesondere im deutschen Markt – eine ungeschlagene Datentiefe, da neben Websites und Pressemitteilungen alle relevanten Register und Spezialregister berücksichtigt werden.

Keine Hidden Gems – KMUs mit geringer Suchmaschinenpräsenz bleiben unsichtbar

Viele der spannendsten Targets oder Käufer sind mittelständische Unternehmen ohne SEO-optimierte Webpräsenz. Diese „Hidden Gems" zeichnen sich oft durch hohe Profitabilität, Nischenprodukte oder besondere Marktstellungen aus – aber nicht durch technisch optimierte Websites. Teilweise verfügen relevante Zielfirmen sogar über gar keine Website.

LLMs priorisieren dagegen Inhalte, die bei Google oder anderen Suchmaschinen gut ranken, und liefern somit sichtbare, aber oft ungeeignete oder bereits bekannte Unternehmen. Die Konsequenz:

• Blind Spots bei relevanten Targets und damit verpasste Deals.

• Unbekanntere Käufer auf der Sell Side werden nicht erfasst – obwohl gerade diese oft zu idealen Transaktionspartnern, insbesondere im Small-Cap-Bereich, werden.

ProxDeal hingegen ist ein neutrales Research-Tool ohne Suchmaschinenabhängigkeit und macht wertvolle, aber unsichtbare Unternehmen sichtbar.

Keine aktuellen Daten und fehlende Signale

Im M&A-Prozess zählt Aktualität. Während spezialisierte Tools wie ProxDeal regelmäßig Insolvenzen, Kapitalmaßnahmen oder Handelsregisterereignisse einpflegen, bleiben LLMs statisch:

• Keine tagesaktuellen Insolvenzdaten

• Keine Nachfolge-Signale (z.B. durch Gesellschafteralter oder -struktur)

• Keine individuellen Updates aus proprietären Quellen

Das führt zu Listen, die nicht nur unvollständig, sondern potenziell irreführend sind. ProxDeal hingegen aktualisiert Daten regelmäßig – insolvente Firmen werden beispielsweise täglich aussortiert.

Fehlende individuelle Anreicherung und Filter

Ein professionelles Longlisting-Tool erlaubt es, nach quantitativen Kriterien zu selektieren: Umsatz, Mitarbeiteranzahl, Jahresüberschuss, EBIT. Zudem werden individuelle Kontaktdaten angereichert, um die Ansprache auf Entscheiderebene vorzubereiten.

ChatGPT kann:

• Keine belastbaren Filter setzen

• Keine Kontaktdaten prüfen oder anreichern

• Keine individuelle Segmentierung nach KPIs durchführen

LLMs interpretieren Filterkriterien nicht als quantitative, deterministische Regeln, sondern lediglich als Teil des Prompts – also als qualitative Empfehlungen. Damit fehlt die Grundlage für eine professionelle Buyer- oder Target-Analyse.

ProxDeal ermöglicht dagegen feinste Filterungen nach harten KPIs sowie die Anreicherung valider Kontaktdaten für die gezielte Ansprache. Die Selektion erfolgt eindeutig und quantifiziert – ohne Unschärfen oder Interpretationsspielraum.

Halluzinationen und fehlende Verlässlichkeit

Ein bekanntes Problem von LLMs sind Halluzinationen: Das Modell erfindet Datenpunkte, Branchenzugehörigkeiten oder sogar ganze Firmen und Personen. In einem hochsensiblen Prozess wie M&A, wo Fakten und Validität entscheidend sind, ist das ein erhebliches Risiko.

ProxDeal hingegen basiert ausschließlich auf durch Unternehmen veröffentlichten Informationen – mit zahlreichen Guardrails und Error-Checks für höchste Verlässlichkeit.

Datenschutz- und Compliance-Risiken

Die Arbeit mit Mandatsdaten erfordert höchste Sorgfalt. Das Hochladen vertraulicher Unterlagen in generische KI-Tools birgt erhebliche Datenschutzrisiken:

• Keine Datenlokalität: Oft unklar, wo Daten verarbeitet und gespeichert werden – insbesondere bei US-basierten Anbietern.

• Training auf Kundendaten: In vielen Fällen nicht ausgeschlossen, dass Daten zum Modelltraining genutzt werden.

• Veröffentlichung Ihrer Daten: Im schlimmsten Fall können geteilte Inhalte sogar über Google auffindbar werden.

Für den M&A-Bereich sind daher EU-Hosting, Anonymisierungskonzepte und strikte Datenschutzrichtlinien unverzichtbar. ProxDeal gewährleistet höchste Sicherheitsstandards durch EU-Hosting, klare Löschkonzepte, strikte Anonymisierung und vollständige DSGVO-Konformität.

Warum spezialisierte M&A-Tools wie ProxDeal unverzichtbar sind

ChatGPT und andere LLMs sind leistungsfähige Werkzeuge für Aufgaben wie Recherche und Textproduktion – aber nicht für M&A-Longlists.

