Jusletter IT

Bisher wurde die Thematik der Künstlichen Intelligenz stärker von privaten Unternehmen als von der öffentlichen Verwaltung vorangetrieben. Allmählich ist sie jedoch auch in den Fokus staatlichen Handelns gerückt, da die Institutionen vor enormen Herausforderungen stehen. Diese resultieren vor allem aus dem Modernisierungsdruck, steigenden Pensionsbelastungen, sinkenden Budgets und dem sich verschärfenden Fachkräftemangel. Obwohl das Thema der Künstlichen Intelligenz in der öffentlichen Verwaltung zunehmend an Bedeutung gewinnt, mangelt es immer noch an einem grundlegenden Verständnis des damit verbundenen Potenzials. Im Kontext der Verwaltungsmodernisierung ist es jedoch essenziell, Vorstellungen und Annahmen in greifbare Konzepte zu zerlegen und aufzuzeigen, wie diese realisiert werden können. Nur wenn die jeweiligen Stärken und Schwächen sowie Chancen und Risiken den Entscheidungsträgern bekannt sind, können diese fundierte Entscheidungen über den Einsatz von Künstliche Intelligenz treffen.¹

Im Gegensatz zu den digitalen Geschäftsmodellen in der Steuerberatung eröffnet Künstliche Intelligenz für die Finanzverwaltung keine neuen Betätigungsfelder. Sie kann demnach primär genutzt werden, um die Verwaltung bei der Erfüllung ihrer vorgegebenen Aufgaben zu unterstützen, sodass diese effizienter, kostengünstiger und/oder in materieller Hinsicht besser erfüllt werden.² So können KI-Systeme beispielsweise (Routine-)Aufgaben nach und nach selbstständig übernehmen und so die Art und Weise, wie Verwaltung agiert, nachhaltig verändern.³

Ziel des Beitrags ist es daher, die sich durch den Einsatz Künstlicher Intelligenz eröffnenden Möglichkeiten und Herausforderungen für die Finanzverwaltung aufzuzeigen sowie die zu berücksichtigenden Besonderheiten der Verwaltungstätigkeit im Vergleich zu privaten Unternehmen herauszuarbeiten. Hierzu wird zunächst der Begriff der Künstlichen Intelligenz definiert. Darauf aufbauend liegt der anwendungsbezogene Schwerpunkt auf eingehenden Erläuterungen zu dem Anwendungsbereich Entscheidungsunterstützung im Rahmen der hybriden steuerlichen Fallbearbeitung. Ein Ausblick zu potenziellen zukünftigen Entwicklungen komplettiert die Darstellung.

Aus dem hier gegebenen Untersuchungsinteresse kommt der bislang noch oberflächlich genutzten Begrifflichkeit der Künstlichen Intelligenz eine hervorgehobene Bedeutung zu. Für das weitere Vorgehen bedarf es jedoch einer genaueren Definition, da die Klärung und das damit einhergehende Verständnis essenziell für die vorliegende Untersuchung sind. Einen ganz wesentlicher Aspekt ist dabei die Differenzierung zwischen künstlicher Intelligenz als solcher und den einzelnen Technologien, mit der diese implementiert werden kann.

Gegenwärtig existiert keine allgemein anerkannte Definition von Künstlicher Intelligenz.⁴ Vielmehr handelt es sich um einen Sammelbegriff unterschiedlicher Technologien und Ansätze.⁵ Ein möglicher Definitionsansatz differenziert zwischen schwacher und starker Künstlicher Intelligenz. Nach diesem steht im Rahmen der schwachen Ausprägung die Lösung konkreter Anwendungsprobleme auf Basis der Methoden aus der Mathematik und Informatik im Fokus. Die entwickelten Systeme können durchaus zur Selbstoptimierung fähig sein, wobei dies kein wesentliches Merkmal von KI-Systemen ist. Zudem werden Aspekte menschlicher Intelligenz nachgebildet und formal beschrieben und/oder Systeme zur Simulation und Unterstützung menschlichen Denkens konstruiert.⁶ Diese Systeme werden in der Regel für bestimmte Anwendungen entwickelt und genutzt. Konkret handelt es beispielsweise um Expertensysteme, Spracherkennung oder Übersetzungsdienste.⁷ Dagegen soll die starke Ausprägung die gleichen intellektuellen Fertigkeiten wie der Mensch haben.⁸ Wird Letzterer übertroffen, liegt eine Superintelligenz vor.⁹

