Künstliche Intelligenz im Steuerbereich. Berlin

Transkript

1 Künstliche Intelligenz im Steuerbereich Berlin

2 Einführung in KI und deren Einsatz im Steuerbereich Prof. Dr. Dr. h.c. mult. Wolfgang Wahlster, DFKI

3 Künstliche Intelligenz für die zweite Welle der Digitalisierung Zweite Welle: Erste Welle: Daten digital» Erfassen» Speichern» Übertragen» Verarbeiten Daten digital» Verstehen» Veredeln» Aktiv nutzen» Monetarisieren Maschinenlesbare Daten: Internet- und Cloudtechnologien Maschinenverstehbare Daten: Künstliche Intelligenz und Maschinelles Lernen Digitalisierung mit Sinn und Verstand

4 Die vier Phasen der KI-Forschung Intelligenzgrad Phase 4 : ab 2010 Phase 3: bis 2010 Phase 2: bis 1990» Kombination von Lernverfahren mit wissensbasierten Methoden» Maschinelles Lernen über Massendaten» Maschinelle Wissensverarbeitung mit manuell erstellten Wissensbasen Phase 1: bis 1970» Heuristische Such- und Schlussfolgerungsverfahren

5 Kerngebiete und Einsatzfelder der KI

6 Assistenzsysteme für die Unterstützung von körperlicher und geistiger Arbeit durch Künstliche Intelligenz Assistenz bei körperlicher Arbeit durch kollaborative KI-Roboter Assistenz bei geistiger Arbeit durch kognitive KI-Systeme

7 Big Data: Daten als Wirtschaftsgut BIG DATA 95% der 1,2 Zettabyte weltweiten digitalen Daten sind unstrukturiert - bei einem Datenwachstum pro Jahr von 62%.

8 Modernste IT-Umgebungen ermöglichen den Siegeszug von KI-Lösungen Cloud- Technologien Web- Technologien In-Memory Computing KI BigData GPU- Parallelrechner Mobiles Internet Google: Von Mobile First zu AI First

9 Was bewirkt der Einsatz von KI-Technologien? autonom kooperativ proaktiv interoperabel selbstheilend Merkmale von KI- Systemen adaptiv selbsterklärend lernfähig selbstoptimierend fehlertolerant

10 Von programmierten Systemen zu selbstlernenden Systemen Ausgabe Ausgabe Ausgabe Computerprogramm Algorithmus, Heuristik Programmierer erstellt Software Wissensverarbeitung Suche, Inferenz, Planung Wissensbasis Fakten, Regeln, Modelle Maschinelles Lernen Merkmalsextraktion, Mustererkennung, Merkmalsabbildung Datenbasis Trainingsdaten, Metadaten, Testdaten Eingabe Eingabe Eingabe Flaschenhals: Programmierer hoher Entwicklungsaufwand aufwändige Adaption geringe Erklärungsfähigkeit Flaschenhals: Wissensbasis hoher Entwicklungsaufwand hoher Pflegeaufwand gute Erklärungsfähigkeit Flaschenhals: Trainingsdaten geringer Entwicklungsaufwand leichte Anpassbarkeit schlechte Erklärungsfähigkeit

11 Wie Software trainiert wird Regelbasiert Lernen anhand von definierten Regeln: 1. Ein Apfel ist schlecht, wenn er braune Flecken hat 2. Ein Apfel ist schlecht, wenn er Runzeln hat 3. Ein Apfel ist schlecht, wenn er braun ist 4. Nachteile regelbasierter Modelle:» Präzise Regeln sind sehr schwer zu formulieren» Regeln sind fast nie vollständig Maschinelles Lernen Lernen anhand von Beispielen Schlechter Apfel Schlechter Apfel Guter Apfel Adaptiert von Leverton W. Wahlster

12 Deep Learning für das Bildverstehen: Netzwerke aus mehreren Schichten merkmalserkennender Neuronen Unfall auf Landstraße Szenen- und Objektmodell Ausgabeschicht PKW 1, PKW 2 Polizeitransporter Haltestellenschild Objekte Fahrbahn, Radkappe, Heckleuchte Szenenelemente Objektteile Grüne Fläche im Hintergrund, Linie auf Fahrbahn Bildelemente, Bereiche Kanten, Markante Punkte Bild 3 Bild 2 Bild 1 Eingabeschicht Je mehr verdeckte Schichten ein Deep Learning Netz hat, desto mehr kann es abstrahieren und subtile Zusammenhänge erkennen.

