KI-gestützte Beantwortung von Fragen in der Due Diligence: Workflows, Kontrollen und Risiken

Zuletzt geprüft: 23. September 2026

KI-gestützte Frage-Antwort-Systeme (Q&A) werden zunehmend als Produktivitätswerkzeug für die Due Diligence bei Fusionen und Übernahmen (M&A) vermarktet. Das Grundprinzip ist einleuchtend: Statt tausende Dokumente manuell zu durchforsten, um Käuferfragen zu beantworten, analysiert ein KI-System die Datenrauminhalte und generiert präzise Antworten inklusive Quellenangaben.

Die Technologie funktioniert – allerdings mit gravierenden Einschränkungen. Dieser Leitfaden beleuchtet den aktuellen Stand von KI-Q&A in der Due Diligence, die notwendigen Kontrollen für einen verantwortungsvollen Einsatz, ungelöste Risiken und Situationen, in denen KI mehr Probleme schafft als löst. Vertiefende Einblicke in den allgemeinen Q&A-Prozess in Transaktionsdatenräumen finden Sie in unserem Leitfaden zum Datenraum-Q&A-Workflow.

Funktionsweise von KI-Q&A in der Due Diligence

Der technische Ansatz

Die meisten KI-gestützten Q&A-Systeme für die Due Diligence nutzen eine Architektur der Retrieval-Augmented Generation (RAG). Das System verfährt dabei wie folgt:

Erfassung: Die Dokumente des Datenraums werden eingelesen – PDFs, Word-Dateien, Tabellen und gescannte Dokumente (mittels Texterkennung/OCR).
Indexierung: Die Inhalte werden in durchsuchbare Segmente (Chunks) unterteilt und in Vektor-Embeddings umgewandelt.
Abruf: Bei Einreichung einer Frage werden die relevantesten Dokumentabschnitte identifiziert.
Generierung: Auf Basis der abgerufenen Inhalte wird eine Antwort in natürlicher Sprache erstellt.
Quellenangabe: Das System weist die herangezogenen Dokumente und exakten Seitenzahlen als Nachweis aus.

Dieser Ansatz unterscheidet sich grundlegend von allgemeinen Chatbots: Die KI greift nicht auf ihr allgemeines Trainingswissen zurück, sondern ist strikt auf die Datenrauminhalte beschränkt. Im Idealfall ist jede Antwort lückenlos auf ein konkretes Quelldokument zurückführbar.

Stärken der Technologie

Beschleunigung der Dokumentensuche: In einem Datenraum mit 50.000 Dokumenten kann es Stunden dauern, bis Analysten jede Nennung einer Vertragsklausel, eines Kundennamens oder einer Finanzkennzahl gefunden haben. Ein KI-System liefert die relevanten Passagen in Sekundenschnelle.

Erkennung von Widersprüchen: KI kann Inkonsistenzen zwischen verschiedenen Dokumenten aufdecken – beispielsweise eine Umsatzzahl im Informationsmemorandum (CIM), die vom testierten Jahresabschluss abweicht. Menschliche Prüfer übersehen solche Differenzen bei riesigen Datenmengen leicht.

Erstellung von Antwortentwürfen: Bei standardisierten, rein faktenbasierten Fragen mit eindeutiger Datenbasis („Wer ist der umsatzstärkste Kunde des Unternehmens?“) liefert die KI präzise Erstentwürfe, was das Deal-Team spürbar entlastet.

Erforderliche Kontrollmechanismen

KI-Q&A in der Due Diligence ist keine Technologie, die man unüberwacht betreiben darf. Folgende Kontrollmaßnahmen sind für einen verantwortungsvollen Einsatz zwingend erforderlich.

