Earnings Quality Analysis: Eine Methodik zur Überprüfung nachhaltiger Cashflows bei M&A

• Die Grundlagen der Earnings Quality...
• EBITDA-Normalisierung und gängige Anpassungen
• Identifizierung von Warnsignalen in der Earnings Quality
• Die Rolle von KI in der Financial...
• Von der Analyse zur investorenreifen Berichterstattung

Im Gegensatz zu einer gesetzlichen Abschlussprüfung, die überprüft, ob die Finanzberichte den Rechnungslegungsstandards (GAAP oder IFRS) entsprechen, konzentriert sich eine Earnings-Quality-Analyse auf die wirtschaftliche Substanz des Unternehmens. Das Hauptziel ist es, ein „normalisiertes“ oder „repräsentatives“ EBITDA zu erhalten, das widerspiegelt, was das Unternehmen unter neuer Eigentümerschaft erwirtschaften wird.

Laut dem 2026 Global M&A Report von Bain & Company hat sich die Strenge der Financial Due Diligence verstärkt, da Zinssätze und Bewertungsmultiplikatoren weiterhin unter Beobachtung stehen. Investoren akzeptieren das bereinigte EBITDA des Managements nicht mehr ohne Weiteres. Sie fordern eine detaillierte Aufschlüsselung jeder Anpassung, die durch Primärquellendokumentation belegt ist.

• Nachhaltigkeit: Kann das aktuelle Ertragsniveau ohne erhebliche neue Investitionen oder Änderungen der Marktbedingungen aufrechterhalten werden?
• Genauigkeit: Stimmen die ausgewiesenen Zahlen in den Managementkonten, den geprüften Finanzberichten und den Steuererklärungen überein?
• Zusammensetzung: Wird der Gewinn durch das Kerngeschäft oder durch nicht-operative Gewinne erzielt, wie z. B. den Verkauf von Vermögenswerten oder Währungsschwankungen?

Die Normalisierung ist der Prozess der Anpassung des historischen EBITDA, um Posten zu entfernen, von denen nicht erwartet wird, dass sie wiederkehren oder die nicht die Kerngeschäftstätigkeit widerspiegeln. Hier wird der Großteil des Wertes während der Financial Due Diligence gefunden oder verloren.

Gängige Anpassungen lassen sich in verschiedene Kategorien einteilen, die von offensichtlichen einmaligen Kosten bis hin zu subtilen Rechnungslegungsänderungen reichen. Eine robuste Analyse erfordert die Triangulation von Daten aus verschiedenen Quellen. Beispielsweise kann die AI Analysis Engine von Plausity Managementkonten mit geprüften Finanzberichten und Kontoauszügen abgleichen, um Diskrepanzen aufzudecken, die auf eine aggressive Umsatzrealisierung oder einen Investitionsstau hindeuten.

Erfahrene Deal-Experten suchen nach Mustern, die auf „Earnings Management“ hindeuten – die Praxis, Rechnungslegungsflexibilität zu nutzen, um Gewinne auszugleichen oder bestimmte Ziele zu erreichen. Die frühzeitige Erkennung dieser Warnsignale kann eine Überzahlung verhindern oder die Verhandlungsposition für Preisverhandlungen verbessern.

Ein häufiges Szenario ist das „Vorziehen“ von Umsätzen. Ein Unternehmen könnte Kunden am Ende eines Quartals hohe Rabatte gewähren, um Ziele zu erreichen, wodurch effektiv Umsätze aus zukünftigen Perioden entzogen werden. Ein weiteres Risiko ist die Unterausweisung von Aufwendungen, z. B. durch die Verzögerung notwendiger Reparaturen oder die Aktivierung von Kosten, die sofort als Aufwand verbucht werden sollten. Diese Probleme sind oft in den Fußnoten von Tausenden von Dokumenten versteckt.

1. Umsatzkonzentration: Eine hohe Abhängigkeit von einem einzelnen Kunden (z. B. >20 % des Umsatzes) birgt ein erhebliches Risiko, wenn sich dieser Vertrag dem Ende seiner Laufzeit nähert.
2. Anomalien im Working Capital: Ein plötzlicher Rückgang der Verbindlichkeiten aus Lieferungen und Leistungen oder ein Anstieg der Lagerbestände im Verhältnis zum Umsatz kann auf Cashflow-Probleme hindeuten.
3. Aktivierung von betrieblichen Aufwendungen: Behandlung routinemäßiger Wartungsarbeiten als капитальные Verbesserungen, um das EBITDA künstlich zu erhöhen.

