Stephan Gemke

25. Juli 2019

Skalierung von Unternehmen messbar machen mit dem "Skalierungsfaktor"

Wenn immer mehr Gewinn von immer mehr Umsatz hängen bleibt...

Ich freue mich, Euch heute wieder einmal einen Gastbeitrag präsentieren zu können. In Sachen Skalierung und Skalierbarkeit von Geschäftsmodellen möchte der Gastautor Stephan Gemke seinen Erfahrungsschatz aus knapp 10 Jahren im Bereich Entrepreneurship & Venture Capital mit uns teilen. Ich finde seine Gedanken und insbesondere seinen Ansatz zum Messen von Skalierung sehr interessant und freue mich, dass Stephan bereit ist, seine Herangehensweise hier mit uns zu teilen.

Der Text spiegelt ausschließlich die Meinung des Gastautors wider.

Sicherlich haben Sie schon von der Skalierung bzw. Skalierbarkeit gehört. Schließlich ist es ja eines der, wenn nicht sogar das Buzzwort schlechthin in der Digitalszene.

Ich jedenfalls habe es schon sehr häufig gehört, allerdings selten einheitlich definiert und noch weniger als tatsächliche Realität angetroffen.

Daher ist es mir ein Anliegen aufzuzeigen was Skalierung ist und was nicht, woran man sie erkennt und wie man sie messen kann. Hierzu dient der Skalierungsfaktor, der in diesem Beitrag vorgestellt wird.

Aufgeteilt ist dieser Gastartikel in drei Teile:

1. Teil: Bedingungen für die Skalierung

2. Teil: Skalierung messbar machen

3. Teil: Zusammenfassung

Hinweis: Erfahrene Digitalexperten können Teil 1) überspringen..

Teil 1: Bedingungen für die Skalierung

Die Skalierung liegt dann vor, wenn unterm Strich (idealerweise auch in der „Kasse“) immer mehr von immer mehr Umsatz hängen bleibt. Sprich, wenn das Gewinnwachstum das Umsatzwachstum übertrumpft und zwar kontinuierlich und ohne buchhalterische Klimmzüge.

So etwas stellt per se den heiligen Gral der Unternehmensperformance dar und entweder wird die Skalierung deshalb so unterschiedlich ausgelegt, damit sich mit ihr jeder rühmen kann; oder man verwechselt sie schlichtweg mit ihren Bestandteilen: Netzwerkeffekte, zum Nulltarif tendierende Grenzkosten, der Lock-in Effekt, Verbundeffekte (Cross-Selling bzw. Economies of Scope) und die Fixkostendegression (engl. blöderweise Economies of Scale) sind notwendige Bestandteile, aber keine Synonyme für die Skalierung.

Schauen Sie sich hier in Deutschland in der Startup-Szene, im industriellen Mittelstand und in den Aktienindizes um: Sie finden hauptsächlich Unternehmen, die, wenn sie überhaupt wachsen, es dank Akquisitionen und/oder aktuellem Wirtschaftsboom tun oder zu Lasten der Gewinne. Dann heißt es, man befände sich in einer Übergangsphase oder die Investitionen und Verluste von heute würden die Gewinne von morgen sein. Und das sind noch die positiven Äußerungen! Oft stellen sich gar keine Gewinnverbesserungen - weder vom Wachstum noch von der Marge her - ein, sondern im besten Fall verhindert man dessen Absinken (z.B. auch durch Einsparungen und Veräußerungen) oder wächst allenfalls vom Umsatz her. Es muss ja auch erst einmal wieder reinkommen, was ausgegeben wurde bzw. integriert werden, was man übernahm...

Skalierung bedeutet daher weder verlustreich zu sein für und während des Wachstums, noch gewinnträchtig aufgrund von Einsparungen. Stattdessen gilt das komplette Gegenteil: An Gewinnträchtigkeit nichts einzubüßen und zwar auch während Investitions- und Expansionsphasen.

Die Skalierungsbestandteile im Einzelnen

Unternehmen, die im eingangs erwähnten Sinne skalieren sind entsprechend rar und – oh Wunder – zumeist große digitale Plattformunternehmen.

Wobei ich die Bezeichnung Datenunternehmen bevorzuge.

Diese Datenunternehmen müssen möglichst frei von irdischen Dingen sein, sprich frei von so etwas wie Hardware, Lieferketten, Produktions- und Lagerhallen oder Vertrieb und Service vor Ort. Betonung liegt auf „möglichst frei“. Dass es ohne nicht geht, ist selbstverständlich. Nur eben auf ein Minimum beschränkt bzw. so, dass die jeweiligen Geräte (z.B. Kassenterminals, Handys, PCs oder Kameras) in erster Linie Datenerhebungsmaschinen sind.

Ansonsten gilt: Allen Fokus auf die Vermittlungstätigkeit.

