B2B Software Deals KW25/2026: Stiller Rollup, souveräne KI, größter PE-Flop

Drei Deals, drei Versionen davon, wie man 2026 mit KI umgeht. In Straubing kauft ein deutscher ECM-Rollup einen Dokumentenmanagement-Spezialisten und erwähnt KI in genau einem Halbsatz der Pressemitteilung. In Lugano sammelt ein 60-Personen-Startup 100 Millionen Dollar ein, weil es das Gegenteil von OpenAI verkauft: KI, die deine Daten nie verlässt. Und in den USA übergibt Thoma Bravo eine Software-Firma an die Gläubiger und schreibt 5,1 Milliarden Dollar Eigenkapital ab — der zweitgrößte PE-Verlust der Branchengeschichte, ausgerechnet im Customer-Experience-Segment, das gerade von agentischer KI aufgefressen wird.

Das ist die Spreizung, die der Post-SaaSpocalypse-Markt erzeugt. Auf der einen Seite Buy-and-Build mit zweistelligem EBITDA-Multiple und ohne KI-Story, das einfach weiterläuft. Auf der anderen Seite KI-Bewertungen, die in einem halben Jahr von 200 auf 500 Millionen springen. Und in der Mitte die Friedhöfe der 2021er-Multiples, die jetzt restrukturiert werden. Wer als CPTO oder Investor in dieser Woche genau hinschaut, sieht alle drei Realitäten gleichzeitig.

Deal 1: Conrizon kauft HENRICHSEN4easy — der ECM-Rollup macht den nächsten Bolt-on

Basics

• Headline: Conrizon übernimmt ECM-Spezialist HENRICHSEN4easy
• Deal-Typ: Add-on / Bolt-on (strategisch, PE-unterlegt)
• Käufer: conrizon AG (Battery-Ventures-Portfolio) über die Tochter easy software Deutschland GmbH
• Ziel: HENRICHSEN4easy GmbH, Straubing — ECM/DMS für Mittelstand und öffentliche Hand, Branchenfokus Ver- und Entsorgung sowie Gemeinwohl, 1.400+ Kunden
• Verkäufer: nicht offengelegt (HENRICHSEN-Umfeld)
• Deal-Wert: nicht offengelegt
• Quelle: easy-software.com Newsroom, 16.06.2026

Conrizon ist das Holding-Konstrukt, das Battery Ventures seit 2020 um die frühere easy software AG herum baut. Das Muster ist immer dasselbe: easy als Plattform, dazu PROXESS, HABEL, Shareflex, im Januar 2025 Portal Systems, im Januar 2026 friendWorks, jetzt HENRICHSEN4easy. Sechs Marken, ein Backbone, ein gemeinsamer Vertrieb. Die easy-Basis selbst zählt nach eigenen Angaben über 5.400 Kunden in mehr als 60 Ländern. Das ist klassischer europäischer Mid-Market-Rollup, wie ihn Battery seit Jahren in den USA spielt und hier nach DACH überträgt.

Tech & Strategy Analysis

1. Produkt-Strategie: Die Buy-Thesis ist Kundenbasis plus Vertikal-Tiefe, nicht Technologie. HENRICHSEN4easy bringt 1.400 Kunden und eine spezialisierte Position bei Ver-/Entsorgern und im Gemeinwohlbereich — Segmente mit langen Vertragslaufzeiten, hoher Wechselträgheit und Compliance-Anforderungen, die einen Anbieter schützen. Conrizon kauft hier nicht Code, sondern Marktzugang und Referenzen in Verticals, in denen man als Generalist schwer reinkommt. Cross-Sell der bestehenden easy-Module (Archivierung, Rechnungsverarbeitung, P2P, HCM) in diese Basis ist der offensichtliche Wertheber.

