Investitionen in KI‑Software werfen für Finanzteams eine Reihe praktischer Fragestellungen auf. 

Unternehmen investieren zunehmend in Künstliche Intelligenz. Dazu gehören Investitionen in Trainingsdaten, die Anpassung von Basismodellen wie GPT, Claude oder Gemini, die Entwicklung von Retrieval‑Augmented‑Generation-(RAG)-Lösungen zur Verbindung von Sprachmodellen mit unternehmenseigenem Fachwissen oder die Lizenzierung von KI‑Software (z.B. Microsoft Copilot).

Nach IFRS fällt KI-Software als Unterkategorie intern entwickelter Software grundsätzlich in den Anwendungsbereich von IAS 38 Immaterielle Vermögenswerte.

Bei KI stellen sich jedoch besondere Herausforderungen hinsichtlich zentraler Fragestellungen des Standards: Was genau stellt den Vermögenswert dar, wie sind die damit verbundenen Kosten zuzuordnen und wie lange wird der Vermögenswert voraussichtlich wirtschaftlichen Nutzen generieren?

Diese Seite zeigt auf, wie Finanzteams und (technisches) Rechnungswesen die IFRS-Vorgaben im Zusammenhang mit KI-Projekten anwenden können. Im Fokus stehen dabei Kostenbestandteile, die Beurteilung der Nutzungsdauer sowie mögliche Indikatoren für eine Wertminderung.

Martin Stevka
Martin Stevka

Partner, Leiter Marktregion Zürich, Head Accounting Advisory Services Corporates

KPMG Switzerland

Daniel Haas
Daniel Haas

Partner, Co-Head Accounting Advisory Services Corporates

KPMG Switzerland

Warum unterscheidet sich die Bilanzierung von KI‑Software von der Bilanzierung herkömmlicher Software?

Klassische Software wird in der Regel auf Basis klar definierter Anforderungen entwickelt. Der Entwicklungsprozess ist meist darauf ausgerichtet, ein konkret spezifiziertes Endprodukt zu erstellen.

Bei KI-Projekten ist die Situation häufig weniger eindeutig. Die Entwicklung ist experimentell, die Fähigkeiten resultieren aus dem Trainingsprozess, statt im Vorfeld vollständig spezifiziert zu werden, und die Weiterentwicklung erfolgt in erheblich höherem Tempo. 

Gerade deshalb wirft die Anwendung von IAS 38 auf KI-Projekte neue Fragestellungen auf.

Für Themen wie die Bilanzierung von Trainingsdaten, die Anpassung von Basismodellen oder die Beurteilung von Vermögenswerten mit potenziell kurzer wirtschaftlicher Nutzungsdauer besteht bislang nur eine begrenzte Bilanzierungspraxis.

Zu den häufigsten Ursachen für diese Komplexität zählen:

  • Verschwimmende Phasengrenzen

    Forschungs- und Entwicklungsaktivitäten überschneiden sich in iterativen Workflows des maschinellen Lernens häufig. Dadurch ist die Abgrenzung zwischen Forschungs- und Entwicklungsphase oftmals nicht eindeutig.

  • Schnelle technologische Obsoleszenz

    KI-Modelle können innerhalb kurzer Zeit überholt sein. Dies erschwert die Beurteilung der wirtschaftlichen Nutzungsdauer sowie die Festlegung angemessener Abschreibungszeiträume.

  • Zunehmend wesentliche Kostenbestandteile

    Anders als bei vielen traditionellen Softwareprojekten spielen bei KI-Projekten Trainingsdaten, Datenaufbereitung und Rechenleistung eine zentrale Rolle. Für diese Kostenarten existiert bislang nur begrenzte Bilanzierungspraxis.

    Unternehmen müssen die Grundsätze von IAS 38 deshalb häufig auf Sachverhalte anwenden, die in dieser Form bisher kaum Gegenstand der Rechnungslegung waren.

Anwendungsbereich: Was gilt als KI‑Software?

KI‑Software umfasst sämtliche Systeme, die Machine‑Learning‑Modelle nutzen, um Ergebnisse zu erzeugen: 

    • KI‑Plattformen und APIs (PaaS)

      Hierzu gehören cloudbasierte Zugänge zu Basismodellen (z. B. Azure OpenAI, AWS Bedrock) sowie der direkte API-Zugriff auf Basismodelle.

