Datenalgorithmen und Marktmacht bei AI ermöglichten Akquisitionen

1. Berücksichtigen Sie die Sorgfaltspflicht im Wettbewerb als Teil Ihrer Investitionsentscheidung

Die wettbewerbsrechtliche Sorgfaltsprüfung für eine AI-fähige Übernahme sollte bestimmen, ob die Transaktionsthese von Zugriff, Kontrolle oder Verhalten abhängt, die nach einer behördlichen Prüfung möglicherweise nur schwer aufrechtzuerhalten sind. Der Vorstand braucht mehr als einen Anmeldeplan. Es muss verstanden werden, wie das Zielunternehmen konkurriert, welche Inputs diesen Wettbewerb ermöglichen, welche Gegenparteien das zusammengeschlossene Unternehmen einschränken können und welche Transaktionsbedingungen diese Bedingungen ändern könnten.

Die zentrale Entscheidung besteht darin, ob der Erwerber das Ziel besitzen und unter glaubwürdigen Wettbewerbsbeschränkungen dennoch den Mehrwert liefern kann. Dies erfordert eine verknüpfte Bewertung der Marktdefinition, der Wettbewerbsbedeutung, der Transaktionsstruktur, des Daten- und Rechenzugriffs, der Verteilung, der Interoperabilität, des Kundenwechsels, der Innovation und der Abhilfemaßnahmen. Die Ergebnisse der Sorgfaltsprüfung sollten sich auf den Preis, den Finanzierungsspielraum, Long-Stop-Termine, Vereinbarungen, die Risikoverteilung und die Gestaltung von Integrationsplänen auswirken.

Die Arbeiten sollten nach Möglichkeit vor der Exklusivität beginnen. Frühe Erkenntnisse können Aufschluss darüber geben, ob eine Hauptakquisition wirtschaftlich näher an einer vertikalen Integration, einer Plattformakquisition, einer Ökosystemerweiterung, einer Abschottung von Inputs, einer Akquisition aufstrebender Wettbewerber oder einem Transfer kritischer Talente und geistigen Eigentums liegt. Eine Transaktion kann mehrere dieser Merkmale gleichzeitig enthalten.

Die Platine soll vier angeschlossene Ausgänge erhalten. Zunächst sollte eine AI-Stack-Map die Abhängigkeiten und Hebelquellen des Ziels zeigen. Zweitens sollte ein Wettbewerbsbeweisbuch beobachtete Fakten, Managementschätzungen und Transaktionsszenarien trennen. Drittens sollte eine Schadenstheorie-Matrix jedes Anliegen mit Beweisen, Bewertungsrisiko und möglichen Abhilfemaßnahmen verknüpfen. Viertens sollte ein Entscheidungsfahrplan zeigen, wann der Vorstand die Transaktion bewerten, umstrukturieren, beheben oder abbrechen muss.

2. Nutzen Sie aktuelle Autoritätsbedenken als Sorgfaltshypothesen

Das US-Justizministerium und die Federal Trade Commission geben in den Fusionsrichtlinien 2023 an, dass Plattformfusionen den Wettbewerb zwischen Plattformen beeinträchtigen können, sowohl auf einer Plattform als auch zur Verdrängung einer Plattform. Ihre Leitlinien identifizieren Netzwerkeffekte, Interessenkonflikte und die Erfassung von Daten, die zum Abgleich, zur Sortierung oder zur Vorhersage verwendet werden, als relevante Mechanismen. ^[1] Dieselben Richtlinien richten sich an Transaktionen, die eine marktbeherrschende Stellung festigen oder ausbauen, indem Konkurrenten der Zugang zu Kunden, Größen- oder Netzwerkeffekte verweigert werden. ^[2]

Der Mitarbeiterbericht der FTC vom Januar 2025 über Investitionen von Cloud-Anbietern und Partnerschaften mit AI-Entwicklern beschreibt vertragliche und wirtschaftliche Merkmale, die sich auf den Wettbewerb auswirken können. Dazu gehören Eigenkapital- und Umsatzbeteiligungsrechte, Beratungs- und Exklusivitätsbestimmungen, Verpflichtungen zur Verwendung von Investitionserlösen für die Cloud-Dienste des Partners, Zugriff auf Rechenleistung und die gemeinsame Nutzung von technischen, finanziellen und Kundeninformationen. Der Bericht identifiziert mögliche Umstellungskosten und Einschränkungen beim Zugriff auf wichtige Inputs. ^[3]

Der wettbewerbspolitische Brief der Europäischen Kommission für 2024 bildet den generativen AI für Chips, Rechenleistung, Daten, Modelle und nachgelagerte Dienste ab. Es berücksichtigt den Zugang zu wichtigen Inputs, vertikale Integration, Partnerschaften und die Möglichkeit, dass Unternehmen Positionen entlang der AI-Wertschöpfungskette nutzen können. ^[4] In einer gemeinsamen Erklärung der Europäischen Kommission, der britischen Wettbewerbs- und Marktaufsichtsbehörde, dem US-Justizministerium und der FTC wird eine konzentrierte Kontrolle über Chips, Computer, Daten und Fachwissen festgestellt; die Ausweitung der Marktmacht; und Vereinbarungen zwischen Schlüsselakteuren als Bereiche, die Wachsamkeit erfordern. ^[5]

Die Aktualisierung des Stiftungsmodells der CMA identifiziert Risiken im Zusammenhang mit der Kontrolle kritischer Inputs, der Gestaltung des Vertriebs durch mächtige etablierte Unternehmen und der Stärkung bestehender Positionen durch Partnerschaften. ^[6] Die französische Autorité de la concurrence hat die Wettbewerbsfunktion des generativen Sektors AI gesondert untersucht. ^[7] Das kanadische Wettbewerbsbüro beschreibt Daten, Berechnungen, Algorithmen, Preise und Fusionseffekte innerhalb der AI-Produktionskette. ^[8] Bei diesen öffentlichen Materialien handelt es sich um Hypothesen zur sorgfältigen Prüfung, nicht um Schlussfolgerungen zu einer bestimmten Transaktion.

Die gerichtliche Beurteilung sollte mit der inhaltlichen Analyse einhergehen. Meldeschwellen, Kontrolltests, Einberufungsbefugnisse und Theorien sind unterschiedlich. Minderheitenrechte, Arbeitnehmerübertragungen, Lizenzen und kommerzielle Vereinbarungen können je nach Regime unterschiedlich behandelt werden. Das Transaktionsteam sollte die Grundlage jeder Einreichungsentscheidung dokumentieren, Änderungen am Transaktionspaket überwachen und die rechtliche Kontrolle mit der praktischen wirtschaftlichen Beziehung in Einklang bringen.

AI-spezifische Vorschriften können die Betriebsbasis ändern, ohne Fusionsfragen zu klären. Datenschutz, geistiges Eigentum, Branchenregulierung, das EU-Gesetz AI und das Gesetz über digitale Märkte können sich auf Zugang, Dokumentation, technisches Design und Kosten auswirken. Wettbewerbsrechtliche Sorgfaltspflichten sollten diese Wechselwirkungen erfassen, da eine regulatorische Verpflichtung einen behaupteten Vorteil schmälern, Umsetzungsaufwand verursachen oder eine praktikable Abhilfe schaffen kann.