2. Tech-Stack & Integration: Sechs ECM-Marken unter einem Dach heißt sechsmal Archiv-Logik, sechsmal Berechtigungsmodell, sechsmal Retention- und Audit-Trail-Implementierung. Die teure Frage in so einem Portfolio ist nie das Frontend, sondern das Records-Management darunter: Wie konsolidiert man revisionssichere Archive (GoBD, Aufbewahrungsfristen) ohne Migration der Kundenbestände, die niemand anfassen will? Realistisch bleiben die Produkte technisch getrennt und werden nur über eine gemeinsame Suche, ein Identity-Layer (SSO/SAML) und ein harmonisiertes Lizenzmodell verklammert. Eine echte Plattform-Konsolidierung auf eine Codebasis ist bei ECM ökonomisch fast nie darstellbar — die Migrationskosten fressen die Synergie.

3. AI-Strategie & Exit-Impact: In der Mitteilung taucht KI als „KI-Services” zur Automatisierung dokumentenbasierter Prozesse auf — ein Halbsatz, kein Programm. Das ordne ich nach dem 4-Stufen-Modell ehrlich als Tier 3 ein: LLM-gestützte Dokumentenklassifikation und Extraktion, vermutlich über zugekaufte Modelle, kein proprietäres ML, kein sichtbares AI-Team, keine Adoption-Metriken in der Außenkommunikation. Das ist für ECM aber weniger gefährlich, als es klingt. Dokumentenverstehen — Klassifikation, Entitäten-Extraktion, Posteingangs-Routing — ist genau die Disziplin, in der LLMs seit zwei Jahren Table Stakes geworden sind. Wer 1.400 Kunden mit jahrzehntelangen Dokumentenbeständen hat, sitzt auf der Trainings- und Grounding-Basis, die ein KI-natives Startup erst mühsam aufbauen müsste. Der Bewertungs-Impact: Solange Conrizon „Intelligent Document Processing” sauf Production-Niveau ausrollt und nicht nur demonstriert, hält das Multiple. Das SaaSpocalypse-Risiko für klassisches ECM ist moderat, weil die Kundenbeziehung über Archivpflicht und Compliance läuft, nicht über Seat-Komfort.

Meine Perspektive 🎯 — Home Turf

ECM und DMS sind Heimspiel. Aus meinen Due Diligences in diesem Segment kenne ich die typische versteckte Last: Das eigentliche Risiko in einem ECM-Rollup liegt selten im sichtbaren Produkt, sondern in der Heterogenität der Speicher- und Archivschichten und in der Frage, wie viele Kundeninstallationen noch On-Prem laufen und mit welcher Wartungslast. Bei sechs Marken würde ich in der DD als Erstes den Anteil On-Prem versus Cloud je Marke aufschlüsseln, die durchschnittliche Vertragslaufzeit und die Net Revenue Retention pro Brand vergleichen, und mir die Roadmap zur gemeinsamen KI-Schicht zeigen lassen — eine, kein Sammelsurium aus sechs Insellösungen.

Was diesen Deal smart macht: Die Verticals. Ver-/Entsorger und Gemeinwohl sind genau die Kunden, die nicht morgen zu einem KI-nativen Newcomer wechseln, weil ihre Beschaffung über Ausschreibungen läuft und ihre Anforderungen über Aufbewahrungsfristen definiert sind. Das ist ein Moat aus Trägheit und Regulierung. Was ich kritisch sehe: Sechs Marken sind irgendwann eine Integrationsschuld, die man bezahlen muss. Battery hält die Beteiligung seit 2020 — das sind fünf, sechs Jahre, der Exit-Horizont rückt näher. Vor einem Exit 2027/28 muss eine glaubwürdige, einheitliche KI-Story stehen, sonst greift der Bewertungsabschlag für „kein AI-Layer”. Die Bolt-ons erhöhen die ARR, lösen aber das Konsolidierungsproblem nicht — sie vergrößern es.

