Mergers and Acquisitions. Digitalisierungspotentiale im Investmentprozess

Studienarbeit aus dem Jahr 2023 im Fachbereich BWL - Investition und Finanzierung, Note: 2,0, FOM Hochschule für Oekonomie & Management gemeinnützige GmbH, Düsseldorf früher Fachhochschule, Sprache: Deutsch, Abstract: Die Rahmenbedingungen für Unternehmenstransaktionen (Mergers and Acquisitions) haben sich für die Akteure in den letzten 5-10 Jahren stark verändert. Die wachsende Komplexität der Transaktionen stellt dabei sowohl die Zielunternehmen als auch die am Deal beteiligten Berater vor große Herausforderungen. Dabei ist vor allem die Digitalisierung ein wesentlicher Wettbewerbsfaktor. Es kann beobachtet werden, dass auf beiden Seiten ein hoher Digitalisierungsgrad den Prozess optimieren kann. Besonders ein geringer digitaler Reifegrad kann jedoch die Integration verschiedenster neuartiger Anwendungen und IT-Lösungen erschweren oder gar verhindern.

Die Entwicklung digitaler Lösungen kann dabei als ein disruptiver Prozess angesehen werden. Wer sich nicht frühzeitig positioniert, läuft Gefahr den Anschluss zu verlieren und damit sowohl an Effizienz als auch Wettbewerbsfähigkeit. Die Bedeutsamkeit des Themas ist mittlerweile in nahezu jeder Branche angekommen. Dabei sind es vor allem repetitive und datenintensive Aufgaben, die durch die Digitalisierung beeinflusst werden. Anfänglich steht dabei vor allem die Qualität der zur Verfügung stehenden Daten im Vordergrund. Danach sind es die Prozesse, die auf dem Prüfstand stehen. Dabei ist die Leitfrage, ob die Teilaufgabe auch automatisiert erledigt werden kann.

Um diese Fragestellungen für Mergers and Acquisitions zu erörtern, werden zunächst die zu behandelnden Anwendungsbereiche abgegrenzt. Folgend wird aus der Perspektive des Dienstleistungsansatzes die Wertschöpfung im Mergers and Acquisitions beschrieben. Danach werden digitale Anwendungsfelder im vorgenannten Investmentprozess erörtert. Zunächst wird das digitale Datenmanagement, besonders die Integration von IT-Systemen und dem Datenmanagement in einem sogenannten Datawarehouse, erläutert. Darauf aufbauend werden Anwendungsfelder im Machine Learning erläutert. Zudem wurden Anbieter für diese Themenfelder recherchiert.