Denken Sie an AirBnB, PayPal, YouTube, Apple und Co. Keiner von denen ist dafür bekannt Immobilien zu besitzen, Bankkaufleute und Investmentbanker zu beschäftigen oder Inhalte selbst herzustellen. Was zählt ist die Plattform, über die was auch immer abgewickelt bzw. verfügbar gemacht wird. Sei es die Bereitstellung von z.B. Informationen, Werbeplätzen und Traffic oder der Austausch von Erlebnissen, Meinungen oder Geld.

Hinzu kommt, dass diese Unternehmen ihren wichtigsten Rohstoff, die Daten, frei Haus bekommen. Klassische Produktions- und Handelsunternehmen tun dies nicht und können daher nie richtig skalieren.

Zudem stellen Daten ja einen unerschöpflichen Rohstoff dar. Es kann sie nicht nicht geben. Drittens ist das, was aus Daten entsteht, quasi ihr Endprodukt, die Intelligenz, ebenfalls nicht begrenzt. Und je größer und je besser ausgewertet der verfügbare Datenpool dieser Datenunternehmen wird, desto besser werden die Mehrwerte für ihre Kunden und vor allem können laufend neue Leistungen hinzukommen.

So kommt zum Tragen, was ich den Perpetuum-Mobile Charakter von Datenfirmen nenne. Daten generieren neue Daten, aus denen sich wiederum neue datengetriebene Produkte speisen, die weitere Daten schöpfen. Daher expandieren Datenfirmen auch so enorm, sie können nicht anders. Der Club of Data Giants kennt keine Grenzen des Wachstums.

Solange ihre Kunden die Frage „Kann jemand anderes denselben Mehrwert bieten oder sogar toppen?“ mit „Nein“ beantworten, bleiben sie Kunden. Die Wechselkosten sind einfach zu hoch. Der Mensch ist schließlich ein Bequemlichkeits- und Gewohnheitstier: Wieso wechseln, was Mühe macht und Einbußen bringt?

Wichtig hierbei ist zu verstehen, dass es sich idealerweise um einen qualitativen Lock-in- Effekt handelt. Im Gegensatz zu anderen Ökosystemen speist sich z.B. der Lock-in-Effekt von Googles Suchmaschine nicht hauptsächlich aus der Angst vor Verlust von Daten und Kontakten durch den Ausschluss vom Netzwerk oder dem Funktionsverlust durch Inkompatibilität.

Solch klassische Bundling- und Netzwerkeffekte liegen hier nur indirekt vor und sind meiner Meinung nach eher bei Paypal, Microsoft, Facebook, Spotify, Apple und Adobe zu finden. Aber dies ist ein Thema für sich.

Stattdessen beruht ihr Lock-in Effekt auf ihrem Wissen bzw. ihre Intelligenz, die kein Kunde mehr missen möchte. Man begibt sich freiwillig in ihre Obhut bzw. Abhängigkeit, da anscheinend keine andere Suchmaschine so zielsicher die benötigte Information liefern kann.

Ferner gilt unabhängig der Art des Lock-in Effektes: durch diesen Wechselunwillen ihrer Kunden fällt der Customer-Lifetime-Value (CLV) zwangsläufig hoch aus, da der Lifetime, also die Dauer der Kundentreue bzw. Zugehörigkeit zum jeweiligen Ökosystem Richtung Ewigkeit strebt. Ohne diese, quasi, auf alle Ewigkeit angelegte Kundenbeziehung ist eine Skalierung unmöglich. Denn nur so werden ja auch die Customer Acquisition Costs (CAC) und die laufenden Kosten durch den Kunden schnell amortisiert.

Vor allem wenn es ein Pull-Markt ist und man die Nachfrage nach seinen Produkten selbst nicht sonderlich zu fördern braucht. Die Binsenweisheit „The trend is your friend“ ist ebenfalls eine unverzichtbare Notwendigkeit für die Skalierung. Ab einer kritischen Masse (die sehr individuell ist) und ganz einfach, weil die entsprechende Branche bzw. deren Trigger (E-Commerce, vermehrtes Internetsurfen, Online-Banking, Mobile-Payment, etc.) wachsen, würden z.B. Amazon, Alphabet und die Finanzdienstleister auch ohne eigenes Zutun wachsen. In stagnierenden Märkten jedoch kann es per se keine nachhaltige Skalierung geben.

Der IT-Sektor hingegen ist enorm gewachsen in den letzten Jahrzehnten. Und weil immer neue Bereiche hinzukamen, ebbte das Wachstum auch nie ab. Rein von der Anzahl an Internetzugängen, verkauften Computern und Lieferkapazitäten her, ist der Markt nämlich ziemlich ausgeschöpft und gesättigt. Jedoch entwickeln sich laufend neue embryole Märkte (Communities, Banking, Smart Homes, Autonomes Fahren, Robotik, etc.), so dass immer wieder auf’s Neue ein Babyboom einsetzt und man an dessen „Erwachsen werden“ sehr gewinnträchtig partizipiert.