In die gleiche Richtung zielt die Einteilung in enge künstliche Intelligenz, universelle künstliche Intelligenz und künstliche Super-Intelligenz.¹⁰ Bei der engen künstlichen Intelligenz werden Systeme für spezifische Probleme entwickelt, deren Lösung in der Regel einen bestimmten Umfang und eine gewisse Form von Intelligenz voraussetzt.¹¹ Ein charakteristisches Beispiel ist die Überprüfung von Steuererklärungen.¹² Die universelle künstliche Intelligenz und künstliche Super-Intelligenz verfolgen wiederum das Ziel der Konstruktion eines Systems, das eine vergleichbare Intelligenz wie ein Mensch aufweist oder darüber hinaus geht.¹³ In ähnlicher Weise wird mitunter auch zwischen angewandter und genereller Künstlicher Intelligenz unterschieden.¹⁴

Bisweilen wird die Künstliche Intelligenz auch als ein eher schlecht abgrenzbares Buzzword für gar nicht so neue Technologien betitelt¹⁵ und dessen Verwendung kritisiert.¹⁶ Als vorzugswürdigere Bezeichnung wird die Automatisierung von Entscheidungen vorgeschlagen.¹⁷ Zudem findet sich die Begrifflichkeit des lernenden Algorithmus, der durch das Verarbeiten von Daten (und gegebenenfalls anderen Algorithmen) ein Modell trainiert.¹⁸ Dieser wird, allerdings nicht ganz trennscharf,¹⁹ der Künstlichen Intelligenz zugeordnet, da diese auf Algorithmen basiert.²⁰ Ein weiterer Terminus ist mit den autonomen oder auch selbstlernenden Systemen gegeben. Hierbei handelt es sich um digitale Systeme, die in der Lage sind, mittels eines Lernalgorithmus einen Datenpool zu durchdringen und auf dieser Grundlage eigene Regeln aufzustellen.²¹ Diese Systeme sollen allerdings nicht mit Künstlicher Intelligenz gleichzusetzen seien.²²

Da die technische Abgrenzung durchaus Schwierigkeiten bereiten kann, ²³ ist es für die vorliegende Untersuchung zweckmäßig(er), Künstliche Intelligenz nach ihren Fähigkeiten zu unterscheiden. Dafür spricht insbesondere, dass konkrete Anwendungsbereiche für die Finanzverwaltung aufgezeigt werden sollen und insoweit die zugrunde liegende Technologie zumeist zweitrangig ist.²⁴ Daher soll der in Rede stehende Ansatz maßgeblich sein und für den weiteren Verlauf der Untersuchung können die vorstehenden Erkenntnisse daher in vier Definitionen wie folgt zusammengefasst werden:

• „Künstliche Intelligenz bezeichnet den Versuch, Verstehen und Lernen mittels eines Artefakts nachzubilden, wobei in erster Linie auf Denken bzw. Handeln fokussiert sowie ein rationales Ideal bzw. eine Nachbildung menschlicher Fähigkeiten angestrebt wird.
• KI-Technologie bezeichnet einzelne, in Computer implementierbare Funktionen für die Erreichung von künstlicher Intelligenz (z. B. maschinelles Lernen).
• KI-System bezeichnet eine strukturierte, kontextgebundene Kombination von KI-Technologien zwecks Erreichen von künstlicher Intelligenz.
• KI-Entscheidungen sind Schlussfolgerungen von KI-Systemen mit realweltlichen Auswirkungen, die auf der Ebene des Designs des Systems, der strategischen Ebene (Entscheid über Einsatz des Systems) und der taktischen Ebene (Ausgestaltung der Interaktion mit der Person, die das System nutzt) von menschlichen Entscheidungen abhängig sind.“ ²⁵

Für den KI-Einsatz im Zusammenhang mit Anwendungen des maschinellen Lernens sind große Datenmengen zwingend erforderlich. Die öffentliche Verwaltung im Allgemeinen und die Finanzverwaltung im Speziellen verfügt über solche aus den unterschiedlichen Quellen.²⁶ Aufgrund der jährlich großen Anzahl von Daten, die im Rahmen des Besteuerungsverfahrens erhoben werden, in Verbindung mit den typischerweise etablierten Abläufen und weitgehend standardisierten sowie strukturierten Prozessen ist dieser Verwaltungsbereich für den Einsatz Künstlicher Intelligenz prädestiniert.²⁷ Zudem ist es dort, wo es wie im Besteuerungsverfahren, um massenhafte gleichgerichtete Verfahren geht, bei denen ausschließlich finanzielle Aspekte im Vordergrund stehen, gerechtfertigt den menschliche Faktor zugunsten der Effektivität zunehmend zu ersetzen.²⁸

