Multiplikatoren sind oft in Unternehmensbewertungen zur Plausibilisierung im Einsatz, besonders im kapitalmarktorientierten Umfeld, wo sie häufig als Hauptbewertungsmethode dienen.
Multiplikatoren dienen regelmäßig der Plausibilisierung in Unternehmensbewertungen. Im kapitalmarktorientierten Umfeld werden Multiplikatoren-Bewertungen sogar häufig als primäre Bewertungsmethode genutzt. Die gängigsten Multiplikatoren sind EBITDA(x), EBIT(x) sowie das Kurs-Gewinn-Verhältnis (KGV). Diese Multiplikatoren sind beliebt, weil sie auf transparenten, leicht verfügbaren Daten basieren und Analystenschätzungen zur künftigen Geschäftsentwicklung von Vergleichsunternehmen auf Ebene des Betriebsergebnisses und des Gewinns oft von guter Qualität sind.
Wenigen Anwendern ist im Zusammenhang mit Multiplikatoren-Bewertungen hingegen klar, in welchem Ausmaß der Verschuldungsgrad der Vergleichsunternehmen und des Zielunternehmens Einfluss auf den ermittelten Wert haben kann. Bei Gesamtwert-Multiplikatoren - z.B. EBITDA(x) und EBIT(x) - hält sich dieser Effekt noch in Grenzen, obwohl auch hier ein gewisser Einfluss über das Tax-Shield besteht. Evident und nicht vernachlässigbar wird der Effekt beim KGV.
Leverage wirkt als „Risiko-Hebel“. Ein höherer Verschuldungsgrad bedeutet mehr finanzielles Risiko für den Eigentümer, was zu einem höheren levered Beta und damit höheren Eigenkapitalkosten führt. Gleichzeitig stehen Multiples und Kapitalkosten in einem inversen Verhältnis. In einem stabil wachsenden Unternehmen („Steady State“) sind Multiples aus den Kapitalkosten direkt ableitbar und umgekehrt.
Die Formel der „ewigen Rente“ kann als grobe Indikation verstanden werden, welcher Art der Zusammenhang zwischen Kapitalkosten und Multiples ist. Ein höherer Leverage bedeutet somit höhere Eigenkapitalkosten und damit ein geringeres KGV. Dies ist auch intuitiv verständlich: Bei zwei Unternehmen mit gleich hohem Gewinn, aber unterschiedlichem Risiko, würden Anleger für das riskantere Unternehmen in der Regel weniger zahlen, d.h. ein geringeres Vielfaches des Gewinns.
Bewertungsfehler entstehen immer dann, wenn der durchschnittliche Verschuldungsgrad der Vergleichsunternehmen und der des Zielunternehmens stark auseinanderfallen. Bei der Ermittlung der Eigenkapitalkosten führt dies schnell zu deutlichen Unterschieden. Unter sonst gleichen Bedingungen steigen die Eigenkapitalkosten von 10% bei einem Verschuldungsgrad von 100% auf 15%. Das KGV sollte in diesem Fall bei einem langfristigen Wachstum von 2% von 12,5(x) auf 7,7(x) sinken.
Obwohl dieser Effekt gravierend ist, wird eine entsprechende Anpassung empirischer Multiples üblicherweise nicht vorgenommen. Der zuvor beschriebene Risiko-Aspekt findet also keinen Eingang in die Bewertung. Der Bewerter sollte in solchen Fällen stärker auf Gesamtwert-Multiplikatoren setzen, wie EBITDA(x) oder EBIT(x). Der Fehler ist hier deutlich geringer, da die Abhängigkeit vom Leverage vergleichsweise gering ist.
Die Berücksichtigung des Verschuldungsgrads ist bei der Multiplikatoren-Bewertung entscheidend. Während der Einfluss bei Gesamtwert-Multiplikatoren wie EBITDA(x) und EBIT(x) moderat bleibt, zeigt sich bei Eigenkapital-Multiplikatoren wie dem KGV ein erheblicher Einfluss. Bewerter sollten diese Effekte genau prüfen und gegebenenfalls auf Gesamtwert-Multiplikatoren ausweichen, um Bewertungsfehler zu minimieren.
Der Verschuldungsgrad beeinflusst das Risiko eines Unternehmens. Höheres Risiko führt zu höheren Eigenkapitalkosten, was die Multiplikatoren, insbesondere das KGV, senkt.
Das Kurs-Gewinn-Verhältnis (KGV) ist am stärksten vom Verschuldungsgrad beeinflusst, da es direkt mit den Eigenkapitalkosten korreliert.
Durch die Verwendung von Gesamtwert-Multiplikatoren wie EBITDA(x) oder EBIT(x), die weniger stark vom Verschuldungsgrad beeinflusst sind.
Diese Multiplikatoren sind weniger anfällig für Verzerrungen durch den Verschuldungsgrad und bieten somit eine stabilere Grundlage für Unternehmensbewertungen.
Spezialisierte Datenbanken wie Bloomberg, Capital IQ und smartZebra bieten detaillierte Informationen, die für die Bestimmung des Beta-Faktors und die Auswahl geeigneter Peer Groups nützlich sind.
Wir unterstützen bei der Recherche der Daten — z.B. der Zusammenstellung der Peer-Group — mit einem kurzen Training zur Bedienung der Plattform. Gerne anhand Ihres konkreten Projekts.