Es kommen also laufend Neukunden (oder anders ausgedrückt: baldige wechselunwillige Bestandskunden) hinzu und die bereits bestehenden Kundenbeziehungen werden a) umfangreicher (mehr Umsatz) sowie profitabler, da die Customer Acquisition Costs bereits amortisiert und die Grenzkosten niedrig sind. Ohne diese drei Umstände, dass a) immer mehr Privatpersonen und Betriebe Neukunden werden sowie die Geschäftsbeziehung zu Bestandskunden b) volumenmäßig wächst und c) profitabler wird, wäre es für keines der Datenunternehmen möglich ihre Gewinnmarge selbst während Investitionsphasen zu halten.

Erst Investitionen ermöglichen die Skalierung

Und weil die Digitalisierung unaufhörlich mehr Bereiche durchdrängt, müssen die Datenfirmen ihre F&E-Ausgaben hoch halten und regelmäßig dazukaufen. Einsparungen oder aufhören zu expandieren sind keine Optionen. Dies ist ein Unterschied zu klassischen Infrastrukturunternehmen, bei denen - metaphorisch ausgedrückt - auf Saatjahre lange Ernteperioden folgen und bei denen z.B. die Straßen, Kanäle und Masten von vor sieben Jahren dieselben von heute sind und nicht laufend erneuert werden müssen.

Im IT-Bereich jedoch müssen selbst die führenden, fast schon marktbeherrschenden Unternehmen laufend investieren. Man hat nämlich kein Monopol auf Daten, sondern lediglich einen quantitativen Vorsprung an Daten. Zudem locken die hohen Margen und vergleichsweise niedrigen Einstiegsbarrieren Konkurrenten an. Angesichts dieser verschärften und komplexen Wettbewerbsposition einerseits, und der Tatsache, dass die meisten Investitionen erst in Folgejahren Beiträge zu Umsatz und Gewinn leisten werden andererseits, ist es nur dank der Skalierung möglich, seine Gewinn- und Wachstumsträchtigkeit beizubehalten.

Vor diesem Hintergrund kann es nicht verwundern, dass z.B. Microsoft und Amazon zu Konglomeraten wurden. Jedoch mit dem gewichtigen Unterschied zu ihren „alten“ Pendants, wie General Electric, Robert Bosch oder Siemens, dass ihr „Brot und Butter“-Geschäft durch die M&As noch stärker wurde. Bei Siemens hingegen wurde eher klassisch diversifiziert, d.h. Osram, Infineon, Healthineers und Co. bedienen eher unterschiedliche Segmente und Zielgruppen, wohingegen Microsofts oder Amazons Kunden mehrere Produkte/Dienstleistungen von ihnen in Anspruch nehmen. Ich zumindest kenne Xbox-Spieler, die auch Office, Skype und LinkedIn nutzen oder die bei Amazon a) bestellen, b) gucken und c) AWS nutzen.

Bei den IT- Konglomeraten kommt die Akquisepolitik direkt und nahezu ausschließlich dem Kerngeschäft zugute bzw. das Kerngeschäft läuft so gut, dass sie aus sich selbst heraus skalieren und so Abermilliarden für Unternehmenskäufe (und zwar über ihren Buchwert hinaus und ohne die Gewissheit, ob sie wirklich so synergetisch performen werden) und Bußgelder ausgeben können, ohne sonderlich darunter zu leiden. All das wird überkompensiert durch das stark skalierende Kerngeschäft, welches wiederum zumeist nur ein einzelnes Produkt ist: das iPhone bei Apple, Werbeplätze bei Alphabet und Facebook und die Windows-/Office-Produktfamilie bei Microsoft.

Teil 2: Skalierung messbar machen

Nachdem die notwendigen Bedingungen nun umrissen sind, gehe ich darauf ein, wie sich die Skalierung finanziell feststellen lässt.

Am einfachsten lässt sich die Skalierung erkennen anhand eines ungebrochenen Wachstums in folgenden Bereichen bzw. Kennzahlen: Umsatz, operativer Gewinn (EBITDA), Jahresüberschuss (JÜ), Cashbestand und in der Konstanz der Gewinnmargen.

Hierbei möchte ich betonen, dass dies keine finale Auflistung darstellt. Wichtig ist nur, dass es Kennzahlen sind, die im unmittelbaren Wirkungsbereichs des jeweiligen Unternehmens liegen. So etwas wie das Transaktionsvolumen fällt damit raus. Der Jahresüberschuss hingegen, der ebenfalls durch eher externe Faktoren (wie Zinssätze, Steuerquote, div. regulatorische Dinge) mitbestimmt wird, bleibt hingegen, weil man so einen guten Vergleich mit dem operativen Gewinn ziehen kann und buchhalterische Effekte offenbart.