Im Bereich der Finanzverwaltung bestehen mannigfaltige Einsatzpotenziale.²⁹ Eine zweckmäßige Differenzierung ist die nach Front Office und Back Office sowie nach Entscheidungsunterstützung und Entscheidungsautomatisierung.³⁰ Im Front Office steht der Kontakt zu den Steuerpflichtigen und die stärkere Ausrichtung des Verwaltungszugangs an deren Bedürfnissen im Fokus. Digitale Zugänge sind gegenwärtig überwiegend lediglich als reine Informationsquellen ausgestaltet. Mit dem Einsatz von Künstlicher Intelligenz eröffnen sich nunmehr völlig neuartige Möglichkeiten, um den Steuerpflichtigen den Kontakt mit der Verwaltung so unkompliziert und angenehm wie möglich zu gestalten.³¹

Das Back Office als der Teil der Finanzverwaltung, der sich der Verwaltung von Informationen und der Unterstützung von internen Abläufen widmet, gewinnt mit immer komplexer werdenden Verwaltungsstrukturen neben der eigentlichen Leistungserstellung zunehmend an Bedeutung. Die Unterstützungsprozesse generieren zwar keine unmittelbare Wertschöpfung, ermöglichen und/oder fördern allerdings erst die eigentlich angestrebten Prozesse.³² Angesichts der beschränkten Ressourcen der Finanzverwaltung³³ besteht bei dieser ein großes Interesse an einer möglichst weitgehenden Vereinfachung durch Automatisierung. Ziel des Einsatzes von Künstlicher Intelligenz ist es daher, das Personal von unproduktiven Assistenztätigkeiten und Unterstützungsprozessen zu entlasten und in der Folge die vorhandenen Kapazitäten auf die relevante Leistungserstellung zu verschieben.³⁴

Zudem kann der menschliche Entscheidungsvorgang im Rahmen des Veranlagungsverfahrens durch KI-Systeme effektiviert werden. Dabei kann der Amtsträger zunächst bei seiner eigenständigen Entscheidungsfindung unmittelbar und zielgerichtet durch Bereitstellung von Daten und Informationen als Entscheidungsgrundlage unterstützt werden, in dem ihm beispielsweise Empfehlungen zum Prozessablauf und zu etwaigen (Ermessens-)Spielräumen aufgezeigt werden, die dieser direkt in seinem Willensbildungsprozess berücksichtigen kann. Darüber hinaus können Handlungsalternativen und konkrete Rechtsanwendungsvorschläge für die hybride Fallbearbeitung generiert werden. Durch die Interaktion von Künstlicher Intelligenz und Amtsträgern verbinden sich die jeweiligen Stärken. Dabei ist es zugunsten der Akzeptanz sowohl auf Seiten der Steuerpflichtigen als auch des Personals essenziell, die entscheidungsunterstützende Systeme so auszugestalten, dass diese transparent und nachvollziehbar arbeiten.³⁵

Darüber hinaus kann der Entscheidungsträger gänzlich durch den Einsatz Künstlicher Intelligenz ersetzt werden. Im Zuge der Vollautomatisierung wird der Mensch aus dem Entscheidungsprozess vollständig herausgenommen und die verbindlichen Entscheidungen autonom, mithin ausschließlich automationsgestützt getroffen.³⁶ Idealerweise wird das Personal so von als lästig empfundenen, monotonen Arbeiten entlastet.³⁷ Um die Aktivitäten und Entscheidungen der autonom agierenden Systeme angemessen überprüfen zu können, ist Transparenz über deren Funktionsweise und Ergebnisse von elementarer Bedeutung.

Bereits an anderer Stelle wurde auf die Perspektiven des Veranlagungsverfahrens eingegangen. Im Rahmen der zukünftig zu erwartenden schwerpunktmäßig durchzuführenden hybriden Fallbearbeitung, die durch eine algorithmenbasierte, EDV-gestützte Validierung und Entscheidungsfindung sowie eine personelle Überprüfung durch einen Amtsträger charakterisiert ist,³⁸ kann die Finanzverwaltung auf eine umfangreiche Datenbasis zurückgreifen. Diese resultiert vordergründig aus den mannigfaltigen Mitwirkungs- und Erklärungspflichten des Steuerpflichtigen, aber auch aus den Datenübermittlungen durch Dritte.³⁹ Ein entscheidungsunterstützendes System könnte dem Amtsträger die oftmals zusätzlich vorhandenen Daten, die nicht unmittelbar aus der Erklärung des Steuerpflichtigen resultieren, sowie die festsetzungsnahen Daten⁴⁰ zur Verfügung stellen. Diese umfassen bei Einkommensteuerveranlagungen beispielsweise Beteiligungseinkünfte, von dritter Seite übermittelte Daten (§ 93c AO), Kontrollmitteilungen oder Daten zur verspäteten Abgabe der Steuererklärung. Das intelligente System erkennt dabei, welche Daten im konkreten Steuerfall relevant sind und bereitet diese leicht verständlich auf. Idealerweise erfolgt eine Darstellung über Dashboards oder (Daten-)Cockpits,⁴¹ die die Analyseergebnisse bedarfsgerecht und auf einen Blick in Grafiken veranschaulichen. So können unter anderem in der Steuererklärung fehlende oder abweichende Besteuerungsgrundlagen visualisiert oder Bezüge zu Entscheidungen vergangener Jahre hergestellt werden.⁴²

