Wie verteilen Sie die KI-Kosten auf die verschiedenen Länder und juristischen Personen?

Um KI-Kosten auf verschiedene Länder und juristische Personen zu verteilen, müssen Sie eine klare Verrechnungsmethode festlegen, KI-Dienstleistungen den Geschäftsbereichen oder Einheiten zuordnen, die diese in Anspruch nehmen, und einheitliche Verrechnungspreisregeln anwenden, die den lokalen Steuervorschriften entsprechen. Dabei handelt es sich nicht um eine rein technische Aufgabe, sondern um ein Thema, das an der Schnittstelle zwischen IT-Finanzmanagement, Steuerkonformität und funktionsübergreifender Steuerung angesiedelt ist. In den folgenden Abschnitten werden die häufigsten Herausforderungen, Methoden und Instrumente erläutert, die dies in der Praxis ermöglichen.

Warum ist die Zuordnung von KI-Kosten auf die einzelnen juristischen Personen so komplex?

Die Zuordnung der KI-Kosten auf die einzelnen juristischen Personen ist komplex, da KI-Dienste naturgemäß gemeinsam genutzt werden, die Nutzung auf Ebene der einzelnen juristischen Person oft nicht sichtbar ist und sich die Kosten selbst auf mehrere Kategorien erstrecken – Rechenleistung, Speicherplatz, API-Aufrufe, Lizenzen und menschliche Überwachung –, die sich nicht eindeutig einem einzelnen Land oder Geschäftsbereich zuordnen lassen. Im Gegensatz zu herkömmlichen Softwarelizenzen sind KI-Ausgaben dynamisch und nutzungsabhängig, wodurch statische Zuordnungsmodelle unzureichend sind.

Mehrere Faktoren tragen zu dieser Komplexität bei. Erstens führen viele Unternehmen KI-Workloads auf einer zentralisierten Cloud-Infrastruktur aus, was bedeutet, dass ein einziges Modell oder eine einzige Plattform mehrere Regionen gleichzeitig bedient. Die Feststellung, welche juristische Person für eine bestimmte KI-Interaktion “verantwortlich” ist, ist selten einfach. Zweitens enthalten KI-Kosten oft versteckte Komponenten: Die Kosten für die Datenerfassung, Modelltrainingsläufe, Feinabstimmung und Inferenz verhalten sich unterschiedlich und erfordern eine separate Nachverfolgungslogik.

Drittens unterscheiden sich die gesetzlichen und regulatorischen Anforderungen von Land zu Land. Was in einem Rechtsraum als abzugsfähige Technologieausgabe gilt, kann in einem anderen als konzerninterne Dienstleistungsgebühr behandelt werden, was Verpflichtungen im Bereich der Verrechnungspreise nach sich zieht. Ohne ein durchdachtes Zuordnungssystem entstehen in Unternehmen Kostenpools, für die niemand die Verantwortung übernimmt, Finanzteams, die die Zahlen nicht erklären können, und ein Steuerrisiko, mit dem sie nicht gerechnet haben.

Was sind die gängigsten Methoden zur Kostenverrechnung im Bereich KI?

Die gängigsten Methoden zur Zuordnung von KI-Kosten sind die direkte Zuordnung, die proportionale Zuordnung auf Basis von Nutzungskennzahlen sowie die Abrechnung zu festen Sätzen. Jede Methode eignet sich für unterschiedliche Organisationsstrukturen und Grade an Kostentransparenz, und viele Unternehmen kombinieren je nach Art der betreffenden KI-Kosten mehrere Ansätze.

• Direkte Zuweisung: Die KI-Kosten werden direkt der juristischen Person oder dem Geschäftsbereich zugeordnet, die bzw. der sie verursacht hat. Dies funktioniert gut, wenn KI-Dienste einer einzelnen Einheit zugeordnet sind und die Nutzungsdaten detailliert genug sind, um dies zu unterstützen. Es handelt sich um die transparenteste Methode, erfordert jedoch eine zuverlässige Kennzeichnung und Messung auf Infrastrukturebene.
• Proportionale Zuteilung: Gemeinsam genutzte KI-Kosten werden auf die einzelnen Einheiten anhand eines Kriteriums verteilt, beispielsweise der Nutzerzahl, des API-Aufrufvolumens, des Umsatzbeitrags oder der Mitarbeiterzahl. Dies ist der am häufigsten verwendete Ansatz für gemeinsam genutzte Plattformen, doch die Wahl des Kriteriums hat erheblichen Einfluss darauf, wie sich die Kosten verteilen.
• Pauschalrückbuchung: Pro Einheit des KI-Verbrauchs (pro Modellaufruf, pro Token, pro Rechenstunde) wird ein festgelegter Tarif berechnet. Dies bietet den Geschäftsbereichen Planbarkeit und fördert ein kostenbewusstes Verhalten; allerdings müssen die Tarife regelmäßig überprüft werden, da die zugrunde liegenden Cloud-Kosten Schwankungen unterliegen.
• Gestaffelte oder gemischte Zuteilung: Eine Kombination aus direkten Kosten (bei denen die Zuordnung eindeutig ist) und einer anteiligen Verteilung (für gemeinsam genutzte Infrastruktur und Gemeinkosten). Dies ist in großen Unternehmen üblich, in denen einige KI-Dienste zentralisiert sind und andere teamspezifisch sind.

