ProFIT

KI-gestützte Nachfolgersuche für mittelständische Unternehmen

Entwicklung eines automatischen Systems zur Investoren-Identifikation

Ziel des Projekts „KI-gestützte Nachfolgersuche für mittelständische Unternehmen“ ist die Erforschung und Entwicklung neuer Machine-Learning-Modelle. Konkret bedeutet das, dass ein Modell entwickelt werden soll, welches den Prozess der Identifizierung potenzieller Investoren vereinfachen und beschleunigen kann. Dies soll insbesondere im Zusammenhang mit der Unternehmensnachfolge im Mittelstand aufwendige manuelle Arbeitsschritte teilweise obsolet machen. Die Investorensuche gilt beim Unternehmensverkauf, neben der Erstellung des Informations Memorandums, zu den zeitlich aufwendigsten Schritten.

Die Entwicklung des neuen Software-Tools verfolgt die folgenden Ziele:

- Automatisierte Identifizierung passender Investoren aus großen Datenbeständen
- Identifikation bisher verborgener Unternehmen durch Machine-Learning-Modelle
- Automatisierte Anreicherung von Daten potentieller Investoren mit entscheidungsrelevanten Informationen
- Teil-Automatisierte Erstellung von Long-und Short Lists potenzieller Investoren
- Reduzierung des Arbeitsaufwands von mehreren Tagen bis Wochen auf wenige Stunden bis Tage
- Kontinuierliche Verbesserung der Identifizierung durch automatisiertes Lernen von Nutzerfeedback

Erwartetes Resultat

Das geplante Software-Tool basiert auf der Erforschung und Entwicklung neuer Machine Learning Algorithmen, die im Rahmen dieses ProFIT-Antrags realisiert werden sollen. Funktionell soll das Tool die Analysten von CARL dahingehend unterstützen, Investoren und zu verkaufende Unternehmen schneller, individueller und passgenauer zusammenzuführen und somit die Wahrscheinlichkeit eines erfolgreichen Verkaufs zu erhöhen. Analog zu einer Google Suchmaschine, besteht die Herausforderung darin, Relevanz für den Nutzer aus Millionen von Datenpunkten automatisiert zu erkennen. Dem Nutzer soll eine möglichst leicht zu bedienende Software geboten werden, bei der die Komplexität im Hintergrund stattfindet. Insbesondere der Erstellungsprozess der Long List soll somit von mehreren Tagen oder Wochen auf wenige Stunden oder Tage reduziert werden können.

Vorgehen

CARL forscht durch Unterstützung des ProFIT Förderprogramms an zwei Machine Learning Methoden für die bestmögliche Umsetzung des Vorhabens:

Erstens:

Die Entwicklung eines auf Transformer Architektur basierenden neuronalen Text-Encoders für die domänenspezifische Sprachverarbeitung im Kontext von Unternehmensverkäufen. Dabei soll ein neuer Algorithmus entwickelt werden, der die Intention in Suchanfragen von Nutzern verstehen und automatisiert relevante Daten sammeln und Unternehmensprofile potenzieller Käufer erstellen kann.

Zweitens:

Die Entwicklung eines neuen Meta-Ensemble-Modells, das verschiedene Machine Learning Modelle in einem einheitlichen Framework kombiniert und vollständig integriert. Das Modell soll sich selber optimieren und auf Basis individueller Input-Signale valide Vorschläge zu potenziellen Käufern von Unternehmen ermöglichen.

Dieses Projekt wird kofinanziert durch den Europäischen Fonds für regionale Entwicklung [EFRE]