In dieser Tabelle sind ausgewählte öffentliche Materialien zur Verwendung durch das Management zusammengefasst. Es wird nicht die vollständige rechtliche Prüfung in irgendeiner Gerichtsbarkeit angegeben.

3. Abbildung der gesamten AI-Wertschöpfungskette

Ein AI-Produkt wird normalerweise von mehreren Schichten unterstützt. Relevante Schichten können Halbleiterdesign und -herstellung, Beschleuniger, Rechenzentrumskapazität, Cloud-Infrastruktur, Trainingsdaten, Datentechnik, Grundlagenmodelle, Feinabstimmungstools, Abrufsysteme, Anwendungsorchestrierung, Verteilung und kundenorientierte Dienste umfassen. Das Transaktionsteam sollte ermitteln, wo die Parteien tätig sind und wo sie von Dritten abhängig sind.

Die Karte sollte Kontrolle, Rechte und Ersetzbarkeit auf jeder Ebene erfassen. Eigentum ist nur eine Form der Kontrolle. Eine langfristige Kapazitätsreservierung, ein bevorzugtes Zugangsrecht, eine exklusive Modelllizenz, eine Mindestausgabenverpflichtung, eine technische Abhängigkeit oder eine Standardvertriebsposition können das Wettbewerbsverhalten beeinflussen. Die Karte sollte auch zeigen, welche Vermögenswerte repliziert werden können, wie lange die Replikation dauern würde und welche rechtlichen, finanziellen oder technischen Hindernisse bestehen.

Die Wertschöpfungskette sollte für aktuelle Produkte und glaubwürdige zukünftige Produkte gezeichnet werden. AI-Märkte können sich schnell ändern, während Infrastruktur, Datenrechte und Kundenabläufe möglicherweise schwierig bleiben. Ein Zielunternehmen, das derzeit eine Anwendung verkauft, entwickelt möglicherweise ein Modell, eine Agentenplattform oder ein Datennetzwerk, das seine Wettbewerbsrolle verändert. Vorstandsmaterialien, technische Pläne, Einstellungsanfragen und Kundenpiloten können aussagekräftiger sein als aktuelle Umsatzklassifizierungen.

Das Team sollte vermeiden, jede Ebene als Markt zu betrachten. Die Karte ist ein Beweismittel. Marktdefinition und Wettbewerbsbewertung erfordern eine rechtliche und wirtschaftliche Analyse. Mithilfe der Karte kann das Team erkennen, wo Substitutionsnachweise, Kundenmeinungen, Kostenstrukturen und Kontrollrechte eingehender geprüft werden müssen.

4. Definieren Sie den Transaktionsumfang durch Kontrolle und Abhängigkeit

AI-Transaktionen können Wettbewerbsfähigkeit übertragen, ohne dass ein herkömmlicher Kauf aller Anteile erforderlich ist. Der Umfang kann Minderheitsbeteiligungen, Vorstands- oder Beobachterrechte, kommerzielle Vereinbarungen, Lizenzen, Kapazitätsverpflichtungen, bevorzugte Verteilung, Umsatzbeteiligung, Mitarbeitertransfers und Rechte an zukünftigen Technologien umfassen. Das Team sollte das Paket als Ganzes analysieren.

In der Microsoft- und Inflection-Entscheidung der CMA wurde die Einstellung fast des gesamten Spezialistenteams zusammen mit den damit verbundenen Vereinbarungen als überprüfbare Transaktion behandelt, der Fall wurde jedoch aus Wettbewerbsgründen geklärt. ^[9] Auch im Policy Brief der Europäischen Kommission werden Partnerschaften und der Transfer von Talenten und Vermögenswerten als potenzielle strukturelle Veränderungen erörtert, die einer genauen Prüfung bedürfen. ^[4] Diese Beispiele zeigen, warum die Rechtsform allein den Sorgfaltsumfang nicht definieren kann.

Die Rechteliste sollte positive Rechte, Vetorechte, Konsultationsrechte, Informationsrechte, Budgeteinfluss, kommerzielle Abhängigkeiten und Kündigungsfolgen erfassen. Das Team sollte ermitteln, ob sich Rechte bei Meilensteinen, Finanzierungsereignissen, Leistungsausfällen oder zukünftigen Finanzierungsrunden ändern. Ein isoliert wirkendes Schutzrecht kann in Kombination mit anderen Regelungen zur Einflussnahme beitragen.

Die kommerzielle Abhängigkeit erfordert die gleiche Aufmerksamkeit. Wenn ein AI-Entwickler den größten Teil seiner Investition für einen Cloud-Anbieter ausgeben muss, anbieterspezifische Tools verwendet und mit erheblichen Datenausgabe- oder Modellmigrationskosten konfrontiert ist, kann es schwierig sein, die Beziehung aufzulösen. Die Sorgfaltspflicht sollte die Kosten, den Zeitaufwand, das Servicerisiko und die vertraglichen Konsequenzen des Wechsels zu einem zweiten Anbieter quantifizieren.

5. Formulieren Sie Theorien, bevor Sie große Datensätze sammeln

Eine Schadenstheorie ist eine überprüfbare Darstellung, wie die Transaktion den Wettbewerb schwächen könnte. Das Transaktionsteam sollte den Mechanismus, die betroffenen Kunden, die relevanten Vermögenswerte, das erwartete Verhalten, den Zeitpunkt und Beweise angeben, die die Bedenken bestätigen oder zurückweisen würden. Breite Bezeichnungen wie Datenvorteil oder Ökosystemleistung reichen nicht aus.

Eine horizontale Theorie könnte fragen, ob das Ziel eine aktuelle oder zukünftige Einschränkung für das AI-Produkt des Erwerbers darstellt. Eine vertikale Theorie könnte fragen, ob die Kontrolle eines Modells, einer Datenquelle, einer Rechenkapazität oder eines Vertriebskanals eine Abschottung ermöglicht. Eine Ökosystemtheorie könnte fragen, ob die Übernahme die Umstellungskosten erhöht oder das Multi-Homing schwächt. Eine Konglomerattheorie kann Bündelung, Ausfälle oder privilegierte Integration zwischen komplementären Produkten untersuchen. Eine Arbeits- oder Innovationstheorie kann die Frage stellen, ob Fachtalent, Forschungskapazität oder Produktoptionalität dem unabhängigen Wettbewerb entzogen werden.

Jede Theorie sollte ein Kontrafaktisches identifizieren. Die relevante Frage ist, welche Wettbewerbsbedingungen ohne die Transaktion voraussichtlich bestehen würden. Zu den Alternativen können weiteres unabhängiges Wachstum, eine neue Finanzierungsrunde, eine Partnerschaft mit mehreren Anbietern, die Übernahme durch einen anderen Käufer oder ein kommerzieller Misserfolg gehören. Die Beweise sollten zeitgenössische Pläne und Einschränkungen umfassen und nicht eine ausschließlich für die Einreichung erstellte Darstellung.