13 Offene Probleme beim Maschinellem Lernen» Fehlanpassung durch zu viel Training» Kein Extinktionslernen» Schwache Selbsterklärungsmöglichkeiten» Alchemie der Lernarchitektur» Fehlalarme durch falsch positive Ergebnisse

14 Kognitive Fähigkeiten für die Arbeit im Steuerbereich: Schwierigkeitsgrade für KI-Systeme Lesen + Bewerten ++ Übersetzen + Entscheiden ++ Verstehen ++ Dokumentieren + Klassifizieren + Formulieren + Analysieren ++ Begründen +++ Rückfragen + Argumentieren +++ zunehmender Schwierigkeitsgrad:

15 Potentiale für den Einsatz von KI im Steuerbereich Zeit» Standardisierung von Routinetätigkeiten» Proaktive Informationsbereitstellung» Harmonisierung von Schnittstellen» Vereinfachte Datenaufbereitung» Erhöhung der Compliance» Minimierung von Steuerrisiken» Qualitative Tätigkeitserweiterung» Aufdecken neuer Zusammenhänge Qualität Kosten» intelligente Automatisierung» bessere Ressourcenauslastung» KI-getriebene Skalierungseffekte» Erhöhte Produktivität aus wts-studie des DFKI zur Untersuchung der Potentiale von KI im Bereich Steuer

16 Drei Generationen von KI-Systemen für den Steuerbereich 1. Tax Chatbot 2. Tax Assistant 3. Robo Tax Clerk beantwortet einfache Fragen aus dem Unternehmen oder von Mandanten Unterstützt und berät den Steuerspezialisten bei einem breiten Aufgabenspektrum Substituiert Steuersachbearbeiter bei repetitiven Aufgaben vollständig heute in 2-3 Jahren in 3-5 Jahren t

17 Superintelligenz als Science Fiction

18 Ist Künstliche Intelligenz besser als die menschliche Intelligenz eines Steuerexperten? [f: P* A] [f: P* A] Antwort : Noch lange nicht! Aber:

19 Künstliche Intelligenz ist besser als natürliche Dummheit ? [f: P* A]

20 Einführung in die Innovationsstudie Vorstellung der Prototypen Fritz Esterer, WTS

21 Die Umsetzung der nicht gedachten Vision

22 Warum KI und Steuern? Riesige Datenmengen in Konzernen (Zoll, USt, VP, LSt) Zunehmende Complianceanforderungen (Steuer IKS) Hohe Priorität von KI Technische Reife von KI-Basistechnologien Greenfield Approach bei Steuer Gemeinsame Pionierarbeit von DFKI und WTS zur Exploration der Potentiale

23 Erkenntnisse der Studie Der Einsatz von KI liefert enormes Unterstützungs- und Automatisierungspotential in der Steuerberatung. Tätigkeiten, die nur eine geringe soziale Intelligenz, Kreativität und Umgebungsinteraktion erfordern, werden mithilfe von KI automatisiert, wodurch erhebliche Kostensenkungen und Qualitätssprünge möglich werden. Das Tätigkeitsfeld des Steuerberaters wird sich wandeln, insbesondere findet eine Konzentration und Ausweitung auf hochwertige Beratungstätigkeiten statt.

24 Schwerpunkte der Studienbetrachtung Lohnsteuer Umsatzsteuer Zoll Quellensteuer

25 Anwendungsszenarien für KI im Steuerbereich Antworten auf Fragen, die niemand gestellt hat» Erkennen von Zusammenhängen ( Big Data )» Identifizierung von Anomalien durch selbstlernende KI-Verfahren Jagd auf steuerliche Prozesse» Identifizierung gelebter Prozesse ( Process Mining )» Automatischer Soll-Ist-Abgleich ( Steuer IKS in Echtzeit ) Anwendung von KI Navi für den Steuerchef» Innovative Assistenzsysteme» Strukturierte Fragen und Antworten KI als Wettbewerber von Steuerjuristen» Beschleunigung von Recherchen und Übersetzungen» Erstellung von Gutachten und juristischen Stellungnahmen

26 Prototypen» Inhaltliche Analyse von Steueranfragen» Spracherkennung und Sprachverständnis im Bereich Steuer» Identifikation von argumentativen Strukturen» Maschinelle Übersetzung von Steuerfachtexten» Erkennung von unbekannten Fehlern in Massendaten

27 Steuerfunktion der Zukunft Ziemlich bester Business Partner» Antwortvorschläge für alle steuerlichen Fragestellungen» Schnittstellenfreie Vernetzung der Steuerabteilung 100% Compliance» Echtzeitzugriff auf alle global vorhandenen steuerrelevanten Daten und Prozesse» International Compliance Assurance (ICAP) durch weltweite Kooperation mit Finanzverwaltungen

28 Vorstellung der Prototypen Prof. Dr. Peter Fettke, DFKI Eike Nikoleit, WTS Prof. Dr. Swen Bäuml, WTS Tim Niesen, DFKI Vanessa Just, WTS Andreas Homrighausen

29 KI-Technologien im Überblick

30 Prototypen im Überblick

31 Prototyp Detection Eike Nikoleit

32 Prototyp Detection: Künstliche Intelligenz zur Beherrschung der Datenflut Selbstlernende Anomalieerkennung Muster Filterung und Verdichtung Aufdecken unbekannter Zusammenhänge Identifikation von Einflussfaktoren

