Stellen Sie sich vor, Sie möchten ein Unternehmen kaufen. Die Zahlen stimmen, das Geschäftsmodell überzeugt, doch wie sieht es unter der Oberfläche aus? Funktioniert die IT wirklich so gut, wie sie auf den ersten Blick wirkt? Oder verbergen sich dort Risiken, die später teuer werden?
Die IT entscheidet heute maßgeblich über den Erfolg von Investitionen, Transformationen und Geschäftsmodellen. Trotzdem fehlt vielen Unternehmen und Investoren ein klarer Blick auf den tatsächlichen Zustand der IT. Im Interview erklärt Alexander Finke, warum Digital Due Diligence immer wichtiger wird, welche Risiken häufig unterschätzt werden und wie Unternehmen fundierte Entscheidungen treffen können.
Weil die IT heute ein zentraler Werttreiber ist, oder eben ein Risiko. Gerade bei technologiegetriebenen Geschäftsmodellen reicht es nicht mehr, sie nur betriebswirtschaftlich zu bewerten. Investoren wollen verstehen: Ist die IT skalierbar? Wie hoch ist der zukünftige Investitionsbedarf? Gibt es Sicherheitsrisiken oder technische Altlasten? Genau hier setzt die Digital Due Diligence an. In einem kompakten Zeitraum, analysieren wir strukturiert die IT-Landschaft und schaffen eine belastbare Grundlage für die Investitionsentscheidung.
Wir betrachten die IT entlang mehrerer Dimensionen. Dazu gehören unter anderem die digitale Strategie, die technologische Substanz, Governance und Organisation sowie die finanzielle Perspektive der IT. Das Ziel ist immer, ein Gesamtbild zu bekommen: Unterstützt die IT das Geschäftsmodell oder bremst sie es aus? Welche Risiken gibt es und wie lassen sie sich mitigieren? Am Ende können wir sehr klar sagen: Hier liegen die kritischen Punkte, hier besteht Handlungsbedarf und so kann man damit umgehen.
Ein klassisches Beispiel sind historisch gewachsene Systemlandschaften. Auf den ersten Blick funktionieren sie, aber im Detail zeigen sich technische Schulden, mangelnde Skalierbarkeit oder Sicherheitslücken. Oft fehlt auch die Verbindung zwischen IT und Business. Die entscheidende Frage ist: Passt die IT überhaupt zur zukünftigen Strategie? Ein weiterer Punkt ist die Datenlandschaft. Fragmentierte Daten, unklare Verantwortlichkeiten oder schlechte Datenqualität wirken sich direkt auf Effizienz und Innovationsfähigkeit aus.
Eine Digital Due Diligence ist deutlich mehr als ein reines Audit. Es geht nicht nur darum, einzelne Schwachstellen zu identifizieren, sondern die IT ganzheitlich zu bewerten – technisch, organisatorisch und strategisch. Wir analysieren Strukturen, Prozesse und Zusammenhänge. Man kann sagen: Es ist ein methodisches, strukturiertes Verständnis der IT als Gesamtsystem, nicht nur eine punktuelle Prüfung.
Zum einen natürlich für Investoren oder Käufer im M&A-Kontext. Hier geht es darum, Risiken frühzeitig zu erkennen und den Unternehmenswert realistisch einzuschätzen. Zum anderen aber auch für Unternehmen selbst. Viele nutzen die Digital Due Diligence, um sich bewusst auf den Prüfstand zu stellen, etwa vor einer Transformation oder beim Einstieg in eine neue IT-Verantwortung. Im Kern geht es immer um Transparenz: Wo stehen wir wirklich?
Der zukünftige Investitionsbedarf wird sehr häufig unterschätzt. Systeme laufen zwar, aber nur mit hohem Wartungsaufwand oder begrenzter Erweiterbarkeit. Der Code ist dann meist fragmentiert und durch Altlasten schwer wartbar. Auch Themen wie IT-Security oder Compliance werden oft erst dann kritisch, wenn es bereits Probleme gibt. Und nicht zuletzt sehen wir häufig organisatorische Themen: fehlende Verantwortlichkeiten, ineffiziente Prozesse oder mangelnde Governance. Diese Faktoren sind oft genauso kritisch wie technische Defizite.