Kundenbeweise sollten mit dem Mechanismus übereinstimmen. Eine Abschottungstheorie kann Nachweise über Alternativen, Umstellungskosten, erforderliche Funktionen und die erwartete Reaktion auf eingeschränkten Zugang erfordern. Eine entstehende Wettbewerbstheorie erfordert möglicherweise Belege über die wahrscheinliche Akzeptanz, die Produktdifferenzierung und die Skalierungsfähigkeit des Ziels. Umfragen, Interviews, Ausschreibungsunterlagen und Produkttelemetrie sollten unter Berücksichtigung von Auswahl, Timing und Anreizen gestaltet oder interpretiert werden.

Die Theoriematrix soll Anfragen vorantreiben. Es reduziert den Inkassoaufwand und verbessert die Beweisdisziplin. Jede größere Anfrage sollte mit einer Vorstandsentscheidung, einer regulatorischen Frage oder einer Bewertungssensitivität verbunden sein. Das Team sollte aufzeichnen, was seine anfänglichen Bedenken widerlegen würde, und gezielt nach diesen Beweisen suchen.

6. Testdatenvorteil durch Qualitätsrechte und Reproduzierbarkeit

Daten schaffen Wettbewerbswert, wenn sie ein Produkt oder eine Entscheidung auf eine Weise verbessern, die Konkurrenten nicht ohne weiteres reproduzieren können. Das Volumen allein ist ein unvollständiges Maß. Bei der Sorgfaltspflicht sollten Relevanz, Qualität, Aktualität, Kennzeichnung, Einzigartigkeit, gesetzliche Rechte, Rückkopplungsschleifen, Abdeckung und die aus zusätzlichen Daten gewonnene Grenzleistung untersucht werden.

Der Datenbestand sollte Quelle, Eigentümer, erlaubte Nutzung, Geografie, Aufbewahrung, Einwilligung, Exklusivität, Portabilität und Löschanforderungen angeben. Es sollte Daten unterscheiden, die für Schulung, Feinabstimmung, Abruf, Auswertung, Sicherheit, Personalisierung und Produktanalyse verwendet werden. Das Team sollte die vertraglichen Rechte mit den tatsächlichen Pipelines und der Modelldokumentation in Einklang bringen.

Die Reproduzierbarkeit sollte mit Zeit- und Kostenaufwand getestet werden. Öffentliche oder lizenzierte Daten sind möglicherweise verfügbar, während Bereinigung, Kommentierung, Domänenexpertise und Feedback-Verläufe weiterhin schwierig zu reproduzieren sind. Synthetische Daten können einige Lücken schließen und unterschiedliche Qualitäts- oder Rechtsrisiken mit sich bringen. Kundenspezifische Daten können den Service verbessern, ohne kundenübergreifend übertragbar zu sein. Das Team sollte die Annahme vermeiden, dass der Zugang automatisch zu dauerhafter Marktmacht führt.

Das Transaktionsmodell sollte zeigen, ob sich durch die Kombination von Datensätzen Qualität, Kosten oder Umfang ändern. Es sollte auch geprüft werden, ob das zusammengeschlossene Unternehmen den Zugang seiner Konkurrenten zu einer gemeinsamen Quelle einschränken, die Portabilität beeinträchtigen oder wettbewerbsrelevante Plattformdaten nutzen könnte, um seine eigenen Dienste zu bevorzugen. Die Bestimmungen des EU-Gesetzes über digitale Märkte zur Datenportabilität und zum Datenzugang bieten einen aktuellen regulatorischen Kontext für diese Fragen. ^[10]

Modellleistungstests sollten reproduzierbar sein. Das Sorgfaltsteam sollte gegebenenfalls den Bewertungsdatensatz, die Aufgabendefinition, die Basislinie, die Modellversion, die Parameter und die Konfidenzintervalle aufbewahren. Verbesserungen, die bei einer anderen Benchmark oder einem anderen Kundensegment verschwinden, haben möglicherweise nur eine begrenzte Wettbewerbsbedeutung. Technische Spezialisten und Wirtschaftswissenschaftler sollten sich darüber einig sein, wie Leistungsnachweise mit der Kundenauswahl und dem wirtschaftlichen Wert zusammenhängen.

Beweisbewertungen sollten anhand verifizierter Transaktionsmaterialien vorgenommen werden. Die folgenden Beispiele beschreiben die erforderlichen Felder.

7. Quantifizieren Sie Computing-Cloud- und Chip-Abhängigkeiten

Rechenkapazität kann sowohl ein Kosten- als auch ein Wettbewerbsdruck sein. Bei der Sorgfaltspflicht sollten Modellschulung, Feinabstimmung, Inferenz, Bewertung und Spitzenbedarfsanforderungen getrennt werden. Es sollte Beschleuniger, Standorte, Anbieter, Reservierungsbedingungen, Preise, Energiebeschränkungen, Datenresidenz und die Portabilität von Arbeitslasten identifizieren.

Cloud-Gutschriften und strategische Investitionen können die wirtschaftlichen Kosten verschleiern. Das Team sollte die effektiven Stückkosten nach Gutschriften, zugesagten Ausgaben, Umsatzbeteiligung und Mindestnutzung berechnen. Es sollte bestimmen, was passiert, wenn Gutschriften ablaufen oder sich die Modellnachfrage ändert. Eine Transaktion, die die Auslastung erhöht, kann die Wirtschaftlichkeit verbessern, während die Konzentration auf einen Anbieter das Wechselrisiko erhöhen kann.

Technische Portabilität erfordert mehr als Vertragsfreiheit. Modelle können von proprietären Chips, Orchestrierung, Speicher, Netzwerk, Sicherheit, Überwachung und Entwicklertools abhängen. Ein Replatforming kann technische Arbeiten, eine neue Validierung und eine Kundengenehmigung erfordern. Das Diligence-Modell sollte die Migrationszeit, die Kosten für doppelte Ausführungen, Leistungsänderungen und das Servicerisiko aufzeigen.

Kapazitätsnachweise sollten zukunftsorientiert und begrenzt sein. Die reservierte Beschleunigerkapazität kann die aktuelle Nutzung übersteigen, da sie geplante Schulungen oder Redundanz unterstützt. Das Team sollte Reservierungen, tatsächlichen Verbrauch, Warteschlangenzeiten, Auslastung, fehlgeschlagene Aufträge und Bedarfsprognosen abgleichen. Dabei soll geprüft werden, ob ein Wettbewerber innerhalb der wettbewerbsrelevanten Frist einen wirtschaftlich und technisch geeigneten Ersatz beschaffen kann.

Der FTC-Mitarbeiterbericht identifiziert Cloud-Verpflichtungen, Eingangszugriff und Wechselkosten als mögliche Wettbewerbsprobleme bei AI-Partnerschaften. ^[3] In der gemeinsamen internationalen Erklärung werden ebenfalls spezialisierte Chips und umfangreiche Rechenleistung als kritische Inputs identifiziert. ^[5] Der Vorstand sollte wissen, ob die Investitionsthese von einem fortgesetzten bevorzugten Zugang ausgeht und ob eine Abhilfe oder ein Lieferantenwechsel den Wert mindern würde.

