Steuerbetrug und Prüfungsfallauswahl für Finanzbehörden (einschl. Umsatzsteuerkarussellbetrug)

Steuerverwaltungen können nicht alle prüfen, also müssen sie auswählen, wen sie sich ansehen. KI-gestütztes Risikomanagement bewertet Erklärungen und Transaktionen, verknüpft Händler zu Netzwerken und legt Prüfern eine nach Rang geordnete, erklärbare Arbeitsliste vor, während eine Zufallsstichprobe das System ehrlich hält. Der Gewinn ist eine höhere Trefferquote je Prüfungsstunde und eine frühere Erkennung von Umsatzsteuerkarussellbetrug. Die Falle, sichtbar im niederländischen Kindergeldskandal, ist undurchsichtiges oder diskriminierendes Profiling.

Problem & Nutzen

• Heute: Regelbasierte Filter, manuelle Hinweise und Erfahrung wählen die Fälle aus. Die Mengen an Erklärungen, E-Rechnungen und grenzüberschreitenden Umsatzsteuermeldungen übersteigen die Prüfkapazität bei Weitem. Missing-Trader-Betrug (MTIC) und Karussellbetrug bewegen Waren und Umsatzsteuer kreisförmig über Grenzen; eine öffentliche Zusammenfassung nennt Schätzungen der Kommission von 20 Milliarden EUR bis über 100 Milliarden EUR pro Jahr je nach Methode und eine Studie des Europäischen Parlaments von 2018 mit durchschnittlich rund 50 Milliarden EUR pro Jahr [4]. Behandeln Sie diese als Größenordnungen.
• KI-Nutzen: bessere Rangfolge der Fälle (mehr Mehrsteuer je Prüfung), schnellere Erkennung kurzlebiger Betrugsfirmen, bevor die Umsatzsteuererstattung ausgezahlt wird, und Entdeckung unbekannter Typologien mit Anomalie- und Graphverfahren. Berichtete Ergebnisse stammen überwiegend von den Behörden selbst; vergleichen Sie mit Ihrer eigenen Basis aus Zufallsprüfungen, statt Herstellerangaben zu vertrauen.
• Abgrenzung: Dieser Eintrag behandelt die Behördenseite nach Steuerrecht. Ein Unternehmen, das sein eigenes Hauptbuch prüft, ist ANOM-006; Geldwäscheprävention bei Banken ist ANOM-002; Leistungsbetrug ist ANOM-019; die Bewertung von Zollanmeldungen ist ANOM-021.

Varianten

• Umsatzsteuer- / MTIC- / Karussellbetrug: Transaktionsnetzwerkanalyse von Umsatzsteuererklärungen und Zusammenfassenden Meldungen, zwischen den Mitgliedstaaten über Eurofisc geteilt, das dezentrale Netzwerk zum Austausch gezielter Informationen zu Umsatzsteuerbetrug [3]. Frühwarnung bei neu registrierten Händlern mit hohem Umsatz und ohne Substanz.
• Deutsches Risikomanagementsystem (RMS), § 88 Abs. 5 AO: Automatisierte Systeme dürfen darüber entscheiden, ob eine weitere Ermittlung nötig ist. Das Gesetz verlangt die Zufallsauswahl einer ausreichenden Zahl von Fällen zur vollständigen manuellen Prüfung, die menschliche Prüfung markierter Fälle, die Möglichkeit für Amtsträger, Fälle selbst auszuwählen, und regelmäßige Wirksamkeitsprüfungen; Einzelheiten müssen nicht veröffentlicht werden, wenn dies die Gleichmäßigkeit der Besteuerung gefährden würde [1]. Das ist die rechtliche Vorlage für den gesamten Anwendungsfall.
• Auswahl von Einkommen-/Körperschaftsteuerprüfungen: überwachte Modelle auf Basis früherer Prüfungsergebnisse (vergleiche PRED-028 für die allgemeine risikobasierte Auswahl von Inspektionen).
• Nicht erklärte Vermögenswerte aus Bilddaten: Das „Foncier innovant“ der französischen DGFiP erkennt nicht gemeldete Gebäude und Schwimmbäder in Luftbildern mit Computer Vision und gleicht sie mit den Grundsteuerdaten ab (laut der Recherche für diesen Katalog; Zahlen wurden hier nicht verifiziert).
• E-Rechnungs-/E-Reporting-Daten (ViDA, nationale Pflichten): Rechnungsdaten nahezu in Echtzeit ermöglichen das Erkennen von Abweichungen zwischen den Erklärungen von Lieferant und Käufer.
• Verknüpfung von Steuern und Leistungen: der steuerliche Teil gehört hierher, der Leistungsteil zu ANOM-019.