Verpflichtende menschliche Überprüfung

Jede KI-generierte Antwort muss vor der Übermittlung an die Gegenseite von qualifizierten Fachleuten geprüft werden. Dies ist aus mehreren Gründen unabdingbar:

Haftungsrisiken: Q&A-Antworten in einem M&A-Prozess werden häufig Bestandteil der Transaktionsdokumentation und können Einfluss auf Gewährleistungen und Garantien (Representations & Warranties) haben. Eine fehlerhafte, ungeprüfte KI-Antwort kann erhebliche Schadensersatzansprüche auslösen.
Halluzinationsrisiko: Auch moderne Sprachmodelle erzeugen mitunter plausibel klingende Antworten, die inhaltlich falsch sind. In der Due Diligence kann eine halluzinierte Aussage – etwa die unzutreffende Behauptung, ein Vertrag enthalte keine Kontrollwechselklausel (Change of Control) – die Transaktionsbedingungen maßgeblich verzerren.
Fehlendes Kontextverständnis: Einer KI fehlt das strategische Gespür für Verhandlungsdynamiken oder die Kenntnis darüber, welche Informationen in der jeweiligen Phase noch vertraulich bleiben sollen. Menschliche Prüfer beurteilen, was geantwortet wird, wie formuliert wird und wann rechtlicher Rat eingeholt werden muss.

Verifizierung der Quellenangaben

Zitiert die KI ein Dokument, muss ein Prüfer manuell verifizieren:

Existiert das zitierte Dokument tatsächlich im Datenraum?
Beinhaltet die angegebene Seitenzahl exakt die referenzierte Information?
Wurde der Kontext der Quelle korrekt erfasst (keine sinnentstellende Verkürzung)?
Handelt es sich um die finale, rechtsgültige Fassung (nicht um einen überholten Entwurf)?

Die Verifizierung der Quellenangaben ist der entscheidende Schritt zur Qualitätssicherung. Eine falsche Quellenangabe ist gefährlicher als gar keine Angabe, da sie eine trügerische Exaktheit vortäuscht.

Vertraulichkeit und Datenschutz

Due-Diligence-Datenräume enthalten hochgradig vertrauliche, nicht-öffentliche Informationen. Jedes eingesetzte KI-System muss denselben strengen Vertraulichkeitsstandards genügen wie die menschlichen Berater.

Kontrollbereich	Anforderung
Verarbeitungsort	Die Datenverarbeitung muss in Rechenzentren erfolgen, die den SOC 2 Typ II Standards und geltenden Anforderungen an die Datensouveränität (z. B. DSGVO) entsprechen.
Mandantentrennung	Inhalte eines Kunden dürfen unter keinen Umständen für Abfragen anderer Mandanten zugänglich sein.
Ausschluss vom Modelltraining	Datenrauminhalte dürfen keinesfalls zum Training oder Feintuning der KI verwendet werden. Dies ist vertraglich bindend zu vereinbaren.
Protokollierung (Audit-Trail)	Sämtliche KI-Abfragen und generierten Antworten müssen revisionssicher im Aktivitätenprotokoll des Datenraums erfasst werden.
Löschfristen	Generierte Embeddings und temporäre Zwischenspeicher sind bei Schließung des Datenraums unwiderruflich zu vernichten.

Überwachung der Ausgabequalität

Messen Sie die Fehlerrate der KI-Antworten über den gesamten Prozess hinweg:

Ziehen Sie wöchentlich stichprobenartig 10 % aller KI-generierten Antworten heran.
Lassen Sie diese Stichproben von einem Senior Dealmaker anhand der Originaldokumente gegenprüfen.
Ermitteln Sie die Fehlerquote (Faktenfehler, fehlerhafte Quellen und Kontextverzerrungen).
Übersteigt die Quote 5 %, analysieren Sie, ob die Ursache in mangelhafter OCR-Qualität, komplexen Dateiformaten oder im Sprachmodell selbst liegt.

Ungelöste Risiken und Grenzen

Halluzinationen bei komplexen Finanzdaten

Während KI bei Fließtexten hervorragende Ergebnisse erzielt, stößt sie bei folgenden Strukturen an ihre Grenzen:

Komplexe Finanztabellen: Hier müssen Zeilen- und Spaltenbeziehungen mathematisch und buchhalterisch exakt verstanden werden.
Mehrstufige Berechnungen: Zusammenhänge, die das Verknüpfen von Zahlen aus unterschiedlichen Unterlagen erfordern.
Konditionale Vertragsklauseln: Bedingungen nach dem Muster „Falls X eintritt, gilt Y, es sei denn Z greift“, werden von KI oft stark vereinfacht und dadurch rechtlich falsch wiedergegeben.

