Der Einsatz von k\u00fcnstlicher Intelligenz (KI) hilft dem Finanzamt, Steuermehreinnahmen zu erzielen. Im Jahr 2024 konnte die Beh\u00f6rde durch den Einsatz moderner Analysemethoden rund EUR 354 Mio. an zus\u00e4tzlichen Steuereinnahmen lukrieren.<\/p>\n
Daf\u00fcr ist das Predictive Analytics Competence Center (PACC) verantwortlich, eine Spezialeinheit im Ministerium, die mit Hilfe von Machine Learning und Datenanalyse Steuerbetrug und Compliance-Verst\u00f6\u00dfe systematisch aufsp\u00fcrt. Im vergangenen Jahr wurden ungef\u00e4hr 6,6 Millionen F\u00e4lle durch die Risikomodelle analysiert. Dazu z\u00e4hlen Einkommen-, K\u00f6rperschaft- und Umsatzsteuerf\u00e4lle, aber auch Arbeitnehmerveranlagungen. Neben offensichtlichem Steuerbetrug wurden ungef\u00e4hr 23,4 Millionen F\u00e4lle auf m\u00f6gliche Compliance-Verst\u00f6\u00dfe \u00fcberpr\u00fcft, insbesondere im Hinblick auf missbr\u00e4uchlich beantragte Beihilfen und Leistungen und hinsichtlich Scheinunternehmen.<\/p>\n
KI als Schl\u00fcssel zur Steuergerechtigkeit<\/strong><\/p>\n Die Spezialeinheit nutzt unter anderem Textmining, Machine Learning und KI-gest\u00fctzte Risikomodelle, um Auff\u00e4lligkeiten fr\u00fchzeitig zu identifizieren. Dabei greift man auf eine Vielzahl von Datenquellen zur\u00fcck \u2013 von historischen Steuerdaten bis hin zu externen Datenbanken. Steigerung der Effizienz<\/strong><\/p>\n Die Fortschritte in der automatisierten Fallauswahl steigern laut Aussendung des Finanzministeriums nicht nur die Trefferquote, sondern auch die Effizienz der gesamten Finanzverwaltung. Besonders in den Bereichen Au\u00dfenpr\u00fcfung, Gemeinsame Pr\u00fcfung von Lohnabgaben und Beitr\u00e4gen (GPLB) sowie im Zoll werden KI-Modelle eingesetzt, um mit hoher Wahrscheinlichkeit aufwendige, aber ertragreiche Pr\u00fcfungen zu identifizieren. Neben der klassischen Au\u00dfenpr\u00fcfung befasst sich das PACC auch mit Zukunftsthemen wie Kryptow\u00e4hrungen, internationalem Datenaustausch und der Standardisierung von Pr\u00fcfungshandlungen.<\/p>\n Zusammenarbeit mit nationalen und internationalen Partnern<\/strong><\/p>\n F\u00fcr die kommenden Jahre plant das Finanzministerium, den Einsatz von KI weiter auszubauen, insbesondere durch die Integration von generativer KI wie Large Language Models (LLMs). Dar\u00fcber hinaus soll die Zusammenarbeit mit nationalen und internationalen Partnern vertieft werden, um Risiken noch schneller zu erkennen, falls m\u00f6glich sogar in Echtzeit. Ziel ist es, die Effektivit\u00e4t und Schlagkraft der Finanzverwaltung weiter zu erh\u00f6hen.<\/p>\n","protected":false},"excerpt":{"rendered":" Der Einsatz von k\u00fcnstlicher Intelligenz (KI) hilft dem Finanzamt, Steuermehreinnahmen zu erzielen. Im Jahr 2024 konnte die Beh\u00f6rde durch den Einsatz moderner Analysemethoden rund EUR 354 Mio. an zus\u00e4tzlichen Steuereinnahmen lukrieren. Daf\u00fcr ist das Predictive Analytics Competence Center (PACC) verantwortlich, eine Spezialeinheit im Ministerium, die mit Hilfe von Machine Learning und Datenanalyse Steuerbetrug und Compliance-Verst\u00f6\u00dfe […]<\/p>\n","protected":false},"author":6,"featured_media":7370,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"footnotes":""},"categories":[14],"tags":[],"class_list":["post-7369","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-unkategorisiert"],"yoast_head":"\n
\nEin Beispiel f\u00fcr die Arbeitsweise liefert ein aktueller Fall: Bei einer Au\u00dfenpr\u00fcfung wurde festgestellt, dass in einem landwirtschaftlichen Betrieb Maschinen gekauft, aber nicht im Anlagenverzeichnis verbucht wurden. Die hochpreisigen landwirtschaftlichen Fahrzeuge wurden nach jahrelanger Nutzung weiterverkauft, ohne die Verkaufserl\u00f6se buchhalterisch zu erfassen. Der Schaden betrug EUR 300.000,00 an nicht entrichteten Abgaben. Die Aufdeckung wurde m\u00f6glich durch den gezielten Datenabgleich zwischen der Kfz-Zulassungsdatenbank und den betrieblichen Finanzdaten.<\/p>\n