So funktioniert es

Datenquellen (Erklärungen, Umsatzsteuer, E-Rechnungen, Register, Bilddaten) → Data Lake mit Zugriffskontrolle nach Steuergeheimnis → Merkmals- und Graphaufbau (Entitätsauflösung, Händlerketten) → Modelle (überwachtes Scoring, Anomalieerkennung, Graphanalytik) → Risikoliste + Begründungscodes → menschliche Fallauswahl und Prüfung → Ergebnislabels → Neutraining mit einer parallelen Schleife random sample → full audit → unbiased evaluation.

Zentrale Komponenten: - Tabellarisches ML (Gradient Boosting), trainiert auf Prüfungsergebnissen. Einschränkung: Nur geprüfte Fälle haben Labels, daher übernehmen die Modelle eine Auswahlverzerrung; Zufallsprüfungen sind das Gegenmittel und im deutschen RMS vorgeschrieben [1]. - Graph-ML / Wissensgraph: Entitätsauflösung über Beziehungen zwischen Unternehmen, Geschäftsführern, Adressen, Bankkonten und Rechnungen; Community-Erkennung und Muster verdächtiger Zyklen für Karussells. - Anomalieerkennung für unbekannte Muster (Tests im Benford-Stil, Abweichung von der Vergleichsgruppe). - Computer Vision / Fernerkundung für nicht erklärte Vermögenswerte. - LLM nur als Assistent: ein Dossier zusammenfassen, Fakten aus unstrukturierten Dokumenten extrahieren, Begründungscodes erklären. Es darf nicht entscheiden. - Mensch-in-der-Schleife (Human-in-the-Loop): Amtsträger treffen jede Veranlagungs-, Prüfungs- und Sanktionsentscheidung; das Modell schlägt vor, wo man hinschauen sollte. § 88 Abs. 1 AO verpflichtet die Behörden zudem, auch die für den Steuerpflichtigen günstigen Umstände zu berücksichtigen [1]; Bewertungen können also nicht die alleinige Grundlage für eine belastende Maßnahme sein.

Datenaufbereitung

Die Daten sind hier der dominierende Aufwand. Quellen sind die Veranlagungssysteme der Finanzverwaltung, Umsatzsteuererklärungen, Zusammenfassende Meldungen, E-Rechnungs- und E-Reporting-Feeds, Registerdaten und Prüfungsergebnisse, verteilt auf Altverfahren mit unterschiedlichen Schlüsseln. Für ein Unternehmen, das seine eigene Lieferkette prüft, sind die Quellen ERP-Lieferantenstammdaten, Rechnungen, das DMS und Ergebnisse der USt-IdNr.-Prüfung. Typische Lücken: keine gemeinsame Steuerpflichtigen-Kennung über Systeme hinweg, doppelte und falsch geschriebene Firmennamen, Prüfungsergebnisse als Freitext oder auf Papier statt als nutzbare Labels, Auswahlverzerrung (frühere Prüfungen deckten nur ab, was ohnehin schon verdächtig war) und strenge Zugriffsrechte zwischen Steuergeheimnis-Bereichen. Schritte: (1) Datenquellen und Verantwortliche erfassen und abbilden, siehe PREP-001, PREP-002 und PREP-004; (2) Daten aus Altsystemen extrahieren, siehe PREP-005; (3) Entitäten harmonisieren und Glossare für Kennzahlen und Felder festlegen, siehe PREP-012; (4) Labels aus Prüfungsergebnissen gewinnen und eine zufällige Kontrollstichprobe ergänzen, damit das Modell nicht nur auf verzerrten Auswahlen trainiert wird, siehe PREP-020 und PREP-018; (5) für Entwicklungsumgebungen pseudonymisieren, siehe PREP-022; (6) die Zweckbindung prüfen, siehe PREP-025. Werkzeuge: ETL (Airbyte, dbt), Bibliotheken zur Entitätsauflösung, eine Graphdatenbank wie Neo4j. Rechnen Sie mit 50 bis 65 Prozent des Gesamtaufwands für die Datenaufbereitung. Führen Sie vor der Eingrenzung des Modells den Reifegradtest aus GUIDE-003 durch.

