Die Herausforderung
Deal Sourcing hilft Investoren, Nischenmärkte zu identifizieren und die finanzielle Lage der dortigen Unternehmen zu bewerten. Der Prozess ist jedoch sehr zeitaufwendig. Erschwert wird er durch die Grenzen des Branchenklassifikationssystems der Europäischen Union.
Jedes im deutschen Handelsregister eingetragene Unternehmen muss seine Haupttätigkeit beschreiben. EU-Klassifikationssysteme wie NACE (Statistische Systematik der Wirtschaftszweige) decken neue und aufstrebende Bereiche jedoch nicht ab. So gibt es zum Beispiel keinen passenden Code für Unternehmen mit Schwerpunkt auf Machine Learning und künstlicher Intelligenz. Auch die Stichwortsuche hilft wenig, da sie keine Unternehmen liefert, die semantisch zur Anfrage passen. Private-Equity-Fonds und Business-Development-Gesellschaften tun sich daher schwer, Nischenmärkte zu erkunden und die Unternehmen darin zu finden.
Unsere Lösung
Wir haben eine End-to-End-Lösung auf Basis von Natural Language Processing und Deep-Learning-Modellen entwickelt. Sie sammelt, verarbeitet, analysiert und visualisiert Daten aus verschiedenen Quellen. Nutzer können semantische und syntaktische Suchen ausführen, Unternehmenscluster erkunden und ähnliche Unternehmen prüfen.
Ein Scraper überführt Informationen aus öffentlichen Datenquellen in eine Datenbank mit Name, Eintragungsdatum, Status (aktiv oder inaktiv) und Beschreibung der Geschäftstätigkeit jedes Unternehmens. Vortrainierte Deep-Learning-Modelle wie Multilingual BERT vektorisieren die Unternehmensbeschreibungen, sodass sich Unternehmen nach semantischer Ähnlichkeit clustern lassen. Die semantische Suche funktioniert genauso: Der Suchbegriff wird vektorisiert und mit den ähnlichsten Beschreibungen in der Datenbank abgeglichen.
- Scraper, der öffentliche Registerdaten in einer Unternehmensdatenbank zusammenführt
- Vektorisierung der Unternehmensbeschreibungen mit Multilingual BERT
- Clustering von Unternehmen nach semantischer Ähnlichkeit, mit Steuerung von Clustergröße und Ähnlichkeitsschwelle durch den Nutzer
- Semantische Suche, die die inhaltlich nächstliegenden Unternehmen zu einem Suchbegriff liefert
- Extraktion und Aggregation von Finanzdaten, um Unternehmen einzeln oder als Gruppe über die Zeit zu verfolgen
- Export der Ergebnisse als PDF-Bericht
Das Ergebnis
Der Kunde, eine Private-Equity-Gesellschaft, erhielt ein leistungsfähiges Toolset, um den Markt zu erkunden und Einblicke in bestimmte Branchen zu gewinnen. Die Lösung machte das Deal Sourcing effizienter und reduzierte den Aufwand eines Analysten um eine Woche für jeden neu erschlossenen Nischenmarkt.
Der Ansatz ist auch über Private Equity hinaus nützlich: Er kann Marktanalysten bei Berichten und der Analyse von Branchentrends unterstützen oder Business-Development-Managern helfen, passende Unternehmen für ihr Produktangebot zu finden.