      Eine API bietet eine Schnittstelle, mit der die Software einer Organisation Anfragen an ein Modell übermitteln und die entsprechenden Ausgaben empfangen kann. Solche Vereinbarungen sind in der Regel als Dienstleistungsverträge ausgestaltet, die Zugang zu Modellen und Rechenkapazitäten gewähren.

    • KI‑gestützte Anwendungen (SaaS)

      Hierzu zählen Software‑as‑a‑Service‑Lösungen mit integrierten KI‑Funktionen, beispielsweise ChatGPT Enterprise, Microsoft 365 Copilot oder Claude for Enterprise.

      Diese Lösungen werden nach IFRS in der Regel als Dienstleistungsverträge bilanziert. Dabei sind insbesondere die Agenda Decisions des IFRS Interpretations Committee (IFRIC) zu Cloud-Computing-Vereinbarungen zu berücksichtigen.

    • Eigenentwickelte proprietäre Modelle

      Modelle, die mit proprietären Daten entwickelt und trainiert werden, sind typischerweise für Unternehmen relevant, die KI als strategische Kernkompetenz betrachten.

      Ihre Bilanzierung richtet sich grundsätzlich nach den Ansatzkriterien von IAS 38 für selbst geschaffene immaterielle Vermögenswerte. Die konkrete Beurteilung hängt jedoch von den jeweiligen Sachverhalts- und Vertragsbedingungen ab.

    • Anpassung von Basismodellen

       

      Mehrere Aktivitäten bauen auf einem bestehenden Basismodell auf und verbinden dieses mit eigenen Tools und Daten eines Unternehmens.

      Dazu zählen zum Beispiel:
       

      • Feinabstimmung (weiteres Training anhand spezifischer Daten zur Anpassung an eine bestimmte Aufgabe)

      • Fortgesetztes Vortraining (Erweiterung des allgemeinen Trainings mit domänenspezifischen Daten)

      • Modellzusammenführung (Kombination mehrerer Modelle)

      • RAG und Integration basierend auf dem Model Context Protocol (MCP)


      Führt die Anpassung zu einem neuen Vermögenswert und nicht lediglich zu einer Anpassung bestehender Funktionen, ist der Sachverhalt anhand der Kriterien zu selbsterstellten immateriellen Vermögenswerten von IAS 38 zu beurteilen.

      Eine zentrale Herausforderung besteht darin festzustellen, ob das Unternehmen ausreichend Kontrolle über den resultierenden Output ausübt.

    Aktivieren oder als Aufwand erfassen?
    Der entscheidende Punkt nach IAS 38

    IAS 38 unterscheidet bei selbst geschaffenen immateriellen Vermögenswerten zwischen zwei Phasen: Forschung und Entwicklung. Forschungskosten sind bei Anfall als Aufwand zu erfassen, während Entwicklungskosten aktiviert werden können, sobald sämtliche Ansatzkriterien gleichzeitig erfüllt sind.

    Die Anwendung dieser Vorgaben ist bei KI-Projekten oft anspruchsvoller als bei klassischer Softwareentwicklung. Forschungs- und Entwicklungsaktivitäten laufen parallel ab und die technische Realisierbarkeit ist oft nicht einem klar definierten Zeitpunkt zuzuordnen.

    Die Dokumentation des Übergangs von der Forschungs- in die Entwicklungsphase gehört daher regelmässig zu den wichtigsten Ermessensentscheidungen für Finanzteams.

    Wann wechselt ein KI‑Projekt von der Forschungs- in die Entwicklungsphase?

    Phasen nach IAS 38

    Forschungsphase: Aufwandserfassung

    Exploration, Experimente und Evaluierung.

     

    Entwicklungsphase: Aktivierung

    Aktivitäten im Zusammenhang mit der Entwicklung einer bestimmten KI-Komponente, die zur Nutzung oder zum Verkauf bestimmt ist.

    Sechs Kriterien für die Aktivierung von Entwicklungskosten

    Entwicklungskosten dürfen nur aktiviert werden, wenn ein Unternehmen alle folgenden Punkte nachweisen kann:

    • Die Fertigstellung des immateriellen Vermögenswerts kann technisch soweit realisiert werden, dass er genutzt oder verkauft werden kann.
    • Die Art und Weise, wie der Vermögenswert voraussichtlich einen künftigen wirtschaftlichen Nutzen erzeugen wird.
    • Das Unternehmen beabsichtigt, den Vermögenswert fertigzustellen und ihn zu nutzen oder zu verkaufen.
    • Adäquate technische, finanzielle und sonstige Ressourcen sind verfügbar, um die Entwicklung abzuschliessen und der Vermögenswert genutzt oder verkauft werden kann
    • Das Unternehmen ist in der Lage, den Vermögenswert zu nutzen oder zu verkaufen.
    • Das Unternehmen ist in der Lage, die Ausgaben der Entwicklung verlässlich zu ermitteln. 