Der Amtsträger erhält auf diese Weise eine fundiertere Entscheidungsgrundlage, auf welcher er im Rahmen des Veranlagungsverfahrens die hybride Fallbearbeitung ohne zusätzlichen Aufwand unter Berücksichtigung sämtlicher Besteuerungsgrundlagen durchführen und sodann die Steuer sowie ggf. steuerliche Nebenleistungen⁴³ festsetzen kann. Als lernendes System verarbeitet die Künstliche Intelligenz die letztlich getroffene Entscheidung und berücksichtigt diese bei künftigen Vorschlägen.⁴⁴ Ein wie vorstehend dargestelltes entscheidungsunterstützendes System ist nach der hier vertretenden Ansicht als eine sinnvolle Ergänzung zu den gegenwärtig eingesetzten Risikomanagementsystemen mit ihren Prüf- und Risikohinweisen in Textform⁴⁵ anzusehen und sollte daher in diese miteingebunden werden.

Eine bedeutende Maßnahme zugunsten der Digitalisierung des Besteuerungsverfahrens stellt die in jüngerer Vergangenheit vorgenommene Umwandlung der Belegvorlagepflicht zur Belegvorhaltepflicht⁴⁶ dar. In diesem Zusammenhang ist das Projekt NACHDIGAL⁴⁷ von zentraler Bedeutung. Dieses eröffnet für die Steuerpflichtigen die Möglichkeit, digitale Anhänge, z. B. eingescannte Dokumente oder elektronische Rechnungen, an die Finanzverwaltung zu übermitteln. Diese Form der Belegnachreichung zur Steuererklärung kann einen durchaus beträchtlichen Umfang annehmen, da bis zu 20 PDF-Dateien mit jeweils 100 Seiten übermittelt werden können.⁴⁸ Die Verarbeitung damit einhergehender etwaiger immenser Textdaten ist eine Aufgabe, die personell nicht effizient zu bewältigen ist. Mithin ist diese Art von Prozess zu automatisieren, um die wesentlichen Informationen aus den eingereichten Belegen zu erhalten und ihren Wert in Erfahrung zu bringen. Ein hierfür geeignetes und potenziell zum Einsatz kommendes Verfahren ist das Text Mining. Hierbei können die Informationen sowohl aus strukturierten als auch aus unstrukturierten Daten Textdateien extrahiert werden.⁴⁹ Der Ansatz findet beispielsweise Anwendung

• bei der Extraktion von Mustern, da Text Mining großen Datenmengen analysiert und bei der Identifizierung von Mustern hilft oder
• im Zuge der Prüfung von Literatur, da die Methode in der Lage ist, den vorliegenden Text zu verarbeiten, dessen Thema zu definieren und/oder die am häufigsten verwendeten Begriffe hervorzuheben. ⁵⁰

Im Gegensatz zum Natural Language Processing werden hier keine semantischen Merkmale berücksichtigt. Gleichwohl können die Suche nach Informationsmustern oder die Identifizierung übereinstimmender Strukturen mit Text Mining realisiert werden. ⁵¹ Es werden die Beziehungen zwischen den Wörtern im Text aufgezeigt, die Worthäufigkeiten und die verwendeten Muster analysiert. Daher ist das Verfahren eine unersetzliche Methode zur Identifizierung der statistischen Merkmale. ⁵² Infolge der Extraktion von Details ermöglicht Text Mining die Bereitstellung genauer Informationen aus dem Text, kann allerdings nicht dabei helfen, die übermittelten Informationen zu verstehen. ⁵³ Ungeachtet der skizzierten divergierenden Ziele und Anwendungsfelder können Natural Language Processing und Text Mining zusammen eingesetzt werden, sodass sie sich gegenseitig ergänzen und zusammen einen größeren Nutzen stiften.⁵⁴ Mithin entlastet der Einsatz von künstlicher Intelligenz das Personal von tendenziell eher trivialen Tätigkeiten, sodass in der Folge die frei werdenden Kapazitäten für anspruchsvollere Arbeiten genutzt werden können.