Das Wachstum dieser Kennzahlen wird erreicht trotz Personalzuwachs und generell eines größer werdenden administrativen Unterbaus sowie der Expansion in neue Länder und Branchen durch F&E und M&As. Sonst wäre es ja keine Skalierung.

Konstante Margen trotz Wachstum bedeuten Skalierung

Die Gewinnmargen sollten über die letzten drei, fünf Jahre (am besten noch länger) in etwa gleich hoch geblieben sein. Und hoch bedeutet für Datenunternehmen rund 25-30%. Denn bereits das, was schon vorhanden ist, reicht ja aus, um Investitionen auszugleichen bzw. zu überkompensieren – zumal die neuen Produkte/Dienste vergleichsweise geringe Grenzkosten aufweisen.

Daher dürfen die Gewinnmargen nur temporär stark schwanken und voneinander abweichen, z.B. im Fall von Sondereffekten, wie z.B. massive Währungsschwankungen, enorme Bußgelder, Sondererträge und –aufwendungen, neue Rechnungslegungsstandards, o.ä.

Ein weiteres Merkmal liegt im Wachstum und zwar sowohl in der Höhe, als auch in dessen Dauer und ganz besonders in dessen Einklang. Heißt: Umsatz und Gewinn und (idealerweise auch der Cash-Flow) sollten sozusagen im Gleichschritt marschieren.

Klar, im Fall obiger Sondereinflüsse mag es zu Abweichungen kommen und normal wäre es auch, wenn mal zunächst der Umsatz und dann im Folgequartal oder Folgejahr die Gewinne nachziehen, aber das müssen Einzelfälle bleiben. Auf lange Sicht dürfen die Wachstumsveränderungen der Umsätze und Gewinne nicht zu sehr voneinander abweichen.

Denn Umsatzwachstum zu Lasten der Gewinne erkaufen, das kann ja jeder.

Definition des Skalierungsfaktors

Und genau hier kommt der von mir vorgeschlagene Skalierungsfaktor ins Spiel. Er spiegelt den Gleichschritt der Wachstumsgeschwindigkeit wieder.

Errechnen lässt sich der Skalierungsfaktor wie folgt:

Man teilt die Wachstumsrate der jeweiligen Gewinnkennzahl (ich plädiere für das EBITDA) durch die Wachstumsrate des Umsatzes. Immer in Bezug zur jeweiligen Vorperiode.

Skalierungsfaktor = Steigerungsrate des Gewinns z.B. EBITDA / Steigerungsrate des Umsatzes

Insgesamt sechs Fälle sind denkbar und ich gehe auf jeden gesondert mit einem Beispiel ein:

1. Fall (𝑆𝐹=1) = +25% / +25%

Bei einem Skalierungsfaktor von eins (=1) wächst beides gleich stark. Das ist per se sehr gut, um das klar zu sagen, auch wenn es natürlich noch besser ist, wenn das Gewinnwachstum das Umsatzwachstum übertrumpft. Logisch.

2. Fall (𝑆𝐹>1) = +30% / +25%

Dies liegt im zweiten Fall, bei einem Skalierungsfaktor über eins (>1), vor. Hier beträgt er 1,2 und bedeutet, dass das operative Ergebnis um 20% schneller wächst als der Umsatz. Willkommen Skalierung!

2.1 𝐹𝑎𝑙𝑙 (𝑆𝐹 > 1) = (−30)% / (−25)%

Aber Achtung im Umgang mit Verlusten bzw. Wachstumsrückgängen (extra rot markiert): In solchen Fällen ergibt „minus und minus zwar plus“, aber skalieren tut dort verständlicherweise nichts mehr. Ganz gleich, ob das EBITDA oder der Umsatz stärker fällt als ihr Gegenpart.

3. Fall (𝑆𝐹 < 1) = +20% / +25%

Bei unter eins (<1) wächst der Umsatz schneller als das EBITDA, was abseits der Datenfirmen der Normalfall ist und auch für diese nicht ungewöhnlich ist. Ein Einstieg in einen Markt fängt schließlich immer mit der Generierung von Umsatz an. Die Profitabilität sollte jedoch möglichst rasch folgen.

3.1 𝐹𝑎𝑙𝑙 (𝑆𝐹 < 1) = (−25)% / (−30)%

Auch hier der Hinweis auf den Sonderfall bei Verlusten bzw. Wachstumsrückgängen. Nur weil der Gewinn nicht ganz so stark fällt, wie der Umsatz, kann von einer Skalierung keine Rede sein.

4. Fall (𝑆𝐹 < 0) = (−10%) / +25%

Einen negativen Skalierungsfaktor (<0) kann es auch geben. Und zwar dann, wenn ein Verlust bzw. negatives Gewinnwachstum entsteht, aber die Umsätze wachsen. Bei expandierenden Maschinenbauern oder Handelsunternehmen wäre dies eher Usus, bei Datenfirmen hingegen temporär und vereinzelt der Fall, z.B. aufgrund massiver Bußgelder oder anderer Einmaleffekte.

