Der Markt für Unternehmenskäufe im Bereich künstliche Intelligenz wächst rasant. Auch Liechtenstein positioniert sich zunehmend als attraktiver Standort für technologieorientierte Beteiligungsstrukturen, Venture-Capital-Investments und internationale Holdingmodelle im AI-Sektor. Strategische Investoren, Private-Equity-Häuser und Technologieunternehmen investieren gezielt in AI-Startups, datengetriebene Geschäftsmodelle und proprietäre Modelle.

Gleichzeitig unterscheiden sich AI-M&A-Transaktionen erheblich von klassischen Technologie-Deals. Der Unternehmenswert hängt häufig weniger von traditionellen Finanzkennzahlen ab als von Datenqualität, regulatorischer Compliance, technologischem Know-how und der tatsächlichen Kontrolle über die verwendeten Modelle.

Für Käufer bedeutet das: Eine klassische Financial und Legal Due Diligence reicht oftmals nicht mehr aus. Entscheidend sind insbesondere Fragen rund um Trainingsdaten, IP-Rechte, Datenschutz, DSGVO-Compliance und regulatorische oder technische Risiken.

Wem gehören Daten, Modelle und IP-Rechte?

Eine der zentralen Fragen bei AI-Transaktionen betrifft die Eigentums- und Rechtekette der eingesetzten Technologien.

Viele KI-Unternehmen arbeiten mit Open-Source-Modellen, Drittanbieter-APIs oder externen Datensätzen. Häufig ist jedoch unklar, ob sämtliche Rechte tatsächlich wirksam auf das Zielunternehmen übertragen wurden. Gerade bei schnell gewachsenen AI-Startups fehlen oftmals saubere Dokumentationen oder klare Lizenzstrukturen.

Besonders kritisch ist die Herkunft der Trainingsdaten. Zahlreiche Modelle wurden mit öffentlich verfügbaren oder automatisiert gescrapten Inhalten trainiert. Ob dies urheberrechtlich zulässig ist, wird derzeit europaweit und in den USA intensiv diskutiert.

Für Käufer entstehen daraus erhebliche Risiken – etwa Unterlassungsansprüche, Schadenersatzforderungen oder regulatorische Verfahren. Im Rahmen der Due Diligence sollten daher insbesondere die Herkunft der Datensätze, bestehende Lizenzvereinbarungen sowie interne Governance-Prozesse geprüft werden.

Wie eigenständig ist das Geschäftsmodell wirklich?

Viele vermeintliche AI-Unternehmen verfügen über keine eigene Modellinfrastruktur, sondern basieren wirtschaftlich auf Foundation Models großer Anbieter wie OpenAI, Anthropic oder Google.

Oft besteht die eigentliche Leistung lediglich aus Benutzeroberflächen, Workflow-Automatisierungen oder Prompt-Strukturen. Für Investoren stellt sich deshalb die entscheidende Frage, ob tatsächlich ein nachhaltiger technologischer Wettbewerbsvorteil besteht.

Je stärker ein Geschäftsmodell von externen APIs abhängt, desto größer wird das Risiko zukünftiger Preissteigerungen, technischer Einschränkungen oder Margendrucks. Unternehmen ohne eigene Datenbasis oder technologische Differenzierung geraten zunehmend unter Wettbewerbsdruck.

EU AI Act, DSGVO und regulatorische Risiken

Mit dem EU AI Act entsteht erstmals ein umfassender regulatorischer Rahmen für künstliche Intelligenz in Europa. Aufgrund der EWR-Mitgliedschaft Liechtensteins werden die regulatorischen Entwicklungen des EU AI Act auch für zahlreiche Unternehmen und Investoren in Liechtenstein unmittelbare Relevanz entfalten. Je nach Geschäftsmodell können umfangreiche Compliance-Pflichten ausgelöst werden – insbesondere bei Hochrisiko-Systemen oder General Purpose AI.

Neben dem EU AI Act spielt auch die DSGVO bei AI-M&A-Transaktionen eine zentrale Rolle. Gerade bei datengetriebenen Geschäftsmodellen stellt sich regelmäßig die Frage, ob personenbezogene Daten rechtmäßig erhoben, verarbeitet und für Trainingszwecke verwendet wurden.

Für Käufer ist daher entscheidend, ob regulatorische Anforderungen eingehalten wurden, ausreichende Governance-Strukturen bestehen und potenzielle Compliance-Risiken frühzeitig identifiziert werden.

Regulatorische Verstöße können erhebliche finanzielle und operative Folgen verursachen.

Key-Person-Risiken und Integration nach dem Closing

Im AI-Sektor hängt der Unternehmenswert häufig stark vom Know-how einzelner Entwickler oder Gründer ab. Verlassen diese Personen das Unternehmen nach dem Closing, verliert der Käufer unter Umständen die Fähigkeit, Modelle weiterzuentwickeln oder effizient zu betreiben.

Deshalb gewinnen Retention-Programme, Earn-out-Strukturen und langfristige Incentivierungsmodelle zunehmend an Bedeutung.

Auch die Integration von AI-Unternehmen wird häufig unterschätzt. Gerade bei der Übernahme durch größere Konzerne treffen agile Entwicklungsstrukturen auf klassische Governance- und Compliance-Prozesse. Die ersten Monate nach dem Closing sind deshalb oft entscheidend für den langfristigen Erfolg der Transaktion.

Fazit

Der Erwerb von KI-Unternehmen erfordert eine deutlich tiefere und interdisziplinärere Due Diligence als klassische Technologie-Transaktionen.

Neben gesellschaftsrechtlichen Fragestellungen gewinnen insbesondere Datenschutz, DSGVO-Compliance, Urheberrecht, regulatorische Compliance und technische Prüfungen an Bedeutung.

Unternehmen und Investoren sollten entsprechende Transaktionen daher frühzeitig gemeinsam mit M&A-Anwälten, Datenschutzexperten und technischen Spezialisten strukturieren, um Risiken rechtzeitig zu identifizieren und den langfristigen Wert der Transaktion zu sichern.