Ein weit verbreitetes Risiko ist der sogenannte Halo-Effekt in Kombination mit Selection Bias:

• Halo-Effekt: Liefert das Modell in den ersten Abfragen scheinbar „gute Treffer" – etwa bekannte Wettbewerber oder große Käufer –, entsteht der Eindruck, das System liefere auch in der Breite zuverlässige Ergebnisse.

• Selection Bias: Dieser Eindruck verstärkt sich, weil man sich unbewusst auf diese positiven Beispiele fokussiert und Lücken, Falschinformationen oder fehlende Kandidaten übersieht.

In der Realität ist das Problem strukturell: Nach den ersten „offensichtlichen Ergebnissen" kommt nichts Substanzielles mehr. Ohne Zugriff auf Handelsregister, Unternehmensregister oder Insolvenzbekanntmachungen endet das Universum des Modells dort, wo SEO-optimierte Firmenwebseiten aufhören. Das bedeutet konkret:

• Hidden Gems auf der Buy-Side – hochprofitable, aber wenig sichtbare Mittelständler – werden nicht identifiziert.

• Unbekanntere Käufer auf der Sell-Side – oft entscheidend für KMU-Transaktionen – tauchen schlicht nicht auf.

Stattdessen produziert das Modell nach der ersten Welle von „obvious results" entweder gar keine weiteren Treffer oder beginnt zu halluzinieren: Es erfindet Firmennamen, Umsatzzahlen oder Akquisitionshistorien, die es in Wirklichkeit nicht gibt. Für M&A-Longlists ist das fatal – da Vollständigkeit und Verlässlichkeit den entscheidenden Unterschied machen.

Wer belastbare Longlists erstellen möchte, benötigt hochspezialisierte Research-Software wie ProxDeal. Mit ProxDeal können Sie Register- und Finanzdaten integrieren, Unternehmensgesellschafter identifizieren, Nachfolgesignale erkennen, Kontaktdaten anreichern, Transaktionsdaten finden und sicher sowie compliant arbeiten. Nur so lassen sich verdeckte Chancen im Mittelstand erkennen und strategische Käufer, Finanzinvestoren oder Targets zuverlässig finden.

Häufige Fragen

Kann ChatGPT für M&A-Recherchen grundsätzlich nicht genutzt werden?

ChatGPT ist ein leistungsfähiges Werkzeug für allgemeine Recherche, Texterstellung oder die Strukturierung von Gedanken. Für die Erstellung professioneller M&A-Longlists ist es jedoch ungeeignet – weil es keinen Zugriff auf Registerdaten, Finanzkennzahlen oder Gesellschafterstrukturen hat und keine belastbaren quantitativen Filter setzen kann.

Was ist der Halo-Effekt bei der Nutzung von LLMs im M&A-Research?

Der Halo-Effekt beschreibt die Tendenz, ein System für grundsätzlich zuverlässig zu halten, weil es in den ersten Abfragen scheinbar gute Ergebnisse liefert. Im M&A-Kontext führt das dazu, dass Berater die strukturellen Lücken – fehlende Hidden Gems, keine Registerdaten, Halluzinationen – übersehen, weil die ersten „offensichtlichen" Treffer einen positiven Eindruck hinterlassen.

Warum sind Hidden Gems für M&A-Prozesse so wichtig?

Hidden Gems sind hochprofitable, oft nischenspezialisierte Mittelständler, die keine SEO-optimierte Onlinepräsenz haben. Genau diese Unternehmen sind häufig die attraktivsten Targets – weil sie weniger bekannt und damit weniger umkämpft sind. LLMs können sie strukturell nicht finden. ProxDeal identifiziert sie durch die Analyse von Registern und Spezialquellen unabhängig von ihrer Suchmaschinenpräsenz.

Welche Datenschutzrisiken entstehen beim Einsatz von ChatGPT im M&A-Prozess?

Generische KI-Tools bieten oft keine Garantie über Datenlokalität, Löschkonzepte oder den Ausschluss von Modelltraining auf Kundendaten. Im M&A-Prozess, wo vertrauliche Mandatsinformationen verarbeitet werden, ist das ein erhebliches Compliance-Risiko. ProxDeal verarbeitet alle Daten DSGVO-konform in deutschen Rechenzentren.

Was unterscheidet ProxDeal technisch von einem LLM wie ChatGPT?

ProxDeal ist kein generatives Sprachmodell, sondern ein spezialisiertes Research- und Datenterminal. Es greift auf verifizierte Primärquellen zu – Handelsregister, Jahresabschlüsse, Gesellschafterlisten, Insolvenzregister – und wendet deterministische Filter an. Das Ergebnis sind keine generierten, sondern tatsächlich existierende und verifizierte Unternehmen mit belastbaren Datenpunkten.