Die gegenwärtig eingesetzten Risikomanagementsysteme erzeugen im Zuge der Risikobewertung je nach Fallgestaltung mannigfaltige Prüf- und Risikohinweise in Textform, die auf komplexe Bereiche oder Besonderheiten in den vorhandenen und/oder den erklärten Daten des Steuerpflichtigen hinweisen.⁵⁵ Die mitunter schwere Verständlichkeit der ausgegebenen Erläuterungen ist unter anderem darauf zurückzuführen, dass die Systeme auch selten auftretende Sachverhalte identifizieren, die Steuerfälle sodann zur personellen Überprüfung aussteuern und in der Folge die Amtsträger im Zuge der Hinweisbearbeitung mit wenig geläufigen Fachtermini konfrontiert werden.

Zudem beschränken sich die Hinweise in der Regel auf die Anregung einer weiteren Sachverhaltsermittlung und Prüfung des Steuerfalles. Gegebenenfalls sind von der Finanzverwaltung im Rahmen dieser Einzelfallprüfung Beweise zur Überzeugungsgewinnung zu erheben.⁵⁶ Angesicht der zu konstatierenden zunehmenden Komplexität des Steuerrechts⁵⁷ ist zu eruieren, ob nicht eine Fortentwicklung der internen Abläufe der Risikomanagementsysteme mit den gegenwärtig eher deskriptiv formulierten Hinweisen hin zu einem System, das supplementäre und/oder alternative Rechtsanwendungsvorschläge generiert, anzustreben ist. Die nachfolgenden Beispiele sollen das breite Anwendungsspektrum aufzeigen und verdeutlichen, dass diese Empfehlungen in den jeweiligen Konstellationen einen konkreten (Zusatz-)Nutzen zur Entscheidungsunterstützung im Rahmen der hybriden Fallbearbeitung bewirken und somit einen wesentlichen Beitrag zu deren Effektivierung leisten können.

Bereits an anderer Stelle wurde zur Überprüfung der qualifizierten Freitextfelder der Einsatz automatischer Texterkennungen mittels NLP-Verfahren empfohlen, um anhand einschlägiger Termini besonders neuralgische Fallkonstellationen zu identifizieren und diese zugunsten einer verwaltungsökonomischen Handlungsweise einheitlich zu bearbeiten.⁵⁸ Die gemäß § 155 Abs. 4 Satz 3 AO grundsätzlich gebotene personelle Überprüfung dieser Felder würde durch die Berücksichtigung ergänzender KI-Verfahren weitergehend effektiviert. Mittels Natural Language Understanding können nicht nur punktuell Formulierungen identifiziert, sondern darüber hinaus der Gesamtkontext und die Bedeutung der Erläuterungen des Steuerpflichtigen bei komplexen Fallgestaltungen erkannt werden. Ein solches Textverständnis ließe sich besonders nutzbringend mit Natural Language Generation kombinieren und ermöglicht in der Folge die Generierung konkreter Rechtsanwendungsvorschläge. Richtigerweise wird in der Literatur darauf hingewiesen, dass bei dem naheliegenden KI-Einsatz enge normative Grenzen zu berücksichtigen sind, da der Zweck des Freitextfelds gerade darin besteht, die Bearbeitung durch einen Amtsträger zu gewährleisten.⁵⁹ Daher wäre eine voll automatisierte, nicht personelle Vorgehensweise mit dem gegenwärtigen Wortlaut des § 155 Abs. 4 Satz 3 AO unvereinbar, sodass es einer legistischen Anpassung dieser einschränkenden Formulierung bedürfe. Die Entwicklungen auf diesem noch jungen Gebiet und die zukünftige Bewältigung durch die Finanzverwaltung in praxi sind daher aufmerksam und zugleich kritisch zu verfolgen.