8. Untersuchen Sie den Modellzugriff und die Interoperabilität

Der Modellzugriff bestimmt, ob Anwendungen und Kunden AI-Funktionen auswählen, kombinieren oder ersetzen können. Das Team sollte proprietäre Modelle, Modelle von Drittanbietern, Open-Weight-Komponenten, Feinabstimmungen, Einbettungen, Abrufsysteme und Evaluierungsressourcen inventarisieren. Es soll Lizenzen, Nutzungsbeschränkungen, Portabilität, Kündigungsrechte und technische Abhängigkeiten erfassen.

Die Interoperabilität sollte auf mehreren Ebenen getestet werden. Dateninteroperabilität betrifft Formate und Übertragung. Die Modellinteroperabilität betrifft Schnittstellen, Eingabeaufforderungen, Kontext, Tools und Bewertung. Die Anwendungsinteroperabilität betrifft Identität, Berechtigungen, Arbeitsabläufe und Prüfpfade. Bei der Vertriebsinteroperabilität geht es um den Zugriff auf Betriebssystem-, Geräte- oder Plattformfunktionen zu Bedingungen, die mit denen des eigenen Dienstes des etablierten Betreibers vergleichbar sind.

Die Europäische Kommission hat im Juli 2026 verbindliche Spezifikationsmaßnahmen für den Zugriff konkurrierender AI-Dienste auf relevante Android-Funktionen und den Zugriff externer Suchanbieter auf Suchdaten verabschiedet. ^[11] Diese aktuelle Aktion verdeutlicht, dass Interoperabilität und Datenzugang betriebliche Wettbewerbsfragen sind. Bei der Transaktionsprüfung sollte ermittelt werden, welche Schnittstellen wesentlich sind, wer Änderungen kontrolliert und wie sich das zusammengeschlossene Unternehmen auf Qualität, Zeitplanung oder Zugang auswirken könnte.

Der Integrationsplan sollte glaubwürdige Multi-Modell- und Multi-Provider-Optionen bewahren, bis die Wettbewerbsprüfung abgeschlossen ist. Das zu frühe Entfernen von Adaptern, das Beenden von Lizenzen oder die Neugestaltung von APIs kann die Abhilfemöglichkeiten einschränken und die kontrafaktischen Beweise untergraben.

Die Schnittstellen-Governance sollte in die Sorgfaltspflicht einbezogen werden. Das Team sollte Versionsrichtlinien, Verfallszeiträume, Ratenbeschränkungen, Authentifizierung, Servicelevel, Entwicklerunterstützung und Zugriff auf Testumgebungen identifizieren. Eine formal offene Schnittstelle kann wirtschaftlich wirkungslos bleiben, wenn Änderungen unvorhersehbar sind, die Dokumentation unvollständig ist oder die Leistung vom internen Zugriff des Betreibers abweicht.

9. Testen Sie die Standardeinstellungen und die Selbstpräferenzierung der Verteilung

Der Vertrieb kann ein leistungsfähiges AI-Produkt in einen Wettbewerbsdruck verwandeln. Zu den relevanten Kanälen können Betriebssysteme, Cloud-Marktplätze, Produktivitätssuiten, Unternehmensanwendungen, Browser, App Stores, Geräte, Wiederverkäufer und eingebettete Arbeitsabläufe gehören. Das Team sollte Traffic, Aktivierung, Konvertierung, Nutzung und Kundenakquise nach Kanal quantifizieren.

Standardeinstellungen sind wichtig, wenn Benutzer mit Such-, Lern-, Migrations- oder Vertragskosten konfrontiert werden. Eine Vorgabe kann explizit sein, etwa ein vorausgewählter Assistent, oder technisch, etwa privilegierter Zugriff auf Gerätefunktionen. Durch die Bündelung können die Kundenkosten gesenkt und die Integration verbessert werden. Es kann auch dazu führen, dass es schwieriger wird, einen unabhängigen Konkurrenten zu entdecken oder zu kaufen. Sorgfalt sollte beide Effekte messen.

Selbstpräferenztests sollten Ranking, Empfehlung, Latenz, Funktionszugriff, Datenzugriff, Preisgestaltung, Berechtigung und kommerzielle Anreize untersuchen. Die Frage ist, ob das zusammengeschlossene Unternehmen die Fähigkeit und den Anreiz hätte, seinen eigenen Service zu bevorzugen, und ob Kunden oder Konkurrenten darauf reagieren könnten. Die Nachweise sollten Experimente, Ranking-Dokumentationen, interne Prognosen und die historische Behandlung Dritter umfassen.

Die DMA-Überprüfung 2026 der EU identifiziert Interoperabilität, Selbstpräferenzierung, Zugriff auf Daten und Cloud-Abhängigkeiten als Themen im Zusammenhang mit AI-Diensten. ^[12] Diese Pflichten ersetzen nicht die Fusionsanalyse. Sie können sich auf die Sachlage, Abhilfemöglichkeiten und die Bewertung von Vertriebsvorteilen auswirken.

Die Verteilungsanalyse sollte zwischen Reichweite und inkrementeller Macht unterscheiden. Eine große installierte Basis kann die Einführung beschleunigen, während Kunden möglicherweise eine sinnvolle Auswahl behalten, wenn konkurrierende Dienste einfach zu installieren, zu integrieren und zu erwerben sind. Das Team sollte Platzierung, Eingabeaufforderungen, Standardvorgaben, Vertragspakete, Rabattzuteilung und die technische Reibung bei der Aktivierung einer Alternative untersuchen.

10. Ökosystem- und Netzwerkeffekte messen

Ein Ökosystem kann Mehrwert schaffen, indem es die Integrationskosten senkt und das Erlebnis komplementärer Produkte verbessert. Es kann auch die Abhängigkeit erhöhen, wenn Identität, Daten, Arbeitsabläufe, Entwickler und Einkauf miteinander verknüpft sind. Diligence sollte die Customer Journey abbilden und ermitteln, welche Elemente einen Wechsel oder Multi-Homing erschweren.

Direkte Netzwerkeffekte entstehen, wenn ein Dienst wertvoller wird, wenn mehr ähnliche Benutzer beitreten. Indirekte Effekte entstehen, wenn die Beteiligung einer Seite eine andere Seite anzieht, beispielsweise Entwickler, Verkäufer oder Datenanbieter. Bei leistungssteigernder Nutzung können Lerneffekte entstehen. Skaleneffekte können die Stückkosten senken. Diese Mechanismen sollten separat gemessen werden, da sie unterschiedliche Auswirkungen auf den Wettbewerb und die Bewertung haben.

Die US-Fusionsrichtlinien 2023 befassen sich insbesondere mit Plattformbeteiligungen, Netzwerkeffekten und Konflikten zwischen einem Plattformbetreiber und Teilnehmern. ^[1] Das Prüfungsteam sollte sich fragen, ob durch den Erwerb des Ziels ein Tool, das Multi-Homing ermöglicht, ein für eine konkurrierende Plattform wichtiger Teilnehmer oder eine neu entstehende Route, die einen etablierten Dienst verdrängen könnte, wegfällt.

Zu den Wechselnachweisen sollten Kundengespräche, Abwanderungsgründe, Migrationsprojekte, Exporterfolg, Umschulung, Integrationsabhängigkeiten und Vertragsbedingungen gehören. Die angegebene Wechselbereitschaft ist schwächer als das beobachtete Verhalten. Das Modell sollte Kosten und Zeit für definierte Kundensegmente schätzen und nicht einen Durchschnittswert.

