Wie Generative AI einen Mehrwert in steuerrelevanten Unternehmensprozessen schafft

Überblick

• Generative AI hat das Potenzial, die Steuerfunktion in Unternehmen grundlegend zu verändern.
• Die größten Vorteile ergeben sich durch die Integration von Generative AI in die Unternehmensprozesse.
• Die Einbindung des vorhandenen Wissens und der unternehmerischen Daten erfordert einen strukturierten Ansatz.

In dem abgebildeten Chat-Verlauf soll das Sprachmodell ein umsatzsteuerliches Reihengeschäft beginnend mit den Worten „Das Unternehmen“ erklären. Im übertragenden Sinn analysiert es hierfür die Häufigkeiten der sich anschließenden Worte in der einschlägigen Umsatzsteuerliteratur und identifiziert das Wort „A“ als wahrscheinlichste Fortführung des gegebenen Textes. Die Ergänzung des Wortes „real“ in der Frage führt zu einer abweichenden Fortsetzung.

In Summe wird die Arbeitsweise von Generative AI durch die statistische Auswertung von Daten charakterisiert, wobei die erstellten Texte aus Wahrscheinlichkeitsverteilungen resultieren, die während des Trainings mit umfangreichen Textsammlungen entwickelt wurden. Diese Fähigkeit ist für den Einsatz in Steuerabteilungen von großer Bedeutung, da die dortigen Tätigkeiten oft einen intensiven Umgang mit Textmaterial erfordern.

Welches Potenzial hat Generative AI in der Steuerfunktion?

Die Funktionsweise von Generative AI zeigt, dass die Technologie die Mitarbeitenden vor allem bei der Verarbeitung von Texten unterstützen kann. Bezogen auf die in Abbildung 2 dargestellten Aufgaben der Steuerabteilung betrifft dies vorrangig die gutachterlichen und organisatorischen Tätigkeiten, bei denen Texte recherchiert, zusammengefasst, übersetzt oder kommentiert werden.

Unter der Voraussetzung einer adäquaten Verwendung von steuerlichen Fachinhalten und Unternehmensinformationen kann Generative AI beispielsweise in Form eines Chatbots signifikante Effizienzsteigerungen bewirken. Dies zeigen die in Abbildung 2 dargestellten Einschätzungen von EY zu den Effizienzgewinnen von Generative AI in der Steuerfunktion. Der Balken für die unregulierten Chatbots zeigt den Effizienzgewinn von Anwendungen wie ChatGPT, die für einfache Anfragen verwendet werden können, solange dem keine Datenschutzbedenken entgegenstehen bzw. keine Fachunterlagen und Unternehmensdokumente verwendet werden sollen. Der Balken für die regulierten Chatbots repräsentiert den zusätzlichen Effizienzgewinn, der sich durch den kontrollierten Zugriff des Chatbots auf relevante Fachinformationen und Unternehmensunterlagen ergibt. Der Balken für die integrierten Chatbots illustriert den weiteren Nutzenzuwachs, der durch die Einbindung in bestehende betriebliche Abläufe generiert wird.

Der reglementierte Zugriff des Chatbots auf relevante Fachinhalte und Unternehmensdokumente erfolgt nach dem zuvor beschriebenen Bibliotheksprinzip. In diesem Fall gestalten sich die Steuerabteilungen ihre eigene Wissensbasis, indem sie einzelne Fachdisziplinen strukturieren, Literatur ergänzen oder bestimmte Dokumente bei der Suche priorisieren. Ein sorgfältiges Management in Bezug auf die Dokumentenqualität, die Benutzerzugriffsrechte und die Einhaltung der rechtlichen Vorschriften ist dabei unabdingbar.

Im Fall der integrierten Chatbots wird Generative AI technologisch betrachtet Teil von Unternehmensanwendungen wie den Tax-Compliance-Management-Systemen oder den Steuer-Reporting-Lösungen. Dies hat den Vorteil, dass traditionelle AI-Systeme ergänzt und deren Ergebnisse und Interpretationen in leicht verständlicher Sprache zugänglich gemacht werden können. Zudem werden Medienbrüche vermieden und intuitive Arbeitsweisen mit den umfangreichen steuerrelevanten Datenbeständen geschaffen. Für Unternehmen ist es daher entscheidend, Generative AI an die Daten anzubinden und die Interoperabilität mit den vorhandenen Systemen herzustellen.

