Was diese Woche bekannt wurde
Laut einem Golem-Bericht vom 2. Juni bestätigen deutsche Finanzbehörden, dass sie KI-Modelle für die Steuerprüfung nicht nur einmalig mit echten Steuerdaten trainieren. Die Daten werden auch im laufenden Betrieb dauerhaft zur Vergleichsanalyse herangezogen. Konkret: Wenn Ihr Mandant eine Steuererklärung einreicht, vergleicht das Modell diese mit einem Datenpool realer Erklärungen, um Auffälligkeiten zu erkennen.
Das ist eine Verschiebung. Bisher war die plausible Annahme, dass Trainingsdaten irgendwann anonymisiert oder synthetisiert vorliegen und das Produktivmodell davon entkoppelt arbeitet. Die Realität ist offenbar eine andere. Der Modellbetrieb bleibt an den lebenden Datenbestand gekoppelt.
Für den österreichischen Raum gibt es noch keine vergleichbare offizielle Aussage des BMF. Aber niemand sollte sich der Illusion hingeben, dass der österreichische Fiskus methodisch zurückbleibt. Predictive Analytics in der Außenprüfung ist hier seit Jahren ein Thema, und die fachliche Richtung ist klar.
Warum das für Finanz- und Steuerprofis jetzt zählt
Drei Punkte, die in der laufenden Debatte untergehen.
Erstens: Die Beweislast verschiebt sich faktisch. Wenn ein KI-Modell auf Basis von Millionen echter Erklärungen feststellt, dass eine Position statistisch ungewöhnlich ist, wird die Rückfrage automatisiert getriggert. Das Modell muss nicht beweisen, dass etwas falsch ist. Es zeigt nur, dass es vom Muster abweicht. Die Erklärungspflicht liegt dann beim Steuerpflichtigen und damit beim Berater. Wer heute noch glaubt, dass ungewöhnliche, aber legitime Konstruktionen unter dem Radar bleiben, irrt.
Zweitens: Datenschutzrechtlich ist die Konstruktion fragwürdig. Echte personenbezogene Steuerdaten dauerhaft in einem produktiven ML-System vorzuhalten, kollidiert mit dem Zweckbindungsprinzip der DSGVO und mit den Anforderungen des EU-AI-Acts an Hochrisiko-Systeme. Steuererhebung mit automatisierter Risikobewertung fällt eindeutig in den Hochrisikobereich. Es ist nur eine Frage der Zeit, bis hier ein Musterprozess läuft.
Drittens, und das ist mein eigentlicher Punkt: Asymmetrie. Die Finanzverwaltung baut sich gerade ein KI-gestütztes Prüfwerkzeug auf Basis realer Daten von Millionen Steuerpflichtigen. Steuerberater, Wirtschaftsprüfer und CFOs haben diesen Datenzugang nicht. Sie arbeiten mit den Daten ihrer eigenen Mandanten, eventuell mit Branchenbenchmarks. Das ist eine andere Liga. Wer als Berater künftig auf Augenhöhe mit dem Fiskus verhandeln will, braucht eigene analytische Werkzeuge.
Was typischerweise unterschätzt wird
Häufiges Muster in Gesprächen mit Kanzleien: Die KI-Diskussion wird als Effizienzthema geführt. Wie automatisiere ich die Belegerfassung, wie generiere ich Mandantenkommunikation schneller, wie spare ich Stunden in der Bilanzerstellung. Das ist legitim, greift aber zu kurz.
Die eigentliche Verschiebung passiert auf der Gegenseite. Die Finanzverwaltung baut Modelle, die in Sekunden erkennen, was früher eine erfahrene Prüferin in Tagen herausfinden musste. Reisekostenmuster, Verrechnungspreise, ungewöhnliche AfA-Zyklen, Liquiditätsbewegungen zum Bilanzstichtag. All das wird musterbasiert auffällig.
Typisches Beispiel: Ein Mandant mit GmbH und kleinem Beteiligungsportfolio macht eine Konstruktion, die formal sauber, aber statistisch selten ist. Vor fünf Jahren wäre das mit hoher Wahrscheinlichkeit nie aufgefallen. Heute triggert es einen automatisierten Vermerk. Die Prüfung kommt nicht mehr zufällig, sie kommt zielgenau.
Konkrete Handlungsempfehlung
Drei Schritte, die ich Kanzleien und Finanzabteilungen aktuell empfehle.
1. Mandanten-Portfolio auf statistische Auffälligkeit prüfen. Lassen Sie über Ihren Mandantenbestand eine simple Anomalie-Analyse laufen. Welche Mandanten weichen in zentralen Kennzahlen, also Umsatzrendite, Personalkostenquote, Reisekostenanteil, AfA-Verhältnis, auffällig von der Branche ab. Das müssen Sie nicht mit einem teuren Tool machen. Ein gut konfiguriertes Python-Skript auf Basis Ihrer DATEV- oder BMD-Exporte reicht. Wenn Sie selbst nicht sehen, wo Ihre Mandanten auffallen, sieht es nur die Finanzverwaltung.
2. KI-Compliance-Position formulieren. Wenn Sie als Berater oder CFO selbst KI-Tools einsetzen, etwa LLMs für Vertragsprüfung, Bilanzanalyse oder Mandantenkommunikation, brauchen Sie eine dokumentierte Position zur DSGVO und zum AI-Act. Welche Daten gehen wohin. Welche Modellanbieter sind freigegeben. Welche Use-Cases sind ausgeschlossen, etwa Mandantengeheimnis bei US-Cloud-LLMs. Das ist kein theoretisches Thema mehr. Die Kammern und Berufsorganisationen werden 2026 entsprechende Vorgaben verschärfen.
3. Eigene Analytik-Kapazität aufbauen, nicht zukaufen. Mein klarer Rat: Verlassen Sie sich nicht ausschließlich auf die KI-Module Ihrer Branchensoftware. Diese sind notwendig, aber nicht hinreichend. Bauen Sie in der Kanzlei oder im CFO-Office eine kleine eigene Kompetenz auf, jemand mit Python- und SQL-Kenntnissen, der Mandantendaten strukturiert auswerten kann. Das ist die einzige nachhaltige Antwort auf die analytische Aufrüstung der Gegenseite.
Mein Fazit
Die Finanzverwaltung macht das, was rational ist. Sie nutzt verfügbare Daten, um effizienter zu prüfen. Wer das moralisch kritisiert, hat die Diskussion verloren. Die relevante Frage ist nicht, ob das passiert, sondern wie Sie als Berater oder Finanzverantwortlicher darauf reagieren.
Aus meiner Sicht trennt sich in den nächsten 18 Monaten die Spreu vom Weizen. Kanzleien, die KI nur als Schreibhilfe verstehen, werden im Beratungsgespräch zunehmend wirken wie Anwälte ohne Gesetzbuch. Kanzleien, die analytische Tiefe aufbauen, werden zum echten Gegengewicht. Die Frage ist nur, auf welcher Seite Sie 2027 stehen wollen.