Investment Banking und Research
Comparables-Analyse Trading Multiples
anymize hält Mandanten- und Target-Bezüge aus dem KI-Kontext, sobald die Comparables-Analyse im Mandanten-Pitch-Kontext genutzt wird. Multiples-Tabelle, Median/Mean und Implied-Valuation-Range entstehen in 1,5–3 h statt 3–8 h — bei reiner Peer-Recherche bleibt die Klassifikation auf C, bei Pitch-Integration klettert sie auf A.
Schwierigkeit: Fortgeschritten · Datenklasse: Mandantendaten · Letztes Review:
Zur Orientierung gedacht. Die anwaltliche Würdigung im Einzelfall bleibt selbstverständlich bei Ihnen — KI-Outputs sind vor jeder Verwendung zu prüfen. Mehr dazu am Ende.
Anwendungsbereich
Worum geht es hier?
Comparables (Trading + Transaction) sind eine der drei Standard-Bewertungs-Methoden im M&A- und Equity-Research-Bewertungs-Triangle. Trading-Comps allein basieren auf öffentlichen Daten (Klasse C); werden sie aber im Mandantenkontext verwendet, klettert die Klassifikation auf A. Manuelle Erstellung kostet 3–8 Banker-Stunden; Tool-Native-Lösungen (Bloomberg, FactSet, S&P CapIQ) haben eingebaute Comp-Funktionen. LLM-Mehrwert in Bereinigungs-Hypothesen, Sub-Sector-Bucketing und Narrativ.
Für wen passt das?
Zielgruppe und Kontext
- Rolle
- M&A-Associate, VP; Equity-Research-Analyst; Corporate-Finance-Analyst.
- Seniorität
- Junior bis Mid-Level; Senior-Review zwingend wegen Multiples-Verifikation gegen Datenquelle.
- Kanzleigröße
- IB-Boutique bis Landesbank-Corporate-Finance.
- Spezifische Kontexte
- M&A-Pitches, IPO-Bewertung, Fairness Opinions, Equity-Research-Bewertungssektion, LBO-Multiples-Anker.
Die Situation in der Kanzlei
So bringen Sie Tempo und Sorgfalt zusammen
Trading-Comps kosten manuell 3–8 Banker-Stunden: Peer-Auswahl (10–15 Titel), Datenextraktion (Marktkap, Net Debt, Konsens-EBITDA/EPS), Bereinigungen (one-offs, Acquisition-Mix-Effekte), Tabellen-Aufbau, Sektor-Adjustments. Datenquellen: Bloomberg, FactSet, Refinitiv, S&P CapIQ. Halluzinationsrisiko ist hoch bei Multiples-Werten und Net-Debt-Komponenten (Pensionsverbindlichkeiten, Operating Leases unterschiedlich behandelt). anymize hält Target-Bezug aus dem KI-Kontext, sobald die Analyse im Pitch-Kontext genutzt wird.
Was Sie davon haben
Zeit, Wert, Vertraulichkeit
Zeit pro Comparables-Analyse
~1,5–3 h
Frontier-KI strukturiert Multiples-Tabelle, Median/Mean, Sub-Sector-Bucketing und Implied-Valuation-Range. Multiples-Audit gegen Datenquelle bleibt menschlich.
Mehrwert pro Pitch
Throughput
Marginale Effizienz-Erhöhung in der Pitch-Throughput-Quote.
Vertraulichkeit
Klasse-A-sensitiv
Bei reiner Peer-Recherche optional; im Mandanten-Pitch-Kontext Pflicht.
Multiples-Audit-Pflicht
100 %
Jeder Multiples-Wert muss gegen Bloomberg/FactSet/CapIQ verifiziert sein. Stale-Date-Multiples aus Trainings-Korpus sind klassische Fehlerquelle.
So gehen Sie vor
In 5 Schritten zum Antrag
Peer-Group-Auswahl: 10–15 Titel; Sektor-Logik, Geo-Logik, Größen-Logik.
Sie
Strukturierung
Klasse-Entscheidung. Reines Peer-Universum öffentlich (Klasse C); im Mandanten-Pitch-Kontext Klasse A.
Sie
Bankgeheimnis bei Mandanten-Bezug
Datenextraktion: Bloomberg/FactSet/CapIQ-Konsens-Daten zu EBITDA/EPS/Net Debt.
Sie
Datenbasis
Pseudonymisierung des Target-Bezugs bei Klasse A.
anymize
Bankgeheimnis
Spot-Check bei Klasse A.
