Buzzword oder Businessmodell? Warum KI in der Equity Story zur Glaubwürdigkeitsfrage wird

KI-Lösungen sind auf dem Vormarsch. Doch Künstliche Intelligenz (KI) ist mehr als ein Optimierungswerkzeug: Sie verändert Geschäftsmodelle, schafft Chancen und birgt Risiken. Das macht KI zu einem unverzichtbaren Element jeder Equity Story. Von Sven Pauly und Götz Schlegtendal

Dieser Beitrag erscheint auch in GoingPublic 2/26!

Viele börsennotierte Unternehmen halten an einer einmal entwickelten Equity Story fest – auch wenn sich operative Rahmenbedingungen und der Kapitalmarkt verändern und bisherige Gewissheiten wegbrechen.

Der richtige Einsatz von KI verändert Unternehmen

„Wer schlechte Prozesse digitalisiert, der hat anschließend schlechte digitale Prozesse.“ Im KI-Zeitalter gilt das mehr denn je, denn Veränderungen vollziehen sich schneller als bei früheren Technologiesprüngen. ChatGPT wurde erst vor rund dreieinhalb Jahren vorgestellt – ein Maßstab für das Tempo dieser Entwicklung.

Wenn Unternehmen kommunizieren, KI schaffe Mehrwert, muss das belegt werden. Selektiver Einsatz für Übersetzungen oder Textkorrekturen reicht nicht aus. Investoren erwarten einen integrierten strategischen Ansatz mit verknüpften Lösungen und nachvollziehbaren Belegen. Relevant ist auch die Kehrseite: Welche negativen Auswirkungen kann KI auf ein bestehendes Geschäftsmodell haben?

Das heißt: Prozesse hinterfragen, Effizienzpotenziale, Qualitätsverbesserungen und neue Geschäftsfelder erschließen. Das kann heißen, dass Leistungen oder Produkte entfallen und sich die Gewichtung im Portfolio verschiebt: Routineaufgaben verlieren an Bedeutung, Tätigkeiten mit hohem Mehrwert gewinnen an Bedeutung. KI ist damit weit mehr als Digitalisierung – vorausgesetzt, sie wird richtig verstanden, implementiert und eingesetzt.

KI in der Equity Story

Sobald KI nachweisbar Einfluss auf Kostenstrukturen, Skalierbarkeit oder Wettbewerbsposition nimmt, wird sie zum Werttreiber. Investoren erwarten, diesen Treiber in der Equity Story nachvollziehbar dargestellt zu sehen. Dabei geht es nicht um Plattitüden, Schlagworte oder ein einfaches „wir arbeiten auch mit KI“. Gefragt sind Fakten, Szenarien und konkrete Anwendungsfälle (Use Cases). Sie zeigen, wie Unternehmen KI in Abläufe integrieren, diese verändern oder neu aufsetzen.

Erwartet ein Unternehmen durch KI eine Steigerung der operativen Marge, muss die Equity Story den Weg dorthin erläutern. Kosteneinsparungen sollten konkret benannt und quantifiziert werden. Wo entstehen sie?

Ein Maschinenbauer etwa zeigt in seiner Equity Story beispielhaft, dass KI-gestützte Qualitätskontrolle den Ausschuss um 18 Prozent reduziert hat – konkret, messbar, kapitalmarktrelevant. Ein Softwareunternehmen hingegen, das in seiner Investorenpräsentation lediglich festhält, KI werde künftig eine wichtige Rolle spielen, ohne Zeitplan, Investitionshöhe oder erwarteten Effekt zu nennen, riskiert das Gegenteil: Analysten werten pauschale KI-Versprechen zunehmend als Warnsignal für fehlende strategische Substanz.

Die Equity Story muss auch zeigen, wie KI das künftige Geschäftsmodell verändern kann. Ermöglicht KI die Skalierung bestehender Modelle? Entstehen neue Produkte oder Dienstleistungen? Kann die Wertschöpfungskette verlängert oder verbreitert werden? Dazu gehört auch, wie gut die technologische Infrastruktur für die Zukunft aufgestellt ist (AI Readiness).