Umsetzungswege

Welcher Weg für wen

• public (C): Steuerdaten sind hochsensibel und rechtlich beschränkt, die Beschaffung bevorzugt Souveränität, und der Kern besteht aus tabellarischem ML und Graphanalytik, die Open-Source-Stacks auf eigener HW2-Infrastruktur gut bewältigen.
• enterprise (B): Große Unternehmen (Steuerabteilungen, Tax-CMS, Umsatzsteuer-Compliance) nutzen dieselben Methoden, um ihre eigenen Lieferketten zu prüfen, und sind mit einem Aufbau auf Cloud-APIs und eigenen ERP-Daten besser bedient als mit Werkzeugen in Behördenqualität.
• developer (C): Ein Produkt zur Risikobewertung und Netzwerkanalyse entsteht mit Open-Source-ML- und Graphbibliotheken, die volle Kontrolle über die Erklärbarkeit geben.

Weg A — Kaufen (Standardsoftware)

Betrugs-/Analyse-Suiten für Steuer- und Finanzbehörden: SAS (Steuer- und Einnahmenanalytik), Palantir Foundry (US-Anbieter, Souveränitätsbedenken), IBM, Oracle sowie die Graphplattformen Neo4j und TigerGraph. EU-Systemintegratoren: Capgemini, Sopra Steria, Atos/Eviden (alle Frankreich). Die Steuer-IT in Deutschland läuft über das gemeinsame Programm der Länder (KONSENS), sodass ein kommerzielles Produkt den nationalen Stack selten ersetzt; es passt für kleinere oder nicht föderale Verwaltungen ohne Data-Science-Team. Prüfen Sie Steuergeheimnis und Datenlokalisierung in den Bedingungen, bevor Sie SaaS nutzen.

Weg B — Auf Cloud-KI-Diensten aufbauen

Nur akzeptabel für nicht personenbezogene oder pseudonymisierte Entwicklung und für die LLM-Assistenzebene, mit Angeboten in EU-Regionen (Azure OpenAI EU Data Zone, Mistral La Plateforme (Frankreich), souveränes Hosting im Stil von Aleph Alpha) im Rahmen eines Vertrags für den öffentlichen Sektor. Daten, die Steuerpflichtige identifizieren, sollten wegen des Steuergeheimnisses in der Regel die eigene oder souveräne Cloud-Umgebung der Verwaltung nicht verlassen. Daher ist B hier ein nachrangiger Weg.

Weg C — Selbst betreiben (Open Source)

Empfohlene Standardlösung für Behörden. Stack: PostgreSQL / Spark / Trino Data Lake, XGBoost / LightGBM / scikit-learn für die Bewertung, PyTorch Geometric oder NetworkX / Memgraph / Apache AGE für Graphen, MLflow für die Nachvollziehbarkeit (Lineage), SHAP für Begründungscodes, Fairlearn für Bias-Prüfungen. Für den LLM-Assistenten offene Modelle (Mistral-, Qwen-, Llama-Familien) über vLLM auf eigenen GPUs. Tabellarische und Graphaufgaben brauchen einen bescheidenen Server (HW2 genügt); ein GPU-Knoten ist für Bilddaten und LLM-Teile nützlich. Der Hauptaufwand liegt in Dateningenieurwesen und Governance, nicht in der Rechenleistung.

Weg D — Eigenes Training

Kern des Anwendungsfalls: Die Bewertungs- und Graphmodelle werden immer auf der eigenen Prüfungshistorie der Behörde trainiert. Benötigt werden mehrere Jahre ergebnisbeschrifteter Prüfungen sowie eine unverzerrte Zufallsstichprobe. Ein Feintuning eines LLM lohnt sich selten. Die Bilderkennung kann von einem vortrainierten Segmentierungsmodell ausgehen und auf einigen tausend beschrifteten Orthofotos feingetunt werden.

Stand der Technik (2026)

• Die graphbasierte Transaktionsnetzwerkanalyse (TNA) ist das etablierte Verfahren zur Erkennung von Umsatzsteuerkarussellen; Eurofisc ist der Kooperationskanal zwischen den Mitgliedstaaten [3]. Neuere Arbeiten kombinieren Graph Neural Networks mit zeitlichen Merkmalen und stützen sich stark auf E-Rechnungsdaten, sobald diese verpflichtend werden.
• Gradient Boosting bleibt die stärkste praktische Methode für tabellarische Prüfungsdaten; Deep-Learning-Modelle bringen ohne sehr große Datenmengen wenig.
• LLMs helfen inzwischen bei der Dokumentenextraktion, bei Dossier-Zusammenfassungen und beim Formulieren von Prüfungsanfragen; autonome Agenten, die über Prüfungen entscheiden, sind nicht angemessen.
• Erklärbarkeits- und Fairnesstests sind inzwischen Routineanforderungen; Zufallsprüfungen als Kontrolle sind die beste Verteidigung gegen Rückkopplungsschleifen.
• Grenzen und Fehlerbilder: Label-Verzerrung durch frühere Prüfungsentscheidungen, Rückkopplungsschleifen (nur markierte Gruppen werden geprüft, daher werden sie häufiger für schuldig befunden), Konzeptdrift, wenn Betrüger sich anpassen, Proxy-Diskriminierung und Falsch-Positive, die ehrliche Steuerpflichtige belasten. Die niederländische Kinderbetreuungsgeld-Affäre, in der die niederländische Datenschutzbehörde eine rechtswidrige und diskriminierende Verarbeitung von Staatsangehörigkeitsdaten durch die Steuerverwaltung feststellte [5], ist der klassische Warnfall (Hinweis: Sie betraf Leistungen, eine verwandte Domäne, siehe ANOM-019).