🧠 CPTO-Take

Klassischer Buy-and-Build mit ECM-Logik, der primär von Cross-Sell und Vertical-Konsolidierung lebt — die KI-Roadmap ist hier noch ein Nebensatz, kein Treiber. Architektonisch ist die richtige Entscheidung nicht „alle sechs Marken auf eine Codebasis migrieren” (das rechnet sich bei revisionssicheren Archiven nie), sondern ein gemeinsamer Intelligent-Document-Processing-Layer quer über alle Bestände: ein Extraktions- und Klassifikations-Service, der auf die kombinierten 6.000+ Kundenarchive groundet. Genau da liegt der einzige echte KI-Hebel im Deal, und gleichzeitig der Datenschatz, den ein KI-Native nicht hat. Team-seitig braucht das eine kleine zentrale AI-Squad über den Marken, nicht sechs nebenherlaufende Copilot-Experimente. Wer das vor dem Exit liefert, verteidigt das Multiple; wer es bei „KI-Services” im Pressetext belässt, kassiert 2028 den 25-Prozent-Abschlag.

Cross-Links: Markt­übersicht Dokumentenmanagement DACH · Was ist ein DMS?

Deal 2: Prem AI sammelt 100 Mio. ein — souveräne KI als eigene Anlageklasse

Basics

• Headline: Prem AI raised 100 Mio. $ Series A für souveräne KI-Infrastruktur
• Deal-Typ: VC-Finanzierung (Series A)
• Käufer/Investoren: Round noch nicht final bestätigt; im Umfeld genannt Index Ventures, Breyer Capital (Jim Breyer), David Maisel, Fan Zhang (ex-Sequoia China)
• Ziel: Prem AI (Prem Labs), Lugano, Schweiz — Plattform, um KI-Modelle auf eigener Infrastruktur statt in der Cloud zu betreiben; Kunden u. a. Hedgefonds und Kanzleien
• Bewertung: 500 Mio. $+ angepeilt, Closing für Q3 erwartet
• Vorrunden: 14 Mio. $ Seed (2024), 6,1 Mio. $ Bridge bei 200 Mio. $ Bewertung
• Quelle: Bloomberg, 18.06.2026 · SiliconANGLE

Von 200 auf 500 Millionen Bewertung in unter zwölf Monaten, von 20 Millionen eingesammeltem Kapital auf eine 100-Millionen-Runde. Das ist die andere Hälfte des Post-SaaSpocalypse-Marktes: Während klassisches SaaS sich von 39x auf 21x halbiert hat, ziehen KI-Infrastruktur-Plays mit Sovereignty-Winkel an wie nichts sonst. Der Treiber ist regulatorisch und geopolitisch — Exportbeschränkungen für Frontier-Modelle und die wachsende Zahl von Unternehmen, die ihre sensibelsten Daten nicht durch OpenAI oder Anthropic schicken dürfen.

Tech & Strategy Analysis

1. Produkt-Strategie: Prem verkauft das Gegenteil des Hyperscaler-Modells. Statt „schick deine Prompts an unser Modell” heißt es „betreib das Modell in deiner eigenen Umgebung, deine Daten verlassen das Haus nie”. Zielgruppe sind Branchen mit harten Daten-Souveränitätsanforderungen: Hedgefonds, Kanzleien, perspektivisch Pharma, Defense, regulierte Industrie. Die Buy-Thesis der Investoren ist, dass „own your AI instead of renting it” zu einer eigenen Kategorie wird, sobald Compliance-Abteilungen das Cloud-LLM-Risiko ernst nehmen. Das ist plausibel — der EU AI Act und Daten-Lokalisierungspflichten arbeiten Prem in die Hände.