Das operative Business ist in diesem Fall weiterhin intakt. Üblicherweise geben die Unternehmen auch ihre Wachstumsraten exklusive des Sondereffektes an. Sollte der Skalierungsfaktor dennoch kleiner Null ausfallen, dann muss man genauer hinschauen. Beispielfragen: Erkauft man sich Umsatz zu Lasten der Profitabilität? Oder ist ein Bestandskunde abgesprungen, der zwar umsatzmäßig durch Neukunden kompensiert werden konnte, mit denen man aber verständlicherweise noch keine Gewinne macht?

Kurzum: Eine echte Skalierung liegt nur im 2. Fall vor. Fall 1) kommt ihr aber sehr nah und die Fälle 3) und 4) geben zwar nicht notwendigerweise Anlass zur Sorge, aber auf jeden Fall zur genaueren Prüfung. In den Fällen 2.1) und 3.1) ist bereits bekannt, dass es dem Unternehmen nicht gut geht.

Der Skalierungsfaktor in der Praxis

1. Beispiel: Microsoft

Für einen 11-Jahreszeitraum von 2008 bis 2018 errechnete ich den Skalierungsfaktor für Microsoft. Microsoft deshalb, weil sie sich in diesem Zeitraum massiv veränderten und investierten. Mit dem neuen CEO Satya Nadella kam einerseits ein Strategieschwenk, andererseits, und durchaus auch unabhängig davon, kaufte man stark zu (Mobilfunksparte von Nokia, Skype, LinkedIn, Skype, etc.), baute das Cloudgeschäft massiv aus, probierte sich in Hardware (Surface, Windows Phone, Xbox 360 S, uvm.) und brachte neue Betriebssysteme heraus. Dies alles kostete natürlich viel Geld und war auch nicht immer ein Erfolg. Zudem berücksichtigt der Zeitraum die Weltwirtschafts- und Finanzkrise. Das Terrain für den Praxistest mit dem Skalierungsfaktor könnte ich mir nicht besser vorstellen.

Zunächst errechnete ich die Steigerungsraten der Umsätze und der beiden Gewinnkennzahlen „Operating income“ sowie „Net income“, die dem deutschen Verständnis von EBITDA und Jahresüberschuss sehr nahe kommen. Die Steigerungsraten dividierte ich dann entsprechend der Skalierungsfaktorformel und herauskamen die folgenden Werte:

Zu sehen ist Folgendes:

1) Kein einziges Mal war der SF<0 2) Selbst die Werte SF<1 sind näher an der 1, als an der 0 3) In 6 von 11 Jahren skalierte Microsoft. 2009 und 2014 war man sehr nah dran 4) Wenn man skalierte, dann auf Basis des „Net incomes“ nochmals höher, als beim operativen Geschäft. Dies hat nicht nur steuerliche Gründe, sondern auch damit zu tun, dass sich Zinserträge und -aufwendungen die Waage halten 5) Selbst in der Weltwirtschafts- und Finanzkrise trübte sich die Skalierung fast gar nicht ein. An ihren Lizenzen sparten die Unternehmen nicht sonderlich und auch geskypt und gezockt wurde wohl weiterhin. Beziehungsweise der Gewinn war weniger rückläufig als der Umsatz. 6) In den beiden schlechtesten Jahren 2012 und 2015 fielen massive Goodwill- Abschreibungen an. In 2015 kamen noch Restrukturierungsaufwendungen hinzu. Also rein temporäre Dinge. 7) Im Jahr des höchsten Skalierungsfaktor, 2016, gab es zwar einen Umsatzrückgang, aber die Gewinne blieben hoch. 8) Und 2018 kam die US-amerikanische Steuerreform im Zuge des hohen Barbestandes im Ausland zu tragen, so dass das „Net income“ dort einmalig stark einbrach. Operativ aber lief es für Microsoft sehr gut, wie der SF von 1,05 verdeutlicht.

Alles in allem lässt sich feststellen, dass Microsoft an Gewinn- und Wachstumsträchtigkeit nichts einbüßte. Auch die Gewinnmarge blieb durchweg hoch. Ganz ohne Schwankungen ging es jedoch nicht und dies ist völlig normal. Bei der hohen Anzahl an akquirierten Unternehmen sind gelegentliche Wertabschreibungen unvermeidlich; ebenso kann von Außen immer eine regulatorische Änderung erfolgen. Daher auch schon weiter oben der Hinweis, dass es auf die Nachhaltigkeit in den genannten Kennziffern ankommt. Und die ist gemäß der Tabelle gegeben. Es gab keine einzige langanhaltende Periode mit Skalierungsfaktoren nahe 0 oder sogar darunter.

