KI im Transfer Pricing: Warum der beste Prompt nicht reicht

Generative KI hat sich im Transfer Pricing (TP) erstaunlich schnell etabliert. Viele Teams nutzen Copilot, ChatGPT, Gemini, Claude oder vergleichbare Systeme inzwischen ganz selbstverständlich, etwa für die Aufbereitung von Informationen, die Vorbereitung von Betriebsprüfungen oder die Strukturierung von Local Files, also der länderspezifischen Verrechnungspreisdokumentation multinationaler Unternehmen.

In Gesprächen mit Unternehmen im Rahmen unseres KPMG Center of Excellence for Transfer Pricing Innovation & Technology wird uns allerdings häufig von einer wiederkehrenden Beobachtung berichtet: Die KI liefert bei einer Aufgabe überraschend gute Ergebnisse, scheitert aber kurz darauf an einer scheinbar ähnlichen Fragestellung. Diese Unberechenbarkeit macht den Einsatz von KI für Unternehmen sehr anspruchsvoll.

Warum die Qualität von KI-Ergebnissen schwer einschätzbar ist

Das Problem liegt dabei nicht allein in der Qualität der KI-Modelle. Es liegt auch nicht daran, dass Unternehmen noch zu wenig Erfahrung mit KI gesammelt hätten. Es besteht darin, dass die Leistungsgrenze generativer KI nicht geradlinig verläuft: Gute Ergebnisse bei einer Aufgabe sind keine Garantie dafür, dass die Technologie bei einer ähnlichen Fragestellung ebenso zuverlässig arbeitet.

Für dieses Phänomen haben Forschende der Harvard Business School und des Digital Data Design Institute at Harvard einen Begriff geprägt: "Jagged Frontier", die gezackte Leistungsgrenze.

_{Abbildung: Die Jagged Frontier: KI kann bei einer Aufgabe überzeugen und bei einer scheinbar ähnlichen Aufgabe scheitern. Quelle: Eigene Darstellung nach Dell'Acqua et al. (2026), „Navigating the Jagged Technological Frontier“.}

Im Transfer Pricing hängen standardisierbare Dokumentationsarbeiten und Aufgaben mit komplexen Anforderungen, bei denen fachliche Erfahrung und Bewertung vonnöten sind, oft eng zusammen. Für TP-Teams ist es entscheidend, zuverlässig beurteilen zu können, bei welchen Arbeitsschritten die KI verlässlich unterstützt und bei welchen weiterhin menschliches Fachurteil gefragt ist. Diese Einschätzung lässt sich nicht an die Technologie delegieren. Sie ist eine Führungsaufgabe.

Bereit für ein Gespräch? Kontaktieren Sie uns

auto_stories

Kurzumfrage zeigt, wie teilnehmende Unternehmen künstliche Intelligenz in ihren Steuerabteilungen einsetzen.

Jetzt herunterladen

Bessere Prompts lösen das Problem nicht

Um solide Ergebnisse zu bekommen, reicht ein besserer Prompt aufgrund der "Jagged Frontier" oft nicht aus. Gut formulierte Anweisungen können die Qualität von KI-Ergebnissen verbessern, sie verschieben jedoch nicht die Leistungsgrenze des Modells.

Die Qualität eines Ergebnisses hängt häufig davon ab, ob der KI die relevanten Informationen überhaupt zur Verfügung stehen. Dazu gehören beim Transfer Pricing beispielsweise lokale Dokumentationsanforderungen, länderspezifische Besonderheiten, Vorgaben aus der eigenen Verrechnungspreispolitik oder Erkenntnisse aus vergangenen Betriebsprüfungen. Fehlt dieser Kontext, kann ihn kein noch so präziser Prompt ersetzen.

Hinzu kommt: Wie gut ein Modell allgemein bewertet wird, sagt wenig darüber aus, wie zuverlässig es bei genau den Aufgaben arbeitet, die im Team am häufigsten anfallen. Die Führungsaufgabe beginnt deshalb mit einer Bestandsaufnahme des eigenen Aufgabenportfolios und nicht mit der Auswahl des vermeintlich besten Modells.

Der Kontext ist wichtiger als der Prompt

Die KI benötigt nicht nur eine Aufgabenbeschreibung, sondern einen klar definierten Arbeitsrahmen. Sie muss wissen, welches Ziel verfolgt wird, welche Regeln gelten und woran ein gutes Ergebnis erkennbar ist. Für diesen Ansatz hat sich der Begriff Context Engineering etabliert. Gemeint ist, dass der KI nicht nur eine Aufgabe übergeben wird, sondern auch der notwendige fachliche Kontext.

Im Transfer Pricing gehören dazu beispielsweise:

interne TP-Policies
Local-File-Templates
länderspezifische Dokumentationsanforderungen
freigegebene Formulierungen aus früheren Projekten
Vorgaben für Methodenwahl und Dokumentationsstandards

Je gezielter dieser Kontext kuratiert und bereitgestellt wird, desto konsistenter und nachvollziehbarer werden die KI-Ergebnisse.