Entwickler- und Partneranreize können Frühindikatoren sein. Eine Akquisition kann dazu führen, dass Dritte eher bereit sind zu bauen, weil das Ökosystem größer wird, oder weniger bereit sind, weil sie Diskriminierung oder Aneignung erwarten. Diligence sollte die Abwanderung von Partnern, die Nutzung von API, Investitionsentscheidungen, Roadmap-Feedback und die Behandlung von Anwendungen überprüfen, die mit den eigenen Produkten der Plattform konkurrieren.

11. Überprüfen Sie Algorithmen als Verhalten und Beweismittel

Algorithmen können sich auf Preis, Ranking, Matching, Berechtigung, Kapazität, Empfehlungen und Zugang auswirken. Die Sorgfaltspflicht sollte Entscheidungssysteme identifizieren, die mit Wettbewerbern, Lieferanten oder Kunden interagieren, und bestimmen, welche Daten, Ziele, Einschränkungen und menschlichen Kontrollen sie steuern.

Das Team sollte untersuchen, ob ein Plattformalgorithmus ein verbundenes Produkt begünstigen kann, ob Preissysteme auf Konkurrenten in einer Weise reagieren, die die Koordination erleichtert, und ob Zugangsregeln Konkurrenten degradieren können. Das kanadische Wettbewerbsamt stellt fest, dass AI-basierte Preisalgorithmen zu Diskussionen über eine stillschweigende Algorithmenkoordinierung geführt haben. ^[8] Die Transaktionsbewertung sollte sich auf Beweise und Mechanismen konzentrieren und nicht davon ausgehen, dass die Automatisierung selbst Schaden verursacht.

Modell-Governance-Aufzeichnungen können ebenfalls wichtige Beweise liefern. Schulungsziele, Bewertungskriterien, Funktionsbedeutung, Experimente, Vorfallprotokolle und Änderungsgenehmigungen können zeigen, wie ein System tatsächlich funktioniert. Technische Teams sollten diese Materialien in Entscheidungssprache erläutern, ohne unnötige geschützte Informationen preiszugeben.

Das kombinierte Firmendesign sollte verantwortliche Eigentümer, Überprüfbarkeit und Änderungskontrollen für wettbewerbsempfindliche Algorithmen umfassen. Wenn durch die Transaktion ein neuer Interessenkonflikt entsteht, sind möglicherweise Trennung, Zugriffsbeschränkungen, Tests oder eine unabhängige Aufsicht erforderlich.

12. Behandeln Sie das geistige Eigentum und die erworbenen Talente als Wettbewerbsvorteile

Fachforscher, Ingenieure, Produktführer und Datenexperten können knappe Inputs sein. Das Diligence-Team sollte kritische Teams, Mobilitätseinschränkungen, Bindungspläne, Forschungspläne und Abhängigkeiten von einzelnen Führungskräften identifizieren. Es sollte eine gewöhnliche Einstellung von einer koordinierten Übertragung einer Wettbewerbsfähigkeit unterscheiden.

Die Sorgfaltspflicht in Bezug auf geistiges Eigentum sollte Modellgewichte, Codes, Patente, Geschäftsgeheimnisse, Datensätze, Bewertungsmethoden, Lizenzen und Rechte abdecken, die sich aus Beschäftigungs- oder Forschungskooperationen ergeben. Eigentumsunterschiede können den Wert schwächen. Umfassende Lizenzen oder vorbehaltene Rechte können die Exklusivität und die kontrafaktische Wettbewerbsfähigkeit beeinträchtigen.

Der Fall Microsoft und Inflection zeigt, dass Mitarbeiterübertragungen in Kombination mit Lizenzen und damit verbundenen Vereinbarungen eine überprüfbare Fusionssituation im Vereinigten Königreich darstellen können. ^[9] Bei der Strukturierung eines Acquihires oder einer strategischen Lizenz sollten Vorstände den Inhalt, die Vermögenswerte und die fortdauernde Geschäftsfähigkeit bewerten.

Die Bindungsökonomie sollte mit dem Wettbewerbsrisiko verbunden sein. Eine Transaktion kann Anreize erfordern, um die Fähigkeit des Zielunternehmens zu erhalten, während die Regulierungsbehörden prüfen, ob diese Fähigkeit unabhängig bleiben sollte. Das Finanzierungsmodell sollte daher Bindungsdauer, Failed-Deal-Arrangements und Integrationsbeschränkungen umfassen.

13. Bewerten Sie dynamischen Wettbewerb und Innovation

Der aktuelle Umsatz kann die Wettbewerbsbedeutung eines AI-Ziels unterschätzen. Ein kleines Unternehmen verfügt möglicherweise über Technologie, Talent, Kundenzugang oder eine Architektur, die in der Lage ist, einen etablierten Betreiber herauszufordern. Das Team sollte die Wahrscheinlichkeit, den Zeitpunkt und das Ausmaß einer unabhängigen Expansion anhand zeitgenössischer Beweise testen.

Zu den relevanten Beweisen gehören Produkt-Roadmaps, Versuchsergebnisse, Kundenpiloten, Pipeline, Finanzierungspläne, Einstellungen, Computerreservierungen, Partnerschaftsgespräche und Vorstandsentscheidungen. Das Team sollte technische Meilensteine ​​und kommerzielle Einschränkungen untersuchen. Eine Roadmap sollte nicht als unvermeidlich betrachtet werden; Ausfallwahrscheinlichkeiten, Finanzierungsbedarf und Ausführungsrisiken gehören in das Kontrafaktische.

Die Innovationsanalyse soll sich überschneidende Forschungspfade und alternative Ansätze identifizieren. Die Frage kann sein, ob das Abkommen unabhängige Experimente beseitigt, die Anreize zur Entwicklung eines interoperablen Produkts verringert oder eine Technologie in das Ökosystem des etablierten Betreibers umleitet. Es kann auch darum gehen, ob die Kombination von Vermögenswerten die Innovation auf nachweisbare und transaktionsspezifische Weise beschleunigt.

Die OECD-Forschung betont die Unsicherheit in der AI-Marktentwicklung und die Bedeutung des dynamischen Wettbewerbs, wichtiger Inputs und Verbindungen entlang der Wertschöpfungskette. ^[13] Das Board sollte Szenarien und Entscheidungsbereiche verwenden, keine falsche Präzision.

Innovationseffizienz erfordert die gleiche Disziplin wie Risikoansprüche. Das Team sollte die ergänzenden Vermögenswerte, Entwicklungsmeilensteine, Ressourcen, Zeitpunkt und Wahrscheinlichkeit der Lieferung identifizieren. Es sollte geprüft werden, ob der Vorteil Eigentum erfordert oder durch Lizenz-, Liefer- oder Vertriebsvereinbarungen entstehen könnte. Die Vorteile sollten mit den Kundenergebnissen verknüpft und an die Integrationskosten und das Ausführungsrisiko angepasst werden.

14. Bauen Sie einen Beweisraum für Wettbewerber auf

Der Beweisraum sollte rund um Theorien und Entscheidungen organisiert sein. Kernordner sollten Transaktionsdokumente, Strategie, Markt und Kunden, Daten, Berechnung, Modelle, Vertrieb, Interoperabilität, Algorithmen, Talent, geistiges Eigentum, Partnerschaften, Bewertung, Synergien und regulatorische Analysen abdecken.

