The Playbook
AI-Strategie

Buy schlägt Build: Warum die KI-Schicht 2026 gekauft wird

m-a build-vs-buy ki-strategie tuck-in acqui-hire tech-due-diligence dach benelux

Am 5. September steht in den Wochennews ein Satz, den ich seitdem in jedem zweiten Board-Gespräch wiederhole: Vier von fünf Transaktionen mit KI-Kern, und in keiner davon wurde die Fähigkeit selbst gebaut (KW36). Damals war das eine Wochenbilanz. Acht Wochen später ist es ein Muster.

Zwischen dem 12. August und dem 6. Oktober haben sechs Käufer aus DACH und Benelux ihre KI-Schicht eingekauft. adesso holt sich mit omni:us fertige Schadenagenten. Dash0 kauft mit Polar Signals das Profiling-Signal für seine Coding-Agenten. Factorial übernimmt das Matching-Modell von Empion, Jaggaer die Kostentreiber-Analytik von Ivoflow. C.H.BECK wird Mehrheitsgesellschafter von Noxtua, und SAP kauft nach Prior Labs im Juli mit TechWolf gleich die nächste Fähigkeit.

Am 18. August, als diese Serie gerade anlief, titelte der Pavilion-Newsletter Topline: „The Year Every Buyer Tries To Build Their Own Software”. Autor Anis Bennaceur, CEO des Sales-Tools Attention, schreibt: „H1 2026 is the first time in a long while that ‚we’ll build it ourselves’ has started to feel like the default objection in software sales.” In seiner Auswertung von 100 anonymisierten Firmen hat sich der Anteil der Selbstbauer binnen eines Jahres mehr als verdoppelt. Der Satz stimmt, er meint nur einen anderen Käufer. Topline schreibt für Go-to-Market-Leute, und der Käufer im Titel ist der Softwarekunde, der seine Abteilungstools mit KI-Werkzeugen selbst zusammensetzt. Das ist die Welle, die wir in Vibe Coding beschrieben haben. Auf der anderen Seite des Tisches, bei den Softwarehäusern selbst, läuft es umgekehrt. Kunden bauen die dünne Schicht. Hersteller kaufen die dicke.

Was zwischen August und Oktober gekauft wurde

Datum Käufer Ziel Gekaufte Fähigkeit Größe des Ziels Preis
Juli 2026 (Closing) SAP Prior Labs, Freiburg Tabular Foundation Models (TabPFN) gegründet 2024; über 1 Mrd. € Investitionszusage über vier Jahre offiziell nicht genannt („Terms not disclosed”); Medien nennen einen mittleren dreistelligen Millionenbetrag
12.08.2026 adesso omni:us, Berlin Agentische Schadenbearbeitung rund 45 Mio. € VC in zehn Jahren, 39 Beschäftigte (2024), über 80 Mio. trainierte Versicherungsdokumente nicht offengelegt
17.08.2026 Dash0 Polar Signals, Berlin Continuous Profiling inkl. GPU, Storage-Engine elf Personen, rund 10 Mio. USD Kapital nicht offengelegt
02./03.09.2026 Factorial Empion, Berlin KI-Matching über Kulturprofil und Skills rund 8,4 Mio. € Kapital, „mehrere Millionen Dollar ARR” nicht offengelegt
11.09.2026 (Vollzug) Jaggaer (Vista) Ivoflow, Koblenz Kostentreiber-Modelle für Direktmaterial gegründet 2020, 17 Großkunden nicht offengelegt
23.09.2026 C.H.BECK, MANZ Noxtua, Berlin (Mehrheit) Legal-AI-Workspaces auf Verlagsdaten rund 100 Beschäftigte, über 30.000 Nutzer; Runde über 100 Mio. € Bewertung nicht genannt
06.10.2026 SAP TechWolf, Gent Skills-Graph aus Arbeitssystemen über 120 Beschäftigte, über 50 Mio. USD VC nicht offengelegt

Quellen jeweils in den Wochennews KW30, KW34, KW36, KW38, KW40 und KW41 sowie im Frontmatter.

Sieben Deals, ein Kaufpreis halbwegs bekannt. Das hat System. Wer eine Fähigkeit kauft, die er selbst nicht hinbekommen hat, schreibt den Preis nicht in die Pressemitteilung.

Was ein Zukauf tatsächlich kostet

Die Tabelle zeigt eine Spreizung, die in Board-Folien gerne verschwindet. Polar Signals hatte elf Leute. TechWolf hatte über 120. Dazwischen liegt alles von der Talentübernahme bis zur Plattformakquisition, und die Kostenrechnung sieht in jedem Fall anders aus.

Am deutlichsten wird das bei Ivoflow. In KW38 haben wir den Deal mit drei Zahlen überschrieben: siebzehn Kunden, fünf Jahre, ein Kaufgrund. Jaggaer zahlt für fünf Jahre Domänenwissen über Direktmaterial, das zwei Gründer seit ihrer gemeinsamen Zeit bei ZF Friedrichshafen aufgebaut haben. Eine Preiserhöhung von 6 Prozent, die nach Zerlegung in Kostentreiber nur zu 1,3 Prozent gerechtfertigt war, steht als Beispiel in der Mitteilung. Diese Zerlegung lässt sich ohne die Leute nicht nachbauen. Der Preis dafür hat mit dem Umsatz von siebzehn Kunden wenig zu tun, und das Risiko auch nicht: Geht einer der beiden Gründer, ist ein großer Teil des Kaufgegenstands weg.