Investoren interessieren nicht nur die Optimierungsseite von KI, sondern auch die Risiken: externe Bedrohung durch KI-basierte Wettbewerber, interne Kostentreiber wie Infrastruktur und Lizenzgebühren, das Risiko ausbleibender Effizienzgewinne sowie mögliche regulatorische Anforderungen. Eine überzeugende Equity Story benennt diese Risiken – und zeigt, wie das Unternehmen damit umgeht. Aus unserer Advisory Practice wissen wir: Investoren erkennen KI-Initiativen nur dann als wertsteigernd an, wenn sie konsistent in Equity Story und Investment Case eingebettet sind.

Künstliche Intelligenz und Menschen müssen die Equity Story verarbeiten können

KI stellt nicht nur das Geschäftsmodell, sondern auch die Kapitalmarktkommunikation vor neue Anforderungen: Analysten, Portfoliomanager und Investoren nutzen KI zunehmend für Aktienanalysen, Unternehmensscreenings und die Identifikation neuer Investmentideen.

Maschinenlesbarkeit allein reicht dabei nicht aus – ESEF ist für börsennotierte Unternehmen bereits Pflicht und sichert die strukturierte Aufbereitung von Jahresabschlussdaten. Was große Sprachmodelle wie Claude oder ChatGPT benötigen, geht darüber hinaus: direkter Zugriff auf aktuelle, semantisch strukturierte Informationen – Meldungen, Earnings-Call-Transkripte und strukturierte Kennzahlenblöcke.

Entscheidend ist die KI-lesbare Aufbereitung von IR-Inhalten, die Generative Engine Optimization (GEO). Konkret bedeutet das: Strukturierte Daten und integrierte Schnittstellen auf der Investor-Relations-Website ermöglichen KI-Systemen, Kennzahlen und Unternehmensdaten direkt auszulesen. Klar formulierte, faktenbasierte Meldungen werden von Sprachmodellen präziser verarbeitet als narrative Texte. Präsentationen mit strukturierten Kennzahlenblöcken und kurzen Sätzen statt langen Fließtexten erleichtern sowohl die automatisierte Verarbeitung durch Screening-Tools als auch die Bewertung durch Analysten, Portfoliomanager und Investoren.

Eine Entwicklung, die IR-Verantwortliche bereits heute auf dem Radar haben sollten:

Eine Schlüsselrolle spielt dabei das Model Context Protocol (MCP) – ein Standard, der KI-Systemen strukturierten Zugriff auf externe Datenquellen ermöglicht. Unternehmen, die ihre IR-Website mit MCP-kompatiblen Schnittstellen ausstatten, werden so eher zur Primärquelle für KI-Assistenten von Analysten und Investoren – präzise und ohne Interpretationsfehler durch unstrukturierte PDFs. Dabei lauert eine unterschätzte Falle: Viele IR-Websites sperren KI-Systeme als Crawler und zwingen sie damit auf unkontrollierbare Sekundärquellen zurück, deren Inhalt das Unternehmen nicht steuern kann.

Für Unternehmen stellen diese Herausforderungen einen Spagat dar: Einerseits die Bedürfnisse der KI erfüllen und andererseits die Aufbereitung für den menschlichen Gesprächspartner und Entscheider.

Der vermeintliche Spagat entpuppt sich als Deckungsgleichheit: Was KI-Systeme brauchen, um eine Equity Story korrekt zu verarbeiten – stringente Struktur, belegbare Fakten, explizite Kausalitäten, präzise Kennzahlen – ist identisch mit dem, was ein guter Analyst seit jeher erwartet. GEO zwingt Unternehmen nicht zu einem Kompromiss, sondern zu besserer Kommunikation, von der Mensch und Maschine gleichermaßen profitieren.

KI strategisch denken, implementieren und kommunizieren

KI ist kein Kommunikationsthema, sondern ein Strategiethema, das Investoren heute aktiv einfordern. Entscheidend ist nicht die Erwähnung von KI, sondern die glaubwürdige Darstellung ihres Beitrags zu Wertschöpfung, Wachstum und Wettbewerbsposition. Wer dies vermittelt, gewinnt Vertrauen. Die Equity Story ist das Instrument dafür.