Für jeden Materialgegenstand sollten eine Quelle, ein Datum, ein Eigentümer und ein Beweisstatus angegeben sein. Beobachtete Daten sollten von Managementschätzungen und Transaktionsszenarien unterscheidbar bleiben. Abgeleitete Analysen sollten Formeln und Abstammung bewahren. Kundennachweise sollten die Methodik aufzeichnen und selektive Angebote vermeiden.

Das Team sollte normale Kursdokumente mit Transaktionsberichten in Einklang bringen. Interne Dokumente können unterschiedliche Terminologie und Marktgrenzen verwenden. Die Analyse sollte Unterschiede erklären, anstatt die Geschichte neu zu schreiben. Wichtige Kennzahlen sollten mit den Quellsystemen, gegebenenfalls geprüften Konten und dem Transaktionsmodell abgeglichen werden.

Anfragen sollten verhältnismäßig und kontrolliert sein. Bei wettbewerbssensiblen Informationen kann eine saubere Teambearbeitung erforderlich sein. Persönliche Daten, Quellcode, Modellgewichte und Sicherheitsinformationen erfordern spezielle Kontrollen. Evidence Governance sollte die Geschäftsentscheidung unterstützen und gleichzeitig rechtliche, vertrauliche und Cybersicherheitsanforderungen wahren.

Der Beweisraum sollte ein kontrolliertes Problemprotokoll enthalten. In jedem Fall sollten die Frage, die erhaltenen Beweise, der ungelöste Widerspruch, der verantwortliche Eigentümer, die Konsequenz der Entscheidung und die nächste Aktion angegeben werden. Ersetzte Analysen sollen nachvollziehbar bleiben. Diese Aufzeichnung hilft dem Vorstand zu verstehen, wie sich die Schlussfolgerungen geändert haben, und unterstützt die Konsistenz zwischen Einreichungen, Kreditgebermaterialien und Transaktionsdokumenten.

15. Definieren Sie den hypothetischen Transaktionsfall

Der Fall betrifft einen globalen Anbieter von Unternehmenssoftware, Cloud-Diensten und Enterprise-Vertrieb, der eine AI Workflow-Plattform erwirbt. Der angenommene Unternehmenswert beträgt USD 3.60 billion. Das Zielunternehmen erzielt USD 420 million an jährlich wiederkehrenden Umsätzen und bedient Kunden über Direktvertrieb, Cloud-Marktplätze und Integrationen mit Unternehmensanwendungen.

Das Zielunternehmen greift derzeit auf drei Anbieter von Stiftungsmodellen zurück. Es nutzt einen strategischen Cloud-Anbieter für die meisten Schulungs- und Inferenz-Workloads im Rahmen einer USD 310 million-Verpflichtung, die über den vorgeschlagenen Abschluss hinausgeht. Sein Produkt verbindet Kundendokumente, Workflow-Daten und Feedback mit domänenspezifischen Agenten. Kunden können einige Datensätze exportieren, während Konfigurationen, Auswertungsverläufe und Workflow-Kontext zusätzliche Migrationsarbeiten erfordern.

Das Management schätzt den Barwert der Bruttosynergien aus Vertrieb, Infrastruktur, Beschaffung und Produktintegration auf USD 480 million. Das Transaktionsmodell geht von einem 160-tägigen Zeitraum von der Unterzeichnung bis zum Abschluss aus. Ein Wettbewerbs-Diligence-Programm identifiziert 54 Fragen zu Daten, Berechnung, Modellen, Verteilung, Interoperabilität, Algorithmen, Talent und dem Kontrafaktischen.

Das Abwärtsszenario geht davon aus, dass USD 42 million über einen Zeitraum von drei Jahren inkrementelle Investitionen für Multi-Cloud-Fähigkeit, Datentrennung, Interoperabilität, Überprüfbarkeit und Zugriff Dritter tätigt. Das Modell geht nicht davon aus, dass eine Behörde diese Maßnahmen verlangt. Es testet die Fähigkeit des Vorstands, den Investitionsfall aufrechtzuerhalten, wenn Einschränkungen die Exklusivität, Bündelung, Ausfälle oder den Zeitpunkt der Integration beeinträchtigen.

Jeder Wert und jedes Ergebnis ist eine Szenarioannahme. USD Millionen, sofern nicht anders angegeben.

16. Modellieren Sie die kontrafaktischen und Transaktionsszenarien

Die kontrafaktische Basis geht davon aus, dass das Ziel unabhängig bleibt, eine geplante Finanzierungsrunde abschließt und den Vertrieb mehrerer Modelle fortsetzt. Eine zweite kontrafaktische Annahme geht von einer strategischen Partnerschaft ohne Kontrolle aus. Ein Drittel geht von einer Übernahme durch einen Käufer ohne konkurrierendes Ökosystem aus. Keine davon wird als Tatsache behandelt. Das Team weist Wahrscheinlichkeiten anhand verifizierter Finanzierung, Governance sowie technischer und kommerzieller Beweise zu.

Die Transaktionsszenarien sollten vollständige Genehmigung, erweiterte Überprüfung, Verhaltensbeschränkungen, Interoperabilitätsverpflichtungen, Datentrennung, Multi-Cloud-Anforderungen, Veräußerung ausgewählter Vermögenswerte und Transaktionsfehler testen. Jedes Szenario sollte Wahrscheinlichkeit, Zeitpunkt, Umsatz, Kosten, Investitionsausgaben, Kundenauswirkungen, Finanzierungstragfähigkeit und Umsetzungsfolgen aufzeigen.

Synergien erfordern Beweise auf Mechanismusebene. Vertriebssynergien sollten Kanal, Kundensegment, Konversionsrate und Kannibalisierung identifizieren. Infrastruktursynergien sollten bestehende Verpflichtungen und Migrationskosten berücksichtigen. Produktsynergien sollten Entwicklungsabhängigkeiten und Veröffentlichungszeitpunkte identifizieren. Datensynergien sollten Rechte, technische Methoden und messbare Leistungsverbesserungen aufzeigen.

Der Vorstand sollte sich theoretisch auf den Value at Risk konzentrieren. Eine Beschränkung der Standardverteilung kann sich auf die Umsatzsynergie auswirken. Eine Multi-Cloud-Anforderung kann sich auf die Kosten auswirken. Die Datentrennung kann die Produktintegration verzögern. Durch ein Verbot oder eine Veräußerung kann sich der Transaktionsumfang ändern. Das Entscheidungsmodell soll einen undifferenzierten Regulierungsabschlag vermeiden.

17. Weisen Sie den Überprüfungsaufwand mithilfe einer Risiko-Heatmap zu

Die Heatmap sollte Fähigkeit, Anreiz, Wirkung, Evidenzqualität und Heilmittelkomplexität kombinieren. Eine hohe Belastung mit schwachen Beweisen erfordert dringende Maßnahmen. Eine hohe Gefährdung mit überzeugenden Beweisen erfordert weiterhin die Aufmerksamkeit des Vorstands, da die Transaktion möglicherweise eine Neubewertung oder Umstrukturierung erfordert.

