Investment Targets im Private Debt identifizieren: Ein Leitfaden für die Origination

Der Private-Debt-Markt in der DACH-Region wächst seit Jahren. Mehr Fonds, mehr Kapital, mehr Wettbewerb um dieselben Unternehmen.

Bemerkenswert ist, wie ungleich die Aufmerksamkeit dabei verteilt ist. Ticketkorridore, Renditeerwartungen und Investmentthesen werden bis ins Detail definiert und in Investorenpräsentationen ausformuliert. Die Frage, wie man die passenden Unternehmen im DACH-Mittelstand überhaupt findet, bleibt in vielen Häusern erstaunlich unbeantwortet.

Dieser Artikel zeigt, warum die klassischen Recherchewege im sponsorlosen Segment systematisch versagen, welche vier Fehler Longlists unbrauchbar machen, und wie ein belastbarer Sourcing-Prozess praktisch aussieht.

Warum Origination im Private Debt anders funktioniert

Im klassischen Private Equity kommt ein erheblicher Teil des Dealflows über etablierte Kanäle: M&A-Berater, Investmentbanken, strukturierte Auktionsprozesse. Der Debt Fund wird häufig erst eingebunden, wenn der Sponsor die Finanzierung strukturieren will. Die eigentliche Origination hat dann jemand anderes geleistet.

Für Direct-Lending-Fonds und Mezzanine-Geber sieht die Realität anders aus, sobald sie nicht ausschließlich auf sponsorgetriebene Transaktionen warten wollen.

Sponsorless Origination, also die Direktansprache inhabergeführter Mittelstandsunternehmen ohne Private-Equity-Beteiligung, ist eines der wachstumsstärksten Segmente im europäischen Private Debt. Es ist zugleich das aufwendigste. Diese Unternehmen schreiben ihren Finanzierungsbedarf nicht aus. Sie erscheinen in keiner Deal-Datenbank. Sie werden erst sichtbar, wenn ein Prozess bereits läuft, und dann sitzen andere schon am Tisch.

Der strukturelle Grund für dieses Ungleichgewicht ist die Eigentümerstruktur des DACH-Mittelstands. In Deutschland, Österreich und der Schweiz ist ein deutlich höherer Anteil der finanzierungsrelevanten Unternehmen inhabergeführt als in Großbritannien oder Frankreich. Es existiert schlicht kein flächendeckendes Sponsor-Ökosystem, das Deals aufbereitet und an Kreditgeber heranträgt.

Wer diese Transaktionen will, muss selbst suchen.

Das Zugangsproblem bei sponsorlosen Transaktionen

Ein typisches Szenario. Ein Analyst bei einem Direct-Lending-Fonds hat eine klare These: produzierende Unternehmen in Deutschland, 15 bis 80 Mio. Euro Umsatz, EBITDA-Marge über 12 Prozent, familiengeführt, Generationswechsel als möglicher Anlass.

Womit fängt er an?

Weg 1: Traditionelle Firmendatenbanken. Klassische Bonitäts- und Adressanbieter liefern Rohdaten in großer Menge, aber keine Qualifizierung. Man erhält tausende Treffer ohne Kontext. Welche Unternehmen sind tatsächlich profitabel? Bei welchen steht ein Übergabeprozess an? Wer ist der Entscheider, und ist er erreichbar? Diese Fragen beantwortet die Datenbank nicht, sie verlagert sie nur nach hinten.

Weg 2: Netzwerk und Intermediäre. Steuerberater, Wirtschaftsprüfer, Kanzleien, M&A-Berater kennen ihre Mandanten. Nur ist dieses Netzwerk nicht skalierbar, stark selektiv, und derselbe Hinweis geht in der Regel an mehrere Marktteilnehmer gleichzeitig. Ein proprietärer Vorteil entsteht daraus nicht.

Weg 3: Manuelle Recherche. LinkedIn, Unternehmenswebsites, Handelsregisterauszüge, Presseartikel. Zeitintensiv, nicht systematisch, und es entgehen zwangsläufig genau die Hidden Gems, die keine ausgeprägte Online-Präsenz pflegen. Ein Maschinenbauer mit 45 Mio. Euro Umsatz, drei Patenten und einer zwölf Jahre alten Website ist über diesen Weg praktisch unsichtbar.

Das Resultat ist in fast allen Häusern dasselbe: Ein unverhältnismäßig großer Teil der Analystenzeit fließt in Datenerhebung statt in Gespräche.

Vier Fehler, die Longlists unbrauchbar machen

Fehler 1: Branche ohne Finanzprofil

Viele Sourcing-Ansätze beginnen mit einer Branchendefinition und hören dort auf. Ein Unternehmen im richtigen Sektor mit zu geringer Marge oder zu kleinem Umsatz ist aber kein Investment Target.