Wie gelingt die Integration von Generative AI?

Bei der Integration von Generative AI sollte zunächst definiert werden, welche steuerlichen Prozesse durch die Technologie unterstützt werden sollen, darunter beispielsweise steuerliche Recherchen, Sachverhaltsaufnahmen, Datenqualitätsmonitoring oder steuerliches Risikomanagement. Die einzelnen Anwendungsfälle sollten nach ihrem Kosten-Nutzen-Verhältnis priorisiert werden, denn Aufwand und Machbarkeit der Integration können je nach Anwendungsfall stark variieren. Die Herausforderungen können von der Sicherstellung der Datenqualität und -verwaltung bis hin zu Datenschutz, Geschäftsregeln und Vertraulichkeit reichen. Gleichzeitig sollten Governance-Strukturen und Rollenkonzepte durchdacht werden, um ein unkontrolliertes Training der Modelle bzw. eine unregulierte Einspeisung von Dokumenten in die Wissensbasis zu verhindern.

Zusammenfassend ist die Integration von Generative AI mit anderen technischen Projekten vergleichbar. Dies gilt insbesondere, wenn Unternehmen die Infrastruktur selbst aufbauen und Sprachmodelle in einer isolierten unternehmensinternen Umgebung verwenden möchten. Eine Alternative bilden Software-Lösungen, in die Generative AI bereits integriert ist. Ein derartiges Beispiel ist die EY Software Digital Tax Intelligence, die Generative AI für die sofortige Nutzung in der Steuerabteilung bereitstellt. Dabei verbleiben Chatverläufe und Trainingsdokumente ausschließlich innerhalb der gewählten Plattform, die durch eine umfassende Verschlüsselung nach strengen Sicherheitsstandards geschützt ist.

Digital Tax Intelligence ist ein weit verbreitetes Tax-Compliance-Management-System, das für die Echtzeitanalyse von Geschäftsvorfällen, Prozessen und der steuerlichen Datenqualität eingesetzt wird. Mit der Softwarelösung erbringt EY prozessintegrierte Steuerberatungsleistungen anhand der unternehmerischen Datenströme, ermöglicht durch die von Fachleuten konzipierten steuerlichen Regelwerke. Mit Unternehmensdatensätzen genährt sorgen diese für eine Klassifizierung und Beurteilung steuerlicher Sachverhalte, die in einem übersichtlichen Online-Cockpit nach den Vorlieben von Steuerexperten visualisiert werden. Die Steuerabteilungen profitieren von tiefen Einblicken in die Geschäftsvorfälle und von rechtlich nachvollziehbaren Aufzeichnungen des steuerlichen Entscheidungsprozesses.

Abbildung 3 veranschaulicht die Infrastruktur von Digital Tax Intelligence einschließlich der AI-Komponente, die durch den Chatbot Dottie repräsentiert wird (Nummer 8 in Abbildung 3). Die Integration von Generative AI stellt einen signifikanten Gewinn für die Benutzerfreundlichkeit von Digital Tax Intelligence dar. Sie erlaubt den Nutzern, in den Dialog mit den Unternehmensdaten zu treten. Dottie beantwortet beispielsweise Anfragen zu den unternehmerischen Geschäftsvorfällen wie auch Fragen zu deren steuerlichen Implikationen. Dadurch werden nicht nur Sachverhaltsaufnahmen vereinfacht, sondern auch Interpretationen und Würdigungen von Transaktionen deutlich erleichtert. Eine weitere Stärke von Dottie ist die Fähigkeit, Dokumente sowohl für eine langfristige Nutzung zu integrieren als auch für einmalige Analysen zu verarbeiten. Letztere Funktion ist insbesondere von großem Wert, um steuerliche Informationen aus einzelnen Dateien zur Spiegelung mit den SAP-Daten zu extrahieren.