Diese Schwachstellen sind keine Einzelfälle, sondern systemimmanente Eigenschaften kommerzieller Modelle. Anbieter, die behaupten, diese Probleme vollständig gelöst zu haben, sollten gebeten werden, dies an Ihren konkreten Unterlagen nachzuweisen.

Abhängigkeit von der OCR-Qualität

Zahlreiche Unterlagen in Datenräumen sind gescannte Papierakten. Die Exaktheit der KI steht und fällt mit der Qualität der Texterkennung. Schlechte Scans, handschriftliche Anmerkungen oder Siegel beeinträchtigen die Erkennung massiv. Da das System Unsicherheiten meist nicht transparent meldet, entstehen fehlerhafte Antworten auf Basis unvollständig extrahierter Texte.

Verschachtelte Dokumentenstrukturen

Verkäufer gestalten Datenräume mitunter unübersichtlich – ungünstige Informationen werden in Anhängen versteckt, Dateinamen bleiben vage oder zusammenhängende Verträge werden auf mehrere Ordner verteilt. Eine rein semantische Ähnlichkeitssuche kann solche gezielten Hürden oft nicht besser überwinden als die manuelle Suche.

Wann KI-Q&A ungeeignet ist

In folgenden Fällen sollte KI nicht als primäre Informationsquelle dienen:

Rechtliche Auslegungsfragen: Die Beurteilung, ob ein Mietvertrag eine wirksame Abtretungsklausel enthält, erfordert juristische Subsumtion und keine reine Textsuche.
Subjektive Lagebeurteilungen: Fragen wie „Verfügt das Management über die nötige Kompetenz für den Expansionsplan?“ entziehen sich jeder algorithmischen Bewertung.
Informationen außerhalb des Datenraums: Fragen zur Einordnung von Margen im Branchenvergleich können von einer rein intern agierenden Datenraum-KI nicht beantwortet werden.
Transaktionskritische Sachverhalte: Antworten mit direktem Einfluss auf den Kaufpreis oder Garantiekatalog müssen von Juristen und M&A-Beratern eigenhändig formuliert werden.

Empfehlungen für die Praxis

Setzen Sie KI in der Due Diligence als Werkzeug zur Recherche-Beschleunigung ein, nicht als Autopilot:

Rechercheunterstützung statt Endfassung: Lassen Sie Entwürfe mit Fundstellen erstellen, die durch Analysten verifiziert und finalisiert werden.
Vorab-Prüfung der Scanqualität: Führen Sie vor dem Einlesen der Unterlagen eine Bestandsaufnahme der OCR-Lesbarkeit durch und fordern Sie unleserliche Dokumente neu an.
Feste Q&A-Koordination: Ein menschlicher Koordinator behält die strategische Ausrichtung, Konsistenz und Relevanz aller ausgehenden Antworten im Blick.
Dokumentation des KI-Einsatzes: Halten Sie intern fest, bei welchen Antworten KI assistiert hat, um bei späteren Unstimmigkeiten Klarheit über den Entstehungsprozess zu haben.
Transparenz gegenüber Mandanten: Geben Sie keine KI-generierten Texte als rein menschliche Ausarbeitungen aus – offene Kommunikation schafft Vertrauen.

Fazit

KI-gestütztes Q&A beschleunigt die Dokumentenrecherche und die Erstellung erster Antwortentwürfe erheblich. Sie ersetzt jedoch weder menschliches Urteilsvermögen noch juristische Detailarbeit oder strategisches Verhandlungsgeschick. Der größte Nutzen entsteht dort, wo hohe Fragenvolumina auf zehntausende Seiten treffen und durch ein engmaschiges Prüfnetzwerk flankiert werden.

Quellen und Nachweise

NIST AI Risk Management Framework (AI RMF 1.0): NIST AI RMF, Stand September 2026.
Verordnung über Künstliche Intelligenz der Europäischen Union (EU AI Act): Europäische Kommission AI Act, Stand September 2026.
SEC-Leitfaden zu Offenlegungspflichten und vertraulichen Insiderinformationen: SEC Disclosure Guidance, Stand September 2026.
AICPA-Prüfungsstandards (AU-C Section 500) zur Verwertung von Nachweisen: AICPA Auditing Standards, Stand September 2026.
Stanford HAI Forschungsbericht zu Fehlerraten von Sprachmodellen in Fachanwendungen: Stanford HAI, Stand September 2026.