Gemeinsame Bausteine & Kombinationen

• Bausteine: Pipeline für Entitätsauflösung und Graphen (gemeinsam mit ANOM-002 Geldwäsche, ANOM-020 Kollusion bei der Beschaffung, ANOM-021 Zollzielauswahl, KNOW-026 Ermittlungsanalyse); Stack für tabellarische Bewertung und MLflow-/SHAP-Governance (gemeinsam mit PRED-028 risikobasierte Prüfungsauswahl, ANOM-006); Dokumenten-Parsing für eingereichte Unterlagen (DOC-Familie); Design der Bewertung mit Zufallsstichprobe.
• Hardware: HW2, CPU-/speicherlastiger Server für Graph- und Tabellenarbeit; optional eine einzelne GPU für Bilddaten und offenes LLM.
• Kombinationen: Zolldaten aus ANOM-021 speisen Einfuhr-Umsatzsteuerprüfungen; Verdachtsmeldungen aus ANOM-002 können über gesetzliche Zugangswege an die Finanzbehörden fließen; ANOM-019 teilt Entitätsdaten, ist aber ein eigenes System mit hohem Risiko.

Aufwand, Kosten & Kennzahlen

• A: Monate zur Integration, die Lizenzkosten dominieren. B: Wochen, nur für die Assistenzebene. C: 6 bis 18 Monate, Team aus Dateningenieuren, Data Scientists, Steuerprüfern und einer bzw. einem Datenschutzbeauftragten. D: dasselbe plus Aufwand für die Beschriftung.
• Kostentreiber: Datenintegration über Silos hinweg, rechtliche Klärung, Modell-Governance, Prüfkapazität, um auf die Ergebnisse zu reagieren.
• Kennzahlen: Mehrsteuer je Prüfungsstunde gegenüber der Zufallsbasis; Trefferquote (Anteil der Prüfungen mit Änderung); Precision at top-k; Zeit bis zur Erkennung eines Missing Traders vor der Erstattung; Anteil der Zufallsstichprobenfälle; Belastung steuerehrlicher Steuerpflichtiger durch Falsch-Positive; Fairnesskennzahlen über Gruppen; Ausgang von Beschwerden und Einsprüchen.