Verschärft wird das, wenn die Branchendefinition über amtliche Klassifikationen wie WZ oder NACE läuft. Diese Codes wurden für Statistik entwickelt, nicht für Deal Sourcing. Ein Spezialist für Prüfstände im Automotive-Umfeld und ein Hersteller von Gartengeräten können unter demselben Code stehen. Wer so filtert, produziert Rauschen und übersieht gleichzeitig Nischen, die in keiner Codeliste sauber abgebildet sind.

Fehler 2: Fehlende regionale Granularität

"Mittelstand in Deutschland" ist keine Targeting-Strategie. Wer gezielt in industriellen Clustern sourcen will, etwa Maschinenbau in Baden-Württemberg, Medizintechnik in Bayern oder Logistik in Nordrhein-Westfalen, braucht geografische Präzision bis auf PLZ-Ebene, und zwar in Verbindung mit den Finanzdaten. Beides getrennt zu haben hilft nicht.

Fehler 3: Veraltete Entscheiderdaten

Ein Target zu identifizieren ist die eine Sache. Den richtigen Ansprechpartner zu erreichen die andere. Geschäftsführer wechseln, Gesellschafterstrukturen verändern sich, Durchwahlen werden neu vergeben.

Der Schaden veralteter Kontaktdaten ist dabei größer als der reine Zeitverlust. Ein Anschreiben an einen vor zwei Jahren ausgeschiedenen Geschäftsführer signalisiert dem Unternehmen genau das Gegenteil dessen, was man im Erstkontakt vermitteln will.

Fehler 4: Kein Signal für den Finanzierungsanlass

Nicht jedes qualifizierte Unternehmen braucht gerade Kapital. Gute Origination heißt, den Anlass früh zu erkennen: bevorstehende Wachstumsinvestition, Gesellschafterwechsel, auslaufende Bankverbindlichkeit, abgeschlossene Zukäufe mit Anschlussbedarf.

Welche Signale sich dafür in öffentlich zugänglichen Daten tatsächlich ablesen lassen und wie belastbar sie jeweils sind, behandeln wir ausführlich im Beitrag zur Refinanzierungswelle im DACH-Markt.

Was ein gutes Target auszeichnet

Bevor man sucht, muss klar sein, wonach.

Struktur des Unternehmens

• Inhabergeführt oder familienkontrolliert, ohne Private-Equity-Sponsor
• Klare operative Verantwortlichkeiten und professionalisiertes Management
• Stabiles Kerngeschäft in einer definierten Nische

Finanzprofil

• Stabiles oder wachsendes EBITDA über mindestens drei Jahre
• Wiederkehrende Umsatzanteile durch Wartung, Service oder langfristige Rahmenverträge
• Überschaubarer laufender Investitionsbedarf, damit der Free Cashflow nach Capex den Schuldendienst trägt
• Nettofinanzschulden zu EBITDA in einem Korridor, der Refinanzierungsspielraum lässt

Situativer Anlass

• Nachfolge oder Generationswechsel
• Wachstums- oder Internationalisierungsfinanzierung
• Add-on-Akquisition, auch ohne Sponsor
• Ablösung bestehender Banklinien oder erstmalige alternative Finanzierung

Regionale Besonderheiten im DACH-Raum

Der DACH-Markt ist weniger transparent als der angelsächsische. Das erhöht den Rechercheaufwand und senkt gleichzeitig den Wettbewerbsdruck. Für Häuser, die den Aufwand systematisieren, ist diese Intransparenz kein Hindernis, sondern der eigentliche Grund, warum das Segment funktioniert.

Wie ProxDeal den Sourcing-Prozess verändert

ProxDeal ist eine KI-gestützte Origination-Plattform für den DACH-Mittelstand. Die Datenbasis umfasst über 7 Millionen DACH-Unternehmen und mehr als 992 Millionen Datensignale: 592 Millionen für Deutschland, 180 Millionen für Österreich, 220 Millionen für die Schweiz.

Für Private-Debt-Investoren und Debt Advisory Boutiquen bedeutet das vier Dinge.

Suche in natürlicher Sprache statt Filterlogik. Das Zielprofil wird als Freitext eingegeben. Die Hyper-RAG-AI übersetzt es in eine Suche über den gesamten Datenbestand. Eine These wie "Sondermaschinenbau für die Lebensmittelindustrie, Süddeutschland, 20 bis 60 Mio. Euro Umsatz, inhabergeführt" funktioniert direkt, ohne dass sie vorher in Branchencodes übersetzt werden muss. Codes lassen sich ergänzend nutzen, sind aber nicht der Einstieg. Genau daran scheitern Listenanbieter, deren Suche auf der Codeliste beginnt und dort endet.

Kombinierbare Finanz-, Struktur- und Geografiefilter. Umsatz, Ergebnis, Eigenkapital, Verschuldungsgrad, Gesellschafterstruktur, Holdingkonstruktionen, Gründungsjahr, Bundesland, PLZ-Radius. Frei kombinierbar, in einem Durchgang.

Direktkontakte auf Geschäftsführungsebene. Keine Zentralen, keine info@-Adressen. Für die Erstansprache im sponsorlosen Direct Lending ist das der Punkt, an dem sich Antwortquoten entscheiden.