2. Beispiel: Facebook

Facebook fiel in den letzten Jahren mit zahlreichen Datenskandalen auf, die u.a. erheboche Bußgelder nach sich zogen. Zudem war Facebook auch von der US-Steuerreform betroffen und entwicklungsseitig und akquisemäßig nicht untätig, so dass diverse Firmen und Dienste in das Facebookuniversum zu integrieren waren. Soweit die Ähnlichkeit mit Microsoft. Es gibt jedoch zwei Unterschiede: Einerseits ist Microsoft breiter aufgestellt und sollte eigentlich einzelne negative Veränderungen besser auffangen können. Andererseits ist Facebook im Kern das, was Microsoft früher war: hauptsächlich Software.

Aufgrund dieser Aspekte entschied mich für den zweiten Praxistest für Facebook. Diesmal auf Quartalsbasis, um den Verlauf des Skalierungsfaktors unterjährig zu sehen. Betrachtet wurden die beiden letzten Geschäftsjahre, also insgesamt acht Quartale.

Zu sehen ist Folgendes:

1) Kein einziges Mal war der SF<0 2) Viermal skalierte man. Und zwar deutlich über 1 und auch deutlich höher als Microsoft 3) Ebenso zeigt sich die Tendenz, dass man auf Basis „Net income“ stärker skaliert, als auf operativer Ebene

4) Die Ausschläge auf einen SF<1 ergaben sich einerseits durch die Steuern: Der „Tax Cuts and Jobs Act“ kam zweimal zum Tragen: In Q4/2017 verdoppelte er Facebooks „Tax Rate“ fast von 23% auf 43%. Ein Jahr später in Q4/2018 fiel diese einmalige Steuerbelastung weg, so dass die Vergleichsbasis für die Steigerungsrate zu dem extremen SF von 2,03 führte 5) Apropos Vergleichsbasis mit der Vorjahresperiode: Das Q4/2017 ist ja ins Verhältnis zu Q4/2016 gesetzt und dort kam ebenfalls eine regulatorische Änderung zum Tragen: das „Accounting Standards Update No. 2016-09, Compensation - Stock Compensation (Topic 718): Improvement to Employee Share-based Payment Accounting (ASU 2016-09).“ 6) In den Q2 und Q3/2018 stiegen die Kosten deutlich stärker als der Umsatz (z.B. Umsatz um die 30%, Kosten aber zwischen 53-62% (z.B. weil der Headcount stark anstieg). Somit fielen die Gewinnwachstumsraten zum Vorjahresquartal schwach aus und damit auch der SF

Alles in allem zeigt sich auch bei Facebook die typische Volatilität. Beunruhigend ist dies nicht, da sie nie von Dauer ist und sich bei genauerem Hinsehen durch Investitionen und regulatorisch bedingte Sondereffekte erklären lässt, die wiederum durch ihren „Einmalcharakter“ für verzerrte Vergleichsmaßstäbe sorgen. Wirklich gravierende Aspekte, wie Umsatzrückgänge oder ein Einbruch der Gewinnmarge lagen und liegen bei Facebook nicht vor. Dass die Ausschläge, nach oben wie unten, viel stärker ausfielen im Vergleich zu Microsoft führe ich zudem auf Facebooks Dasein als „Pure Software“ zurück. Software skaliert per se etwas mehr als Hardware (was sich auch in Facebooks Gewinnmarge von 40- 50% ausdrückt) und einmalige Sondererträge lassen das Gewinnwachstum regelrecht explodieren. Einmalige Sonderaufwendungen, insbesondere wenn man keine anderen Standbeine hat, wirken natürlich ebenso in die andere Richtung.

3. Beispiel: Deutsche Unternehmen (Wirecard und Varta)

Mit Blick nach Deutschland bzw. auf Deutschlands Börsenindizes, entdeckt man ebenfalls skalierende Unternehmen, auf die ich zum Abschluss kurz eingehen möchte.

Beispielhaft führe ich hierzu Wirecard und Varta an, die im Laufe ihrer Existenz ihren Unternehmenszweck bzw. ihr Geschäftsmodell sukzessive veränderten. Sei es durch diverse Abspaltungen, Zerschlagungen und Diversifikationen wie bei Varta; oder durch rege Zukäufe und dem digitalen Business innewohnenden Anpassungs- und Erweiterungsdruck wie bei Wirecard.

Bis 2017 akquirierte Wirecard mehrere Firmen und gibt seitdem, zur besseren Unterscheidung, die organischen Wachstumsraten mit an. Etwas, was ich mir von anderen Datenunternehmen auch wünschen würde. Zwar werden die Zukäufe ins Gesamtunternehmen eingegliedert, so dass nach einer gewissen Zeit alles organisch ist, aber bis dahin wäre es schön zu sehen, ob und wie das bisherige Geschäft losgelöst von der Akquisepolitik skaliert. Das einfach mal grundsätzlich gesagt.