Die richtige Methode hängt davon ab, wie stark Ihre KI-Infrastruktur zentralisiert ist, wie ausgereift Ihre Verfahren zur Kostenzuordnung sind und wie detaillierte Informationen Ihre Finanz- und Steuerteams benötigen. Unternehmen mit FinOps-Verfahren Diejenigen, bei denen solche Systeme bereits eingeführt sind, verfügen in der Regel über die erforderliche Disziplin bei der Erfassung und Messung, um von proportionalen Schätzungen zu einer direkten, nutzungsbasierten Zuteilung überzugehen.

Wie wirken sich die Verrechnungspreisvorschriften auf die länderübergreifende Kostenverteilung im Bereich der künstlichen Intelligenz aus?

Die Verrechnungspreisvorschriften verlangen, dass konzerninterne Entgelte für KI-Dienstleistungen – einschließlich der Kosten für gemeinsam genutzte Plattformen, der Gebühren für den Zugriff auf Modelle und der zentral verwalteten KI-Infrastruktur – den Fremdvergleichsgrundsätzen entsprechen. Das bedeutet, dass der Preis, den eine juristische Person einer anderen in Rechnung stellt, mit dem Preis vergleichbar sein muss, den ein unabhängiger Dritter für dieselbe Dienstleistung verlangen würde. Die Nichteinhaltung dieser Vorschriften kann zu Steuerberichtigungen, Strafen und Doppelbesteuerung führen.

Wenn eine zentrale IT-Einheit KI-Plattformen betreibt und Tochtergesellschaften in anderen Ländern dafür Gebühren in Rechnung stellt, gelten diese Gebühren als konzerninterne Transaktionen, für die Verrechnungspreisdokumentationspflichten gelten. Die Steuerbehörden in vielen Ländern widmen grenzüberschreitenden Technologiegebühren zunehmend Aufmerksamkeit, und KI-Kosten bilden dabei keine Ausnahme. Sie müssen nicht nur nachweisen können, wie die Kosten zugeordnet wurden, sondern auch, warum die Zuordnungsmethode wirtschaftlich gerechtfertigt ist.

In der Praxis bedeutet dies, dass Ihr Rahmenwerk für die Kostenverrechnung im Bereich KI mit Ihrer Verrechnungspreispolitik in Einklang stehen muss. Wenn Ihre Richtlinie für Shared Services eine Cost-Plus-Methode vorsieht, sollten Ihre KI-Verrechnungssätze die tatsächlichen Kosten zuzüglich eines einheitlichen Aufschlags widerspiegeln. Wenn Sie eine Gewinnbeteiligungsmethode oder die Methode der vergleichbaren unkontrollierten Preise anwenden, benötigen Sie Marktbenchmarks für die Preisgestaltung von KI-Dienstleistungen, die sich noch in der Entwicklung befinden und eine sorgfältige Dokumentation erfordern.

Die frühzeitige Einbindung von Steuer- und Rechtsteams in die Konzeption Ihres KI-basierten Kostenverrechnungsmodells ist kein optionaler Schritt. Die nachträgliche Integration von Verrechnungspreisvorschriften in ein Verrechnungsmodell, das ursprünglich ohne diese berücksichtigt wurde, ist wesentlich schwieriger und riskanter, als diese von Anfang an einzubeziehen.

Welche Daten benötigen Sie, um KI-Kosten genau zuzuordnen?

Um KI-Kosten präzise auf Länder und juristische Personen zu verteilen, benötigen Sie Nutzungsdaten auf Workload-Ebene, nach KI-Dienstkomponenten aufgeschlüsselte Kostendaten sowie Metadaten, die den Verbrauch mit bestimmten Einheiten, Teams oder Produkten verknüpfen. Ohne das Zusammenspiel dieser drei Datentypen stützt sich die Kostenverteilung auf Schätzungen, die das Vertrauen untergraben und zu Streitigkeiten zwischen der Finanzabteilung und den Geschäftsbereichen führen.