Eine zunehmend wichtige. Wir schauen uns zum Beispiel an, inwieweit KI bereits genutzt wird – sei es in Geschäftsprozessen oder in der Softwareentwicklung. Gleichzeitig bewerten wir, ob die Voraussetzungen dafür überhaupt gegeben sind, etwa hinsichtlich der Datenqualität oder der Architektur. Wenn hier noch wenig passiert ist, ist das nicht automatisch negativ. Im Gegenteil: Es kann auch ein Potenzial sein, das gezielt gehoben werden kann. In solchen Fällen unterstützen wir auch dabei, entsprechende Use Cases und Strategien zu entwickeln.
Vor allem Klarheit und Geschwindigkeit. Intern ist die Sicht oft fragmentiert: Jeder kennt seinen Bereich, aber das Gesamtbild fehlt. Eine externe Analyse bringt diese Perspektiven zusammen und schafft eine belastbare Entscheidungsgrundlage. Das hilft nicht nur bei Investitionsentscheidungen, sondern auch dabei, Prioritäten richtig zu setzen und Transformationen strukturiert anzugehen.
Nicht zu spät anfangen. Der größte Fehler ist, IT erst dann zu analysieren, wenn bereits Zeitdruck besteht – etwa kurz vor einem Deal. Wer früh Transparenz schafft, kann Risiken aktiv steuern und Chancen gezielt nutzen. Eine Digital Due Diligence ist kein reines Prüfwerkzeug, sondern ein strategisches Instrument für bessere Entscheidungen.
Ob im Rahmen von M&A, zur Standortbestimmung oder als Grundlage für Transformationen – Consileon unterstützt Unternehmen dabei, ihre digitale Substanz strukturiert zu bewerten und konkrete Maßnahmen abzuleiten.
Viele Unternehmen haben heute Zugriff auf leistungsfähige KI-Tools. Trotzdem bleibt der erhoffte Produktivitätsschub in der Softwareentwicklung oft aus. Der Grund ist selten die Technologie. Es ist die fehlende Erfahrung im Einsatz. Was Unternehmen jetzt anders machen müssen und warum Experten on demand dabei eine zentrale Rolle spielen, erklären Gerrit Verse, Senior Software Engineer und KI-Experte, sowie Rüdiger Lang, Principal bei Consileon.
Gerrit Verse:
KI ist heute in der Lage, entlang des gesamten Software Development Lifecycles Mehrwert zu liefern. Im Requirements Engineering kann sie dabei helfen, Anforderungen zu strukturieren, User Stories zu formulieren oder Inkonsistenzen aufzudecken. In der Entwicklung unterstützt sie bei Code Generierung, Refactoring und der schnellen Umsetzung von Standardlogik.
Auch im Testing sehen wir große Potenziale, etwa bei der Generierung von Testfällen, Testdaten oder beim Erkennen von Edge Cases. Und nicht zuletzt spielt KI eine wichtige Rolle bei der Dokumentation und der Wissensaufbereitung.
Die Grenzen liegen aktuell primär bei komplexen Systemen, bei Architekturentscheidungen und überall dort, wo tiefes fachliches Verständnis erforderlich ist. Außerdem ist die Qualität stark abhängig vom Kontext, den man der KI gibt. Ohne saubere Inputs und klare Leitplanken entstehen schnell mittelmäßige oder sogar falsche Ergebnisse.
Rüdiger Lang:
Aus strategischer Sicht ist entscheidend: Die Technologie ist weit genug, um echten Business Impact zu liefern. Aber dieser Impact entsteht nicht automatisch. KI ist kein Selbstläufer, sondern muss aktiv gesteuert und in bestehende Prozesse integriert werden.