Datenexklusivität kann ein hohes Risiko mit sich bringen, wenn der Datensatz wichtig, nicht replizierbar und übertragbar ist. Die Rechenkonzentration kann ein hohes Risiko darstellen, wenn innerhalb des erforderlichen Zeitraums keine Kapazitätsalternativen verfügbar sind. Selbstbevorzugung kann ein hohes Risiko mit sich bringen, wenn der Erwerber einen wichtigen Weg zum Markt kontrolliert und Rangfolge, Standardeinstellungen oder Funktionszugriff ändern kann.

Die Karte sollte positive Beweise enthalten. Glaubwürdiger Kundenwechsel, interoperable APIs, verfügbare Kapazität, Multi-Homing, geringer inkrementeller Datenwert und unabhängige Governance können Bedenken verringern. Beweise sollten geprüft und nicht behauptet werden.

Die Heatmap ist ein Managementtool. Es ist keine Vorhersage der Entscheidung einer Behörde. Sein Zweck besteht darin, Sorgfalts-, Bewertungs- und Verhandlungsressourcen bereitzustellen, bevor die Optionalität verschwindet.

18. Entwerfen Sie die Abhilfebereitschaft, bevor sie angefordert wird

Die Abhilfebereitschaft schützt die Transaktionsoptionalität. Das Team sollte ermitteln, welche Bedenken durch Perimeteränderungen, Zugriff, Interoperabilität, Datentrennung, Lizenzierung, Lieferverpflichtungen, Governance oder Überwachung angegangen werden könnten. Es soll prüfen, ob eine Maßnahme technisch machbar, wirtschaftlich nachhaltig und nachweisbar ist.

Strukturelle Optionen können die Veräußerung eines Produkts, eines Datensatzes, eines Modells, eines Teams, eines Vertrags oder eines Vertriebsrechts umfassen. Ein tragfähiges Paket erfordert ausreichende Vermögenswerte, Menschen, Rechte, Kunden und Übergangsunterstützung, um wettbewerbsfähig zu sein. Verhaltensoptionen können Zugriff, Rangfolge, Interoperabilität, Portabilität, Lizenzierung, Kapazität oder Informationsflüsse betreffen. Ihre Wirksamkeit hängt von Klarheit, Anreizen und Überwachung ab.

Das Team sollte für jede Option Kosten und Wertverluste berechnen. Dabei sollten Steuer-, Finanzierungs-, geistiges Eigentums-, Datenschutz-, Cybersicherheits- und betriebliche Konsequenzen ermittelt werden. Eine Abhilfe kann sich sowohl auf das Ziel als auch auf das weitere Ökosystem des Erwerbers auswirken.

Das Integrationsdesign sollte die Trennbarkeit wahren. Produkt-Roadmaps, Datenarchitekturen, Verträge und Teams sollten klare Grenzen behalten, bis das Risiko gelöst ist. Dies bedeutet nicht, dass eine Abhilfe erforderlich ist. Es gibt dem Vorstand umsetzbare Entscheidungen und verbessert die Glaubwürdigkeit der Verhandlungen.

Bei der Abhilfeprüfung sollten Kunden und Gegenparteien einbezogen werden, sofern dies rechtlich und wirtschaftlich angemessen ist. Eine technisch elegante Zugangsverpflichtung kann scheitern, wenn Kunden sie nicht nutzen können, Wettbewerber keine komplementären Assets haben oder die Überwachung Informationen erfordert, die nicht verifiziert werden können. Das Team sollte Erfolgskennzahlen, Meldequellen, Streitwege und die Folgen der Nichteinhaltung definieren.

19. Verbinden Sie Wettbewerbsergebnisse mit Bewertungsfinanzierung und -bedingungen

Das Wettbewerbsrisiko wirkt sich auf Cashflows, Timing, Finanzierung und Optionalität aus. Das Bewertungsmodell sollte jede wesentliche Theorie mit Umsatz, Marge, Investitionsausgaben, Betriebskapital, Steuern und Endwert verknüpfen. Es sollte den Wert von Synergien aufzeigen, die von Exklusivität, Standardplatzierung, Datenkombination oder schneller Integration abhängen.

Finanzierungsmodelle sollten Überprüfungsverzögerung, Bearbeitungsgebühren, Überbrückungsdauer, Ablauf der Verpflichtung, Absicherung, Einbehalt und doppelte Betriebskosten umfassen. Kreditgeber benötigen möglicherweise Informationen über die regulatorischen Bedingungen und die Möglichkeit der Abhilfe. Das Team sollte vertrauliche Informationen kontrollieren und gleichzeitig legitime Underwriting-Fragen beantworten.

Transaktionsbedingungen können das Risiko durch Bedingungen, Vereinbarungen, Aufwandsstandards, Abhilfeverpflichtungen, Kündigungsrechte, umgekehrte Kündigungsgebühren, Long-Stop-Termine und Informationspflichten zuweisen. Das Wirtschaftsmodell sollte in diese Bestimmungen einfließen. Ein Käufer sollte die maximale Abhilfelast im Einklang mit seinem Investitionsfall verstehen, bevor er eine umfassende Verpflichtung aushandelt.

Aus dem Vorstandspapier sollte die Schwelle für den Weggang hervorgehen und wer Änderungen genehmigen kann. Eine höhere Wahrscheinlichkeit einer Genehmigung kompensiert nicht einen unbegrenzten Nachteil, wenn die Transaktionsbedingungen Abhilfemaßnahmen erfordern, die die These zerstören.

20. Implementieren Sie einen neunzigtägigen Fahrplan für die Wettbewerbsprüfung

In den ersten zehn Tagen sollten die Entscheidung, der Transaktionsumfang, die Zuständigkeitskarte, die AI-Stack-Karte, die Beweistaxonomie und die Clean-Team-Kontrollen festgelegt werden. Das Team sollte die führenden Theorien identifizieren und Eigentümer zuweisen.

An den Tagen 11 bis 30 sollen Daten, Berechnung, Modellierung, Verteilung und Partnerschaftsnachweise abgeglichen werden. Die Kunden- und Technikarbeiten sollten beginnen. Das Bewertungsteam sollte theoriespezifische Sensitivitäten erstellen, anstatt auf den Abschluss der rechtlichen Analyse zu warten.

An den Tagen 31 bis 60 sollen Kontrafakten, Wechsel, Interoperabilität, Abschottungsanreize, dynamischer Wettbewerb und die Durchführbarkeit von Abhilfemaßnahmen getestet werden. Das Team sollte sowohl negative als auch positive Hypothesen in Frage stellen. Wesentliche Lücken sollten dem Transaktionsausschuss mit definierten Entscheidungen vorgelegt werden.

An den Tagen 61 bis 90 sollten die Protokolle der Vorstandsentscheidungen, die Einreichung von Beweismitteln, Finanzierungsfälle, Amtszeitpositionen und das Paket zur Abhilfebereitschaft fertiggestellt werden. Das Programm sollte nach der Unterzeichnung fortgesetzt werden, wenn neue behördliche Fragen, Marktentwicklungen und Transaktionsänderungen auftreten.

Der Zeitpunkt sollte an den tatsächlichen Transaktionsprozess und den Zeitplan der Behörden angepasst werden.

