Was Neocloud Due Diligence ist und warum sie jetzt wichtig ist
Neocloud Due Diligence ist der spezialisierte finanzielle, operative und kommerzielle Underwriting-Rahmen, der von Private-Equity-Fonds, Growth-Equity-Investoren und Private-Credit-Teams genutzt wird, um spezialisierte GPU-Cloud-Anbieter und KI-Rechenzentrums-Plattformen zu bewerten. Im Gegensatz zur traditionellen Due Diligence für Unternehmenssoftware, die sich auf wiederkehrende Softwarelizenzen, hohe Bruttomargen und eine geringe Kapitalintensität konzentriert, bewertet das Neocloud-Underwriting die Auslastung physischer Vermögenswerte, die Stromverfügbarkeit, hochdichte Kühl-Infrastrukturen, fremdfinanzierte Chip-Hardware und Kundenkonzentration. Investmentteams müssen feststellen, ob das exponentielle Umsatzwachstum eine dauerhafte Nachfrage nach Compute-Kapazitäten im Unternehmen widerspiegelt oder eine vorübergehende Arbitrage-Gelegenheit darstellt, die durch Kapazitätsengpässe der Hyperscaler getrieben wird. Die Durchführung einer gründlichen Due Diligence bezüglich der KI-Infrastruktur-Exposure erfordert die Analyse, wie Zielplattformen die Intensität der Investitionsausgaben steuern und gleichzeitig die rasche Veralterung von Hardware bewältigen.
Die rasche Expansion von Artificial-Intelligence-Workloads hat die Underwriting-Standards im privaten Markt quer durch die digitale Infrastruktur verändert. Während Software-Assets bei minimalen marginalen Bereitstellungskosten linear skalieren, fungieren Neocloud-Plattformen als kapitalintensive Versorgungsunternehmen. Deal-Teams, die solche Targets bewerten, können sich nicht allein auf Standard-SaaS-Kennzahlen wie Net Revenue Retention oder die Rule of 40 verlassen. Stattdessen müssen Investoren physische Bereitstellungsverträge, Strombezugsverträge und GPU-Abschreibungspläne prüfen. Die Bewertung der Position eines Assets in der Wertschöpfungskette umfasst die Durchführung einer KI-Impact Due Diligence, um zu beurteilen, ob hohe Bruttomargen bestehen bleiben können, wenn sich die Hardware-Lieferketten normalisieren. Darüber hinaus erfordern spezialisierte Workloads die Untersuchung der Dynamik von KI-Router Due Diligence, bei der Modell-Routing-Plattformen beeinflussen, wie die zugrunde liegende Rechenleistung gekauft und über mehrere Infrastrukturanbieter hinweg zugewiesen wird.
Der Umfang des Kapitals, das für den Aufbau und die Erneuerung von GPU-Clustern erforderlich ist, hat die Transaktionsstrukturen auf den privaten Märkten grundlegend verändert. Basisschätzungen des Goldman Sachs Global Institute gehen von kumulierten Investitionen in die KI-Infrastruktur von rund 7,6 Billionen US-Dollar zwischen 2026 und 2031 aus, wobei die angenommene Nutzungsdauer von KI-Silizium die einflussreichste Einzelvariable in dieser Gesamtsumme darstellt. Spezialisierte rechtliche Analysen dieser Transaktionen beschreiben zwei miteinander verknüpfte bilanzunabhängige Muster: Rechenzentrums-SPVs, deren zukünftige Mietforderungen gebündelt, verbrieft und als Asset-Backed Securities bei institutionellen Anlegern platziert werden, sowie einen neueren Trend zu GPU-SPVs, die die Beschleuniger erwerben und sie an den KI-Betreiber zurückleasen, während das Eigentum bei der Zweckgesellschaft verbleibt, neben Strukturen, in denen GPU-Bestände als direkte Kreditsicherheiten dienen. Dieselbe Analyse warnt davor, dass ein rascher technologischer Fortschritt die Abschreibung so weit beschleunigen kann, dass eine Unterdeckung der Sicherheiten eintritt, und dass gleichzeitige Verwertungsverkäufe den Sekundärmarkt überschwemmen würden.