Nun zunächst zu Wirecard:

Der Skalierungsfaktor ist durchweg über 1 und er fällt mit der Dauer immer größer aus. Die jeweiligen Quartalswerte konnten immer übertroffen werden (z.B. beim ersten Quartal vom SF=1,07 über 1,17 bis nun 1,23). Ergibt auch Sinn, denn wie weiter oben in Sachen “qualitativer Lock in-Effekt” ausgeführt, wird der CLV mit zunehmender Dauer der Beziehung zu den Bestandskunden, immer größer. Dass hier die Ausschläge fehlen, führe ich auf ein Ausbleiben von Einmaleffekten zurück, so dass die jeweilige Vergleichsbasis zu keinen Verzerrungen führt.

Die Varta AG, die sich wie Wirecard als Technologie- bzw. Innovationsführer bezeichnet, weist ebenfalls einen Skalierungsfaktor über 1 auf und dies zudem in massiv wachsendem Ausmaß.

Varta ist zwar kein Datenunternehmen, aber es weist viele der notwendigen Bedingungen für die Skalierung auf. Ich verweise beispielsweise auf den wachsenden Zukunftsmarkt mit starken Treibern und der Tatsache, dass die Batterie zahlreiche Produkte und Anwendungen „durchdringt“, um im Duktus der Digitalbranche zu bleiben. Die nahezu gleichen Batterien finden sich in zahlreichen Produkten wieder (Verbundeffekte). Es ist zudem ein Pullmarkt (Produktionskapazität musste erneut erweitert werden) und man profitiert bereits von der Fixkostendegression. Zudem hält man den Auftragsboom bzw. kann ihn ausbauen, weil man durch die hohe Technologieführerschaft die Einsatzmöglichkeiten der Batterien erweitert, seinen Kunden immer bessere Leistungswerte anbietet (warum also wechseln?) und die Akkudauer zwar lan

ge, aber eben nicht ewig andauert und es so regelmäßig zu wiederkehrenden Erlösen kommt. Und ähnlich wie bei den bekannten Plattformunternehmen auch, verfügt Varta über eine hohe Wertschöpfungstiefe bzw. kontrolliert die gesamte Wertschöpfungskette. So baut Varta seine eigene Werkzeuge und Maschinen selbst und setzt stark auf die Kreislaufwirtschaft. So bekommt Varta zwar seine Rohstoffe nicht "frei Haus" (im Gegensatz zu Datenunternehmen), aber da sie alle materiellen Reste der Batterieproduktion einer erneuten Verwertung zuführen, kommt sie dem “frei Haus” nahe. In Bezug auf die Wertschöpfungstiefe gleicht diese insofern den großen IT- Konzernen, da die trotz aller Zukäufe sehr viel in-house entwickeln und designen.

Kurzum: Die heutige Varta AG besteht seit 2014 und seitdem skaliert sie auch, wie Abbildung 4 aufzeigt:

Es wird spannend zu sehen sein, ob sich dieses enorme Wachstum in den Folgejahren etwas abschwächen wird. Es würde mich nicht wundern, wenn es so käme, denn die erneute Produktionsausweitung, für die es kürzlich eine Kapitalerhöhung gab, führt zunächst zu Kosten, dann zu Umsätzen und dann erst zu Gewinnen. Für ein klassisches Industrieunternehmen, sprich produzierendes Gewerbe, sind die bisherigen Werte aber äußerst positiv und selten!

Und wie sieht’s mit dem Cash aus?

Zum Abschluss des zweiten Teils dieses Beitrages möchte ich noch auf den beliebten Vorwurf eingehen, dass Gewinn ja nicht alles sei.

Dem halte ich entgegen: Oh doch!

Es heißt zwar immer, dass Cash King sei und ohne Cash alles nichts sei, aber ohne Gewinn gibt’s eben auch keinen Cash. Schließlich ist der Jahresüberschuss die Ausgangsbasis jeder Cash-Flow Berechnung und umso höher diese also ausfällt, umso besser.

Der Berg von Geld, auf dem die FANG-Unternehmen und Co. sitzen, ist ja nicht einfach so vom Himmel gefallen... So verfünffachte sich Microsofts Bestand an liquiden Mitteln ("Cash, cash equivalents, and short-term investments") in den 11 Geschäftsjahren von 2008 bis 2018. Und mit einer solchen Vervielfachung steht Microsoft nicht alleine dar; ähnliche Cashberge finden sich auch bei Apple, Alphabet, usw.

Und auch bei Wirecard wächst die Liquidität in hohem Maße mit. Mit durchschnittlich 43,1% pro Jahr wuchs der Free Cash-Flow (FCF) sogar deutlich schneller als die Umsätze und Gewinnzahlen im selben Zeitraum (die wuchsen um 35,5%, 34,2% und 34,2%).

Die Bedeutung der Skalierung, dass man immer mehr Umsatz erlöst, von dem wiederum immer mehr hängen bleibt, und zwar unterm Strich und in der Kasse, wird damit belegt.