2. Tech-Stack & Integration: Souveräne KI auf Kundeninfrastruktur ist technisch unbequem. Man liefert keine Multi-Tenant-SaaS, sondern Single-Tenant-Deployments in fremden Umgebungen — On-Prem, Private Cloud, air-gapped. Das bedeutet: Modell-Quantisierung und -Optimierung für heterogene Hardware, ein Update- und Modell-Lifecycle-Management über Installationen, die man nicht selbst betreibt, und eine Observability-Schicht, die funktioniert, ohne dass Telemetrie das Kundennetz verlässt. Die Marge hängt komplett daran, wie weit sich Deployment und Betrieb automatisieren lassen. Wenn jede Installation Professional Services frisst, skaliert das Modell nicht — dann ist es ein Beratungsgeschäft mit KI-Etikett.

3. AI-Strategie & Exit-Impact: Hier liegt die Linse mal nicht auf dem Target, sondern auf dem Markt drumherum. Prem ist per Definition Tier 1 — proprietäre Infrastruktur, dediziertes Team, KI ist das Produkt. Der spannende Punkt ist die Bewertungs-DD: Bei 500 Mio. $ auf vermutlich noch dünner ARR kauft man eine These, keine Zahlen. Die Risiken, die ich prüfen würde: Wie verteidigt sich Prem gegen die Hyperscaler, die alle „bring your own cloud”-Optionen nachrüsten? Wie gegen Open-Weights-Modelle, die Kunden auch selbst deployen können? Und gegen die Tatsache, dass „souverän” oft heißt „Kunde will es, zahlt aber ungern den Aufpreis”? Data Provenance und Lizenzklarheit der zugrundeliegenden Modelle sind in diesem Geschäft ein echtes DD-Thema, kein Häkchen — wer air-gapped KI verkauft, haftet implizit für die Herkunft der Gewichte.

Meine Perspektive 🎯 — Neues Terrain

Souveräne KI-Infrastruktur ist für mich kein Segment, in dem ich eine DD gemacht habe — das ist ehrlich Neuland. Was mich daran als Operator interessiert: Prem adressiert exakt das Problem, das mir in DACH-CPTO-Runden gerade am häufigsten begegnet. Jeder PE-backed Mittelständler will KI-Features, und jede zweite Compliance- oder Rechtsabteilung blockt, sobald klar wird, dass Kundendaten an ein US-Cloud-Modell gehen. Die Frage „können wir das on-prem oder wenigstens in der EU betreiben?” steht in fast jedem AI-Architektur-Review.

Was ich lernen wollen würde: Ob „souverän” eine dauerhafte Kategorie ist oder ein Übergangsphänomen, bis die Hyperscaler genug EU-Regionen und Confidential-Computing-Optionen haben, um den Einwand zu entkräften. Meine Skepsis als jemand, der Margen verantwortet: Single-Tenant-Deployments in Kundeninfrastruktur sind notorisch schwer profitabel zu skalieren. Die Bewertung von 500 Millionen unterstellt SaaS-Ökonomie für ein Geschäft, das strukturell eher nach Deployment-Heavy-Enterprise aussieht. Genau das würde ich in der DD auseinanderpflücken: ARR pro Kunde, Deployment-Aufwand pro Installation, Anteil wiederkehrend versus Services. Spannend ist es trotzdem, weil die regulatorische Welle real ist — der EU AI Act ab August zwingt Unternehmen, sich genau diese Fragen zu stellen.

🧠 CPTO-Take

Für jeden CPTO eines PE-backed SaaS in DACH ist Prem weniger ein Investment-Case als ein Architektur-Signal: Die „wir dürfen keine Daten an OpenAI/Anthropic schicken”-Wand ist real und wird durch den EU AI Act höher. Build-vs-Buy-vs-Wrap entscheidet sich hier neu — wer KI-Features auf einem reinen Cloud-LLM aufsetzt, ohne einen souveränen Fallback (EU-Region, Confidential Computing, Open-Weights-Option) zu haben, baut sich ein Compliance-Risiko in die Roadmap. Pricing-seitig ist Prem ein Vorbote: Souveränität wird zu einem Preisaufschlag, den manche Kunden zahlen und viele nur fordern. Der Moat eines KI-Nativen wie Prem liegt nicht im Modell — das ist kommoditisiert — sondern im Deployment- und Lifecycle-Automatisierungsgrad. Genau dort, wo ein Wrapper dünn wird, entscheidet sich, ob aus 100 Mio. $ ein Plattformgeschäft oder ein teures Beratungshaus wird.