    Kostenanalyse: Zentrale Kostenbestandteile bei der Entwicklung von KI

    Die Entwicklung von KI umfasst Kostenarten, die im Kontext von IAS 38 komplexe Fragestellungen aufwerfen. Diese sollten sorgfältig beurteilt werden, bevor bilanzielle Schlussfolgerungen gezogen werden.

    Kostenart

    Zentrale Fragestellung

    Entwicklung von Algorithmen

    Ab welchem Zeitpunkt sind die Aktivitäten nicht mehr der Forschungs-, sondern der Entwicklungsphase zuzuordnen, und wie wird diese Abgrenzung dokumentiert?

    Trainingsdaten

    Könnte der Datensatz über ein einzelnes Modell hinaus einen eigenständigen Wert besitzen, und würde dies den Ansatz als separaten immateriellen Vermögenswert rechtfertigen?

    Datenannotation und Datenaufbereitung

    Sind diese Kosten direkt einem bestimmten Entwicklungsprojekt zuzurechnen oder werden sie von mehreren Projekten gemeinsam genutzt?

    Cloud-Computing

    Kosten für Rechenleistung und APIs werden in der Regel periodenbezogen in Rechnung gestellt, ohne zwischen Forschungs- und Entwicklungsphase zu unterscheiden. Wie identifiziert und dokumentiert das Unternehmen, welche Kosten vor und nach dem Zeitpunkt angefallen sind, an dem die Aktivierungskriterien erfüllt wurden?

    Modelltests und Validierung

    Erfolgen die Tests vor oder nach dem Nachweis der technischen Realisierbarkeit, und wird diese Unterscheidung konsistent angewendet?

    Modell-RetrainingDient das Retraining lediglich der Aufrechterhaltung der bestehenden Funktionalität oder verbessert es die Leistungsfähigkeit des Vermögenswerts nachweislich über das ursprünglich beurteilte Niveau hinaus? Ist diese Abgrenzung ausreichend dokumentiert? IAS 38 setzt für die Aktivierung nachträglicher Ausgaben hohe Hürden, weshalb dieser Bereich eine besonders wichtige Ermessensentscheidung darstellt.
    Infrastruktur und ToolsWenn Plattformen und Werkzeuge von mehreren KI‑Projekten gemeinsam genutzt werden, können die Kosten, die einem bestimmten KI‑Vermögenswert zuzurechnen sind, eindeutig identifiziert und abgegrenzt werden?

    API-Zugänge zu Basismodellen

    Vereinbarungen über den Zugang zu Foundation-Model-APIs stellen grundsätzlich keinen immateriellen Vermögenswert dar. In der Regel handelt es sich um Dienstleistungsverträge im Sinne der IFRIC-Agendaentscheidungen zu Cloud-Computing-Vereinbarungen, sodass die nutzungsabhängigen Kosten bei Anfall als Aufwand erfasst werden.

    Der Kunde beherrscht das zugrunde liegende Modell nicht, sondern erwirbt lediglich das Recht, Anfragen an das Modell zu senden und die daraus generierten Ergebnisse zu erhalten.

    Ausnahmen können bestehen, wenn der Vertrag dem Unternehmen wesentliche Rechte einräumt, beispielsweise im Rahmen einer unbefristeten Lizenz, bei der das Modell an das Unternehmen übertragen und unabhängig vom Anbieter auf dessen eigener Infrastruktur betrieben werden kann.

    Auch in solchen Fällen ist jedoch sorgfältig zu beurteilen, ob das Unternehmen tatsächlich die Beherrschung über einen identifizierbaren Vermögenswert im Sinne von IAS 38 erlangt hat.

    Entscheidend ist insbesondere, ob das Unternehmen die wirtschaftlichen Vorteile aus dem Vermögenswert ziehen und den Zugang Dritter zu diesen Vorteilen beschränken kann, anstatt weiterhin von der fortlaufenden Leistungserbringung des Anbieters abhängig zu sein.