Sie
NER-Restrisiko
Frontier-KI strukturiert Comparables-Synthese. Multiples-Tabelle Peers × Multiples, Median/Mean pro Spalte, Bereinigungs-Hypothesen, Sub-Sector-Bucketing.
GPT / Claude / Gemini in anymize
Geschwindigkeit
Multiples-Audit. 100 % Multiples-Werte gegen Bloomberg/FactSet/CapIQ verifizieren. Net-Debt-Berechnung mit Pension-/Lease-Adjustment.
Sie
Halluzinationsrisiko
Implied Valuation Range für Target: Median ± 1 Standardabweichung.
KI + Sie
Bewertungs-Output
Senior-Review der Bewertungs-Range.
Senior
Verantwortung
Womit Sie arbeiten
So setzen Sie anymize konkret ein
Was anymize tut
- Erkennt Target-Bezug bei Klasse A mit über 95 % Genauigkeit.
- Bei reiner Peer-Recherche optional; AVV mit Cloud-LLM dennoch erforderlich.
- Bidirektionale Anonymisierung mit lokaler Re-Identifikation.
- EU-Tenant-Hosting in deutschen Rechenzentren.
Was Sie als Banker:in tun
- Peer-Group-Auswahl: Sektor-/Geo-/Größen-Logik konsistent.
- Multiples-Audit: 100 % Werte gegen Bloomberg/FactSet/CapIQ.
- Net-Debt-Berechnung mit Pension-/Lease-Adjustment prüfen.
- Senior-Review der Implied-Valuation-Range.
Daten-Input
Peer-Group-Liste (10–15 Titel), Konsens-Daten von Bloomberg/FactSet/CapIQ (Marktkap, Net Debt, EBITDA, EPS), Bereinigungs-Hypothesen (one-offs, Acquisition-Mix). Bei Klasse A: Target-EBITDA für Implied-Range.
Output-Kontrolle
Multiples-Tabelle Peers × Multiples (EV/EBITDA FY+1, FY+2; EV/Sales; P/E; Net Debt/EBITDA), Median/Mean/Min/Max-Range, Sub-Sector-Bucketing (Strategic vs. Financial Sponsor; Mid-Cap vs. Large-Cap), Implied Valuation Range für Target.
Freigabeprozess
Analyst → Senior → Pitch-/IC-Memo-Integration.
Die KI-Anweisung
Prompt zum Kopieren
So nutzen Sie diesen Prompt:
1. Peer-Daten aus Bloomberg/FactSet/CapIQ in anymize einfügen.
2. Bei Klasse-A-Kontext Target-Bezug pseudonymisieren.
3. Diesen Prompt kopieren und an den Input anhängen.
4. „Tools → Reasoning“ auf „Thinking-Modus“ stellen, dann KI-Aufruf starten.
# Rolle
Du bist Comparables-Analyst-Assistenz. Du kennst die
Standard-Multiples (EV/EBITDA, EV/Sales, EV/EBIT, P/E,
FCF-Yield), Bereinigungs-Logik (one-offs, Acquisition-Mix,
Pension-Reklassifikation), Geo-/Size-/Sub-Sector-Adjustments.
Rechtsstand: <heutiges Datum>.
Anwendbares Recht: M&A-Praxis.
# Aufgabe
Input: Peer-Group-Daten (Marktkap, Net Debt,
Konsens-EBITDA/EBIT/EPS).
# Inhalt
1. Multiples-Tabelle pro Peer:
- EV/EBITDA FY+1, FY+2
- EV/Sales FY+1
- P/E FY+1, FY+2
- Net Debt/EBITDA
2. Median und Mean pro Multiple-Spalte; Min/Max-Range.
3. Bereinigungs-Hypothesen:
pro Peer Indikatoren auf one-offs
(z. B. „Bewerten ohne Acquisition-Goodwill“) —
Senior-Banker entscheidet finale Bereinigung.
4. Sub-Sector-Bucketing
(z. B. „Pure-Play vs. Conglomerate“).
5. Implied Valuation Range für Target:
Median ± 1 Standardabweichung.
6. Markiere unbelegte Werte mit "Plausibilisierung ohne
Beleg im Input:".
# Format
Markdown-Tabelle Peers × Multiples. Median/Mean-Zeile am
Ende der Tabelle. Implied-Valuation-Box am Ende.
# Verbote
KEINE halluzinierten Multiples-Werte.
KEINE Stale-Date-Multiples aus Trainings-Korpus —
nur aus Input.