Konkret gehören zu den Daten, die Sie benötigen:

• Abrechnungsdaten von Cloud-Anbietern: Detaillierte Kostenaufstellungen aus AWS, Azure oder GCP, in denen die Kosten für KI-Dienste nach Ressourcentyp, Region und Konto bzw. Abonnement aufgeschlüsselt sind.
• Daten kennzeichnen und beschriften: Ressourcen-Tags, die angeben, welcher Rechtsträger, welche Kostenstelle oder welche Anwendung für die jeweilige KI-Workload verantwortlich ist. Die konsequente Vergabe von Tags ist der wichtigste Faktor für die Genauigkeit der Zuordnung.
• Nutzungsdaten: API-Aufrufvolumina, Token-Verbrauch, Inferenzstunden, Dauer von Trainingsaufträgen – all dies sind detaillierte Kennzahlen, die eine proportionale Zuweisung auf der Grundlage des tatsächlichen Verbrauchs ermöglichen, anstatt sich auf Mitarbeiterzahlen oder Umsatzkennzahlen zu stützen.
• Organisationsstruktur: Eine aktuelle Übersicht über juristische Personen, Kostenstellen und deren Beziehungen, damit die Kostendaten der richtigen Finanzberichtsstruktur zugeordnet werden können.
• Vertrags- und Lizenzdaten: Bedingungen von Verträgen für KI-Plattformen, einschließlich etwaiger Mindestabnahmemengen, gestaffelter Preisgestaltung oder Rabattstrukturen für Unternehmen, die sich auf die tatsächlichen Kosten pro Einheit auswirken.

Datenqualität ist keine einmalige Angelegenheit. Mit zunehmendem Einsatz von KI und der Einführung neuer Dienste müssen die Abdeckung der Tagging-Maßnahmen und die Strukturen der Abrechnungsdaten kontinuierlich überwacht werden, um ihre Zuverlässigkeit zu gewährleisten.

Sollten KI-Kosten als Shared Services oder als direkte Kosten behandelt werden?

KI-Kosten sollten als direkte Kosten behandelt werden, sofern die Nutzung einer bestimmten juristischen Person oder Geschäftseinheit zugeordnet werden kann, und als Kosten für gemeinsam genutzte Dienste, wenn die KI-Infrastruktur tatsächlich mehreren Einheiten dient und keine klare Aufteilung der Nutzung möglich ist. Diese Unterscheidung ist von Bedeutung, da die Behandlung als gemeinsam genutzte Dienste Zuordnungsentscheidungen nach sich zieht, die sowohl Auswirkungen auf die Finanzberichterstattung als auch steuerliche Konsequenzen haben.

In der Praxis verfügen die meisten großen Unternehmen über beides. Eine zentral verwaltete KI-Plattform, die mehrere Länder unterstützt, ist ein Shared Service. Ein spezielles KI-Modell, das anhand von Daten einer einzelnen Tochtergesellschaft für einen bestimmten Geschäftsprozess trainiert wurde, stellt direkte Kosten dar. Wenn alles als Shared Service behandelt wird, obwohl eine direkte Zuordnung möglich ist, werden die tatsächlichen KI-Kosten für die einzelnen Unternehmenseinheiten unterschätzt und die Rechenschaftspflicht eingeschränkt.

Das Shared-Services-Modell funktioniert gut, wenn die zentrale IT- oder KI-Abteilung als offizieller Dienstleister für das Unternehmen auftritt – mit definierten Servicekatalogen, vereinbarten Tarifen und dokumentierten Steuerungsmechanismen. Diese Struktur vereinfacht zudem die Dokumentation der Verrechnungspreise, da die konzerninterne Vereinbarung einem etablierten Shared-Services-Rahmen entspricht, der von den Steuerbehörden anerkannt wird.

Die Entscheidung sollte sich nach Ihrer Organisationsstruktur, der Art der einzelnen KI-Dienste und dem Grad an Kostentransparenz richten, den Ihre Finanz- und Steuerteams benötigen. Wenn Sie zunächst eine klare Bestandsaufnahme Ihrer KI-Dienste vornehmen und jeden einzelnen entweder der gemeinsamen oder der direkten Abrechnung zuordnen, schaffen Sie damit eine fundierte Grundlage.

Welche Tools unterstützen die KI-gestützte Kostenverrechnung über Unternehmenseinheiten und Regionen hinweg?

Zu den Tools, die die Zuordnung von KI-Kosten über verschiedene Unternehmenseinheiten und Regionen hinweg unterstützen, gehören Cloud-Kostenmanagement-Plattformen, FinOps-Tools mit Zuordnungs- und Show-Back-Funktionen sowie IT-Finanzmanagement-Plattformen, die Cloud-Ausgaben mit geschäftlichen und rechtlichen Unternehmensstrukturen verknüpfen. Die Wahl der richtigen Tools hängt von der Komplexität Ihrer Umgebung mit mehreren Unternehmenseinheiten ab und davon, wie tief die KI-Kosten in die übergeordnete IT-Finanzberichterstattung integriert werden müssen.