    Jede Vereinbarung ist anhand ihrer konkreten vertraglichen Ausgestaltung zu beurteilen. Dabei ist unter anderem zu berücksichtigen, ob das Modell auf der Infrastruktur des Anbieters betrieben wird und ob dieser weiterhin berechtigt ist, das Modell zu ändern oder dessen Nutzung einzustellen.

    Verwendung bei der Entwicklung eines proprietären Vermögenswerts: Wird der API-Zugang im Rahmen der Entwicklung eines selbst geschaffenen immateriellen Vermögenswerts genutzt, beispielsweise indem die API eines Basismodells bei der Entwicklung eines proprietären KI-Systems eingesetzt wird, können die damit verbundenen Kosten als direkt zurechenbare Entwicklungsausgaben aktiviert werden, sofern sämtliche Ansatzkriterien des IAS 38 erfüllt sind.

    In diesen Fällen wird der selbst geschaffene immaterielle Vermögenswert bilanziert, nicht jedoch die Vereinbarung über den API-Zugang als solche.

    Wo Ermessensentscheide besonders wichtig sind

    Neben der Beurteilung des Kontrollkriteriums und der Abgrenzung zwischen Forschungs- und Entwicklungsphase gibt es drei Bereiche, die bei der Anwendung von IAS 38 auf KI‑Software regelmässig eine sorgfältige Beurteilung erfordern.

    Diese Fragestellungen führen häufig zu intensiven Diskussionen zwischen Finanz-, Technologie- und Governance-Teams, da sie an der Schnittstelle zwischen technischer Ausgestaltung und bilanzieller Beurteilung liegen.

      • Aufbau auf Basismodellen

        • Schafft die Anpassung einen neuen Vermögenswert oder verbessert sie lediglich das zugrunde liegende Modell?
           

        • Bei der Feinabstimmung oder Modellzusammenführung: Kann das Unternehmen die wirtschaftlichen Vorteile des angepassten Modells unabhängig vom Anbieter erzielen? Eine wichtige Überlegung ist, ob das Unternehmen das angepasste Modell auf seiner eigenen Infrastruktur betreiben kann oder ob das Modell ausschliesslich in der Umgebung des Anbieters existiert.

          Im Gegensatz zu Systemen, die auf einem Modell aufbauen, sind feinabgestimmte Modelle grundsätzlich vom zugrunde liegenden Basismodell abhängig, auf dem sie trainiert wurden. Die Beurteilung hängt von den vertraglich eingeräumten Rechten ab.
           

        • Für RAG- und ähnliche Systeme gilt: Die Retrieval-Pipeline, der proprietäre Datenspeicher sowie die Orchestrierung werden in der Regel vom Unternehmen selbst entwickelt und kontrolliert. Es stellt sich die Frage, ob hierdurch ein separat identifizierbarer Vermögenswert entsteht, der die Ansatzkriterien von IAS 38 erfüllt. Die Austauschbarkeit kann dabei ein wichtiger Indikator sein: Ein System, das mit unterschiedlichen Basismodellen betrieben werden kann, stützt das Argument für die Kontrolle stärker.

          Eine starke Abhängigkeit von dem Modell eines bestimmten Anbieters kann die Beurteilung hingegen komplexer machen, schliesst einen Ansatz als Vermögenswert jedoch nicht zwangsläufig aus.

      • Trainingsdaten
        • Besitzt der Datensatz einen eigenständigen Wert, unabhängig von einem einzelnen Modell?

        • Sind die Kosten für Datenannotation und -aufbereitung direkt einem bestimmten Projekt zuzurechnen?
           

      • Nutzungsdauer und Wertminderung
        • Wie sollte die Nutzungsdauer das Tempo widerspiegeln, mit dem KI‑Modelle veralten? Welche Ereignisse könnten einen Wertminderungstest auslösen, beispielsweise die Einführung konkurrierender Modelle, regulatorische Änderungen oder eine Verschlechterung der Datenqualität?

        • Beeinflusst laufendes Retraining die verbleibende Nutzungsdauer des Vermögenswerts, und wird dies in den Abschreibungsgrundsätzen angemessen berücksichtigt?

      Selbstbeurteilung: Fragen für Ihr Team

      Die Bilanzierung von KI-Software nach IFRS erfordert häufig eine enge Abstimmung zwischen Finanz- und Technologieteams.