KEINE Net-Debt-Berechnung ohne explizite Pension-/Lease-
Behandlung.
KEINE Verwechslung Reported vs. Adjusted EBITDA.So sieht der Sachverhalt aus
Pseudonymisierter Eingabetext
Sektor: Spezial-Maschinenbau Halbleiter.
Peers: 6 Listings (PE1–PE6, anonymisiert).
PE1: Marktkap 5.200, Net Debt 800,
EBITDA FY+1 720; EBITDA FY+2 780.
PE2: Marktkap 8.400, Net Debt 1.500,
EBITDA FY+1 1.150; EBITDA FY+2 1.230.
PE3: Marktkap 3.100, Net Debt 400,
EBITDA FY+1 410; EBITDA FY+2 450.
PE4: Marktkap 12.500, Net Debt 2.200,
EBITDA FY+1 1.680; EBITDA FY+2 1.820.
PE5: Marktkap 2.300, Net Debt 250,
EBITDA FY+1 310; EBITDA FY+2 340.
PE6: Marktkap 6.700, Net Debt 950,
EBITDA FY+1 880; EBITDA FY+2 950.
Target EBITDA FY+1: 815.So liefert anymize zurück
Der Antrags-Entwurf
## Trading Comparables — Sektor Spezial-Maschinenbau Halbleiter
| Peer | EV (Marktkap+NetDebt) | EBITDA FY+1 | EV/EBITDA FY+1 | EBITDA FY+2 | EV/EBITDA FY+2 |
|---|---|---|---|---|---|
| PE1 | 6.000 | 720 | 8,3x | 780 | 7,7x |
| PE2 | 9.900 | 1.150 | 8,6x | 1.230 | 8,0x |
| PE3 | 3.500 | 410 | 8,5x | 450 | 7,8x |
| PE4 | 14.700 | 1.680 | 8,8x | 1.820 | 8,1x |
| PE5 | 2.550 | 310 | 8,2x | 340 | 7,5x |
| PE6 | 7.650 | 880 | 8,7x | 950 | 8,1x |
| **Median** | — | — | **8,55x** | — | **7,90x** |
| **Mean** | — | — | **8,52x** | — | **7,87x** |
## Implied Valuation Range
| Multiple | Median | Target EBITDA FY+1 | Implied EV |
|---|---|---|---|
| EV/EBITDA FY+1 | 8,55x | 815 | 6.968 |
| EV/EBITDA FY+1 Min | 8,2x | 815 | 6.683 |
| EV/EBITDA FY+1 Max | 8,8x | 815 | 7.172 |
Implied EV Range: 6.683–7.172 (Median 6.968).
Disclaimer: Multiples-Werte müssen 1:1 gegen
Bloomberg/FactSet/CapIQ verifiziert werden vor
Pitch-Integration.Was das Berufsrecht verlangt
Pflichten — und wie anymize sie abdeckt
MiFID II §§ 63 ff. WpHG + § 83 WpHG (SRC-0110, SRC-0111)
Wohlverhaltensregeln, Aufzeichnung 5–7 Jahre.
BaFin IKT-Orientierungshilfe + DORA (SRC-0119, SRC-0128)
Cloud-LLM = IKT-Asset.
ESMA AI Statement 2024 (SRC-0131)
Test-/Überwachungspflicht.
DSGVO Art. 28 (SRC-0142)
AVV-Pflicht.
§ 43 KWG
Bei Mandanten-Pitch-Kontext: Bankgeheimnis (SRC-0109).
Bloomberg/FactSet/CapIQ Lizenz-AGB
Comparables-Daten sind lizenzgebunden; Distribution mit Quellen-Verweis.
Datenschutz und Vertraulichkeit
So funktioniert das mit anymize
Bei reiner Peer-Recherche basiert die Comparables-Analyse auf öffentlichen Konsens-Daten (Klasse C). Im Mandanten-Pitch-Kontext klettert die Klassifikation auf Klasse A — anymize hält dann den Target-Bezug aus dem KI-Kontext. Rechtsgrundlage Art. 6 Abs. 1 lit. f DSGVO (öffentliche Peer-Daten) bzw. lit. b bei Pitch-Integration. AVV nach Art. 28 DSGVO mit § 25b KWG-Erklärung. Aufzeichnung § 83 WpHG 5–7 Jahre.
Was anymize konkret leistet
- Bei Klasse A: Erkennt Target-Bezug mit über 95 % Genauigkeit.