Rüdiger Lang:
Viele Unternehmen starten mit einem toolgetriebenen Ansatz. Sie stellen KI-Lösungen zur Verfügung, erwarten jedoch, dass sich der Mehrwert von selbst einstellt. Was fehlt, ist ein klares Zielbild dafür, wie KI konkret im Entwicklungsprozess genutzt werden soll.
Gerrit Verse:
Aus technischer Sicht sehen wir häufig eine Lücke zwischen Tool und Anwendung. Entwickler haben Zugriff auf leistungsfähige Systeme, aber keine Orientierung, wie sie diese sinnvoll im Alltag einsetzen. Es fehlt an Best Practices, an Erfahrungswerten und an konkreten Anwendungsbeispielen. Dadurch bleibt KI oft auf punktuelle Nutzung beschränkt, statt systematisch entlang des gesamten SDLC eingesetzt zu werden.
Gerrit Verse:
Die erste große Herausforderung ist die Integration in bestehende Entwicklungsprozesse. KI muss dort funktionieren, wo Entwickler ohnehin arbeiten, also in bestehenden IDEs, Repositories und Toolchains.
Die zweite Herausforderung ist Qualitätssicherung. KI-generierter Code muss überprüft, getestet und in bestehende Qualitätsprozesse integriert werden. Ohne klare Regeln entstehen schnell technische Schulden oder schwer nachvollziehbare Fehler.
Die dritte Herausforderung ist die Auswahl der richtigen Tools und Modelle. Es gibt eine Vielzahl an Lösungen am Markt, aber nicht jede ist für jeden Use Case geeignet.
Rüdiger Lang:
Ich würde ergänzen, dass viele Unternehmen an der Skalierung scheitern. Einzelne Teams erzielen gute Ergebnisse, aber es gelingt nicht, diese Ansätze unternehmensweit auszurollen. Genau an diesen Punkten sehen wir den größten Bedarf für erfahrene Unterstützung. Unternehmen brauchen Zugriff auf Expertise genau dann, wenn diese Herausforderungen konkret auftreten.
Gerrit Verse:
KI kann die Geschwindigkeit erheblich steigern, insbesondere bei repetitiven Aufgaben oder beim Prototyping. Entwickler kommen schneller zu ersten Ergebnissen und können Ideen schneller validieren. Gleichzeitig besteht die Gefahr, dass die Qualität leidet, wenn Ergebnisse ungeprüft übernommen werden. KI erzeugt oft plausiblen Code, der jedoch nicht immer korrekt oder optimal ist. Deshalb ist es entscheidend, den Umgang mit KI zu professionalisieren. Dazu gehören klare Review-Prozesse, Teststrategien und ein bewusster Umgang mit den Ergebnissen.
Rüdiger Lang:
Unternehmen müssen lernen, Geschwindigkeit und Qualität gleichzeitig zu steuern. Wer das beherrscht, kann Entwicklungszyklen deutlich verkürzen und schneller auf Marktanforderungen reagieren.
Gerrit Verse:
Ein zentrales Missverständnis ist, dass KI fertige Lösungen liefert. In der Praxis ist sie ein Werkzeug, das Erfahrung im Umgang erfordert. Ohne diese Erfahrung entstehen schnell ineffiziente oder fehleranfällige Lösungen. Ein weiteres Thema ist das blinde Vertrauen in KI-Ergebnisse. Viele unterschätzen, wie wichtig Validierung und Kontext sind.
Rüdiger Lang:
Aus Managementsicht sehen wir oft die Annahme, dass KI ein reines Technologiethema ist. In Wahrheit geht es um Arbeitsweisen, Rollen und Prozesse. Wer das nicht berücksichtigt, wird den Mehrwert nicht realisieren.
Rüdiger Lang:
Wir verbinden strategische Perspektive mit operativer Umsetzung. Wir entwickeln selbst Software und KI-Lösungen und kennen die Herausforderungen aus eigener Erfahrung.