Menschen & Veränderung

Binden Sie die Leitung und die Abteilungsleitung (Prüfung und Risikomanagement) von Anfang an ein, da das Modell verändert, wer geprüft wird. IT und IT-Sicherheit bauen die Infrastruktur, die bzw. der Datenschutzbeauftragte muss einbezogen werden, bevor Daten zusammengeführt werden (eine DSFA nach Art. 35 DSGVO ist praktisch sicher: systematische Bewertung, großer Umfang; hinzu kommen die Regeln des Steuergeheimnisses), und die Rechtsabteilung prüft die Rechtsgrundlage für das Profiling. Betriebsrat: ja. Ein Bewertungssystem, das Prüfer nutzen und das deren Fallbearbeitung aufzeichnet, ist objektiv geeignet, Verhalten oder Leistung zu überwachen; daher gilt die Mitbestimmung nach §87 Abs. 1 Nr. 6 BetrVG (in Behörden der Personalrat nach BPersVG oder Landesrecht); der Rat ist außerdem rechtzeitig über KI-geplante Arbeitsabläufe nach §90 Abs. 1 Nr. 3 BetrVG zu unterrichten und kann nach §80 Abs. 3 einen KI-Sachverständigen hinzuziehen. Vereinbaren Sie eine Betriebs- oder Dienstvereinbarung, die die Nutzung von Fallstatistiken zur individuellen Leistungsbewertung ausschließt. KI-Kompetenz: Unterstützen Sie die Prüfer mit Schulungen zum Lesen der Begründungscodes und zu den Grenzen des Modells (Art. 4 KI-Verordnung, GUIDE-006). Starten Sie einen Pilot mit einem Prüfungsamt und einer Steuerart, behalten Sie zufällige Kontrollfälle bei und lassen Sie die Prüfer Bewertungen übersteuern und Rückmeldung geben. Die Hauptsorge ist Fairness: Veröffentlichen Sie die Auswahlkriterien intern, testen Sie auf Verzerrung je Gruppe und halten Sie bei jeder Prüfungsentscheidung einen Menschen in der Schleife. Siehe GUIDE-004, GUIDE-005 und GUIDE-008.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Die Einstufung hängt ab. Anhang III nennt Anwendungen der Strafverfolgung (Nr. 6) und die Anspruchsprüfung für öffentliche Leistungen (Nr. 5 Buchst. a), führt die Auswahl von Steuerprüfungen aber nicht auf [2]. Erwägungsgrund 59 stellt klar, dass KI-Systeme, die speziell für Verwaltungsverfahren der Steuer- und Zollbehörden bestimmt sind, nicht als hochriskante Strafverfolgungssysteme eingestuft werden sollen [6]. Ein System für Profiling in Strafermittlungen (Nr. 6 Buchst. e) oder zur Entscheidung über Leistungen wäre hochriskant. Behörden sollten dennoch freiwillig eine Governance auf dem Niveau für Hochrisiko-Systeme anwenden. Social Scoring nach Art. 5 und verbotene, allein auf Profiling beruhende Kriminalitätsvorhersage sind zu vermeiden; Art. 50 (Transparenz) gilt für jede Chatbot-Oberfläche. Prüfen Sie den Stand der Änderungen durch das Digital Omnibus an den Fristen der KI-Verordnung.
• DSGVO: Daten von Steuerpflichtigen sind personenbezogene Daten; Art. 22 begrenzt ausschließlich automatisierte Entscheidungen mit Rechtswirkung, und das nationale Steuerrecht (AO, Steuergeheimnis, § 30 AO) regelt die Verarbeitung. Eine DSFA ist erforderlich. Verwenden Sie keine geschützten Merkmale oder Proxys wie die Staatsangehörigkeit; der niederländische Fall zeigt die Strafe [5].
• Steuerrecht: Bedingungen des § 88 Abs. 5 AO (Zufallsstichprobe, menschliche Prüfung, Wirksamkeitskontrollen) [1]; Eurofisc- bzw. Amtshilfevorschriften für grenzüberschreitende Daten.
• Risiken und Gegenmaßnahmen: Verzerrung (Fairness-Audits, Proxys entfernen), Rückkopplungsschleifen (Zufallsprüfungen), Intransparenz (Begründungscodes, Dokumentation), Manipulation (nicht öffentliche Details sind nach § 88 Abs. 5 AO zulässig [1]), übermäßiges Vertrauen (verpflichtende menschliche Prüfung, Rechtsbehelfe).

Erste Schritte

1. Erfassen Sie Datenquellen und Rechtsgrundlagen; beziehen Sie die bzw. den Datenschutzbeauftragte(n) und die Verantwortlichen für das Steuergeheimnis ein, bevor Sie etwas aufbauen.
2. Entwerfen Sie zuerst die Zufallsprüfungsstichprobe; sie liefert unverzerrte Labels und Rechtskonformität.
3. Erstellen Sie einen Prototyp eines Gradient-Boosting-Scorers mit SHAP-Begründungscodes für eine Steuerart und vergleichen Sie die Top-k-Trefferquote mit der aktuellen Auswahl.
4. Ergänzen Sie einen Graph-Prototyp für Umsatzsteuerketten an historisch bekannten Betrugsfällen; validieren Sie mit den Prüfern.
5. Legen Sie die Governance fest: Model Card, Fairnesstests, Überwachung und einen Widerspruchsweg; führen Sie dann einen Pilot mit Prüfern in der Schleife durch.

Quellen

1. Section 88 AO (Untersuchungsgrundsatz, risk management systems) — https://www.gesetze-im-internet.de/ao_1977/__88.html
2. AI Act Annex III, high-risk systems — https://artificialintelligenceact.eu/annex/3/
3. Eurofisc, EU network against VAT fraud — https://www.eurofisc.eu/
4. Missing trader fraud (definition, size estimates citing Commission 2018 and European Parliament 2018) — https://en.wikipedia.org/wiki/Missing_trader_fraud
5. Dutch childcare benefits scandal (Dutch DPA findings on the tax administration) — https://en.wikipedia.org/wiki/Dutch_childcare_benefits_scandal
6. AI Act Recital 59 (tax and customs administrative proceedings) — https://artificialintelligenceact.eu/recital/59/