Der traditionelle Ansatz für Financial DD beinhaltet, dass Analysten Daten manuell aus PDFs in Excel-Modelle extrahieren. Dieser Prozess ist fehleranfällig und schränkt den Umfang der Analyse ein. Plausity transformiert diesen Workflow, indem es den End-to-End-Prozess automatisiert, von der VDR-Aufnahme bis zur investorenreifen Berichterstattung.

Der KI-native Arbeitsbereich von Plausity führt 9 Workstreams gleichzeitig aus, darunter Financial, Commercial und Tax DD. Dies ermöglicht ein Workstream-übergreifendes Risikokartierung. Beispielsweise kann ein rechtlicher Befund bezüglich eines anhängigen Rechtsstreits sofort dem Financial Workstream zugeordnet werden, um seine Auswirkungen auf Eventualverbindlichkeiten und die Earnings Quality zu beurteilen. Dieser Grad der Synthese ist in isolierten, manuellen Prozessen schwer zu erreichen.

Ein Big Four Advisory Partner berichtete, dass die Verwendung von Plausity ihre Commercial DD-Timeline bei einer Mid-Market-Transaktion von drei Wochen auf fünf Tage verkürzt hat. Diese Geschwindigkeit geht nicht zu Lasten der Strenge. Jeder Befund in Plausity ist mit dem spezifischen Dokument, der Seite und dem Absatz verknüpft und bietet vollständige Rückverfolgbarkeit der Quelle und eine Confidence-Bewertung. Dies ermöglicht es Senior Advisors, sich auf High-Level-Schlussfolgerungen anstatt auf die Datensuche zu konzentrieren.

Das Endergebnis einer Earnings Quality Analyse ist der DD-Bericht. Dieses Dokument muss präzise, verifiziert und für die Präsentation vor Investitionsausschüssen oder Vorständen vorbereitet sein. Die traditionelle Berichterstattung erfordert einen erheblichen manuellen Formatierungsaufwand, der wertvolle Zeit leitender Berater in Anspruch nimmt.

Der Report Builder von Plausity generiert dynamisch Executive Briefings, Red-Flag-Zusammenfassungen und vollständige DD-Berichte auf der Grundlage der während der Analyse gewonnenen Erkenntnisse. Diese Berichte sind nicht nur Rohdaten, sondern strukturierte Darstellungen, die wesentliche Risiken und finanzielle Auswirkungen hervorheben. Benutzer können diese Ergebnisse mit individuellem Branding nach Word, PowerPoint oder PDF exportieren.

• Source Traceability: Jede Zahl im Bericht kann mit einem einzigen Klick auf das ursprüngliche VDR-Dokument zurückverfolgt werden.
• Post-Acquisition Roadmaps: Die Ergebnisse werden in bewertete, priorisierte 100-Tage-Pläne mit Schätzungen der finanziellen Auswirkungen umgewandelt.
• Enterprise Security: Alle Daten sind durch SOC 2 Typ II- und ISO 27001-Zertifizierungen geschützt, wodurch sichergestellt wird, dass sensible Finanzinformationen vertraulich bleiben.

• Die Earnings Quality Analyse ist unerlässlich, um die nachhaltigen, wiederholbaren Cashflows eines Zielunternehmens zu identifizieren und über das ausgewiesene EBITDA hinauszugehen, um die wirtschaftliche Realität zu erfassen.
• KI-gestützte Due-Diligence-Plattformen wie Plausity verkürzen die Zeitpläne, indem sie die Datenerfassung und die dokumentübergreifende Argumentation automatisieren und gleichzeitig eine 100-prozentige Source Traceability gewährleisten.
• Eine effektive QoE erfordert einen Multi-Workstream-Ansatz, bei dem finanzielle Erkenntnisse mit rechtlichen, kommerziellen und steuerlichen Risiken abgeglichen werden, um ein ganzheitliches Bild des Deals zu erhalten.