Private Credit Software Diligence: KI-Risiken gezielt prüfen

Über fast ein Jahrzehnt hinweg betrachteten Private-Credit-Fonds Unternehmenssoftware als Goldstandard für Kredite auf Basis wiederkehrender Umsätze. Berechenbare Abonnementverlängerungen, hohe Bruttomargen und erhebliche Wechselkosten auf Kundenseite ermöglichten es Direct Lendern, Verschuldungsmultiplikatoren auszuweiten und Recurring-Revenue-Covenants bei minimaler kurzfristiger Cash-Generierung zu akzeptieren. Rasante Fortschritte in generativer KI und Workflow-Automatisierung haben diese Underwriting-Logik grundlegend erschüttert und Softwareportfolios zu einem der zentralen Risikofelder im Private-Debt-Segment gemacht.

Direkte, bankenunabhängige Kredite an Software-as-a-Service-Unternehmen (SaaS) sind von weniger als 10 Milliarden US-Dollar im Jahr 2015 auf über 500 Milliarden US-Dollar im Jahr 2025 angewachsen.[1] Business Development Companies (BDCs) stellen einen wesentlichen Teil dieses Volumens: Die Bank für Internationalen Zahlungsausgleich (BIZ) berichtet, dass BDCs, die etwa ein Fünftel aller US-Direktkredite vergeben, rund 115 Milliarden US-Dollar an Softwareunternehmen verliehen haben – rund ein Fünftel ihres gesamten Kreditvolumens und über 80 % ihrer Technologieportfolios.[2] Da sitzplatzbasierte Preismodelle unter Druck geraten und autonome Agenten Entwicklungszyklen drastisch verkürzen, sehen sich Unternehmenssoftware-Kreditnehmer mit grundlegenden Fragen zum Terminal Value, erheblichem Margendruck und Refinanzierungsengpässen konfrontiert.

Diese Konzentration hat die Kreditprüfung bei Direct Lendern und Business Development Companies (BDCs) verschärft. Morgan Stanley warnte davor, dass die Ausfallraten im Direct Lending des Private-Credit-Marktes auf rund 8 % ansteigen und damit Höchststände aus der Pandemiezeit erreichen könnten, wobei sich der Druck auf Sektoren konzentriert, die durch KI-Disruption gefährdet sind, wie etwa Software.[3] Kreditausschüsse können sich bei der Zeichnung von Software-Risiken im Private Credit nicht mehr allein auf das Wachstum des jährlich wiederkehrenden Umsatzes (ARR) verlassen; sie müssen die Tragfähigkeit des Schuldendienstes unter aggressiven Disruptionsszenarien rigoros testen.

• Massive Kapitalkonzentration: Software-Kreditnehmer machen mehr als 500 Milliarden US-Dollar des gesamten Direct-Lending-Volumens aus, was eine systemische Anfälligkeit gegenüber Neubewertungen im Tech-Sektor schafft.
• Steigende Ausfallraten: Für Direct-Lending-Ausfälle wird von Morgan Stanley ein Anstieg auf nahezu 8 % prognostiziert, da traditionelle Software-Geschäftsmodelle unter Disruptionsdruck geraten.[3]
• Refinanzierungswand: Kredite, die zu Höchstbewertungen der Jahre 2021–2022 vergeben wurden, stehen vor Fälligkeitsstrukturen, bei denen Anschlussfinanzierungen von einer nachgewiesenen KI-Verteidigungsfähigkeit abhängen.

Die traditionelle Kreditprüfung im Softwarebereich stützte sich stark auf ARR-Run-Rate-Kennzahlen und Net Revenue Retention (NRR)-Benchmarks. Im Zuge der KI-Disruption verschleiern diese Top-Line-Kennzahlen häufig eine zugrunde liegende Cashflow-Erosion. Direct Lender müssen ein mehrstufiges Finanz-Framework implementieren, das den vertraglich ausgewiesenen ARR mit der tatsächlichen Cash-Generierung abgleicht und die EBITDA-Tragfähigkeit prüft.

Eine wesentliche Schwachstelle bei Software-Krediten ist die Diskrepanz zwischen vertraglich vereinbartem ARR und GAAP-Umsatz. Wenn Software-Kreditnehmer mit höheren Rabatten, kürzeren Vertragslaufzeiten oder schrumpfender Platzauslastung konfrontiert sind, überzeichnen die ARR-Zahlen häufig die wirtschaftliche Verfassung des Schuldners. Kreditgeber müssen die Beständigkeit der Umsatzbasis evaluieren, indem sie echtes nutzungsbasiertes Wachstum von defensiven Rabatten trennen, die lediglich Abwanderung verschleiern sollen.