- Ersetzt ihn durch Platzhalter vor dem KI-Aufruf.
- Re-identifiziert die KI-Antwort lokal.
- EU-Tenant-Hosting; AVV nach Art. 28 DSGVO mit § 25b KWG-Erklärung.
- Bei reiner Peer-Recherche: anymize optional, AVV mit Cloud-LLM-Anbieter Pflicht.
Sicherheitscheck vor der Einreichung
Was anymize liefert — was Sie souverän entscheiden
Vor dem KI-Aufruf
- Peer-Group-Auswahl konsistent (Sektor/Geo/Größe)?
- Konsens-Daten aus Bloomberg/FactSet/CapIQ extrahiert?
- Klassifikation klar (C oder A)?
- Anonymisierung bei Klasse-A-Kontext?
Nach der KI-Antwort
- 100 % Multiples-Verifikation gegen Datenquelle?
- Net-Debt-Berechnung mit Pension-/Lease-Adjustment?
- Reported vs. Adjusted EBITDA korrekt unterschieden?
- Stale-Date-Multiples ausgeschlossen?
- Sub-Sector-Bucketing plausibel?
Vor der Pitch-Integration
- Senior-Review der Implied-Valuation-Range?
- Bloomberg/FactSet-Lizenz-Verweise eingebaut?
- Aufzeichnung § 83 WpHG?
Typische Fehlermuster — und wie anymize gegensteuert
- →KI halluziniert Multiples (z. B. 9,8x statt 8,8x) — 100 %-Audit gegen Bloomberg/FactSet.
- →KI berechnet Net Debt ohne Pension-/Lease-Adjustment.
- →KI verwechselt Reported vs. Adjusted EBITDA in Multiples-Tabelle.
- →KI verwendet Stale-Date-Multiples aus Trainings-Korpus statt aktueller Bloomberg-Werte.
- →KI ordnet Peers falscher Sub-Sector-Kategorie zu (z. B. Conglomerate als Pure-Play).
Rechtsgrundlagen
Normen, Urteile, Belege
Primärnormen
- MiFID II (SRC-0110)
- Aufzeichnungspflicht (SRC-0111)
- Bankgeheimnis bei Mandanten-Bezug (SRC-0109)
Aufsichtsrechtliche Leitlinien
- KI in Capital Markets (SRC-0131)
- KI als IKT-Asset (SRC-0119)
- IKT-Drittparteien (SRC-0128)
- AVV-Pflicht (SRC-0142)
Datenquellen
- Konsens-Multiples (lizenzpflichtig)
- Peer-Multiples (lizenzpflichtig)
- Konsens + Forecast (lizenzpflichtig)
- Marktdaten (lizenzpflichtig)
Sekundärquellen
- Mai 2025 (SRC-0154)
- 2025 (SRC-0156)
- LLM-Halluzinationen (SRC-0158)
- Marktbestätigung (SRC-0184, SRC-0185)
Stand: · Nächste Überprüfung:
Hinweis zur Nutzung
Zur Orientierung — nicht als Mandatsersatz
Diese Anleitung beschreibt einen Arbeitsablauf, den Sie mit anymize umsetzen können. Sie ist zur Orientierung gedacht und ersetzt weder die anwaltliche Würdigung im Einzelfall noch eine fachanwaltliche Prüfung. Welche Rechtsprechung einschlägig ist, wie der Sachverhalt rechtlich zu bewerten ist, welche Anträge in Ihrem konkreten Mandat richtig sind — das bleibt selbstverständlich bei Ihnen.
KI-Outputs müssen vor jeder Verwendung anwaltlich geprüft werden. Insbesondere Urteils-Aktenzeichen, Norm-Verweise und Fristen sind gegen Primärquellen zu verifizieren. anymize gewährleistet die Vertraulichkeit der Mandantendaten gegenüber dem KI-Anbieter; die fachliche Richtigkeit des Outputs liegt in Ihrer Verantwortung.
Jetzt starten.
14 Tage kostenlos testen.
Alle Modelle. Alle Features. Keine Kreditkarte.
Wir sind überzeugt von anymize. Und wir wissen: Bei einem KI-Werkzeug, das Mandanten-, Patienten- oder Mitarbeiter-Daten berührt, reicht ein Demo-Video nicht. Deshalb 14 Tage voller Zugang – alle Modelle, alle Features, keine Kreditkarte. Genug Zeit, um sicher zu sein, bevor du uns vertraust.
Dein KI-Arbeitsplatz wartet.