KI-Recherche im Steuerrecht: Warum die Datenbasis entscheidet

KI wird in Steuerkanzleien längst zur Recherche eingesetzt. Laut einer Studie des sozialwissenschaftlichen Instituts Schad im Auftrag des Handelsblatts nutzen 91,6 % der Kanzleien bereits KI; zu den häufigsten Einsatzgebieten gehören Recherche und Mandantenkommunikation. Gerade bei der steuerrechtlichen Recherche zeigen sich jedoch Grenzen: Quellen werden übersehen, Rechtsstände verwechselt oder Fundstellen falsch angegeben. Warum passiert das – und was brauchen KI-Agenten, um im Steuerrecht verlässlicher zu recherchieren?

Vom Prompt zur agentischen Recherche

Mit der breiten Nutzung generativer KI ab 2023 arbeiteten viele Anwendungen zunächst vor allem mit dem Wissen des Sprachmodells und den Informationen, die Nutzende im Chat bereitstellten. Für viele Standardaufgaben funktionierte das gut. Sobald aber aktuelles oder spezifisches Wissen gefragt war, stießen die Modelle an Grenzen, da sie ausschließlich auf Basis ihres Trainingswissens antworten konnten. Was dort nicht enthalten war, existierte für sie nicht und externe Quellen wurden nötig.

Ein Lösungsansatz ist Retrieval-Augmented Generation (RAG): Das Sprachmodell erhält Zugriff auf Datenquellen und ist damit nicht mehr nur auf sein Trainingswissen beschränkt. Für steuerrechtliche Recherchen ist das grundsätzlich hilfreich, weil neben dem Modellwissen auch Fachquellen berücksichtigt werden können. Welche Quellen tatsächlich relevant sind, hängt im Steuerrecht allerdings oft von ihrem Rechtsstand und ihren Beziehungen zu anderen Quellen ab.

Agentische KI-Systeme können diese Recherche um weitere Schritte ergänzen. Sie verbinden ein Sprachmodell mit Werkzeugen wie Websuche oder Datenbankzugriff und können Zwischenergebnisse auswerten, bevor sie die nächste Aktion auswählen. Damit wurde genau das möglich, was mit einem reinen RAG-Ansatz noch nicht ging: Nach einer Suche kann der Agent anhand des Gefundenen entscheiden, eine weitere Suche durchzuführen. Das ist für steuerrechtliche Recherchen besonders hilfreich: Findet er beispielsweise eine vielversprechende, aber nicht mehr gültige Quelle, kann er in einem zweiten Schritt nach einer aktuellen Fassung oder Quelle suchen. Genau dafür braucht das System jedoch Informationen darüber, welche Quelle wann galt, welche Vorschrift geändert wurde oder welches Schreiben ein anderes ersetzt. Fehlen diese Zusammenhänge in der Datengrundlage, hilft auch eine mehrstufige Recherche nur begrenzt. Welche Folgen das haben kann, zeigt eine konkrete steuerrechtliche Recherche.

Warum steuerrechtliche Recherche für KI-Agenten anspruchsvoll ist

Bei steuerrechtlichen Recherchen müssen KI-Systeme mehr leisten als bei der Erstellung von Zusammenfassungen, Anschreiben oder E-Mails. Quellen müssen auffindbar, aktuell und im richtigen rechtlichen Zusammenhang eingeordnet sein. Fehler können deshalb fachlich schnell relevant werden: Relevante Quellen werden nicht gefunden, erfundene Quellen angegeben, die Rechtslage ist veraltet oder es fehlt das Verständnis grundlegender steuerrechtlicher Mechanismen.

Ein Beispiel zeigt, wie das in der Praxis aussehen kann. Auf die Frage nach der Anwendbarkeit des Urteils BFH VIII R 27/21 erklärte ein KI-Agent mit Zugriff auf die Internetsuche, das Aktenzeichen sei nicht als veröffentlichte BFH-Entscheidung nachweisbar. Stattdessen verweist er auf ein anderes Urteil und prüft dessen Anwendbarkeit. Das Problem: Das Urteil existiert jedoch.