Teil 3: Zusammenfassung

Fasse ich all das nun zusammen, lauten die wichtigsten Aspekte dieses Artikels:

Skalierung ist, wenn mehr Gewinn von immer mehr Umsatz hängen bleibt
1. Anzeichen: Konstante Gewinnmargen trotz Expansionen und Investitionen
2. Anzeichen: Dauerhaftes Wachstum von Umsatz und Gewinn, tendenziell 2-stellig p.a.
3. Anzeichen: Einklang der Wachstumsraten (abgesehen von einmaligen Fällen)
Mit dem Skalierungsfaktor (SF) kann man die Skalierung messen. Er berechnet sich durch die Division der Wachstumsraten des Gewinns (empfehlenswert ist das EBITDA für die bessere Vergleichbarkeit) durch die des Umsatzes
Eine Skalierung liegt vor bei einem SF > 1
Leichte Schwankungen (auch ohne Sondereffekte) sind normal, wegen a) diverser makroökonomischen Aspekte, b) der buchhalterischen Wirksamkeit und c) weil Produktionserweiterungen, neue Services und Produkte etc. immer erst Kosten verursachen, dann Umsatz bringen und erst dann zur Profitabilität beitragen.

Der Skalierungsfaktor im Vergleich zu anderen Kennzahlen

Ja, es gibt das KGV (bzw. P/E und PEG), die von Stefan Waldhauser favorisierte Rule-of-40, die Cash Conversion Rate (CCR) und diverse anderen Bewertungskennziffern. Warum nun noch den Skalierungsfaktor?

Nun ja, getreu dem Motto “Eine, und sonst keine” versuche ich Kennzahlen auf ein Minimum zu reduzieren. Und wenn ich den Skalierungsfaktor weiß, habe ich automatisch auch weitere, wichtige Infos inklusive.

Lassen Sie es mich mal so ausdrücken: Es gibt deutlich Schlechteres als Aktionär (ggf. auch Mitarbeiter) eines skalierenden Unternehmens zu sein. Ob die hier untersuchten Firmen Microsoft, Facebook, Wirecard und Varta oder ob weitere, wie Avira, Teamviewer, Secunet, Umicore, Alphabet, Amazon und Co., machen Sie den Test. Weder wüsste ich, dass diese Unternehmen in den letzten Jahren schlecht performten bzw. ohne Skalierungsfaktoren >=1 auskamen, noch dass es sich dort nicht gut arbeiten ließe.

Ich finde, dass man anhand des Skalierungsfaktors sehr prägnant viele (fundamentale) Rückschlüsse ziehen kann. Ich sehe mit einem Blick, ob es weiterhin läuft oder nicht und kann direkt einschätzen, wie schlimm es ist. Liegen Sondereffekte vor? Was wird belastet, Umsatz oder Gewinn oder beides?

Zudem stellt die Skalierung quasi den heiligen Gral der Unternehmensperformance dar. Was also soll einem Unternehmen mit einem Skalierungsfaktor von >=1 sonderlich passieren? Insbesondere wenn es bewiesen hat, dass es seit Langem solch hohe SFs produziert?

Und mir gefällt, dass der Skalierungsfaktor frei von Willkür ist, wie andere Kennzahlen. Warum nicht “Rule-of-50”? Oder warum gilt ein KGV von 15 oft als fair? Der Skalierungsfaktor hingegen kommt ohne Vorgabe aus.

Im Grunde ist er nichts anderes als ein Maßstab, um Investitionen zu beurteilen. Und gerade in einem solch investitionsintensiven Bereich wie der Digitalbranche kommt es darauf an, dass sich die Investitionen auszahlen.

Wenn diese die Gewinnmargen erhöhen bzw. erhalten, wenn sie Umsätze, Gewinne und die Barbestände anwachsen lassen und so gesehen die Vormachtstellung des Unternehmens sichern und ausbauen, kann ich weiterhin positiv gestimmt sein zu den jeweiligen Unternehmen und muss weder ein schlechtes Management noch Konkurrenten fürchten.

Sollte zudem wieder ein Gründer und Vorstand behaupten, man würde (bald) skalieren, dann kann man ihm mit dem Skalierungsfaktor dingfest machen. Und wenn wieder ein Damoklesschwert durch neue Player aufgehangen wird, die aber einen Skalierungsfaktor <1 haben und die etablierten Player in mindestens gleicher Höhe, wenn nicht gar >=1, ist doch wohl klar, wer vorweg marschiert...

Wenn man weiß, dass trotz Investitionen mehr bzw. allenfalls kurzfristig weniger hängen bleibt, kann man sehr beruhigt und positiv gestimmt in die Zukunft für das jeweilige Unternehmen blicken.

In diesem Sinne wünsche ich mir vielerlei Feedback und freue mich auf Verbesserungsvorschläge und Diskussionen.

Stefan Gemke

Skalierung von Unternehmen messbar machen mit dem "Skalierungsfaktor"