Zudem könnte Amtsträgern die Möglichkeit eröffnet werden, finanzamtsintern⁶⁰ auf Steuerfälle mit identisch oder ähnlich gelagerten Sachverhalten, die von der Künstlichen Intelligenz identifiziert wurden, zuzugreifen, diese zu studieren und sich von der dokumentierten Entscheidungsfindung anregen lassen, die eigene Rechtsauffassung kritisch zu reflektieren und diese unter Umständen anzupassen.⁶¹ Neben einer Arbeitserleichterung für das Personal könnte ein solches Vorgehen zu einer begrüßenswerten einheitlicheren Rechtsanwendung innerhalb des Finanzamtes führen. Darüber hinaus könnten mittels KI-Einsatzes analog zur Vorgehensweise im Zuge der personellen Bearbeitung des qualifizierten Freitextfeldes auf Basis der identischen oder ähnlich gelagerten Sachverhalte konkrete Rechtsanwendungsvorschläge generiert werden.⁶²

Weiterhin ist es denkbar, dass die Künstliche Intelligenz die Amtsträger bei der Bearbeitung der von den Risikomanagementsystemen erzeugten Prüf- und Risikohinweise unterstützt. Nach deren Analyse könnten intelligente Verfahren dem Personal zum einen einschlägige Urteile und Fachliteratur aus den verknüpften juristischen Wissensdatenbanken und zum anderen die von der Finanzverwaltung erlassenen und zur Verfügung gestellten Verwaltungsvorschriften unmittelbar im Rahmen der hybriden Fallbearbeitung präsentieren. Ohne zusätzlichen Rechercheaufwand erhielten die Amtsträger eine umfassende(re) Entscheidungsgrundlage zur Durchführung der Steuerfestsetzung. Zudem könnten mittels KI-Einsatzes analog zur Vorgehensweise im Zuge der personellen Bearbeitung des qualifizierten Freitextfeldes auf Basis der verbundenen Wissensdatenbanken konkrete Rechtsanwendungsvorschläge generiert werden.

Weiterhin wäre es zielführend, die zur Verfügung stehenden Datenbanken in intelligente Systeme einzubinden, um dem Amtsträger sowohl die herrschende Meinung als auch die Mindermeinung zu den Sachverhalten darzulegen, die von den Risikomanagementsystemen als risikobehaftet identifiziert wurden. Idealerweise erfolgt dies getrennt nach Schrifttum und Rechtsprechung sowie ansprechend visualisiert. Diese Ansichten könnten sodann der ebenfalls entsprechend aufbereiteten Verwaltungsauffassung gegenübergestellt werden. Einerseits würde so unmittelbar für das Personal nachvollziehbar, welche Rechtsauffassung der Steuerpflichtige vertritt.⁶³ Andererseits würde die grundsätzlich zu berücksichtigende Verwaltungsauffassung eindeutig erkennbar. Aufgrund der Vielzahl der auf Bund- und Länderebene ergangenen Verwaltungsvorschriften ist ein diesbezüglicher Überblick für den behördlichen Rechtsanwender deutlich erschwert. So sind für Steuertatbestände, die nach dem 31.12.2019 verwirklicht wurden, ausweislich der vom Bundesministerium der Finanzen mit der Anlage 1 des aktuellen BMF-Schreibens⁶⁴ veröffentlichten Positivliste allein 1.870 BMF-Schreiben und gleich lautende Erlasse der obersten Finanzbehörden der Länder bei der Entscheidungsfindung zu beachten. Mithilfe der (visuellen) Darstellung der verschiedenen Rechtsauffassungen und deren Gegenüberstellung kann sich der Amtsträger bewusst für eine Ansicht entscheiden und diese gezielt der Steuerfestsetzung zugrunde legen. So kann es beispielsweise aus verwaltungsökonomischen Gründen im Einzelfall geboten sein, eine von der Verwaltungsauffassung abweichende Ansicht zu berücksichtigen.

Allen Beispielen ist gemein, dass die von der Künstlichen Intelligenz generierten konkreten Rechtsanwendungsvorschläge in den jeweiligen Konstellationen die Amtsträger im Rahmen der hybriden Fallbearbeitung bei deren Entscheidungen unterstützen sollen. Im Entscheidungsprozess werden die Empfehlungen geprüft und können anschließend bei Richtigkeit angenommen; ansonsten gegebenenfalls angepasst oder vollständig verworfen werden. Ein solch entscheidungsunterstützendes Vorgehen eignet sich vor allem für Massenverfahren, bietet allerdings zugleich vielfältige Handlungsoptionen für sehr komplexe Fallgestaltungen. Die Vielzahl von Routinefällen kann wesentlich schneller bearbeitet werden. In Sonderfällen besteht die Möglichkeit, anhand der generierten Vorschläge den Einzelfall individuell rechtlich zu würdigen und die zutreffende Empfehlung zu berücksichtigen.⁶⁵