Darüber hinaus müssen Kreditgeber die Übertragung von Bruttomargen in den Cashflow genau unter die Lupe nehmen. KI-gestützte Funktionen verursachen häufig erhebliche Inferenz-Rechenkosten von Drittanbietern und API-Gebühren, die in den Herstellungskosten (COGS) und nicht in den fixen F&E-Kosten anfallen. Benchmark-Analysen zur KI-Ökonomie beziffern rechenintensive KI-Bruttomargen auf rund 50 % bis 60 % – eine ganze Spanne unter den 60 % bis 80 % oder mehr, die für klassische Softwareunternehmen typisch waren.[4] Gleichzeitig nutzen Private-Equity-Sponsoren häufig aggressive Pro-forma-EBITDA-Bereinigungen wie Software-Kapitalisierungen, Restrukturierungsanpassungen und spekulative Go-to-Market-Kostensynergien, um Covenant-Spielräume künstlich zu vergrößern.

• ARR-zu-GAAP-Überleitung: Abgleich des ausgewiesenen ARR mit abgegrenzten Umsätzen, Rechnungslegungsplänen und tatsächlichen Zahlungseingängen, um uneinbringliche oder noch nicht verdiente Zusagen zu identifizieren.
• Stresstests der Bruttomarge: Quantifizierung der laufenden Rechen-, Modellinferenz- und Infrastrukturkosten, die zur Aufrechterhaltung von KI-Funktionen in den Produktlinien erforderlich sind.
• Überprüfung von EBITDA-Bereinigungen: Eliminierung nicht-wiederkehrender Bereinigungen, aktivierter Forschungs- und Entwicklungsausgaben sowie aggressiver Synergie-Gutschriften, um die tatsächliche, unbereinigte Schuldendienstfähigkeit offenzulegen.
• Kohortenbasierte Net-Retention-Audits: Trennung von Platzerweiterungen und Preiserhöhungen bei gleichzeitiger Bewertung der Logo-Retention über historische Unternehmenskohorten hinweg, um latente Vertragsreduzierungen aufzudecken.

Durch die Etablierung einer rigorosen Verbindung zwischen der ARR-Beständigkeit und dem unbereinigten freien Cashflow können Kreditteams echte, unverzichtbare Workflow-Plattformen von austauschbaren Software-Wrappern unterscheiden.

Bei der Zeichnung neuer Software-Kreditfazilitäten oder der Bewertung von Portfolio-Änderungen konzentrieren Direct Lender und Kreditausschüsse ihre Due Diligence auf die Ausgestaltung des Covenant-Pakets, Downside-Liquiditätsreichweiten und strukturelle Auslösemechanismen. Ziel ist es, sich Frühwarn- und Kontrollrechte zu sichern, lange bevor der Unternehmenswert unter den Debt Attachment Point fällt.

Ein zentraler Verhandlungspunkt ist der Covenant-Übergangsmechanismus, bekannt als Covenant Flip. Bei wachstumsorientierten Software-Buyouts starten Kredite häufig mit Covenants auf Basis wiederkehrender Umsätze (wie etwa Mindest-ARR-Schwellenwerte oder maximale Debt-to-ARR-Verhältnisse). Kreditgeber verkürzen zunehmend die Laufzeit dieser Recurring-Revenue-Covenants und fordern von Kreditnehmern den Übergang zu strikten Debt-to-EBITDA- oder minimalen Fixed-Charge-Coverage-Verhältnissen innerhalb von 18 bis 24 Monaten.

Kreditgeber überwachen zudem Schattenausfälle sehr genau. Anstelle plötzlicher Covenant-Brüche zeigen notleidende Software-Kreditnehmer häufig eine schleichende Liquiditätsverschlechterung, die Sponsoren dazu veranlasst, Laufzeitverlängerungen, Covenant-Aussetzungen oder Payment-in-Kind (PIK)-Zinsoptionen zu verhandeln. PIK-Optionen ermöglichen es Kreditnehmern, Barmittel zu schonen, indem Zinsen auf den Kapitalbetrag aufgeschlagen werden, signalisieren jedoch gleichzeitig operativen Stress und erhöhen die gesamte Schuldenlast.