Context Engineering allein reicht nicht aus

In der Praxis zeigt sich noch eine weitere Herausforderung: Ein erheblicher Teil des Transfer-Pricing-Wissens ist in vielen Unternehmen nicht dokumentiert. Erfahrene Expert:innen berücksichtigen bei ihrer täglichen Arbeit Wissen aus jahrelanger Erfahrung, das selten in Richtlinien oder Vorlagen festgehalten ist. Dazu gehört etwa, warum eine bestimmte Methode in einem Land regelmäßig akzeptiert wird, welche Formulierungen sich in Betriebsprüfungen bewährt haben oder an welchen Stellen eine Argumentation besonders belastbar dokumentiert werden sollte. Solange dieses Wissen sich überwiegend in den Köpfen einzelner Mitarbeitender befindet, kann es weder systematisch genutzt noch durch KI unterstützt werden.

Wie Wissen aus Köpfen in Systeme wandert

Zusätzlich zum Context Engineering ist es daher wichtig, implizites Wissen zu dokumentieren und als nutzbare Kontextbausteine verfügbar zu machen. Das schafft eine bessere Grundlage für KI-Anwendungen und stärkt zugleich das Wissensmanagement. Erfahrungen aus Projekten, Prüfungen und methodischen Entscheidungen werden nachvollziehbar festgehalten und stehen damit auch neuen Mitarbeitenden, Vertretungen und Nachfolgegenerationen zur Verfügung.

Was erfolgreiche Transfer-Pricing-Teams anders machen

Ein weiterer wichtiger Punkt: In der Praxis sehen wir, dass Unternehmen, die generative KI erfolgreich einsetzen, die Technologie meist nicht als alleinige Lösung betrachten. Sie analysieren stattdessen ihre Prozesse. Dabei geht es vor allem um die Entscheidung, welche einzelnen Arbeitsschritte sich durch KI sinnvoll unterstützen lassen und welche weiterhin vollständig beim Menschen bleiben sollten. Diese Entscheidung ist keine technische, sondern eine Führungsaufgabe: Aufgaben, Kontext, Risiken und Qualitätsmaßstäbe werden aktiv gestaltet, statt Fragen in ein KI-Tool einzugeben. Der Umgang mit KI ähnelt damit der Delegation an ein Teammitglied:

Arbeitsschritte statt Gesamtprozesse betrachten

KI wird im Transfer Pricing selten einen kompletten Prozess übernehmen können. Verantwortliche sollten deshalb den Gesamtprozess in seine einzelnen Schritte zerlegen und bewerten, an welchen Stellen der Einsatz von KI sinnvoll und verantwortungsvoll möglich ist und wo eine fachliche steuerliche Bewertung unverzichtbar ist.
Rollen klar definieren

Nicht jeder Einsatz von KI verfolgt dasselbe Ziel. Mal dient sie als Recherchehilfe, mal als Sparringspartner, mal als Grundlage für einen ersten Entwurf. Deshalb sollte vor dem Einsatz klar sein, welchen Beitrag die KI in einem Arbeitsschritt leisten soll. Die Anforderungen an eine KI, die Informationen strukturiert, unterscheiden sich von denen an eine KI, die Argumentationslinien entwickelt oder bestehende Positionen hinterfragt. Je klarer diese Rolle definiert ist, desto besser lassen sich Ergebnisse einordnen, bewerten und überprüfen.
Reviews verbindlich verankern

Die überzeugende Sprache moderner Modelle gehört zu ihren größten Stärken. Genau darin liegt aber auch ein Risiko. Gut formulierte Antworten wirken häufig plausibler, als sie es tatsächlich sind. Deshalb sollten KI-Ergebnisse grundsätzlich als prüfungspflichtige Arbeitsstände betrachtet werden. Ein KI-generierter Entwurf für ein Benchmarking-Narrativ sollte nicht nur sprachlich überzeugen. Er sollte auch Annahmen, Datenpunkte, Unsicherheiten und offene Prüffragen sichtbar machen.

Fazit: klein anfangen, kontrolliert lernen

Für den Einstieg braucht es kein umfassendes Zielbild. Sinnvoller ist ein klar begrenzter Praxistest: einen Prozess auswählen, etwa den Local-File-Erstellungszyklus oder die Vorbereitung auf die nächste Betriebsprüfung, die einzelnen Arbeitsschritte bewerten, den nötigen Kontext bereitstellen und Review-Regeln festlegen.

Die eigentliche Führungsaufgabe liegt nicht darin, möglichst viel zu automatisieren, sondern klar zu entscheiden, welche Aufgaben generative KI übernehmen kann, wo fachliche Kontrolle nötig ist und wie beides zusammenspielt. Weil sich die Modelle sprunghaft verbessern, ist eine solche Einschätzung nie „fertig“ und sollte regelmäßig überprüft werden.