Deal 3: Medallia geht an die Gläubiger — der zweitgrößte PE-Flop aller Zeiten

Basics

• Headline: Thoma Bravo schreibt bei Medallia 5,1 Mrd. $ ab, Gläubiger übernehmen
• Deal-Typ: Restrukturierung / Debt-for-Equity, Eigentümerwechsel an Lender-Konsortium
• Beteiligte: Thoma Bravo (Verkäufer/Equity-Wipeout) → Konsortium aus Blackstone, Apollo und KKR-Credit (FSK) sowie Antares Capital, die ~3 Mrd. $ Medallia-Schulden halten
• Ziel: Medallia, USA — Customer-Experience- und Feedback-Management-Software
• Deal-Mechanik: ~150 Mio. $ frisches Kapital zur Entschuldung, Equity der Alteigentümer auf null
• Quelle: Private Equity Wire · CMSWire

US-Deal, ich weiß — aber dieser gehört in jede DACH-PE-Runde dieser Woche, weil er der Lehrfilm zum SaaSpocalypse ist. Thoma Bravo hat Medallia 2021 für 6,4 Mrd. $ in der Nullzins-Ära von der Börse genommen, mit reichlich billigem Fremdkapital. Fünf Jahre später ist das Eigenkapital weg, 5,1 Milliarden Dollar abgeschrieben, laut Verdad Advisers der zweitgrößte Private-Equity-Verlust der Geschichte. Die Gläubiger — Blackstone, Apollo, KKR-Credit, Antares — tauschen ihre 3 Milliarden Schulden in Kontrolle, schießen 150 Millionen nach und versprechen eine „frische AI-Roadmap”.

Tech & Strategy Analysis

1. Produkt-Strategie: Medallia sitzt im Customer-Experience-Segment — Feedback, Surveys, Experience-Analytics. Das ist genau das Vertical, das agentische KI von zwei Seiten zerlegt. Erstens komprimiert es die Seats: Wenn ein Agent Kundenfeedback automatisch auswertet und Maßnahmen ableitet, brauchst du weniger Analysten-Lizenzen. Zweitens senken LLMs die Eintrittsbarriere — Sentiment- und Themen-Analyse von Freitext war Medallias Kernwert und ist heute ein API-Call. Die Buy-Thesis der neuen Eigentümer kann nur lauten: Datenbasis plus Enterprise-Kundenstamm als Fundament für agentische CX-Automatisierung. Ob das gegen KI-native CX-Tools reicht, ist die offene Frage.

2. Tech & Integration: Die eigentliche Last ist hier Tech-Debt plus Schuldenlast gleichzeitig. Eine Plattform, die seit 2021 unter Renditedruck und Cost-Cutting stand, hat selten in die Modernisierung investiert, die jetzt nötig wäre. Die neuen Eigentümer erben eine Architektur, die für die Pre-LLM-Welt gebaut wurde, und müssen sie umbauen, während sie gleichzeitig entschulden. 150 Millionen frisches Kapital sind in diesem Kontext knapp — das stabilisiert die Bilanz, finanziert aber keine zweijährige agentische Replattformierung. Das ist die klassische Falle: Genau wenn man am meisten in KI investieren müsste, ist am wenigsten Kapital frei.

