Vorhersage des Umsatzes für Scale-up-Unternehmen

EQT Motherbrain freut sich, einen neuartigen Ansatz vorzustellen, den es zur Vorhersage des Umsatzes von Scale-up-Unternehmen entwickelt hat. Es wurde kürzlich auf der 31. ACM International Conference on Information and Knowledge Management (CIKM 2022) von Lele Cao, Sonja Horn, Vilhelm von Ehrenheim, Richard Anselmo Stahl und Henrik Landgren vorgestellt.

Das Grundproblem

Die Vorhersage der finanziellen Zukunft eines Unternehmens ist eine komplexe, aber notwendige Aufgabe, die für die Entscheidungsfindung von Unternehmen von entscheidender Bedeutung ist. Grundsätzlich handelt es sich um eine fundierte Vermutung, die auf der Untersuchung historischer Leistungsdaten beruht. Wie wir jedoch alle gesehen haben, können Prognosen aufgrund zufälliger Elemente, die nicht in ein Modell integriert werden können, leicht zusammenbrechen.

Investoren verlassen sich bei der Bestimmung der Bewertung eines Unternehmens auf Finanzprognosen. Unabhängig davon, ob Sie sich auf diskontierte zukünftige Cashflows verlassen oder die Bewertung auf einer multiplen Basis des zukünftigen EBITDA bestimmen, können Prognosen eine Investition bewirken oder zerstören. Bei ausgereiften Unternehmen mit einer langen Erfolgsgeschichte und stabilen Cashflows sind die Abweichungen zwischen den Prognosen und den tatsächlichen Ergebnissen möglicherweise nicht signifikant. Aber für Unternehmen mit unzureichenden historischen Daten und von Natur aus unsicheren Zukunftsaussichten, wie Startups und Scale-Ups, sieht dies anders aus.

Ein Start-up bewegt sich in Scale-up-Territorium, wenn es die Skalierbarkeit und Realisierbarkeit seines Geschäftsmodells demonstriert und einen beschleunigten Zyklus des Umsatzwachstums erlebt. Begleitet wird dieser Übergang in der Regel von der Aufnahme von Fremdkapital.

Im Vergleich zu den meisten ausgereiften Unternehmen sind Scaleups oft nicht rentabel. Folglich wird der Umsatz zu einer der wichtigsten Metriken bei der Bewertung von Scale-Ups, und die Bewertung wird typischerweise auf einer multiplen Basis zukünftiger Umsätze bestimmt, aus denen Anlageexperten zukünftige Unternehmenseinnahmen extrapolieren.

Ertragsprognosen werden in der Regel manuell und empirisch erstellt, sodass die Qualität stark von den Erfahrungen der Anlageexperten abhängt. Faktoren wie Geschäftsmodell, Wettbewerberlandschaft, Markttrends und Einheitsökonomie werden berücksichtigt. Die Aufgabe ist für die Bewertung der Attraktivität einer Investition von wesentlicher Bedeutung, da sie die Änderung der Bewertung während der Eigentumsdauer beeinflusst. Der Grad der Automatisierung, Objektivität, Konsistenz und Anpassungsfähigkeit dieses Ansatzes ist jedoch alles andere als optimal.

Quantitative Methoden wie traditionelle statistische Ansätze oder neu entwickelte KI-basierte Methoden werden zunehmend in die Prognose traditioneller und reifer Unternehmen übernommen. Aber warum hat sich das nicht auf die Welt der Start-ups und Scale-ups ausgebreitet?

Die Antwort liegt in den Daten, die für junge Unternehmen oft urheberrechtlich geschützt und kostspielig zu erwerben sind. Dies ändert sich jedoch – die Allgegenwärtigkeit der Digitalisierung bedeutet, dass große Mengen hochwertiger Daten über private Unternehmen zunehmend öffentlich zugänglich sind.

Wir stellen SiRE vor

Die Antwort auf diese Herausforderung nennen wir SiRE, ein simulationsgestütztes Umsatz-Extrapolationsmodell.

SiRE basiert auf einem Kalman-Filter, einer Methodik, die typischerweise für die Navigation und Steuerung von Flugzeugen und Raumschiffen verwendet wird. Es ist branchenunabhängig und ermöglicht es Investoren, es branchenübergreifend anzuwenden. Es benötigt nur kleine Datensätze von einigen hundert Scale-up-Unternehmen für das Training, und die Extrapolation kann von kurzen Umsatzzeitreihen ausgehen, die Umsatzprognosen auch ohne granulare historische Daten ermöglichen. Es kann feinkörnige Vorhersagen für mehrere Jahre erstellen und dabei die typischen Anlagezeiträume von 5 Jahren und länger berücksichtigen. Jede Umsatzprognose wird mit einer Konfidenzschätzung geliefert, die den Anlegern eine Orientierungshilfe für die Ergebnissicherheit bietet. Das Modell ist einfach zu implementieren und Vorhersagen sind erklärbar, was die Transparenz fördert, um Vertrauen aufzubauen und Feedback zu erhalten.

SiRE basiert auf der Hauptannahme, dass die Umsatzentwicklung wahrscheinlich historische Muster für ähnliche Unternehmen in einem ähnlichen Stadium wiederholen wird. Jeder zukünftige Umsatzpunkt wird zunächst durch Stichproben aus den vergleichbaren Umsatzzuständen erhalten und dann mit einem Kalman-Filter angepasst, der historische und vorhergesagte Umsatzpunkte berücksichtigt. Das Vorhersagevertrauen wird durch mehrfaches Extrapolieren geschätzt.

Demonstrieren, wie wir SiRE innerhalb von EQT verwenden

Also, wie verwenden wir es innerhalb von EQT? SiRe wurde anhand eines proprietären Datensatzes der Umsatzentwicklung unserer Portfoliounternehmen und anderer Daten, die wir in fast drei Jahrzehnten des Investierens gesammelt haben, trainiert und kann auf zwei Arten verwendet werden:

1. Bei der Bewertung einer potenziellen Investition können wir das Ertragspotenzial schnell einschätzen. Dies gibt uns einen einfachen Hinweis auf die Wahrscheinlichkeit potenzieller Ausbrüche, basierend auf den Daten, die uns das Unternehmen gegeben hat.
2. Beim Erhalt von Umsatzprognosen vom Management und bei der Einschätzung der Wahrscheinlichkeit, dass das Unternehmen planmäßig arbeitet

Um mehr über SiRE und seine Funktionsweise zu erfahren, finden Sie eine Erläuterung der Methode in unserem Artikel und den Quellcode hier