Generative AI bezeichnet Systeme, die neue Inhalte basierend auf zuvor gelernten Mustern generieren. Sie hat das Potenzial, die Effizienz von steuerlichen Prozessen erheblich zu verbessern und einen signifikanten Beitrag zum Unternehmenserfolg zu leisten.
Meet and Greet mit GenAI
Die EY-Studie mit 155 Teilnehmenden aus Unternehmensleitungen sowie Steuer- und Rechtsabteilungen zeigt einen klaren Trend: 76% der Befragten haben bereits in irgendeiner Form Berührungspunkte mit GenAI. Hierbei gibt eine bemerkenswerte Mehrheit (54%) an, diese Technologie sowohl im privaten als auch im beruflichen Kontext zu nutzen. Diese Zahlen spiegeln eine wachsende Akzeptanz wider, wenngleich 43% der Anwender ihre Sicherheit im Umgang mit GenAI als unzureichend einstufen. Diese Diskrepanz zwischen Verbreitung und Kompetenz im Umgang mit GenAI signalisiert, dass Bildungsinitiativen für einen effektiven Einsatz erfolgskritisch sind.
Bestandsaufnahme der Integration von GenAI in die Unternehmensprozesse
Obwohl 61% der Teilnehmenden berichten, beruflichen Zugang zu GenAI-Anwendungen zu haben, bleibt die Integration in steuerliche Kernprozesse eine Seltenheit. Vermutlich sind bisherige Erfahrungen mit GenAI auf Anwendungen wie ChatGPT, Bing Chat oder Gemini zurückzuführen, die in der breiten Öffentlichkeit eine Katalysatorwirkung für KI ausgelöst haben. Die momentanen Erfahrungen beschränken sich somit größtenteils auf isolierte Anwendungsfälle. Das zeigt das ungenutzte Potenzial von GenAI und unterstreicht die Dringlichkeit, diese Technologie in die steuerlichen Abläufe zu integrieren.
Erwartungen an Effizienzsteigerungen versus Herausforderungen
Die Umfrageergebnisse offenbaren eine bemerkenswerte Einigkeit unter den Befragten bezüglich der Potenziale generativer KI. So erwarten nahezu 100% der Befragten signifikante Effizienzgewinne in den Bereichen Monitoring von Rechtsänderungen, Recherche zu steuerlichen Sachverhalten und Datenverarbeitung, bspw. beim Risiko- und Kontrollmanagement oder der Entscheidungsfindung & Durchsetzung.
Die Kombination von datenbasierten Systemen (GenAI) und regelbasierten Systemen (traditionelle KI) ist in vielen Unternehmen noch nicht geplant. Jedoch liegt hier eine bedeutende Chance, Schwächen durch die Stärken des jeweils anderen Systems zu kompensieren.– So kann GenAI in der Generierung von steuerlichen Texten und traditionelle KI in der Entscheidungsfindung oder der Prozessautomatisierung unterstützen. Die Synergie dieser Technologien kann die Steuerfunktion auf eine neues Effizienzlevel heben.
Jedoch zeichnet sich auch ein klares Bild der Herausforderungen ab, mit denen sich ebenfalls fast alle Befragten konfrontiert sehen – insbesondere in den Bereichen Datenmanagement und der Einbindung von Technologien und vorhandenem Wissen. Diese Herausforderungen sind zwar komplex, aber nicht unüberwindbar. Sie basieren auf langjährig bekannten Problematiken, die nun mit Nachdruck und gezielten Strategien angegangen werden müssen, um die Effizienzsteigerungen durch den Einsatz von KI zu realisieren.
Die identifizierten Hindernisse, verstärkt durch unklare Projektverantwortlichkeiten und die Herausforderungen bei der Bewertung des Kosten-Nutzen-Verhältnisses, erschweren die Umsetzung strategisch notwendiger Projekte. Diese Probleme erfordern eine klare strategische Ausrichtung und das Engagement der Steuerfunktion. Nur dann kann eine erfolgreiche Integration und Nutzung von GenAI in der Steuerpraxis gewährleistet werden.
Differenzierte Auswirkungen von KI
Die Umfrage legt dar, dass die Auswirkungen von KI auf Effizienzsteigerungen in den Steuerdisziplinen variieren. Die Bereiche indirekte Steuern, Transfer Pricing und Ertragsteuern sehen über die Hälfte der Befragten als besonders geeignete Fachbereiche für einen regelmäßigen Einsatz von GenAI. Insbesondere in den Bereichen der indirekten Steuern erkennen eine bemerkenswerte Mehrheit von 70% ungenutzte Effizienzpotenziale. Dies ist vornehmlich darauf zurückzuführen, dass die Aufgabenfelder der indirekten Steuern durch eine Vielzahl kleinteiliger und wiederkehrender Kontrolltätigkeiten charakterisiert sind. In diesem Kontext bieten insbesondere auch regelbasierte Systeme, bei ihrer Anwendung auf strukturierte Daten, eine wertvolle Möglichkeit, steuerliche Entscheidungsprozesse zu automatisieren und zeitaufwendige Routinetätigkeiten signifikant zu reduzieren.