- Wandel des Kapitalmodells: SaaS-Modelle stützen sich auf schlanke operative Ausgabenmodelle (OpEx), während Neocloud-Plattformen massive Vorab-Investitionen in Hardware (CapEx) und Fremdfinanzierung erfordern.
- Infrastrukturabhängigkeit: Die Nachhaltigkeit der Einnahmen hängt direkt vom physischen Netzzugang, der Stromversorgung mit hoher Dichte und spezialisierter Flüssigkeitskühlung ab.
- Risiko des Anlagenlebenszyklus: Geistiges Eigentum an Software behält seinen Wert über Jahrzehnte, während spezialisierte KI-Beschleuniger-Chips physischem Verschleiß und rascher technologischer Alterung ausgesetzt sind.
Bewertung von Compute-CapEx, GPUs und Margen
Die Prüfung von Neocloud-Investitionen erfordert eine strenge Bewertung der Hardware-Nutzungsdauer und des Leistungsabfalls. Moderne GPU-Cluster stehen unter doppeltem Druck: physische Abnutzung unter kontinuierlicher 24/7-Trainingslast und ökonomische Obsolezenz durch die Einführung von Chip-Architekturen der nächsten Generation. Investmentteams müssen Bestellungen, Lieferanten-Allokationsrechte und Erneuerungspläne prüfen, um festzustellen, ob die Kapitalstruktur der Plattform einen schnellen Hardware-Umschlag verkraften kann, ohne die Eigenkapitalrenditen zu verwässern.
Abschreibungspläne bestimmen direkt die Profitabilität und die Nachhaltigkeit des Cashflows. Während die traditionelle Rechenzentrumsinfrastruktur bei Immobilien und elektrischen Kernanlagen auf Abschreibungszyklen von 7 bis 10 Jahren setzt, schreiben sich fortschrittliche KI-Rechenchips über deutlich kürzere Zeiträume ab: Goldman Sachs merkt an, dass KI-Beschleunigern in der Regel eine Nutzungsdauer von vier bis sechs Jahren zugewiesen wird, verglichen mit etwa 20 Jahren für die Gebäude, in denen sie untergebracht sind. Eine Unit-Economics-Analyse des H100-Mietmarktes kam umsatzseitig zu einem ähnlichen Ergebnis und stellte fest, dass, sobald die stündlichen H100-Mietpreise unter etwa 1,65 USD pro GPU-Stunde fallen, die Einnahmen die ursprüngliche Hardware-Investition nicht mehr einspielen. Deal-Teams müssen die Abschreibungsmethoden prüfen und sicherstellen, dass die Zielplattformen die kurzfristigen Margen nicht künstlich aufblähen, indem sie die Hardware-Abschreibung über die realistischen betrieblichen Lebensdauern hinaus strecken.
Überbrückung der Bruttomarge zum EBITDA erfordert die Entflechtung von Co-Location-Hosting-Kosten, Stromtarifen, Aufwendungen für Flüssigkeitskühlung und Chip-Finanzierungsgebühren. Deal-Teams sollten eine strukturierte Checklist für die Financial Due Diligence Financial Due Diligence Checklist nutzen, um echte Infrastrukturbereitstellungskosten von vorübergehenden betrieblichen Subventionen zu isolieren und sicherzustellen, dass die Unit Economics bei schwankenden Cluster-Auslastungsraten nachhaltig bleiben.
- Stündliche Break-Even-Schwellenwerte: Benchmarking der stündlichen Cluster-Mieteinnahmen gegenüber der Hardware-Schuldentilgung, den Stromkosten und den Wartungsausgaben.
- Realismus der Nutzungsdauer: Validierung von Chip-Abschreibungszeiträumen anhand von Modell-Trainingsanforderungen und marktüblichen Verfallskurven für Mietpreise.