1. Liquiditätsreichweite unter Nullwachstumsszenarien: Prüfung, wie viele Quartale des festen Schuldendienstes der Kreditnehmer überstehen kann, wenn der Netto-Neu-ARR auf null fällt und sich die Verlängerungsraten der Kundenverträge spürbar verschlechtern.
2. Zeitpunkt des Covenant-Flips und Spielraum: Festlegung engerer Step-Downs bei Debt-to-ARR-Covenants und Verankerung harter operativer EBITDA-Hürden vor der Freigabe eines Übergangs.
3. Einschränkungen von PIK-Toggles: Begrenzung der Optionen des Sponsors zur Wahl von PIK-Zinsen durch Koppelung von Kapitalisierungsrechten an Mindestliquiditätsuntergrenzen und verpflichtende Eigenkapitalnachschüsse des Sponsors (Equity Cures).
4. Mindest-Cash- und Liquiditätstrigger: Einführung absoluter liquiditätsbezogener Covenants auf Dollarbasis, die bei Verletzung Board-Beobachtungsrechte und rollierende wöchentliche Liquiditätsprognosen auslösen.

Direct Lender, BDC-Manager und Kreditausschüsse verlangen von Software-Kreditnehmern und deren Finanzsponsoren mittlerweile wesentlich tiefere operative Offenlegungen. Eine Analyse von 155 öffentlichen und privaten BDC-Portfolios ergab, dass Softwareunternehmen fast 30 % der Anschaffungskosten und des beizulegenden Zeitwerts ausmachen, was die zentrale Bedeutung eines transparenten Portfoliomonitorings unterstreicht.[5]

Um vorteilhafte Kreditkonditionen oder Covenant-Lockerungen zu sichern, müssen Kreditnehmer eine klare strukturelle Verteidigungsfähigkeit gegen Verdrängung durch KI nachweisen. Kreditanalysten unterteilen Software-Assets entlang eines eindeutigen Spektrums: anfällige horizontale Einzellösungen (wie einfache Texterstellung, austauschbare Analytik oder generische CRM-Add-ons) gegenüber tief verankerten, regulierten vertikalen SaaS-Systemen reguliertes vertikales SaaS als führende Systems of Record, die geschäftskritische operative Arbeitsabläufe und proprietäre institutionelle Daten verwalten.

Kreditnehmer müssen zudem die Tiefe des Engagements ihres Private-Equity-Sponsors belegen. Direct Lender prüfen, ob der Finanzsponsor über ausreichend Dry Powder im spezifischen Fondsvehikel verfügt und ob er die Bereitschaft gezeigt hat, defensive Eigenkapitalspritzen oder Nachrangdarlehen bereitzustellen, um den Kreditnehmer durch mehrjährige technologische Umbrüche zu begleiten.

• Nachweis der Workflow-Verankerung: Verifizierung, dass die Software als primäres System of Record mit tiefen bidirektionalen API-Integrationen in die zentrale Unternehmensarchitektur fungiert.
• Proprietäre Domain-Datenburgen: Nachweis einzigartiger historischer Datenbestände, die eine differenzierte KI-Automatisierung ohne Abhängigkeit von austauschbaren öffentlichen Foundation Models ermöglichen.
• Track Record der Sponsor-Unterstützung: Formelle Dokumentation von Fondslaufzeit-Reserven, portfolioübergreifenden Equity-Cure-Zusagen und historischer Kapitalunterstützung in Krisenszenarien.
• Detaillierte Pipeline-Konvertierungskennzahlen: Granulares quartalsweises Pipeline-Tracking, das Win/Loss-Raten sowohl gegenüber etablierten Software-Wettbewerbern als auch gegenüber neuen KI-nativen Start-ups aufzeigt.

Kreditprüfer und Restrukturierungsanalysten sollten eine standardisierte Matrix nutzen, um frühe Signale technologischer Überalterung, Umsatzrückgänge und Liquiditätsengpässe zu erkennen. Die Überwachung dieser Indikatoren ermöglicht es Deal-Teams einzugreifen, bevor der Unternehmenswert unter die Rückzahlungsschwellen der Verbindlichkeiten fällt.

Ein regelmäßiges Tracking dieser Indikatoren versetzt Kreditteams in die Lage, dynamische Risikobewertungen für das Portfolio zu pflegen und Warnmeldungen für das gesamte Direct-Lending-Portfolio zu automatisieren.

Die Durchführung einer fundierten Software-Covenant-Due-Diligence erfordert Zugang zu strukturierter operativer und technischer Dokumentation im virtuellen Datenraum. Kreditgeber sollten sich nicht ausschließlich auf zusammenfassende Managementpräsentationen verlassen; sie müssen die zugrunde liegenden operativen Daten analysieren, um Vertragsbeständigkeit und technologische Zukunftsfähigkeit zu verifizieren.

