KI hält zunehmend auch in der Welt des Steuerrechts Einzug. Gerade für eine funktionsfähige Verwaltung drängt sich dadurch geradezu die Frage des Einsatzes von entsprechenden Tools auf. Eine solche Methode, die im internationalen Raum zunehmend an Bedeutung an Bedeutung gewinnt, ist Predictive Analytics. Im Gegensatz dazu wird in der deutschen Steuerrechtsliteratur geradezu eine Forschungslücke in Bezug auf die rechtliche Bewertung des Einsatzes von Predictive Analytics, etwa bei Einsatz in der Finanzverwaltung, deutlich. Diese Arbeit nimmt vor diesem Hintergrund eine dogmatisch fundierte rechtliche Einordnung von Predictive Analytics im Besteuerungsverfahren vor. Das Ziel ist, einen ersten Über- und Einblick in die Problematik zu bieten und das Feld für künftigen Diskurs zu eröffnen.
Neben einer Begriffsklärung sollen praktische Anwendungsmöglichkeiten erschlossen und rechtlich zulässig gestaltet werden. Auch auf die aktuelle Lage wird mittels eines Vergleiches zu den bestehenden Risikomanagementsystemen eingegangen. Diese weisen zwar erste Strukturen eines algorithmischen Vollzugs auf, jedoch genügen die bisher bestehenden normativen Vorgaben bei weitem nicht, um auch einen KI-Einsatz in der Steuerverwaltung sinnvoll und praxistauglich zu gestalten.
Aus verfassungsrechtlicher Sicht wird verstärkt auf zentrale Prinzipien wie die Gesetzmäßigkeit der Verwaltung, die demokratische Legitimation staatlichen Handelns und die Rechtsanwendungsgleichheit durch algorithmische Entscheidungsprozesse eingegangen und Herausforderungen aufgezeigt. Besondere Aufmerksamkeit gilt der „Black‑Box“-Problematik sowie der Gefahr systemischer Bias, die Transparenz‑ und Kontrollanforderungen des Rechtsstaats berühren. Ergänzend werden die europarechtlichen Vorgaben – insbesondere die DSGVO und die KI‑Verordnung – als normative Leitplanken für die Entwicklung eines rechtssicheren digitalen Gesetzesvollzugs herausgearbeitet.
Inhaltsverzeichnis
A. Einführung
B. Grundlagen
I. Begriffsdefinition Predictive Analytics
II. Technische Hintergründe
1. Machine Learning
2. Künstliche Intelligenz (KI)
C. Predictive Analytics im Kontext der Steuerverwaltung
I. Betrachtung der Ausgangslage
1. Der Einsatz von Risikomanagementsystemen
2. Aktuelle Rechtslage und der Einsatz von RMS
a) Rechtslage zum Einsatz von RMS
aa) Begriffliche Einordnung
bb) Rechtliche Einordnung
II. Perspektive auf einen möglichen Einsatz von Predictive Analytics
1. Einsatzmöglichkeiten
2. Rechtliche Bewertung des Einsatzes von Predictive Analytics
a) Einordnung konkreter Einsatzszenarien
aa) Predictive Analytics beim Erlass eines Einkommensteuerbescheides
bb) Predictive Analytics im Rahmen der Fallauswahl bei der Außenprüfung
cc) Zwischenfazit
b) Problemfelder für die rechtliche Zulässigkeit des Einsatzes von Predictive Analytics
aa) verfassungsrechtliche Anforderungen
(1) Gesetzmäßigkeit der Verwaltung und der (Ermessens-)Entscheidungen
(2) Demokratische Legitimation staatlichen Handelns und die „Black Box“
(3) Rechtsanwendungsgleichheit und „Bias“
bb) Europarechtliche Vorgaben
(1) Datenschutzrecht und DSGVO
D. Fazit
Zielsetzung & Themen
Die Arbeit untersucht die rechtliche Zulässigkeit des Einsatzes von Predictive Analytics in der deutschen Steuerverwaltung unter Berücksichtigung verfassungs- und europarechtlicher Grenzen. Dabei steht die Forschungsfrage im Mittelpunkt, wie der technologische Fortschritt mit dem geltenden Rechtsrahmen, insbesondere dem Grundsatz der Gesetzmäßigkeit der Verwaltung und dem Demokratieprinzip, in Einklang gebracht werden kann.
- Grundlagen von Predictive Analytics und Machine Learning im Steuervollzug
- Status quo des Einsatzes von Risikomanagementsystemen in Deutschland
- Mögliche Einsatzszenarien von Predictive Analytics (Einkommensteuerbescheid, Außenprüfung)
- Verfassungsrechtliche Herausforderungen: Demokratische Legitimation, Transparenz und Diskriminierung ("Bias")
- Europarechtliche Rahmenbedingungen: Vereinbarkeit mit DSGVO und KI-Verordnung
Auszug aus dem Buch
1. Machine Learning
Der Oberbegriff ML bezeichnet die fortwährende Verhaltensoptimierung einer Maschine mittels diverser Methoden und Algorithmen durch das Beobachten des eigenen Verhaltens. In diesem Kontext ist schon hier anzumerken, dass dieser Lernprozess nach einer grundsätzlichen Einteilung von Menschen überwacht (supervised ML) oder unüberwacht (unsupervised ML) ablaufen kann. Beim supervised ML ist für die Daten, mittels derer die Maschine ihr Verhalten optimiert, sowohl der Eingabewert als auch das Ergebnis bekannt, um so die Zusammenhänge zwischen den Daten zu optimieren. Dagegen ist beim unsupervised ML das Ergebnis nicht bekannt, sodass die Maschine die Daten selbst strukturiert und die bisher nicht bekannten Zusammenhänge herstellt.