Gerrit Verse:
Und wir arbeiten nicht isoliert, sondern direkt im Team. Unsere Experten unterstützen Entwickler im laufenden Projekt, an realen Fragestellungen und im konkreten Code Kontext. Dadurch entsteht kein theoretisches Wissen, sondern sofort anwendbare Erfahrung.
Rüdiger Lang:
Der größte Vorteil liegt in der Flexibilität: Unternehmen erhalten genau die Expertise, die sie benötigen – und zwar genau dann, wenn sie gebraucht wird. Das reduziert Einstiegshürden und beschleunigt die Umsetzung erheblich. Es müssen keine langfristigen Strukturen aufgebaut werden, bevor erste Ergebnisse entstehen.
Gerrit Verse:
Aus technischer Sicht ist entscheidend, dass wir direkt im Kontext arbeiten. Wir lösen konkrete Probleme im Projekt, arbeiten mit bestehenden Systemen und vermitteln Best Practices im laufenden Betrieb. Das ist deutlich effektiver als klassische Schulungen oder theoretische Konzepte.
Rüdiger Lang:
Wir sind davon überzeugt, dass jede Session einen klaren Mehrwert für unsere Kunden liefern muss – sonst lohnt sie sich nicht. Statt vorab fixierter Trainingsbudgets oder reiner T&M-Verrechnung bemessen wir unsere Vergütung anhand des Feedbacks unserer Kunden zur jeweiligen Session. Damit nehmen wir den klassischen Anbieterspagat aus dem Markt: Der Kunde zahlt nicht für Aufwand, sondern für Wirkung. Und wir setzen ein klares Signal: Wir lassen uns am Ergebnis messen.
Gerrit Verse:
Aus technischer Sicht ist das ein starkes Modell, weil es uns als Experten direkt in die Pflicht nimmt, in jeder Session relevant zu sein – ob im Pair Programming, bei der Architekturklärung oder im Code Review. Theoretische Konzepte oder Standardfolien passen in dieses Modell nicht. Praxisrelevanz schon.
Gerrit Verse:
Typischerweise startet es mit einer konkreten Fragestellung, zum Beispiel wie KI im Testing eingesetzt werden kann oder wie sich ein bestimmter Use Case umsetzen lässt. Dann arbeiten wir gemeinsam mit dem Team an genau diesem Thema, oft im Pair Programming oder in fokussierten Sessions. Dabei entstehen direkt nutzbare Ergebnisse.
Rüdiger Lang:
Parallel sorgen wir dafür, dass diese Ansätze strukturiert verankert werden. Ziel ist immer, dass das Unternehmen langfristig eigenständig mit KI arbeiten kann.
Rüdiger Lang:
Unsere Kunden kommen deutlich schneller von ersten Experimenten in die produktive Nutzung. Sie vermeiden typische Fehler und erzielen schneller messbare Ergebnisse.
Gerrit Verse:
Und sie bauen internes Know how auf. Das ist entscheidend, um KI nachhaltig erfolgreich einzusetzen.
Gerrit Verse:
Wir sehen eine zunehmende Integration von KI in bestehende Toolchains und mehr Systeme, die eigenständig Aufgaben übernehmen. Gleichzeitig steigt die Komplexität, was Architektur und Steuerung betrifft.
Rüdiger Lang:
Für Unternehmen bedeutet das: Der Bedarf an Erfahrung wird weiter steigen. Wer jetzt beginnt, Kompetenzen aufzubauen, wird langfristig profitieren.
Unternehmen, die KI erfolgreich einsetzen wollen, brauchen mehr als Technologie. Sie brauchen Zugang zu Erfahrung im richtigen Moment. Genau das leisten Experten on demand.
Greifen Sie flexibel auf erfahrene KI-Experten für Ihre Softwareentwicklung zu und bringen Sie gezielt neue Impulse in Ihre Projekte. Weil wir von der Wirksamkeit dieses Modells überzeugt sind, orientiert sich unsere Vergütung an Ihrem Feedback zu den Sessions – so tragen wir das kommerzielle Risiko, nicht Sie.