KI-gestützte Peer-Group-Selektion
Die Peer-Group-Selektion ist das Herzstück der Multiple-Bewertung und zugleich einer ihrer zeitintensivsten Schritte. Diese Arbeit zeigt, wie ein KI-gestützter Workflow den Prozess bei EY beschleunigt, standardisiert und nachvollziehbar macht, ohne das Expertenurteil zu ersetzen.
Cissé, Gabor, 2026
Art der Arbeit Bachelor Thesis
Auftraggebende Ernst & Young
Betreuende Dozierende Höchle, Daniel
Views: 3
Ernst & Young (EY) bewertet Unternehmen im M&A-Kontext regelmässig mit dem Multiplikatorenverfahren. Dessen Verlässlichkeit steht und fällt mit der Auswahl vergleichbarer Unternehmen, der Peer-Group. Der kritischste Schritt, die Verdichtung einer breiten Longlist zur Shortlist, erfolgt heute durch manuelles Lesen von Geschäftsbeschreibungen und bindet erhebliche Expertenkapazität. EY treibt den KI-Einsatz aktiv voran und sammelt bereits Erfahrungen mit LLM-Tools. Was bisher fehlte, war ein standardisierter Prozess. Genau diese Lücke schliesst die Arbeit.
Die Arbeit folgt einem qualitativen Forschungsdesign. Auf Basis von Experteninterviews und einem Prozess-Walkthrough wurde der Ist-Prozess analysiert und ein Anforderungskatalog abgeleitet. Darauf aufbauend wurden zwei Ausprägungen eines KI-gestützten Workflows umgesetzt: ein Referenzprototyp mit Embedding-basierter Ähnlichkeitsmessung und Prompt Engineering sowie ein Copilot-Workflow im produktiven EY-Stack. Beide wurden in einem verblindeten Expertenvergleich manuell erstellten Peer-Groups gegenübergestellt.
Die Ergebnisse zeigen erhebliches Potenzial. Der KI-gestützte Workflow verdichtet breite Longlists effizient zur Shortlist und liefert nachvollziehbare Begründungen. Besonders positiv beurteilt wurde der Herleitungsbericht, der die Selektionsschritte dokumentiert und den Review erleichtert. Die Evaluation legte als zentrale Gestaltungshebel die Kalibrierung des Modells sowie das neu zu klärende Verhältnis zwischen Reproduzierbarkeit und generativen Schritten offen. Deterministische Stufen liefern identische Ergebnisse, generative Schritte bringen Kontextverständnis, variieren aber zwischen Läufen. Zentrales Gestaltungsprinzip ist der AI-in-the-Loop-Ansatz. Die Fachperson definiert Target-Verständnis und Scope, die KI verdichtet und begründet, der Mensch prüft und entscheidet. Verantwortung und Qualitätssicherung bleiben beim Bewertungsteam. Für EY liefert die Arbeit einen sofort anschlussfähigen Copilot-Workflow, einen Referenzprototyp für Ausbaustufen sowie Handlungsempfehlungen zur Weiterentwicklung. Sie zeigt exemplarisch, wie EY neue Technologien in Bewertungsprozesse integriert und damit Effizienz, Standardisierung und Nachvollziehbarkeit stärkt.
Studiengang: Betriebsökonomie (Bachelor)
Keywords KI Peer-Group Multiplikatorenverfahren Prozessoptimierung
Vertraulichkeit: öffentlich