Für eine Größenordnung habe ich eine Vergleichsrechnung aufgesetzt. Die Zahlen sind Annahmen, keine Deal-Daten, und sie sollen nur zeigen, wo das Geld tatsächlich liegt.

Posten Build: 6 Engineers, 12 Monate Buy: Team mit rund 20 Personen
Direkte Kosten ca. 0,7 bis 0,9 Mio. € (Annahme: 110.000 bis 150.000 € Vollkosten je ML-Engineer in DACH) Kaufpreis; Annahme: mindestens das eingesetzte Kapital, bei Empion-Größe also 8 bis 25 Mio. €
Zeit bis zum ersten Kunden 12 bis 24 Monate, sofern die Daten da sind ein Quartal Signing bis Closing, danach 6 bis 18 Monate Integration
Trainings- und Feedbackdaten müssen erst entstehen kommen mit (omni:us: über 80 Mio. Dokumente; Empion: Outcome-Daten zu Einstellungen)
Referenzkunden keine kommen mit (Ivoflow: Georg Fischer, Sumitomo, Grammer, TI Automotive, ZF Lifetec)
Hauptrisiko Team nicht rekrutierbar, Daten fehlen Retention der Gründer, Integration frisst die Roadmap

In Cash ist Buy um den Faktor 10 bis 30 teurer. Wer das Ergebnis so liest, hat die falsche Spalte verglichen. Die sechs Engineers liefern nach zwölf Monaten im besten Fall ein Modell ohne Feedbackschleife. Gekauft wird die Schleife: welches Match zu einer Einstellung geführt hat, welche Schadenmeldung korrekt ausgezahlt wurde, welche Preiserhöhung berechtigt war. Diese Labels entstehen nur im Betrieb beim Kunden, und Betrieb braucht Jahre.

In KW34 stand die Rechnung so, wie sie in Board-Meetings gerade aufgemacht wird: 18 bis 24 Monate Eigenbau gegen ein Quartal Signing-to-Closing. Wenn die AI-Roadmap das erste Kriterium der nächsten Tech Due Diligence ist, kostet jedes Quartal Verzug Multiple. Bei einem Käufer wie Factorial mit zuletzt 2,5 Mrd. Dollar Bewertung reicht ein Prozent Bewertungseffekt, um einen Empion-Preis mehrfach zu bezahlen.

Was der Zukauf liefert und was nicht

Drei Dinge kommen mit einem KI-Zukauf ins Haus: ein Modell, das bei echten Kunden funktioniert, das Team, das es weiterentwickeln kann, und die Daten, auf denen es gelernt hat. Bei C.H.BECK kommt eine vierte Sache dazu, die in DACH oft übersehen wird. Ein Verlag kauft die Mehrheit an dem Produkt, das seine eigenen Inhalte verarbeitet. Die Daten hatte BECK schon. Gekauft wurde die Verwertungskette darauf, und nach Verlagsangaben ist das die größte Investition in über 260 Jahren Firmengeschichte.

Was ein Zukauf nicht liefert, ist die Integration. adesso schreibt es in der Mitteilung selbst: KI werde erst Teil des Versicherungskerns, wenn sie in Systemen, Daten und Kontrollmechanismen verankert ist. Diese Verankerung muss adesso selbst bauen, zwischen einem agentischen System und einem regulierten Bestandsführungssystem. Bei Dash0 ist es der Austausch von ClickHouse gegen die Storage-Engine von Polar Signals. Bei SAP und TechWolf ist es die Frage, ob ein herstellerneutraler Graph neutral bleibt, wenn er in SuccessFactors landet. Callidus, Qualtrics und Signavio sind alle als „eigenständige Einheiten” gestartet.

Gekauft wird also die Fähigkeit. Gebaut werden muss trotzdem, nur an einer anderen Stelle: am Übergang in den eigenen Kern. Der Hg-Text „rebuild the factory” beschreibt das für das eigene Engineering, und das Bild passt auch hier. Ein zugekaufter Elektromotor an der Stelle der alten Dampfmaschine bringt wenig, solange die Halle bleibt, wie sie war.

Die Bauer kaufen auch

Das Issue zu diesem Text nannte drei Gegenbeispiele für Build: Moss, Personio, Celonis. Bei der Recherche ist davon eines übrig geblieben.

Moss baut. Die Berliner Finance-Plattform hat im August eine Series C bei einer Bewertung von über einer Milliarde Euro abgeschlossen, mit über 70 Mio. Euro ARR, mehr als 5.000 Kunden und Agenten, die nach Firmenangaben über zwei Millionen Transaktionen im Monat kontieren. Moss hat drei Dinge, die den Eigenbau tragen: Die Kontierung ist der Kern-Workflow des Produkts, die Korrekturdaten aus 5.000 Mittelständlern liegen im eigenen Haus, und die Marge hängt direkt an der Autonomiequote. Wer das zukauft, verkauft im Grunde seine Zukunft. Flip ging in KW34 denselben Weg und sammelte 25 Mio. Dollar für den Eigenbau seiner Frontline-Plattform.