In Abgrenzung zu den vollautomatisierten Systemen ist ganz deutlich herauszustellen, dass in den vorliegenden Fällen die Entscheidungsmacht stets beim Menschen verbleibt.⁶⁶ Ein entscheidender Erfolgsfaktor für die Akzeptanz bei den Amtsträgern ist eine vertrauenswürdige Systemausgestaltung.⁶⁷ Die Anwender dürfen keinesfalls den Eindruck bekommen, dass die Entscheidungen bereits final vorgegeben und nicht mehr beeinflussbar seien. Durch transparentes und nachvollziehbares Design steigt die Wahrscheinlichkeit, dass das Personal die Empfehlungen als fundiert akzeptieren wird, sodann mit diesen vertrauensvoll arbeitet und sich letztlich bedenkenlos auf diese beruft.⁶⁸ Daher ist bei der Implementierung darauf zu achten, dass eine aktive Kenntlichmachung der Entscheidung durch den Amtsträger zwingend zu erfolgen hat.⁶⁹

Im Zuge der vorstehenden Untersuchung wurde zunächst deutlich, dass gegenwärtig keine allgemein anerkannte Definition von Künstlicher Intelligenz existiert. Bei der Unterscheidung nach ihren Fähigkeiten erfolgte eine Definition mithilfe der vier Begriffe Künstliche Intelligenz, KI-Technologie, KI-System und KI-Entscheidungen.

Als ein weiteres Ergebnis bleibt festzuhalten, dass für den KI-Einsatz KI-Einsatz im Zusammenhang mit Anwendungen des maschinellen Lernens enorme Datenmengen zwingend erforderlich sind. Da die Finanzverwaltung im Rahmen des Besteuerungsverfahrens jährlich eine große Anzahl von Daten erhebt und darüber hinaus von weitgehend standardisierten sowie strukturierten Prozessen profitiert, ist dieser Verwaltungsbereich für den Einsatz Künstlicher Intelligenz geradezu prädestiniert. So bestehen mannigfaltige Einsatzpotenziale, die nach Front Office und Back Office sowie nach Entscheidungsunterstützung und Entscheidungsautomatisierung differenziert werden können.

Innerhalb der Entscheidungsunterstützung ist zwischen der Effektivierung der von Amtsträgern zu treffenden Entscheidungen und der Generierung von Rechtsanwendungsvorschlägen zu differenzieren. Im Rahmen der zukünftig zu erwartenden schwerpunktmäßig durchzuführenden hybriden Fallbearbeitung könnte ein entscheidungsunterstützendes System den Amtsträgern eine Hilfestellung geben, in dem es aus der umfangreichen Datenbasis die für den konkreten Steuerfall relevanten Daten identifiziert und diese leicht verständlich über Dashboards oder (Daten-)Cockpits visuell aufbereitet. Im Nachgang verarbeitet die Künstliche Intelligenz die letztlich getroffene personelle Entscheidung und berücksichtigt diese bei künftigen Vorschlägen. Da die digitale Belegnachreichung zur Steuererklärung einen durchaus beträchtlichen Umfang annehmen kann, sollte dieser Prozess möglichst automatisiert werden. Mit dem hierfür geeigneten Verfahren des Text Minings können die Informationen sowohl aus strukturierten als auch aus unstrukturierten Daten Textdateien extrahiert werden. Text Mining ermöglicht die Bereitstellung genauer Informationen aus dem Text, da beispielsweise Beziehungen zwischen den Wörtern im Text aufgezeigt, die Worthäufigkeiten und die verwendeten Muster analysiert werden. Dies entlastet das Personal von tendenziell eher trivialen Tätigkeiten, sodass in der Folge die frei werdenden Kapazitäten für anspruchsvollere Arbeiten genutzt werden können.

Durch die Generierung von Rechtsanwendungsvorschlägen wäre es möglich, die internen Abläufe der eingesetzten Risikomanagementsysteme zu effektivieren. Die gegenwärtigen Prüf- und Risikohinweise in Textform sind mitunter schwer verständlich und oftmals lediglich eher deskriptiv formuliert. Die gemäß § 155 Abs. 4 Satz 3 AO grundsätzlich gebotene personelle Überprüfung der qualifizierten Freitextfelder würde durch die Berücksichtigung der KI-Verfahren Natural Language Understanding und Natural Language Generation eine Effektivierung erfahren. Im Zuge der Generierung konkreter Rechtsanwendungsvorschläge ist allerdings zu berücksichtigen, dass eine voll automatisierte, nicht personelle Vorgehensweise mit dem gegenwärtigen Wortlaut des § 155 Abs. 4 Satz 3 AO unvereinbar ist. Darüber hinaus könnte Künstliche Intelligenz zum Einsatz kommen, um den Amtsträgern Steuerfälle mit identisch oder ähnlich gelagerten Sachverhalten sowie deren dokumentierte Entscheidungsfindung zur Verfügung zu stellen. Ebenso denkbar ist es, aus diesen Fällen konkrete Rechtsanwendungsvorschläge zu generieren. Zudem könnte die Verknüpfung von KI-Systemen mit juristischen Wissensdatenbanken für das Personal mannigfaltige Mehrwerte bieten. Neben der zielgerichteten Zurverfügungstellung einschlägiger Rechtsquellen zur konkreten Bearbeitung der von den Risikomanagementsystemen erzeugten Prüf- und Risikohinweise können wiederum konkrete Rechtsanwendungsvorschläge für diese Hinweise erstellt werden. Weiterhin kann sich der Amtsträger mithilfe einer (visuellen) Darstellung der gegebenenfalls divergierenden Rechtsauffassungen von Schrifttum, Rechtsprechung und Verwaltung sowie deren Gegenüberstellung bewusst für eine Ansicht entscheiden und diese gezielt der Steuerfestsetzung zugrunde legen.