- Tatsächliche Bereitstellungs-COGS: Trennung von reinen Strom- und Standortsmietkosten von Netzwerk-, Software-Orchestrierungs- und Engineering-Gemeinkosten.
Stromengpässe und Betrieb von Rechenzentren
Stromverfügbarkeit hat Immobilien als Hauptengpass für die Expansion von KI-Rechenzentren abgelöst. Moderne Compute-Racks mit hoher Dichte benötigen bis zu 50 bis 150 Kilowatt pro Rack, verglichen mit 10 bis 15 Kilowatt in traditionellen Unternehmensrechenzentren. Eine Analyse von RAND schätzt, dass das Hosten des prognostizierten weltweiten Angebots an KI-Chips bis 2027 eine KI-Rechenzentrumskapazität von rund 68 Gigawatt erfordern würde, die bis 2030 auf etwa 327 Gigawatt ansteigen wird. Deal-Teams müssen evaluieren, ob eine Ziel-Neocloud verbindliche Netzanschlussverträge gesichert hat oder mehrjährigen Verzögerungen in den Netzanschluss-Warteschlangen gegenübersteht, die das Umsatzwachstum deckeln.
Um Netzengpässe zu überwinden, schließen große Infrastrukturbetreiber und Hyperscaler zunehmend Verträge über eine dedizierte Stromerzeugung ab, einschließlich Verträgen über den Kauf erneuerbarer Energien (PPAs) und Abnahmevereinbarungen für Kernenergie. Analysen der IEA zeigen, dass die Pipeline bedingter Abnahmevereinbarungen zwischen Rechenzentrumsbetreibern und Projekten für kleine modulare Reaktoren (SMR) von 25 Gigawatt Ende 2024 auf 45 Gigawatt gewachsen ist. Anleger müssen bewerten, wie Zielplattformen langfristige Energieverträge verwalten, um sich gegen regionale Stromtarifspitzen abzusichern.
Die operative Belastbarkeit in hochdichten Anlagen hängt vom Wärmemanagement und der Stromredundanz ab. Flüssigkeitskühlungs-Infrastruktur, geschlossene Flüssigkeitskreisläufe und Puffer-Batteriespeichersysteme sind essenziell, um strenge Service-Level-Agreements (SLAs) einzuhalten. Anleger müssen Garantieleistungen, die mittlere Betriebszeit zwischen Ausfällen (MTBF) und vertragliche Ausfallstrafen über alle aktiven Compute-Campusse hinweg prüfen.
- Netzanbindungsstatus: Überprüfung verbindlicher Netzanbindungsverträge mit Energieversorgern gegenüber unbestätigten Netztenanträgen.
- Kühlungarchitektur: Prüfung von Direct-to-Chip-Flüssigkeitskühlungen und Wärmeabfuhrkapazitäten für hochdichte Cluster.
- Energietarif-Absicherung: Analyse langfristiger Stromabnahmeverträge (PPAs) zum Schutz der Bruttomargen vor Volatilitäten am Stromgroßhandelsmarkt.
Kaufmännische Due Diligence: Auslastung und Mietverträge
Die Bewertung der kaufmännischen Nachhaltigkeit erfordert eine genaue Analyse von Kundenverträgen, Kohortenbindung und Marktkonzentration. Viele Neocloud-Plattformen weisen einen hohen vertraglich vereinbarten Umsatzzustrom aus, doch ein erheblicher Teil dieser Auftragsbestände stützt sich häufig auf eine kleine Anzahl von KI-Basismodell-Entwicklern oder Hyperscalern. Investoren müssen feststellen, ob Kundenverträge langfristige Take-or-Pay-Verpflichtungen oder kurzfristige, kündbare Spot-Kapazitätsmieten darstellen.