Personio hat am 22. April den ersten profitablen Abschluss gemeldet und im selben Atemzug die Übernahme des Münchner Recruiting-KI-Startups aurio, dessen Sourcing- und Screening-Agenten in Personio Recruiting aufgehen. Celonis hat am 12. Mai sein Context Model vorgestellt und dazu angekündigt, Ikigai Labs zu übernehmen, für die Prognosemodelle. Beide bauen ihren Kern selbst, den Personio-Mitarbeiterstamm und den Celonis-Prozessgraphen. Die Fähigkeit am Rand kaufen sie.

Damit dreht sich die Frage. Ob ein Softwarehaus 2026 KI baut oder kauft, ist schlecht gestellt, weil fast alle beides tun. Entscheidend ist, wo die Grenze zwischen beidem verläuft.

Meine Perspektive 🎯

  • Die meisten Build-Entscheidungen im Mittelstand sind verdeckte Wrap-Entscheidungen. „Wir bauen das selbst” heißt in der Praxis fast immer: ein Foundation-Model per API, ein Prompt-Layer, eine Oberfläche. Das ist legitim und oft richtig. Der Käufer in der DD wird es trotzdem als gemietete Fähigkeit bewerten, mit dem Abschlag, der dazugehört. Wer wrapt, sollte es auch so nennen und die Abhängigkeit vom Modellanbieter in der Risikomatrix führen.
  • Die Talentrechnung ist das stärkste Argument für Buy, und sie wird unterschätzt. Sechs ML-Engineers mit Domänenwissen in Schadenbearbeitung, Kostentreibern oder Legal-Retrieval findet man in DACH nicht in einem Quartal. Polar Signals hatte elf Leute, und Dash0 hat sie alle bekommen. Diese Gleichung geht für Käufer mit Kapital besser auf als jede Recruiting-Kampagne.
  • Tuck-ins von Scale-ups haben eine bekannte Halbwertszeit für Gründer. Bei Empion und Ivoflow sitzt der Wert in zwei Köpfen. Earn-outs und Rückbeteiligungen schützen hier den Kaufpreis wirksamer als jede Garantie im SPA. Ein Kaufvertrag ohne Retention-Struktur für das Kernteam ist ein Kaufvertrag über Code.
  • Wer Target ist, hat ein Zeitfenster. TechWolf hatte SAP, ServiceNow und Workday als Minderheitsinvestoren. Ein Skills-Graph wird gerade zum Plattform-Feature der großen Suiten. Wer eine Fähigkeit anbietet, die in 12 bis 24 Monaten in SuccessFactors, Workday oder Business Central mitgeliefert wird, sollte jetzt verkaufen, solange drei Käufer konkurrieren.

Fazit: Build, Buy oder Wrap in drei Fragen

Ein Zukauf kostet ein Vielfaches des Eigenbaus und spart das, was sich mit Geld allein nicht beschaffen lässt: Zeit, Labels, Referenzkunden. Das rechnet sich, wenn die Fähigkeit am Rand des eigenen Produkts sitzt und der Markt für das Target nicht ohnehin verschwindet. Für den Kern-Workflow rechnet es sich fast nie, und wer dort kauft, hat das Problem meistens zu spät erkannt.

Frage Antwort führt zu Build Antwort führt zu Buy Antwort führt zu Wrap
Ist die Fähigkeit Kern-Workflow oder Rand? Kern: Die Marge hängt an der Qualität (Moss: Kontierung) Rand mit Domänentiefe: Kunden erwarten sie, Differenzierung liegt woanders (Factorial: Matching, Jaggaer: Preisanalyse) Rand ohne Domänentiefe: Zusammenfassen, Übersetzen, Entwürfe
Hat das Haus die Daten? Ja, mandantenübergreifend und mit Feedbackschleife Nein, und das Target hat sie (omni:us: 80 Mio. Dokumente) Nicht nötig, das Foundation-Model reicht
Ist der Markt für das Target in 12 Monaten noch da? egal, wenn Kern Ja: kaufen, solange Bieterwettbewerb den Preis rechtfertigt Nein: Die Plattformen liefern es mit, also abwarten und wrappen

Wer mit dieser Matrix die eigene Roadmap durchgeht, findet in der Regel ein bis zwei Kernfähigkeiten, die gebaut werden müssen, eine Handvoll Wrap-Funktionen und genau eine Lücke, für die man einen Käufer anrufen sollte. Für die Wrap-Seite und die Frage, was Agenten im ERP heute tatsächlich leisten, lohnt der Blick auf 224 Agenten, ein Auftragseingang. Für die Frage, wie sich gekaufte Fähigkeit in ein ergebnisbasiertes Preismodell übersetzt, auf Service as Software. Und wer wissen will, was hinter den Datenbeständen steckt, für die SAP bei TechWolf bezahlt hat, findet das in Die Schicht unter der KI.