Mit Spannung sind die zukünftigen Entwicklungen auf dem Gebiet der Entscheidungsunterstützung im Rahmen der hybriden Fallbearbeitung zu verfolgen. Für die Finanzverwaltung hat die Güte und Vollständigkeit von Daten im digitalen Steuervollzug gegenwärtig einen herausgehobenen Stellenwert.⁷⁰ Um eine Effektivierung der von Amtsträgern getroffenen Entscheidungen mittels intelligenter Systeme zu gewährleisten, die zielgerichtet vorhandene Datensätze nutzen und diese leicht verständlich aufbereiten, sind qualitativ hochwertige Daten von essenzieller Bedeutung. Daher sollte der Aufbau, soweit in Teilbereichen noch nicht geschehen, sowie der stetige Ausbau einer maschinell auswertbaren Datenbasis von der Finanzverwaltung forciert werden. Idealerweise werden die Daten von den Steuerpflichtigen und von dritter Seite bereits in elektronischer Form zur Verfügung gestellt. Liegen diese zudem in strukturierter Form vor, entfiele insoweit die Notwendigkeit des hier vorgeschlagenen Text Minings im Rahmen der Belegnachreichung zur Steuererklärung. Zugunsten einer Effektivierung der von Amtsträgern getroffenen Entscheidungen mittels intelligenter Systeme kann die erneuerte Verordnungsermächtigung zur Erleichterung und Vereinfachung des automatisierten Besteuerungsverfahrens (§ 150 Abs. 6 Satz 1 AO) nutzbar gemacht werden. Von dieser hat das Bundesministerium der Finanzen bisher noch keinen Gebrauch gemacht.⁷¹

Die von der Künstlichen Intelligenz generierten Rechtsanwendungsvorschläge bieten keine hundertprozentige Richtigkeitsgewähr.⁷² Wenn die Empfehlungen auf der Basis einer Vielzahl historischer Entscheidungen mittels Mustererkennung entwickelt werden, berücksichtigt die Künstliche Intelligenz keine eigenen am Gesetz orientierten Begründungsschritte. Gleichwohl können etwaige vorhandene historische Parallelfälle gefunden und gegebenenfalls die dortigen Entscheidungsgründe zur Verfügung gestellt werden.⁷³ Im Rechtssystem des Common Laws, das sich in den englischsprachigen Ländern herausgebildet hat, ist ein solches Vorgehen unproblematisch und besitzt bei der juristischen Recherche einen hohen Stellenwert.⁷⁴ Dies ist darauf zurückzuführen, dass dort überwiegend ein Richterrecht vorherrscht, welches sich anhand von Einzelfällen (Case law) weiterentwickelt.⁷⁵ Dagegen steht im römisch-germanischen Rechtskreis, der in Deutschland und anderen kontinentaleuropäischen Staaten gilt, das Gesetz an oberster Stelle. Da für den (behördlichen) Rechtsanwender mithin die Gesetzesauslegung im Fokus steht, lassen sich regelbasierte Algorithmen, die eine Lösung präsentieren, welche sich bei schematischem Vorgehen ergäbe, tendenziell leichter einsetzen als im Rechtssystem des Common Laws.⁷⁶ Gleichwohl steigt die Relevanz von Vergleichsfällen sowie fallbasierter Argumentationen im hiesigen Rechtskreis stetig. Dieser Befund ist vor allem auf die vermehrte Nutzung juristischer Wissensdatenbanken zurückzuführen.⁷⁷ Dies führt zu der weiterhin im Schrifttum umstrittenen Frage, ob der menschliche Entscheidungsträger gänzlich durch den Einsatz Künstlicher Intelligenz ersetzt werden kann und wie eine damit einhergehende Vollautomation des Entscheidungsprozesses auszugestalten wäre.