Ein KI-Agent kann mehrstufige Recherchen selbst planen und durchführen, greift dafür aber nur auf die Werkzeuge zurück, die ihm zur Verfügung stehen. Bei allgemeinen KI-Agenten kann dafür beispielsweise die offene Internetsuche zum Einsatz kommen. Dabei findet er verschiedenste Quellen: Veröffentlichungen von Gerichten und Finanzbehörden ebenso wie Fachbeiträge, Blogs oder Foren. Häufig findet er einschlägige Quellen gar nicht, da diese im Internet schlecht bis gar nicht auffindbar sind. Hinzu kommt: Viele Inhalte sind für die menschliche Nutzung aufbereitet. PDF-Format, Querverweise zum Anklicken, Fließtext für den Lesefluss. Für einen KI-Agenten sind das Hindernisse und keine Hilfen.

Was ihm darüber hinaus fehlt, sind die Angaben, aus denen sich die Ordnung der Quellen ergibt. Welche Fassung in welchem Zeitraum galt, welches Schreiben ein anderes ersetzt, welche Entscheidung überholt ist. Ohne diese Angaben kann er die Abhängigkeiten zwischen Normen und die Rangfolge der Quellen nicht verstehen.

Das Problem ist also nicht, dass KI-Agenten nicht recherchieren können, sondern dass sichergestellt werden muss, dass ihnen eine geeignete Datengrundlage zur Verfügung steht, die sie für die Recherche nutzen können.

Lösungsansätze

Es geht also darum, KI-Agenten steuerrechtliche Quellen in geeigneter Form zur Verfügung zu stellen. Im Markt lassen sich dabei drei Gruppen von Systemen unterscheiden.

Die Autoren arbeiten mit TaxGraph selbst an einer solchen Datengrundlage für allgemeine KI-Agenten. Die folgenden Beobachtungen beruhen daher teilweise auf Erfahrungen aus dieser Entwicklung. Für die technische Umsetzung kommen unterschiedliche Architekturen infrage. Zwei verbreitete Ansätze sind Vektor- und Graphdatenbanken.

In der Praxis werden beide Ansätze deshalb häufig kombiniert: Der Graph für die Gültigkeit und Rangfolge, die Vektorsuche für den inhaltlichen Zugriff.

Schematische Darstellung der Beziehungslogik zwischen verschiedenen steuerrechtlichen Quellen.

Steuerrecht braucht eine geeignete Dateninfrastruktur

Wenn wir das Bild des Sprachmodells als Gehirn und der Tools als Werkzeuge wieder anwenden, wird deutlich: Ein mächtiges Gehirn ist theoretisch fähig, komplexere Probleme zu lösen, aber nur, wenn die richtigen Werkzeuge dafür zur Verfügung stehen. Es geht also nicht darum, mächtigere Sprachmodelle zu bauen, sondern darum, die richtigen Werkzeuge bereitzustellen, damit das Sprachmodell kompetent arbeiten kann.

Diese Werkzeuge müssen allerdings erst entstehen, denn viele Daten liegen bislang nicht in einer für KI-Systeme geeigneten Form vor. Ein Beispiel: Gesetzestexte sind oft nur in der aktuellen Fassung verfügbar. So sind z. B. historische Rechtsstände nicht flächendeckend als offene, strukturierte und maschinenlesbare Daten mit eindeutigem Geltungszeitraum verfügbar. Wer wissen will, welche Fassung einer Vorschrift in einem zurückliegenden Veranlagungszeitraum galt, muss sie aus den Änderungsgesetzen rekonstruieren. Artikel für Artikel, samt der Inkrafttretensregelungen, die oft gestaffelt und rückwirkend sind. Das erklärt beispielsweise, warum KI-Agenten oft den falschen Rechtsstand ausgeben: Sie finden die aktuelle Fassung, weil eben nur diese unmittelbar auffindbar ist.

Steuerrechtliche KI-Recherche: Darauf sollten Sie achten:

______________________

✍️ Selbst Lust darauf, Erfahrungen & Wissen zu teilen? Dann gerne hier eintragen:

→ BLOGGER WERDEN