IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-658-45406-7_38.html
   My bibliography  Save this book chapter

Wie Künstliche Intelligenz den M&A Prozess beschleunigen kann

In: ESG als Treiber von M&A

Author

Listed:
  • Sven Rausch

    (Institut für Wirtschaftsberatung Niggemann & Partner GmbH)

  • Lennart Weigel

    (Institut für Wirtschaftsberatung Niggemann & Partner GmbH)

Abstract

Zusammenfassung Der Beitrag untersucht, wie Künstliche Intelligenz (KI) den M&A-Prozess (Mergers and Acquisitions) beschleunigen kann. Er betont die digitale Evolution und die Effizienzsteigerungen durch KI, von der Zieldefinition über Deal-Sourcing bis zur Post-Merger-Integration. KI unterstützt bei der Vorbereitung und Informationsaufbereitung, analysiert Unternehmensdaten und erstellt detaillierte Marktanalysen. Sie kann den Bieterprozess koordinieren und die Due Diligence effizienter gestalten. Trotz der Fortschritte erfordert der M&A-Prozess menschliche Entscheidungen, insbesondere in emotionalen und komplexen Verhandlungssituationen. Der Einsatz von KI birgt rechtliche und ethische Herausforderungen, einschließlich der Haftung und der Qualität der zugrunde liegenden Daten. Die EU-KI-Verordnung (AI-Act) regelt den Einsatz von KI, klassifiziert Risikokategorien und sieht strenge Anforderungen und Sanktionen vor. Der Beitrag prognostiziert, dass KI die Arbeitswelt erheblich verändern wird, insbesondere in Bereichen, die Routineaufgaben beinhalten. Berater, die KI frühzeitig integrieren, können einen Wettbewerbsvorteil erzielen.

Suggested Citation

  • Sven Rausch & Lennart Weigel, 2024. "Wie Künstliche Intelligenz den M&A Prozess beschleunigen kann," Springer Books, in: Karl A. Niggemann & Ulrich Dahlhausen & Markus B. Hofer & Rudolf Schmitz & Oliver Everling (ed.), ESG als Treiber von M&A, chapter 38, pages 665-681, Springer.
    • Handle: RePEc:spr:sprchp:978-3-658-45406-7_38
    DOI: 10.1007/978-3-658-45406-7_38
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a search for a similarly titled item that would be available.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-658-45406-7_38. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.