Eine umfassende Kreditprüfung verknüpft Quellcode-Analysen, Kundenkohorten-Abgleiche, Verfolgung von Lieferantenkosten und interne Governance-Audits. Die Integration eines detaillierten technischen Due-Diligence-Prozesses technische Due Diligence stellt sicher, dass Kreditausschüsse sowohl die kommerzielle Tragfähigkeit als auch zugrunde liegende technische Verbindlichkeiten präzise quantifizieren.

• Vollständige Kundenvertragsübersicht: Rahmenverträge, Verlängerungszeitpläne, ordentliche Kündigungsklauseln und Mindestabnahmeverpflichtungen für die 50 größten Kunden.
• Kohorten-Abwanderungs- und Downsell-Protokolle: Historische Brutto- und Netto-Retention-Tabellen, segmentiert nach Kundengröße, vertikaler Branche und Produktstufe über einen Zeithorizont von mindestens 12 Quartalen.
• Drittanbieter-Infrastruktur- und Modellvereinbarungen: Detaillierte Abrechnungsdaten für Hosting, Cloud-Infrastruktur und KI-Modell-APIs zur Prüfung der Bruttomargenstabilität und des Vendor-Lock-ins.
• Softwarearchitektur-Dokumentation: Unabhängige Code-Audit-Berichte, Ergebnisse von Sicherheitsprüfungen, Protokolle über technische Schulden und Meilenstein-Tracking mehrjähriger Produkt-Roadmaps.
• Cashflow- und Working-Capital-Überleitung: Monatliche Abstimmungen zwischen abgerechnetem ARR, passiven Rechnungsabgrenzungsposten, aktivierten F&E-Ausgaben und Barzahlungen für den Schuldendienst.
• Finanzielle Solidität des Sponsor-Fonds: Fondsvintage, verbleibende nicht abgerufene Kapitalzusagen, Cross-Guarantee-Bestimmungen und Syndizierungsbedingungen der Co-Kreditgeber.

Private-Credit-Fonds, Restrukturierungsberater und BDC-Investitionsausschüsse müssen ihre Underwriting- und Monitoring-Leitfäden modernisieren, um Portfoliorenditen vor der sich beschleunigenden Disruption im Softwaresektor zu schützen. Die Bewertung von Software-Kreditnehmern erfordert einen kontinuierlichen Abgleich zwischen Finanzmodellen, Kundenverträgen und Technologiearchitekturen.

Kreditteams sollten standardisierte Disruption-Stresstests in ihre vierteljährlichen Kreditausschussprüfungen integrieren. Durch die Modellierung gravierender Vertragskündigungsszenarien und die Prüfung von Bruttomargen angesichts steigender Rechenkosten können Direct Lender proaktiv maßgeschneiderte Covenant-Puffer strukturieren, klare Equity-Cure-Parameter festlegen und Verwertungswerte absichern.

Wie Plausity den Workflow unterstützt

Plausity bietet eine ganzheitliche, KI-gestützte Due-Diligence-Plattform, die speziell für Private-Equity-Deal-Teams, Direct Lender und M&A-Berater entwickelt wurde. Anstatt Datenräume manuell zu durchforsten, nutzen Kreditteams die Plattform, um kritische Risikosignale zu extrahieren und Entscheidungsprozesse zu beschleunigen.

Mithilfe der automatisierten Datenraum-Erfassung verarbeiten Investmentexperten Tausende komplexer Dokumente – einschließlich Kreditverträgen, Rahmenverträgen mit Kunden und technischen Berichten – innerhalb weniger Minuten. Die zentrale KI-Analyse-Engine gleicht Vertragsklauseln mit Finanzmodellprognosen ab, um Diskrepanzen, versteckte Kündigungsrechte und ungesicherte Kostensteigerungen bei Rechenkapazitäten aufzudecken.

Durch automatisierte Risikoscans identifizieren, kategorisieren und bewerten Kreditgeber Kreditrisiken basierend auf ihrer Wesentlichkeit und den Auswirkungen auf den Schuldendienst. Die Ebene für Erkenntnisse und Risikoanalysen gewährleistet dabei eine lückenlose Rückverfolgbarkeit zu den Quelldokumenten, sodass Investitionsausschüsse jedes Risikoergebnis und jeden Covenant-Auslöser direkt auf die Originaldokumente im virtuellen Datenraum zurückführen können.

1. www.statista.com
2. www.bis.org
3. www.firstpost.com
4. a16z.com
5. octus.com