      Die folgenden Fragen können dabei helfen, wesentliche Bilanzierungsfragen strukturiert zu beurteilen und die zugrunde liegenden Ermessensentscheide nachvollziehbar zu dokumentieren.

      Phasenabgrenzung und Ansatz

      • Ist eine dokumentierte Richtlinie etabliert, die bei KI‑Projekten die Abgrenzung zwischen Forschungs- und Entwicklungsphase regelt?

      • Ab welchem Zeitpunkt gilt die technische Realisierbarkeit eines Machine‑Learning‑Modells als nachgewiesen?

      • Wie werden Kosten zwischen Forschungs- und Entwicklungsphase abgegrenzt, wenn sich die beiden Phasen in KI-Projekten nicht klar voneinander trennen lassen?
         

      Trainingsdaten und Identifikation von Vermögenswerten

      • Wurde geprüft, ob Trainingsdatensätze eigenständig die Voraussetzungen für die Erfassung als immaterielle Vermögenswerte erfüllen?

      • Spiegelt die bilanzielle Behandlung lizenzierter Daten angemessen wider, ob ein Vermögenswert erworben oder eine Dienstleistung bezogen wurde?

      • Werden Kosten für Datenannotation und Datenaufbereitung daraufhin beurteilt, ob sie als direkt zurechenbare Entwicklungskosten aktiviert werden können?

      Kostenzuordnung und Kostenmessung

      • Wurde eine Methodik definiert, um direkt zurechenbare Kosten wie Personalaufwand, Rechenressourcen und Leistungen Dritter zu identifizieren?

      • Falls Infrastruktur und Entwicklungsplattformen von mehreren KI‑Projekten gemeinsam genutzt werden: Gibt es eine belastbare und nachvollziehbare Grundlage, um Kosten einzelnen Vermögenswerten zuzuordnen?

      • Wurden Kosten für das Fine‑Tuning oder die Anpassung eines lizenzierten Basismodells daraufhin untersucht, welche bilanzielle Behandlung angemessen ist – insbesondere vor dem Hintergrund, dass das zugrunde liegende Modell nicht im Eigentum des Unternehmens steht?

      Folgebewertung und Wertminderung

      • Wurde eine Richtlinie zur Bestimmung der Nutzungsdauer definiert, die dem Tempo der Obsoleszenz von KI‑Modellen angemessen Rechnung trägt?

      • Werden nach der Inbetriebnahme anfallende Kosten daraufhin beurteilt, ob sie der laufenden Wartung dienen (z.B. Monitoring) oder ob sie den Vermögenswert verbessern, etwa durch Retraining oder Updates mit neuen Funktionalitäten?

      • Wurden Indikatoren für eine Wertminderung von KI‑Vermögenswerten festgelegt, etwa die Einführung konkurrierender Modelle oder eine Verschlechterung der Modellleistung?

         

      Wie KPMG Sie unterstützen kann

      KPMG Schweiz unterstützt Finanzteams dabei, bilanzielle Fragestellungen im Zusammenhang mit KI über verschiedene Rechnungslegungsstandards hinweg zu adressieren.

      Unser Accounting Advisory Services Team bietet Unterstützung in den folgenden Bereichen:

      • Entwicklung von Richtlinien: Entwicklung von Bilanzierungsrichtlinien, die auf KI‑Projekten, Technologiearchitekturen und Reporting-Anforderungen abgestimmt sind.
      • Unterstützung bei der Umsetzung: Praxisorientierte Unterstützung bei der Kostenzuordnung, der Abgrenzung zwischen Forschungs- und Entwicklungsphase sowie bei der Dokumentation von KI‑Entwicklungsaktivitäten.
      • Schulungen für Teams: Gezielte Schulungen für Finanz- und Technologieteams zu den Anforderungen der IFRS sowie zu den zentralen Fragestellungen bei der Bilanzierung von KI‑Software.

      Expertise in der Finanzberichterstattung

      Je nach Rechnungslegungsumfeld des Unternehmens kann die Unterstützung auch über die IFRS hinausgehen und sich auf die Swiss GAAP FER, das Schweizer Obligationsrecht sowie U.S.-GAAP erstrecken.

      Häufig gestellte Fragen

      Nach IFRS werden Kosten für KI-Software grundsätzlich nach IAS 38 beurteilt. Forschungskosten sind bei Anfall als Aufwand zu erfassen. Entwicklungskosten dürfen erst aktiviert werden, wenn sämtliche Ansatzkriterien erfüllt sind.

