(Symbolbild)
KI-Kennzahlen unter der Lupe: Zwischen aufgeblähten Startup-Metriken und messbarem Unternehmenswert
Der Kontrast zwischen der aktuellen KI-Landschaft könnte kaum größer sein: Während einige AI-Startups durch geschönte Revenue-Kennzahlen Investorengelder anziehen, demonstrieren etablierte Unternehmen wie Ferrari, wie KI konkrete Geschäftsziele unterstützt. Für deutschsprachige Entscheider entsteht daraus eine zentrale Herausforderung: echte von scheinbarer KI-Performance zu unterscheiden.
Die ARR-Inflation: Wenn Umsatz keine Verbindlichkeit mehr bedeutet
Die Metrik Annual Recurring Revenue (ARR) erlebt in der AI-Startup-Szene eine beunruhigende Aushöhlung. Laut TechCrunch dehnen Gründer und Venture-Capital-Geber traditionelle Umsatzdefinitionen bewusst aus, um höhere Bewertungen zu rechtfertigen. Die Praxis reicht von der Einmalbuchung mehrjähriger Verträge als wiederkehrendem Umsatz bis zur Zählung nicht verbindlicher Pilotprojekte als gesicherte Einnahmen. Diese “inflated ARR” schafft eine selektive Wahrnehmung: Startups, die diese Kennzahlen am aggressivsten nutzen, erhalten disproportionale Medienaufmerksamkeit und Folgefinanzierungen – ein Selbstverstärkungseffekt, der die eigentliche wirtschaftliche Substanz verdeckt. Für Bewertungen entsteht so eine systematische Verzerrung, die bei Due-Diligence-Prozessen nur schwer zu durchschauen ist.
Gegenentwurf: KI als operatives Werkzeug bei Ferrari
Parallel dazu zeigt die Partnerschaft zwischen Ferrari und IBM einen anderen Weg. Das Unternehmen setzt KI gezielt ein, um die Fan-Experience in der Formel 1 zu vertiefen – nicht als Selbstzweck, sondern mit messbarem Geschäftsziel: Die Umwandlung casualer Zuschauer in engagierte “Superfans” mit höherer Customer-Lifetime-Value. Die Lösung orchestriert personalisierte Content-Distribution, predictive Analytics für Rennstrategien und interaktive Touchpoints entlang der Customer Journey. Entscheidend ist hier die Einbettung in eine bestehende Geschäftslogik: KI fungiert als Enabler für Monetarisierung, nicht als disruptives Versprechen. Die Investition fließt in skalierbare Infrastruktur, nicht in die Aufrechterhaltung einer Wachstumsnarrative.
Implikationen für die Bewertungspraxis
Die Divergenz beider Fälle offenbart eine fundamentale Spannung im KI-Markt. Startup-Investoren stehen zunehmend vor der Aufgabe, zwischen projiziertem Potenzial und nachweisbarer Traction zu differenzieren. Die Konventionen der Software-As-a-Service-Bewertung – ARR-Multiplikatoren, Rule-of-40-Kalkulationen – geraten durch KI-spezifische Besonderheiten unter Druck: höhere Compute-Kosten, unklare Margenstrukturen bei API-basierten Produkten, schnellere Technologieverwertung. Etablierte Unternehmen hingegen können auf bestehende Kundenbasen und Cashflows zurückgreifen, was ihre KI-Investitionen anders skaliert und bewertbar macht.
Fazit
Für deutsche und österreichische Unternehmen sowie deren Investoren ergeben sich daraus konkrete Handlungsimperative: Bei KI-Startup-Engagements ist eine granularere Due Diligence erforderlich, die ARR-Komponenten auf Verbindlichkeit und Wiederholungswahrscheinlichkeit prüft. Eigenen KI-Initiativen sollte der Ferrari-Ansatz als Orientierung dienen – messbare Geschäftsziele vor Technologiebegeisterung, Integration in bestehende Wertschöpfungsketten vor isolierte Innovation Labs. Die gegenwärtige Marktphase begünstigt zwar noch die Narrative-Dominanz aufgeblähter Kennzahlen, doch die Korrekturmechanismen der Kapitalmärkte wirken langfristig. Wer heute auf substanzielle Bewertungsgrundlagen setzt, ist für diese Korrektur besser gewappnet.