Neocloud-Plattformen nutzen intensiv Gerätefinanzierungen, Sale-and-Lease-Back-Transaktionen und Kreditlinien, um teure Hardware-Assets zu erwerben. Investmentteams sollten eine umfassende Checkliste für die kaufmännische Due Diligence einsetzen, um die Durchsetzbarkeit von Kundenverträgen, Kredit-Covenants aus Mietverträgen und Überkreuzbesicherungsrisiken im gesamten Bestand zu prüfen.
Die Cluster-Auslastungsraten wirken sich direkt auf den operativen Hebel aus. Feste Mietzahlungen für Rechenzentren, Reservierungsgebühren für Stromkapazitäten und Schuldendienstverpflichtungen müssen unabhängig von der GPU-Belegung bedient werden. Branchenanalysen beziffern die Gewinnschwelle für ein fremdfinanziertes GPU-Cluster auf rund 70 % Auslastung, wobei die Bruttomargen vor Abschreibungen wenig Spielraum für ungenutzte Kapazitäten lassen. Sobald die Belegung in Richtung dieser Gewinnschwelle fällt, zehren feste Betriebskosten die EBITDA-Margen rasch auf und erzeugen erheblichen Liquiditätsdruck für hochgradig fremdfinanzierte Plattformen.
Diligence-Signale, Nachweise der Betreiber und Checklisten
Während der technischen und finanziellen Due Diligence blicken institutionelle Investoren über das oberflächliche Umsatzwachstum hinaus, um die zugrunde liegende Stabilität der Plattform zu testen. Wichtige Diligence-Signale umfassen Vertragslaufzeiten, Sicherheit bei der Netzanschluss-Warteschlange, Chip-Zuteilungsstufen und das Verhältnis unverpfändeter Vermögenswerte in der Bilanz. Investoren müssen überprüfen, ob das Umsatzwachstum auf einer proprietären Softwaredifferenzierung oder auf bloßem Hardware-Weiterverkauf beruht.
Von Gründern und Führungsteams wird erwartet, dass sie bei Prüfungen im Datenraum überprüfbare Nachweise vorlegen. Die Einbindung einer KI-Due-Diligence-Checkliste für Private Equity ermöglicht es Deal-Teams, Betreiberunterlagen systematisch über korporative, technische und operative Kategorien hinweg zu indexieren.
Die folgende 8-Punkte-Checkliste für Datenraumnachweise skizziert die wesentliche Dokumentation, die für ein umfassendes Underwriting eines Neocloud-Target-Unternehmens erforderlich ist.
- GPU-Beschaffungs- & Anbieter-Zuteilungs-Rahmenverträge: Originale Bestellungen und Lieferpläne von Tier-1-Anbietern.
- Netzanbindungs- & Stromversorgungsverträge: Unterzeichnete Netzanbindungsverträge, Umspannwerk-Kapazitätszuteilungen und Genehmigungsbescheide des Energieversorgers.
- Master Service Agreements (MSAs) & SLAs: Unterzeichnete Kundenverträge mit detaillierten Take-or-Pay-Bedingungen, Kündigungsrechten und Ausfallstrafstrukturen.
- Miet- & Colocation-Verträge für Rechenzentren: Langfristige Mietdokumente mit spezifischen Garantien zur Leistungsdichte, PUE-Zielen und Erweiterungsoptionen.
- Pläne für Hardware-Schulden & Geräte-Leasing: Tilgungspläne, Zinssätze, Covenants und Überkreuzbesicherungsbedingungen über alle Hardware-Cluster hinweg.
- Stromtarif- & Stromabnahmeverträge (PPAs): Festpreis- oder indexierte Stromverträge, Zertifikate für erneuerbare Energien und Brennstoff-Weiterreichungsklauseln.
- Dokumentation zu Firmware, Orchestrierung & Software-IP: Technische Architekturaufzeichnungen zu Clustermanagement, Auto-Scaling und Telemetriesoftware.
- Historische Cluster-Auslastungs- & Ausfallzeit-Protokolle: Detaillierte Audit-Logs zur stündlichen GPU-Auslastung, Hardware-Ausfallraten und Incident-Behebungszeiten.