21. Geben Sie dem Vorstand ein kompaktes Entscheidungs-Dashboard

Das Dashboard sollte die führenden Theorien, die Qualität der Beweise, den Risikowert, den Zeitplan, die vertragliche Gefährdung und die nächste Entscheidung anzeigen. Es sollte ein einzelner Rot-Gelb-Grün-Wert vermieden werden, der Unsicherheit verbirgt. Jede Theorie sollte einen Besitzer, eine aktuelle Schlussfolgerung, Gegenbeweise und eine Frist haben.

Der Vorstand benötigt getrennte Ansichten über die regulatorische Wahrscheinlichkeit und die wirtschaftlichen Folgen. Ein Problem mit geringer Wahrscheinlichkeit kann ein Handeln rechtfertigen, wenn die Konsequenz ein Verbot oder eine Abhilfe ist, die die These zerstört. Ein wahrscheinliches Problem mit begrenzten Wertauswirkungen kann möglicherweise durch den Preis oder das Implementierungsdesign beherrschbar sein.

Das Dashboard sollte Annahmen identifizieren, die kurz vor dem Ablauf stehen. Modellleistung, Kundenverhalten, Kapazitätsverfügbarkeit, Produkt-Roadmaps und regulatorische Positionen können sich im Laufe eines langen Prozesses ändern. Beweise sollten Aktualisierungsdaten haben.

Auch die Bereitschaft sollte sichtbar sein. Der Vorstand sollte wissen, ob die Einreichungsbeschreibung mit den Transaktionsdokumenten übereinstimmt, ob das Modell Abhilfefälle umfasst, ob die Finanzierung weiterhin verfügbar ist und ob der Integrationsplan die erforderlichen Grenzen einhält.

22. Nutzen Sie die Sorgfaltspflicht des AI-Wettbewerbs, um die Entscheidungsqualität zu wahren

AI-fähige Akquisitionen erfordern eine integrierte Sicht auf Vermögenswerte, Verträge, technische Architektur, Kundenverhalten und Marktanreize. Eine herkömmliche Marktanteilsanalyse kann übersehen, wie sich Daten, Berechnung, Modelle, Verteilung und Ökosystemkontrolle gegenseitig verstärken.

Das Framework beginnt mit der Investitionsentscheidung des Vorstands und bildet den gesamten AI-Stack ab. Es definiert überprüfbare Theorien, baut einen kontrollierten Beweisraum auf und verbindet Ergebnisse mit Bewertung, Finanzierung, Bedingungen, Abhilfemaßnahmen und Integration. Es behandelt Rechte, Abhängigkeiten und technische Schnittstellen als wirtschaftliche Fakten und nicht als Hintergrunddetails.

Der hypothetische Fall zeigt, wie eine angenommene USD 3.60 billion-Übernahme anhand von 54 Fragen und spezifischen Downside-Investitionen getestet werden kann. Die Zahlen sagen keine Live-Transaktion voraus. Sie zeigen, wie der Vorstand identifizieren kann, welche Teile der angenommenen Synergie von USD 480 million von umstrittenen Zugangs- oder Integrationsformen abhängen.

Aktuelle öffentliche Materialien zeigen die anhaltende Aufmerksamkeit der Behörden für AI-Eingaben, Partnerschaften, Plattformleistung, Interoperabilität, Selbstbevorzugung und dynamischen Wettbewerb. Diese Aufmerksamkeit sollte sich in einer früheren Beweiserhebung und klareren Entscheidungsschwellen niederschlagen. Die Teams sollten die Analyse aktualisieren, wenn sich Gesetze, Technologie, Marktstruktur und Transaktionsdaten ändern.

Dieses Papier bietet einen Managementrahmen. Es bestimmt nicht die rechtliche oder behördliche Behandlung einer Akquisition. Die Parteien sollten aktuelle wettbewerbs-, unternehmens-, datenschutz-, geistiges Eigentums-, Beschäftigungs-, Finanzierungs- und branchenspezifische Beratung in allen relevanten Gerichtsbarkeiten einholen.

Quellen

1. US-Justizministerium und Federal Trade Commission, 2023 Merger Guidelines, Guideline 9 on Multi-Sided Platforms, 18. Dezember 2023. Lesen Sie die Primärquelle
2. US-Justizministerium und Federal Trade Commission, 2023 Merger Guidelines, Guideline 6 on Enrenching or Extending a Dominant Position, 18. Dezember 2023. Lesen Sie die Primärquelle
3. US Federal Trade Commission, FTC Staff Report on AI Partnerships and Investments 6(b) Study, Januar 2025. Lesen Sie die Primärquelle
4. Generaldirektion Wettbewerb der Europäischen Kommission, Wettbewerb in generativen AI und virtuellen Welten, Competition Policy Brief 3/2024, 19. September 2024. Lesen Sie die Primärquelle
5. Europäische Kommission, britische Wettbewerbs- und Marktaufsichtsbehörde, US-Justizministerium und US-amerikanische Federal Trade Commission, Gemeinsame Erklärung zum Wettbewerb bei generativen AI-Basismodellen und AI-Produkten, 23. Juli 2024. Lesen Sie die Primärquelle
6. Britische Wettbewerbs- und Marktaufsichtsbehörde, AI Foundation Models Update Paper und Technical Update Report, April 2024. Lesen Sie die Primärquelle
7. Autorité de la concurrence, Stellungnahme zur wettbewerbsorientierten Funktionsweise des Sektors der generativen künstlichen Intelligenz, 28. Juni 2024. Lesen Sie die Primärquelle
8. Competition Bureau Canada, Künstliche Intelligenz und Wettbewerb, 20. März 2024. Lesen Sie die Primärquelle
9. UK Competition and Markets Authority, Microsoft and Inflection Inquiry, Volltextentscheidung, 24. Oktober 2024. Lesen Sie die Primärquelle
10. Europäische Kommission, Entwicklerportal des Digital Markets Act, Endbenutzer-Datenportabilität. Lesen Sie die Primärquelle
11. Europäische Kommission, Leitfaden für Google zur AI-Interoperabilität auf Android und zum Teilen von Google-Suchdaten gemäß dem Digital Markets Act, 16. Juli 2026. Lesen Sie die Primärquelle
12. Europäische Kommission, Fragen und Antworten zur Überprüfung des Digital Markets Act, 2026. Lesen Sie die Primärquelle
13. OECD, Artificial Intelligence Data and Competition, OECD Artificial Intelligence Papers Nr. 18, 24. Mai 2024. Lesen Sie die Primärquelle
14. Europäische Kommission, Interoperabilität im Rahmen des Digital Markets Act. Lesen Sie die Primärquelle
15. Europäische Kommission, virtuelle Welten und generative AI Wettbewerbskonsultation und Workshop. Lesen Sie die Primärquelle
16. Britische Wettbewerbs- und Marktaufsichtsbehörde, CMA AI Strategic Update, 29. April 2024. Lesen Sie die Primärquelle
17. US-Justizministerium und Federal Trade Commission, Fusionsrichtlinien 2023, vollständige offizielle Veröffentlichung. Lesen Sie die Primärquelle
18. Europäische Kommission, Fusionskontrollverfahren. Lesen Sie die Primärquelle