Longlist mit über 100 Parametern je Unternehmen, exportierbar als Excel. Mehr als hundert parallele KI-Analysten werten öffentliche Register, Jahresabschlüsse, Unternehmenswebsites und Medienberichte aus und gleichen jedes Unternehmen gegen das definierte Profil ab. Das Ergebnis ist eine priorisierte Liste, kein Rohdatenstapel.

Praxisbeispiel: Von der These zur Longlist

Ausgangslage. Ein mittelgroßer Direct-Lending-Fonds mit DACH-Fokus sucht Kreditnehmer für Senior Secured Loans. Investitionsthese: produzierendes Gewerbe, 20 bis 80 Mio. Euro Umsatz, EBITDA-Marge über 11 Prozent, familiengeführt, Süddeutschland und Österreich.

Ohne strukturierte Daten. Der Analyst arbeitet sich zwei bis drei Tage durch Datenbankauszüge, Suchmaschinen, LinkedIn und Rückfragen im Netzwerk. Am Ende steht eine Liste mit rund 300 Einträgen. Nach der ersten Qualifizierung bleiben davon vielleicht 50 relevant. Für 250 Einträge wurde Zeit investiert, die nichts erbracht hat, und die Kontaktdaten fehlen weiterhin.

Mit ProxDeal. Das Profil wird als Freitext beschrieben, ergänzt um die Finanzfilter (Umsatz 20 bis 80 Mio. Euro, EBITDA-Marge über 11 Prozent), den Geografiefilter (Bayern, Baden-Württemberg, Österreich) und den Strukturfilter (inhabergeführt, kein erkennbarer Sponsor).

Ergebnis. 80 bis 150 qualifizierte Unternehmen mit Finanzkennzahlen, Gesellschafterstruktur, Geschäftsführerkontakten und erkennbaren Finanzierungshinweisen. Bearbeitungszeit: 5 Minuten.

Der Unterschied liegt weniger in der Zeitersparnis als in dem, wofür die Zeit dann zur Verfügung steht. Aus einem Rechercheblock über mehrere Tage wird ein Arbeitsschritt vor dem ersten Kaffee. Der Analyst startet den Outreach am selben Vormittag, nicht am Donnerstag der Folgewoche.

Für Debt Advisory Boutiquen

Debt Advisory Boutiquen haben ein doppeltes Problem. Sie müssen die richtigen Kreditgeber kennen, was über die Zeit gelingt, und sie müssen die richtigen Kreditnehmer finden, bevor diese selbst aktiv werden. Der zweite Teil ist der schwierigere.

Mandatsakquise im Debt Advisory ist im Kern ein Origination-Problem.

Wer einen Mittelständler anspricht, bevor dieser seinen Finanzierungsbedarf kommuniziert hat, führt ein Beratungsgespräch. Wer erst reagiert, wenn das Mandat ausgeschrieben ist, sitzt in einem Pitch mit acht anderen und verhandelt über das Honorar.

Für Advisory-Teams heißt das konkret:

• Proaktive Identifikation von Unternehmen mit erkennbarem Anlass, also Wachstum, Gesellschafterwechsel, auslaufende Finanzierung
• Sektorspezifisches Screening in genau den Branchen, in denen die Boutique Referenzen vorweisen kann
• Entscheiderkontakte für Brief, E-Mail oder Telefon
• Wiederholtes Screening derselben These über die Zeit, um Veränderungen in Struktur und Kennzahlen zu erkennen

Welche Instrumente in der anschließenden Strukturierung zum Einsatz kommen und welche Konditionen im aktuellen Marktumfeld realistisch sind, beschreibt unser Leitfaden zum Direct Lending im Mittelstand.

Fazit

Der Private-Debt-Markt in der DACH-Region wird kompetitiver. Mehr Fonds, höhere Allokationen, sinkende Risikoprämien im etablierten Segment. Wer weiterhin ausschließlich auf Sponsor-Dealflow und Netzwerkzufälle setzt, sieht denselben Ausschnitt des Marktes wie alle anderen und konkurriert entsprechend.

Das sponsorlose Segment ist die Alternative, aber es ist keine geschenkte. Es verlangt einen Prozess, den man wiederholen, messen und verbessern kann.

Die Frage ist nicht mehr, ob strukturierte Firmendaten für Deal Sourcing notwendig sind. Die Frage ist, wer sie zuerst systematisch einsetzt.

Longlist erstellen und in 5 Minuten die ersten qualifizierten Investment Targets identifizieren.

Häufige Fragen

ProxDeal ist die KI-gestützte Origination-Plattform für M&A-Berater, Private Equity, Private Debt und Search Funds im DACH-Raum. Über 7 Millionen DACH-Unternehmen, 992 Millionen Datensignale, Longlists in 5 Minuten. Made in Munich, gehostet in Frankfurt, DSGVO- und EU-AI-Act-konform.

Stand: 8. August 2026.