3. AI-Strategie & Exit-Impact: Medallia ist das Lehrbuchbeispiel für ein Tier 3/4-Target, das vom SaaSpocalypse erwischt wurde. Eine „fresh AI roadmap” anzukündigen, nachdem das Eigenkapital verbrannt ist, ist die teuerste Reihenfolge, in der man das machen kann. Der Bewertungs-Impact ist bereits realisiert — minus 5,1 Milliarden. Die DD-Lehre: Wer 2021 ein CX-Tool zu 6,4 Mrd. ohne defensive KI-Strategie gekauft hat, hat das Disruptionsrisiko des eigenen Segments nicht bepreist. Genau das ist heute Kriterium Nummer eins in der Tech-DD — und Medallia zeigt, was passiert, wenn man es ignoriert.

Meine Perspektive 🎯 — Contrarian Take

Auf den ersten Blick ist die „frische AI-Roadmap” die gute Nachricht. Ich bin skeptisch. Eine AI-Roadmap nach der Restrukturierung anzukündigen, ist wie ein Sprinkler-System nach dem Brand zu bestellen. Was in der Kommunikation fehlt, ist die ehrliche Antwort auf die Frage, warum diese Roadmap jetzt funktionieren soll, wenn fünf Jahre Thoma-Bravo-Ownership sie nicht hervorgebracht haben. Die Antwort ist meist unbequem: Unter maximaler Schuldenlast optimiert man auf EBITDA und freien Cashflow, nicht auf R&D-Wetten gegen das eigene Geschäftsmodell. Das ist kein Versagen einzelner Manager, sondern die strukturelle Logik eines hochgehebelten Buyouts in einem Segment, das technologisch unter den eigenen Füßen wegrutschte.

Die Lehre für DACH-PE, und deshalb steht der Deal hier: Das Medallia-Muster — teurer Take-Private 2021, hoher Hebel, kein KI-Moat, Segment von agentischer KI bedroht — gibt es im europäischen Mid-Market in kleinerem Maßstab dutzendfach. Überall dort, wo ein Sponsor 2020/21 ein „stabiles” SaaS mit hoher NRR zum 8- bis 12-fachen EBITDA gekauft hat und das Produkt im Kern Freitext-Analyse, Workflow-Routing oder Standard-Reporting ist, sitzt dasselbe Risiko. In der Tech-DD würde ich heute bei jedem Bestands-Asset fragen: Welcher Anteil des Kundennutzens ist durch einen LLM-Call ersetzbar, und wie schnell? Wer das nicht beantworten kann, kennt sein Seat-Compression-Risiko nicht.

🧠 CPTO-Take

Medallia ist der teuerste verfügbare Beweis, dass „AI as an afterthought” in Software-Buyouts tödlich ist. Architektonisch zeigt der Fall die Build-vs-Buy-Falle von hinten: Wer eine Pre-LLM-Plattform unter Schuldenlast erbt, kann die agentische Neuarchitektur weder schnell bauen noch teuer zukaufen — die 150 Mio. $ reichen für Stabilisierung, nicht für Replattformierung. Pricing-seitig ist CX das Paradebeispiel für Seat-Compression: Der Wert wandert vom Analysten-Seat zum Agenten-Output, und ein per-Seat-Modell schrumpft mit der eigenen Effizienz. Die Team-Implikation für jeden CPTO, der das liest: Die KI-Defensive gehört in die DD und ins erste 100-Tage-Programm, nicht in die Restrukturierungs-PR. Gegen KI-Natives verteidigt sich Medallia nur über den einen Asset, den die Newcomer nicht haben — Jahre an Enterprise-CX-Daten. Ob das reicht, entscheidet sich daran, ob daraus ein agentisches Produkt wird oder nur ein weiteres Dashboard mit Chatbot.

Weiterführend

Die Spreizung dieser Woche — kollabierte 2021er-Multiples auf der einen, KI-Prämien auf der anderen Seite — ist kein Zufall, sondern die neue Bewertungslogik. Mehr Tiefe dazu, wie KI die Multiples auseinandertreibt → Software-Multiples unter Druck: Wie AI die Bewertungslogik verändert.