Neocloud-Warnsignale und Implikationen für die Exit-Strategie
Frühzeitiges Erkennen struktureller Warnsignale verhindert Fehlallokationen von Kapital bei Neocloud-Transaktionen. Deal-Teams profitieren von der Nutzung automatisierter Risikoregister automatisiere Risikoregister, um operative Schwachstellen über den gesamten Transaktionslebenszyklus hinweg zu erfassen, zu kategorisieren und zu verfolgen.
Die Bewertung von Exit-Szenarien erfordert die Kartierung des potenziellen Käuferuniversums über strategische und finanzielle Erwerber hinweg. Strategische Käufer umfassen Hyperscaler, globale Telekommunikationsanbieter und Staatsfonds, die schlüsselfertige Compute-Kapazitäten suchen. Finanzielle Erwerber umfassen Infrastruktur-Kreditfonds und sekundäre Private-Equity-Käufer. Investment-Komitees, die auf IC-Memo-Automatisierung setzen, können diese komplexen Exit-Dynamiken und Risikomatrizen in klare Investitionsempfehlungen synthetisieren.
Für Private-Credit-Kreditgeber erfordert das Underwriting von Neoclouds strenge Schuldendienstdeckungsgrade (DSCR), die an langfristig vertraglich zugesicherte Take-or-Pay-Cashflows statt an ungebundene Spot-Kapazitäten gekoppelt sind. Für Betreiber gewährleistet die Führung transparenter Finanzunterlagen und verifizierbarer Strom-Interconnects nahtlose Diligence-Prozesse und schützt die Eigenkapitalbewertung bei Rekapitalisierungen oder Exits.
Wie Sie dies in Ihrem nächsten Diligence-Workflow nutzen
Deal-Teams, die sich darauf vorbereiten, KI-Rechenzentrums-Ziele oder spezialisierte Cloud-Anbieter zu bewerten, müssen ihren Workflow um klare Meilenstein-Reviews strukturieren. Die Integration moderner Software-Tools ermöglicht es Teams, effizient von der vorläufigen Datenaufnahme zur detaillierten Risikoberichterstattung überzugehen. Investment-Professionals, die sich mit KI im Private Equity in Workflows befassen, können standardisieren, wie technische Dokumentationen und Finanzpläne erfasst und querverglichen werden.
Plausity ist eine KI-native Due-Diligence- und Deal-Intelligence-Plattform, die entwickelt wurde, um institutionelle Deal-Teams, Private-Credit-Analysten und M&A-Berater bei komplexen Transaktionen zu unterstützen. Durch die Kombination automatisierter Dokumentenverarbeitung mit der Evaluierung mehrspuriger Befunde können Investment-Teams VDR-Dateien rasch prüfen, Mietverträge vergleichen und verborgene Verbindlichkeiten bei hochdichten Infrastrukturwerten aufdecken. Deal-Teams können dedizierte Funktionen wie Erkenntnisse und Risiko-Intelligence erkunden, um die Extraktion von Befunden zu rationalisieren, während sie KI-gestützte Diligence-Analyse nutzen, um die vollständige Prüfbarkeit bis hin zu den primären Quelldokumenten aufrechtzuerhalten.
Die Implementierung dieser Tools unterstützt Private-Equity-Sponsoren, die eine umfassendere KI-Transformation im Private Equity in ihren Betriebsmodellen verfolgen. Die Plattform hilft Deal-Teams, unstrukturierte Daten zu strukturieren, Vertragsabweichungen hervorzuheben und investitionsreife Ergebnisse mit vollständiger Quellennachverfolgbarkeit zu erstellen. Sie ersetzt weder das professionelle menschliche Urteilsvermögen noch bietet sie eigenständig rechtliche, buchhalterische, steuerliche oder technische Beratung oder garantiert Bewertungskennzahlen oder Deal-Ausführungsergebnisse. Stattdessen stattet sie Deal-Teams mit der Intelligence aus, die für fundierte Investitionsentscheidungen erforderlich ist.