Cloud-native Tools wie AWS Cost Explorer, Azure Cost Management und GCP Cost Management liefern Abrechnungsdaten und grundlegende Übersichten zur Kostenverrechnung, sind jedoch in ihrer Fähigkeit eingeschränkt, Kosten rechtlichen Einheiten zuzuordnen, Verrechnungspreislogik anzuwenden oder Daten über mehrere Cloud-Anbieter hinweg zu konsolidieren.

FinOps-Plattformen wie Apptio Cloudability bieten Zuordnungsregeln, Show-Back- und Charge-Back-Workflows sowie eine anbieterübergreifende Konsolidierung. Mit diesen Tools können Sie Zuordnungshierarchien aufbauen, die Ihre Rechtsstruktur widerspiegeln, nutzungsbasierte Zuordnungskriterien anwenden und Berichte erstellen, die Finanzteams direkt nutzen können. Für Unternehmen, die KI-Kosten über mehrere Regionen hinweg verwalten, ermöglicht erst diese Struktur eine konsistente und überprüfbare Zuordnung.

Für Unternehmen, die die Kostenverrechnung für KI und Cloud in ein umfassenderes IT-Finanzmanagement einbinden müssen – einschließlich lokaler Kosten, Lieferantenverträge und der Berichterstattung zum geschäftlichen Nutzen –, bietet die Integration von FinOps-Tools und einer Technology Business Management (TBM)-Plattform einen vollständigen Überblick. Diese Integration ermöglicht es, KI-Kosten nicht nur nach Unternehmenseinheit, sondern auch nach den von ihnen unterstützten Geschäftsdienstleistungen oder Produkten auszuweisen – genau der Kontext, den die Berichterstattung an die Geschäftsleitung und den Vorstand erfordert.

So unterstützen wir Sie bei der Verteilung der KI-Kosten auf verschiedene Länder und Unternehmenseinheiten

Wir unterstützen Unternehmen dabei, die erforderlichen Governance-Strukturen, Datengrundlagen und Tools aufzubauen, um KI-Kosten präzise und unter Einhaltung der Vorschriften auf die einzelnen juristischen Personen und Regionen zu verteilen. Unser Ansatz berücksichtigt die praktischen Herausforderungen, die die Verteilung von KI-Kosten in großen Umgebungen mit mehreren juristischen Personen erschweren:

• Gestaltung des Zuteilungsrahmens: Wir arbeiten mit Ihren Finanz-, IT- und Steuerteams zusammen, um zu ermitteln, welche KI-Kosten direkt und welche gemeinsam anfallen, geeignete Verrechnungsgrundlagen auszuwählen und die Methodik so zu dokumentieren, dass die Einhaltung der Verrechnungspreisvorschriften gewährleistet ist.
• Tagging und Datenqualität: Wir bewerten Ihre derzeitige Tagging-Abdeckung in Ihren Cloud-Umgebungen und führen Governance-Maßnahmen ein, die sicherstellen, dass KI-Kostendaten zuverlässig und auf der für Ihre Berichterstattung erforderlichen Ebene den jeweiligen Entitäten zuordenbar sind.
• Einführung von FinOps: Wir implementieren und konfigurieren FinOps-Tools, darunter Apptio Cloudability, um Zuordnungshierarchien zu erstellen, die Ihre Rechtsstruktur widerspiegeln, Charge-Back-Workflows zu automatisieren und finanzabteilungsgerechte Berichte zu erstellen.
• TBM-Integration: Wenn die Kostenverrechnung im Bereich der KI mit dem übergeordneten IT-Finanzmanagement und der Berichterstattung zum geschäftlichen Nutzen verknüpft werden muss, integrieren wir FinOps- und TBM-Frameworks, um der Unternehmensführung einen umfassenden Überblick über die Technologieausgaben und deren geschäftliche Auswirkungen zu verschaffen.
• Laufende Unternehmensführung: Wir unterstützen Sie dabei, Entscheidungsprozesse, Rollen und Verantwortungsstrukturen zu etablieren, die eine genaue Kostenzuordnung im KI-Bereich gewährleisten, während Ihr KI-Portfolio wächst und sich weiterentwickelt.

Wenn Sie KI-Kosten über mehrere Länder und juristische Personen hinweg verwalten und einen strukturierten, konformen Ansatz benötigen, Nehmen Sie Kontakt mit uns auf um zu besprechen, wo wir anfangen sollen.