Umsätze, Gewinne, Mitarbeiterzahlen, Steuern – aufgeschlüsselt nach Ländern, einsehbar für jeden. Mit dem Public CbCR (pCbCR) werden Steuerdaten multinationaler Konzerne öffentlich. Daraus lassen sich Kennzahlen wie Umsatzrendite, Steuerquote oder Gewinn je Mitarbeiter ableiten – Werte, die auf den ersten Blick aussagekräftig wirken, aber ohne den richtigen Kontext schnell zu falschen Schlussfolgerungen führen. Wer seine eigenen Zahlen nicht kennt und einordnen kann, bevor andere es tun, verliert die Deutungshoheit über die eigenen Daten.
Wer analysiert – und warum das relevant ist
NGOs wie das EU Tax Observatory, Investoren, Journalisten und Finanzbehörden werden die veröffentlichten Daten auswerten – mit unterschiedlichem Vorwissen und Interessen. Das EU Tax Observatory stellt bereits heute Tools bereit, die jedermann schnellen Zugang zu pCbCR-Daten ermöglichen. Fehlinterpretationen sind damit wahrscheinlich – bieten aber gleichzeitig die Chance, Transparenz als Stärke zu positionieren und Vertrauen aufzubauen.
Wer dabei auffällt, muss erklären. Und wer erklären will, muss zuerst selbst verstanden haben, was die eigenen Zahlen aussagen. Eine proaktive Eigenanalyse ist daher keine Kür mehr, sondern Pflicht: Wo weichen die eigenen Kennzahlen von plausiblen Referenzwerten ab? Gibt es eine nachvollziehbare Erklärung – und wenn ja, wie soll diese kommuniziert werden?
Welche Kennzahlen im Fokus stehen – und warum sie schnell missverstanden werden
Die Daten des pCbCR wirken auf den ersten Blick intuitiv: Gewinn in diesem Land, Steuern in jenem Land, Mitarbeiterzahl dort. Daraus lassen sich schnell Verhältniskennzahlen bilden – und genauso schnell falsche Schlussfolgerungen ziehen. Das Problem liegt zum einen in der Grundsystematik der (p)CbCR-Daten, zum anderen daran, dass diese im richtigen Kontext interpretiert werden müssen – was wiederrum eine Fachkenntnis voraussetzt.
Immanent in den pCbCR-Daten ist, dass die ausgewiesenen Steuerwerte ausschließlich Ertragsteuern umfassen. Andere Steuern und Abgaben, die in der Summe erheblich höher ausfallen können, bleiben unberücksichtigt. Entsprechend geben die pCbCR-Daten nur einen sehr unvollständigen Blick auf die gesamten Steuerzahlungen eines Unternehmens. Ebenfalls sind die Werte im Branchenkontext zu verstehen. Ein Wert, der im Einzelhandel ein Warnsignal ist, kann im Finanzsektor völlig normal sein.
Darüber hinaus stehen einige Verhältniskennzahlen im Fokus externer Stakeholder, die schwerer zu interpretieren sind als es auf den ersten Blick scheint:
- Umsatzrendite (Gewinn vor Ertragsteuern / Erträge): Hohe Margen können auf IP-intensive Geschäftsmodelle oder Strategieträger zurückzuführen sein – nicht zwingend auf Gewinnverlagerung. Zudem entspricht diese Kennzahl nicht der betriebswirtschaftlichen EBIT-Marge.
- Umsatz je Mitarbeiter: Holding- und IP-Gesellschaften weisen strukturbedingt sehr hohe Werte auf. Zusätzlich kann die Kennzahl verzerrt sein, wenn Mitarbeiterzahlen zum Jahresende ausgewiesen werden, der Umsatz aber einen Jahresdurchschnitt darstellt.
- Vorsteuergewinn je Mitarbeiter: Ergänzt die Substanzbetrachtung um eine Gewinnperspektive – mit denselben strukturellen Einschränkungen.
- „Steuerquote“ (angefallene Ertragsteuern / Gewinn vor Steuern): Die anfälligste Kennzahl für Fehlinterpretationen. Die ausgewiesenen Steuern entsprechen den laufenden Ertragsteuern des Berichtsjahres – latente Steuern und Rückstellungen sind ausdrücklich ausgeschlossen. Die so berechnete Steuerquote entspricht nicht der geläufigen ETR und ist mit dieser nur eingeschränkt vergleichbar.
- Verhältnis gezahlte zu ausgewiesenen Ertragsteuern: Gibt Hinweise auf periodenübergreifende Steuereffekte oder laufende Betriebsprüfungen – ohne Kontext aber kaum belastbar interpretierbar.
CbCR-Kennzahlen können daher eine Hypothese generieren – aber keine Antworten liefern. Gerade deshalb ist eine proaktive Analyse anhand belastbarer Referenzwerte unerlässlich.
Referenzwerte auf Basis öffentlich verfügbarer Daten
Wir gehen davon aus, dass zukünftig öffentlich zugängliche Datenbanken für pCbCR-Daten entstehen, die auch branchenspezifische Vergleiche ermöglichen. Das EU Tax Observatory hat bereits erste Tax Transparency Reports ausgewertet – die Datenbasis ist jedoch noch zu klein, um daraus belastbare Referenzwerte abzuleiten.
Als derzeit bester verfügbarer Vergleichsmaßstab bieten sich die anonymisierten und aggregierten CbCR-Statistiken der OECD an, die jährlich im Bericht „Corporate Tax Statistics" veröffentlicht werden. Diese Daten sind öffentlich zugänglich, nachvollziehbar und reproduzierbar – und trotz der beschriebenen Einschränkungen die solideste verfügbare Grundlage für jurisdiktionsspezifische Referenzwerte.
Was Konzerne jetzt tun sollten
Betroffene Konzerne sollten ihre pCbCR-Zahlen auf zwei Ebenen analysieren: intern – welche Länder weisen im Konzernvergleich auffällige Werte auf? – und extern, durch Abgleich mit jurisdiktionsspezifischen Referenzwerten. Letztere bieten den entscheidenden Vorteil, dass Länder nicht nur im Konzernkontext, sondern auch im Marktvergleich eingeordnet werden können. Dabei gilt: Ein Wert unterhalb des Durchschnitts bedeutet nicht, dass eine Kennzahl steuerlich unbedenklich ist und umgekehrt. Die Referenzwerte sind Ausgangspunkt einer Analyse – nicht deren Ergebnis.
Auffällige Jurisdiktionen bilden die Basis für eine vertiefte Einzelfallanalyse: Warum sehen die Daten so aus? Lassen sich Abweichungen durch das Geschäftsmodell oder Länderlogiken erklären? Sollten ergänzende Kennzahlen – etwa eine „richtige" ETR – zusätzlich ausgewiesen werden? Darauf aufbauend ist eine Kommunikationsstrategie zu entwickeln – von einer unkommentierten Veröffentlichung über Erläuterungen im Berichtsteil bis hin zu einem gesonderten Tax Transparency Report.
Konzerne, die sich frühzeitig mit ihren eigenen Daten auseinandersetzen und Auffälligkeiten erklären können, sind gegenüber Finanzbehörden, Investoren und der Öffentlichkeit klar im Vorteil. Wir haben jurisdiktionsspezifische Referenzwerte aus den öffentlich zugänglichen Daten errechnet und Lösungen aufgebaut, die dabei unterstützen, pCbCR-Kennzahlen strukturiert einzuordnen und zu analysieren.
Sprechen Sie uns an – wir zeigen Ihnen, wo Ihre Daten im Vergleich stehen.