      Bei KI-Projekten bestehen die grössten Herausforderungen häufig in der Beurteilung der Kontrolle über den Vermögenswert sowie der technischen Realisierbarkeit. 

      Dies ist regelmässig dann der Fall, wenn das Modell auf den Validierungsdaten die angestrebte Leistungsfähigkeit erreicht hat und die zugrunde liegende Systemarchitektur nicht länger wesentlich neu konzipiert wird. Eine Aktivierung ist jedoch erst zulässig, wenn sämtliche Ansatzkriterien von IAS 38 erfüllt sind.

      In der Regel nicht. Nach den IFRIC Agenda Decisions zu Cloud-Computing-Vereinbarungen werden API-Zugänge typischerweise als Dienstleistungsverträge behandelt.

      Das Unternehmen kontrolliert das zugrunde liegende Modell nicht, sondern erhält lediglich das Recht, Anfragen zu senden und Ergebnisse zu nutzen.

      Ausnahmen können bestehen, wenn der Vertrag substanzielle Rechte einräumt, beispielsweise im Rahmen einer unbefristeten Lizenz, nach der das Modell an das Unternehmen übertragen wird und unabhängig vom Anbieter auf dessen eigener Infrastruktur betrieben werden kann.

      Wird ein API-Zugang im Rahmen der Entwicklung eines selbst geschaffenen immateriellen Vermögenswerts genutzt, können die damit verbundenen Kosten unter Umständen als direkt zurechenbare Entwicklungskosten aktiviert werden.

      Aktiviert wird jedoch der entwickelte Vermögenswert und nicht die API-Vereinbarung selbst.

      Das hängt von den Umständen ab. Wesentlich ist, ob ein Datensatz identifizierbar ist, vom Unternehmen kontrolliert wird und unabhängig von einem bestimmten Modell wirtschaftliche Vorteile generieren kann.

      Lizenzierte Daten von Dritten können einen immateriellen Vermögenswert darstellen, sofern dem Unternehmen substanzielle Rechte übertragen werden. Abonnementbasierte Datendienste sind hingegen gesondert zu beurteilen; dabei sind insbesondere die IFRIC-Agendaentscheidungen zu Cloud-Computing-Vereinbarungen zu berücksichtigen.

      Intern generierte Datensätze werden aufgrund der Einschränkungen von IAS 38 jedoch nur selten als eigenständige immaterielle Vermögenswerte angesetzt.

      Aktivierungsfähige Kosten werden häufig als Bestandteil der Herstellungskosten des entwickelten KI-Modells erfasst und nicht separat bilanziert.

      Dies hängt davon ab, ob die Tätigkeit zur Entstehung eines neuen Vermögenswerts führt, einen bestehenden Vermögenswert über das ursprünglich beurteilte Leistungsniveau hinaus verbessert oder lediglich dessen Funktionalität aufrechterhält.

      Die Feinabstimmung eines Basismodells für neue domänenspezifische Aufgaben kann zur Entstehung eines separaten immateriellen Vermögenswerts führen, sofern das Unternehmen die Kontrolle über das resultierende Modell ausübt und die Kriterien der Entwicklungsphase von IAS 38 erfüllt sind.

      Ein routinemässiges Retraining zur Aufrechterhaltung der Modellleistung wird hingegen grundsätzlich als Aufwand erfasst.

      Die Abgrenzung zwischen Instandhaltung und Weiterentwicklung zählt zu den Bereichen, in denen im Rahmen von Bilanzierungsrichtlinien für KI-Systeme besonders häufig Ermessensentscheidungen getroffen und regelmässig neu beurteilt werden müssen.

      Eine klare projektbezogene Dokumentation ist hierfür von besonderer Bedeutung.

      IAS 38 verlangt, dass die Nutzungsdauer dem Zeitraum entspricht, über den der Vermögenswert voraussichtlich wirtschaftliche Vorteile generiert.

      Dabei sind insbesondere technische Obsoleszenz, die erwartete Nutzung sowie rechtliche oder vertragliche Einschränkungen zu berücksichtigen.

      Aufgrund der hohen Innovationsgeschwindigkeit fallen die Nutzungsdauern von KI-Modellen häufig kürzer aus als bei klassischer Unternehmenssoftware.