Bei Predictive Analytics werden unter Verwendung von ML-Methoden historische Daten ausgewertet, wodurch Muster erkannt – also das eigene Verhalten optimiert wird – und diese Muster dann auf einen neuen Datensatz angewendet werden. Durch diesen Wissensgewinn können dann Vorhersagen erstellt werden.
Bezogen auf die Steuerverwaltung bezogen würde dies bedeuten, dass das System mit den historischen Steuerverwaltungsdaten – beispielsweise Steueridentifikationsnummern, dazugehörige Einkommensteuererklärungen und Einkommensteuerbescheide – lernt. Somit werden neue Zusammenhänge zwischen den Angaben in der Steuererklärung und den ausgestellten Bescheiden erstellt, damit das System feststellt, bei welchen Kombinationen veranlagt wie erklärt wurde und bei welchen Mustern Steuerverkürzungen (i.S.v. § 370 I AO) vorlagen. Die erkannten Zusammenhänge können dann auf neue Daten des aktuellen Veranlagungszeitraumes angewandt werden, sodass das System einschätzen kann, bei welchen Steuerpflichtigen aktuell oder künftig falsche Angaben wahrscheinlich sind.
Da sowohl die vom Steuerpflichtigen angegebenen Daten (Eingabe) als auch die korrespondierenden Steuerbescheide (Ergebnis) bekannt sind, ist Predictive Analytics als supervised ML zu klassifizieren.
Kapitelzusammenfassungen
A. Einführung: Die Einleitung beleuchtet die zunehmende Relevanz von KI und Predictive Analytics für die deutsche Finanzverwaltung und definiert das Ziel der Arbeit, die rechtliche Zulässigkeit dieser Technologie zu bewerten.
B. Grundlagen: Dieses Kapitel liefert die notwendigen Begriffsdefinitionen für Predictive Analytics sowie die technischen Funktionsweisen von Machine Learning und KI.
C. Predictive Analytics im Kontext der Steuerverwaltung: Der Hauptteil analysiert den aktuellen Einsatz von Risikomanagementsystemen und diskutiert Perspektiven, Anwendungsbeispiele sowie die rechtlichen Problemfelder im Lichte der Verfassung und des Europarechts.
D. Fazit: Die Arbeit schließt mit einer Bewertung, dass der Einsatz von Predictive Analytics rechtlich zulässig ist, jedoch einer präziseren gesetzlichen Ausgestaltung bedarf, um Transparenz und demokratische Legitimität zu gewährleisten.
Schlüsselwörter
Predictive Analytics, Steuerverwaltung, Künstliche Intelligenz, Machine Learning, Digitalisierung, Risikomanagementsysteme, Finanzverwaltung, Rechtsstaat, DSGVO, KI-Verordnung, Ermessensentscheidung, Profiling, Außenprüfung, Steuervollzug, Gesetzmäßigkeit der Verwaltung.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht die rechtliche Zulässigkeit und die verfassungsrechtlichen sowie europarechtlichen Rahmenbedingungen für den Einsatz von Predictive-Analytics-Systemen in der deutschen Steuerverwaltung.
Was sind die zentralen Themenfelder der Untersuchung?
Zentrale Themen sind die technische Funktionsweise von KI-Systemen im Steuerrecht, die Einordnung in bestehende Gesetze (wie § 155 AO und § 88 AO), die Problematik der "Black Box" bei KI-Entscheidungen sowie der Schutz grundrechtlich geschützter Interessen.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist die juristische Bewertung, ob und inwieweit Predictive Analytics zur Effizienzsteigerung in der Steuerverwaltung eingesetzt werden kann, ohne dabei gegen verfassungsrechtliche Prinzipien oder europäische Vorgaben zu verstoßen.
Welche wissenschaftliche Methode wird verwendet?
Die Autorin wählt einen rechtswissenschaftlichen Ansatz, der auf der Auswertung aktueller Fachliteratur, gesetzlicher Regelungen, Rechtsprechung sowie technischer Grundlagen von Predictive Analytics basiert.
Was wird im Hauptteil der Arbeit behandelt?
Im Hauptteil werden konkrete Einsatzszenarien wie der vollautomatisierte Einkommensteuerbescheid und die Fallauswahl bei Außenprüfungen rechtlich eingeordnet und kritische Problemfelder wie Diskriminierung (Bias) und Datenschutz (DSGVO) diskutiert.
Welche Schlüsselwörter charakterisieren die Arbeit?
Schlüsselwörter sind Predictive Analytics, Steuerverwaltung, Künstliche Intelligenz, Machine Learning, Digitalisierung, Rechtsstaat, DSGVO und KI-Verordnung.
Wie bewertet die Arbeit das Verhältnis von Wirtschaftlichkeit und Rechtmäßigkeit beim Einsatz von KI?
Die Arbeit betont, dass Wirtschaftlichkeit ein verfassungsrechtliches Gebot ist. Das Problem liegt nicht in der Steigerung der Effizienz, sondern in der Vereinbarkeit von Wirtschaftlichkeit und Rechtmäßigkeit.
Welche Rolle spielt der Mensch bei der Verwendung von Predictive Analytics laut der Arbeit?
Die Arbeit kommt zu dem Schluss, dass ein "Menschenvorbehalt" bestehen muss. Eine vollautomatisierte Entscheidung ist nur dort zulässig, wo kein Ermessen ausgeübt werden muss. Bei Ermessensentscheidungen ist die letztinstanzliche Prüfung durch den Beamten zwingend.
- Quote paper
- Sophie Völkl (Author), 2025, Predictive Analytics in der Steuerverwaltung, Munich, GRIN Verlag, https://www.grin.com/document/1743166
