Ein Käufer rechnet nie mit dem Ergebnis, das in der Gewinn- und Verlustrechnung steht. Er rechnet mit dem Gewinn, der übrig bleibt, wenn alle außergewöhnlichen Posten, Einmalausgaben und Eigentümervorteile herausgerechnet sind. Dieser Vorgang heißt Normalisierung. Ein Geschäftswagen, der eigentlich privat genutzt wird, eine Managementvergütung, die unter dem Marktpreis liegt, eine Forderung, die dieses Jahr einmalig auftrat: solche Posten werden korrigiert, um zu zeigen, was das Unternehmen strukturell verdient, unabhängig von der Person, die es derzeit führt.
Der Einsatz von KI fügt dem eine neue Kategorie von Korrekturen hinzu, und diese Kategorie ist weniger einfach als eine Kreditkartenabrechnung. Wird ein Teil der Arbeit nicht mehr von Menschen, sondern von einer Aufgabe erledigt, die KI übernimmt, verändert sich die Kostenstruktur. Die Frage, die ein Käufer dann stellt, ist nicht, ob der Gewinn gestiegen ist, sondern ob dieser höhere Gewinn auch ohne den derzeitigen Eigentümer, das derzeitige Team und den derzeitigen Vertrag mit einem Lieferanten bestehen bleibt.
Die Verschiebung, um die es hier geht, verläuft in drei Kategorien. KI kann eine Aufgabe vollständig übernehmen, KI kann eine Aufgabe teilweise übernehmen, wobei ein Mensch mit Begründung genehmigt oder ablehnt, oder die Arbeit bleibt Menschenwerk. Jede Kategorie wird anders normalisiert.
Eine Aufgabe, die vollständig übernommen und im Prozess verankert wurde, zählt als strukturelle Einsparung: Die Kosten sinken, und das bleibt so, unabhängig davon, wer das Unternehmen künftig leitet. Eine Aufgabe, die teilweise mit menschlicher Aufsicht übernommen wurde, bringt eine Einsparung, die teilweise erhalten bleibt, weil die Aufsicht weiterhin Menschen kostet. Und eine Einsparung, die vollständig auf einem einzigen Abonnement bei einem einzigen Lieferanten beruht, ist etwas anderes als eine Einsparung, die in den Arbeitsprozessen selbst verankert ist — bei Kündigung, Preiserhöhung oder Übernahme dieses Lieferanten verschwindet die Einsparung genauso schnell, wie sie kam. Was genau sich von Menschenarbeit zu KI-Arbeit verschiebt und wie fest das verankert ist, wird pro Aufgabe beantwortet mit dem Arbeitsscan, der pro Aufgabe feststellt, was KI im Unternehmen bereits übernimmt.
Manche Unternehmen haben diesen Unterschied bereits klar erfasst: Sie können pro Prozess angeben, welcher Schritt automatisiert wurde, was dieser Schritt früher kostete und welcher Vertrag dahintersteht. Andere Unternehmen wissen nur, dass die Personalkosten gesunken sind, und nennen das Gewinn. Der Unterschied liegt nicht darin, wie fortschrittlich die KI-Anwendung ist, sondern darin, wie gut festgehalten wurde, was vor und nach der Veränderung geschah, und wie diese Veränderung belegt ist.
Ein Käufer, der keine Belege erhält, rechnet mit dem schlechtesten Szenario: Er rechnet die Einsparung heraus, oder er bepreist ein Risiko ein. Die Begründung, die nötig ist, um eine KI-Einsparung bei einem Käufer überzeugend zu machen behandelt genau diesen Unterschied zwischen einer Behauptung und einem Beweis.
Der normalisierte Gewinn ist eine Schätzung, keine feststehende Tatsache. Die Methode kann plausibel machen, dass eine Einsparung strukturell ist, aber nicht garantieren, dass sie so bleibt. Ein Lieferant kann seinen Preis erhöhen, eine KI-Anwendung kann durch Regulierung eingeschränkt werden, und eine Aufsicht, die jetzt gering ist, kann strenger werden, sobald die Fehlerquote steigt. Jede Schätzung hängt davon ab, wie die Arbeit organisiert ist, wie abhängig das Unternehmen von einer einzigen Partei ist und wie kürzlich die Veränderung durchgeführt wurde — eine Einsparung von drei Monaten sagt weniger aus als eine Einsparung, die sich zwei Jahre lang bewährt hat.
Hier wird auch keine Personalberatung gegeben und keine Begründung für Kündigungsentscheidungen geliefert; was ein Arbeitgeber mit seinem Personal tut, liegt beim Arbeitgeber, und dafür gelten eigene gesetzliche Anforderungen. Was die Normalisierung wohl tut, ist Fakten darüber zu sammeln, welche Arbeit wo landet, damit ein Käufer selbst beurteilen kann, was diese Fakten wert sind.
Ein Ergebnis sagt außerdem nichts aus, wenn die zugrunde liegende Abhängigkeit nicht berücksichtigt wurde. Eine Einsparung, die größtenteils auf dem Wissen des Eigentümers beruht, oder auf einem einzigen Vertrag, der ohne Verhandlung verlängert wurde, wiegt anders als eine Einsparung, die in mehreren Ebenen des Unternehmens verankert ist. Welcher Teil des Gewinns den Preis drückt, weil diese Abhängigkeit zu groß ist, ist nachzulesen über die Abhängigkeit von einem KI-Lieferanten, die den Verkaufspreis beeinflusst.
Der normalisierte Gewinn steht nicht losgelöst vom restlichen Unternehmen. Eine Einsparung, die in einem Vertrag mit einem Kunden oder Lieferanten festgelegt ist, hat einen anderen Wert als eine Einsparung, die mündlich vereinbart wurde und morgen geändert werden kann; die Verträge, die den Wert eines Unternehmens strukturell erhöhen zeigen, welchen Unterschied das beim endgültigen Preis ausmacht. Und einen Gewinnanstieg, der größtenteils von einem einzigen Kunden stammt, gewichtet ein Käufer anders als Gewinn, der über viele Kunden verteilt ist — worauf die Erläuterung zur Kundenkonzentration und dem Gewicht, das ein Käufer ihr beimisst näher eingeht.
Die Normalisierung des Gewinns ist einer von acht Faktoren, die ein Käufer gewichtet. Die Verschiebung durch KI betrifft nicht nur diesen Faktor, sondern auch die Eigentümerabhängigkeit — wenn der Eigentümer selbst der Einzige ist, der weiß, welche Aufgabe automatisiert wurde und warum, drückt das den Preis stärker, als die Einsparung selbst ihn erhöht. Welcher Faktor derzeit am schwersten wiegt, unterscheidet sich je Unternehmen und ist ohne Beleg schwer festzustellen.
Die zugrunde liegende Frage — welche Arbeit in diesem Unternehmen wirklich von KI übernommen werden kann und was davon bereits festgehalten ist — lässt sich mit dem Arbeitsscan von FTE TO AI pro Aufgabe beantworten. Für alle, die zunächst wissen möchten, wo der Preis heute am stärksten belastet wird, gibt es den kostenlosen Wertcheck: acht kurze Fragen, eine pro Wertfaktor, mit einem Bild davon, welcher Faktor derzeit am schwersten wiegt. Der vollständige Wertscan, mit Reifegradbewertungen pro Faktor und einem Zweijahreskalender bis zum Exit-Zeitpunkt, befindet sich im Aufbau.