Die dynamische Interaktion mit Dottie wird durch die Dateneinspeisungsfunktion „Data Ingestion“ und drei spezialisierte Chat-Optionen ermöglicht, die sich jeweils durch unterschiedliche Funktionsweisen und Integrationsansätze auszeichnen. Abbildung 4 illustriert Prozessschritte und die jeweiligen Infrastrukturkomponenten, die sowohl bei der Dateneinspeisung als auch bei den einzelnen Chat-Varianten von Dottie eingesetzt werden. Ein wesentliches Merkmal der Chat-Optionen ist die automatische Prompt-Erweiterung im Hintergrund. Diese Anreicherung erfolgt entweder durch das Einbetten relevanter Textinformationen mittels Vektorsuchen oder durch die Bereitstellung strukturierter Daten durch SQL-Abfragen. Die gewonnenen Informationen werden in den Kontext des Prompts integriert und an das Sprachmodell gesendet. Die in Abbildung 5 dargestellte Chat-Historie mit Dottie stellt die jeweiligen Anwendungsfälle und Ergebnisse dar.

Durch den Chat-Modus „Default Tax Inquiries“ werden gutachterliche Tätigkeiten wie Sachverhaltsaufnahmen oder Würdigungen von Geschäftsvorfällen unterstützt. Im vorliegenden Fall erklärt Dottie den in Digital Tax Intelligence dargestellten Geschäftsvorfall eines umsatzsteuerlichen Dreiecksgeschäfts und informiert den Nutzer über zusätzliche Funktionen zur Überprüfung und Validierung der zugrunde liegenden Ermittlungslogik. Der Modus erleichtert nicht nur die Recherche, sondern auch die Erstellung der notwendigen Stellungnahmen und Berichte.

Die Funktion „Data Ingestion“ ermöglicht das Einspeisen von steuerrelevanten Fachinhalten in die Wissensdatenbank. So dienen Inhalte wie Gesetze, Anwendungserlasse oder Durchführungsverordnungen als Grundlage für die qualifizierte Beantwortung steuerlicher Fragestellungen. Im vorliegenden Fall wird der Anwendungserlass des Umsatzsteuergesetzes eingespeist, um die Anfrage nach den Voraussetzungen eines innergemeinschaftlichen Dreiecksgeschäfts zu beantworten (Antwort zu Übersichtszwecken stark gekürzt).

Die Chat-Option „Document Inquiries“ ermöglicht die steuerliche Analyse von spezifischen Dokumenten wie Verträgen, Handelsregisterauszügen oder Rechnungen. Im Gegensatz zur Dateneinspeisung dient diese Option der einmaligen Dokumentenuntersuchung. Der Modus ist besonders nützlich, wenn eine Vielzahl von Geschäftsdokumenten analysiert oder unstrukturierte Inhalte in strukturierte Inhalte überführt werden sollen. In dem dargestellten Fallbeispiel wird der Text einer PDF-Rechnung für Dreiecksgeschäfte analysiert und zutreffenderweise als unzureichend deklariert.

Der Zugriff auf Unternehmensdaten wird durch die Chat-Option „SAP Data Inquiries“ vereinfacht. Mit der Option erhält der Nutzer die Möglichkeit, spezifische Fragen zu unternehmerischen Geschäftsvorfällen, Prozessen und steuerlichen Auffälligkeiten zu stellen. Aus technischer Perspektive generiert das Sprachmodell zur Beantwortung der Frage eine SQL-Query, die auf die in Digital Tax Intelligence verfügbare Datenbasis angewendet wird. Zudem sorgt das Sprachmodell dafür, dass die Ergebnisse der Query in verständlicher Form präsentiert werden. Dieser Modus ist besonders hilfreich bei Betroffenheits- oder Ursachenanalysen und der allgemeinen Navigation durch die Unternehmensdaten. Das Fallbeispiel zeigt, dass die Suche nach ähnlichen Konstellationen effizient über die sprachliche Anweisung in Dottie erfolgt.