      Cloud-Computing-Kosten können während der Entwicklungsphase eines selbst geschaffenen immateriellen Vermögenswerts aktiviert werden, sofern sie die Anforderungen von IAS 38 erfüllen und direkt der Schaffung, Herstellung oder Vorbereitung des Vermögenswerts für seinen beabsichtigten Einsatz zuzurechnen sind.

      Kosten, die während der Forschungsphase oder vor Erfüllung sämtlicher Ansatzkriterien anfallen, sind hingegen als Aufwand zu erfassen.

      In der Praxis besteht die zentrale Herausforderung in der verursachungsgerechten Zuordnung der Kosten.

      Da Trainingsläufe häufig auch Experimente, Hyperparameter-Optimierungen und erfolglose Iterationen umfassen, ist die hinreichend granulare Erfassung der Rechenkosten zur Begründung einer Aktivierung oft schwierig.

      IAS 36 verlangt eine Wertminderungsprüfung, sobald Anhaltspunkte für eine Wertminderung vorliegen.

      Bei KI-Vermögenswerten können insbesondere wesentlich leistungsfähigere Konkurrenz- oder Open-Source-Modelle, eine erhebliche Verschlechterung der Modellleistung, regulatorische Änderungen, eine Verschlechterung der Trainingsdaten oder strategische Veränderungen entsprechende Indikatoren darstellen.

      Da KI-Vermögenswerte selten eigenständige Zahlungsmittelzuflüsse generieren, erfolgt die Wertminderungsprüfung häufig auf Ebene der zahlungsmittelgenerierenden Einheit (ZGE), der der Vermögenswert zugeordnet ist.

      Die Bestimmung der geeigneten ZGE erfordert Ermessen und sollte mit der Weiterentwicklung des KI-Einsatzes regelmässig überprüft werden.

      Ein Modell kann sich von einer produktbezogenen Anwendung zu einer technologieübergreifenden Plattform entwickeln oder umgekehrt aus einem Gesamtangebot herausgelöst und eigenständig vermarktet werden.

      Möglicherweise. Nach IAS 36 ist eine Wertminderungsprüfung durchzuführen, wenn Anhaltspunkte für eine Wertminderung vorliegen.

      Die Veröffentlichung eines wesentlich leistungsfähigeren Basismodells oder einer Open-Source-Alternative kann einen solchen externen Indikator darstellen.

      Entscheidend ist jedoch, ob dadurch der erzielbare Betrag des Vermögenswerts oder der zugehörigen zahlungsmittelgenerierenden Einheit beeinflusst wird. 

      Unterstützt der bestehende Vermögenswert weiterhin die erwarteten Cashflows seiner CGU, etwa weil er in Geschäftsprozesse eingebettet ist, mit proprietären Daten integriert wurde oder einen Anwendungsfall abdeckt, den das neue Modell nicht ausreichend unterstützt, ergibt sich möglicherweise kein Wertminderungsbedarf.

      Da die Werthaltigkeitsprüfung auf Ebene der gesamten CGU erfolgt, die zahlreiche weitere Vermögenswerte umfassen kann, führt ein Rückgang der Bedeutung des KI-Vermögenswerts allein nicht zwangsläufig zu einer Wertminderung.

      Nicht gefunden wonach Sie gesucht haben?

      Entdecken Sie, wie die Accounting & Advisory Services von KPMG Schweiz Finanzteams bei einer Vielzahl von Themen rund um Rechnungslegung, Berichterstattung und Governance unterstützen.

      Ihre Ansprechpersonen

      Martin Stevka
      Martin Stevka

      Partner, Leiter Marktregion Zürich, Head Accounting Advisory Services Corporates

      KPMG Switzerland

      Daniel Haas
      Daniel Haas

      Partner, Co-Head Accounting Advisory Services Corporates

      KPMG Switzerland

      Verwandte Artikel und mehr Informationen

      article

      Unterstützung bei Umstellungen auf neue Rechnungslegungsstandards, Ad-hoc-Beratung, IPO-Readiness-Assessments und Interimslösungen.
      Weiterlesen
      article

      Umfassende Informationen zu IFRS (International Financial Reporting Standards). Standards, praktische Anwendungen & massgeschneiderte Beratung von KPMG.
      Weiterlesen
      article

      IFRS 18 verändert die Finanzberichterstattung. Erfahren Sie, wie Ihr Unternehmen von verbesserter Klarheit und Transparenz profitiert. Jetzt informieren!
      Weiterlesen