33 Prototyp ARGUMENTUM Prof. Dr. Swen Bäuml und Tim Niesen

34 Prototypen im Überblick

35 Einführung ARGUMENTUM» Wachsende Verfügbarkeit von Rechtsprechungscorpora in elektronischer Form, z. B. des BVerfG-Corpus Möglichkeiten der Automatisierung von Abläufen» Zielsetzung des Projektes ARGUMENTUM Erforschung der Potentiale und Grenzen der Analyse, des Auffindens und des Vorschlagens von Argumentation mit rechnergestützten Methoden am Beispiel der Rechtswissenschaft

36 Einführung ARGUMENTUM Analyse Vorschläge Suche

37 Potentiale» Heute übliche Suchmaschine erlauben eine Recherche mit Suchbegriffen qualitative Unterscheidung sind darüber hinaus nicht möglich qualitative Unterscheidung durch Farbe führt zu Effizienzgewinnen bei der Recherche in der Praxis» Angabe qualitativer Suchkriterien und inhaltliche Auswertung von Urteilen durch Verständnis von Strukturen und Zusammenhängen schnelle Erfassung relevanter Textpassagen und automatische Vorverarbeitung» hoher Effizienzgewinn bei der juristischen Recherche, z. B. durch schnelleres Herstellen der argumentativen Hierarchie Aufzeigen argumentativer Hotspots Einschränkung der Suche nach relevanten Argumentationsmustern

38 Wo steckt die KI im Prototypen?» System lernt die Zusammenhänge, ohne dass Regeln explizit vorgegeben werden müssen» System geht weit über stichwortbasierte Suche hinaus, argumentative Passagen werden auch gefunden wenn Schlüsselwörter nicht explizit vorkommen» Automatische Verarbeitung von Urteilstexten und Anwendung von gelernten Regeln keine händische Annotation o. ä. notwendig» erste Schritte, die Menschen bei der Sichtung und Bewertung der Urteilstexte vornehmen, werden automatisiert und vom System übernommen

39 Prototyp ARGUMENTUM: Künstliche Intelligenz zur Ableitung semantischer Zusammenhänge Lernen argumentativer Zusammenhänge Argumentation Automatische Annotation Erschließung struktureller Informationen Automatisierte Sichtung und Bewertung

40 Prototyp NeuMU Vanessa Just und Tim Niesen

41 Eine sportliche Herausforderung

42 3 No. 41 EStG. 1 1 Übersetzung durch Google Übersetzer, 09. Oktober 2017 Feststellung des Leistungsstandes In diesem Urteil vom hatte der BFH darüber zu entscheiden, ob das in 8b Abs. 5 Satz 1 KStG geregelte pauschale Betriebsausgabenabzugsverbot auch auf Gewinnausschüttungen anzuwenden ist, die nach 3 Nr. 41 EStG steuerfrei geblieben sind. In this judgment of 26 April 2017, the BFH had to decide whether the flat-rate ban on the ban on operating expenses, which is regulated in 8b (5) 1 KStG, also applies to profit distributions which have remained tax-exempt pursuant to

43 3 No. 41 EStG. 1 1 Übersetzung durch Google Übersetzer, 09. Oktober 2017 Feststellung des Leistungsstandes In diesem Urteil vom hatte der BFH darüber zu entscheiden, ob das in 8b Abs. 5 Satz 1 KStG geregelte pauschale Betriebsausgabenabzugsverbot auch auf Gewinnausschüttungen anzuwenden ist, die nach 3 Nr. 41 EStG steuerfrei geblieben sind. In this judgment of 26 April 2017, the BFH had to decide whether the flat-rate ban on the ban on operating expenses, which is regulated in 8b (5) 1 KStG, also applies to profit distributions which have remained tax-exempt pursuant to

44 Zehnkampf vs. Einzeldisziplin Übersetzungsleistung Politische Sachtexte Moderne Lyrik Zeitungsartikel Wissenschaftliche Fachbeiträge Steuerfachtexte

45 Zehnkampf vs. Einzeldisziplin Übersetzungsleistung Politische Sachtexte Moderne Lyrik Zeitungsartikel Wissenschaftliche Fachbeiträge Steuerfachtexte

46 Eine Frage des Trainings Ziel: Übersetzung des WTS Tax Weekly Newsletters von Deutsch nach Englisch Pressemitteilungen Website-Texte EU-Richtlinien EuGH-Rechtsprechung Tax Weekly Newsletter

47 Trainingsfortschritte Tätigkeiten, die nur eine geringe soziale Intelligenz, Kreativität und Umgebungsinteraktion erfordern, werden mithilfe von KI automatisiert, wodurch erhebliche Kostensenkungen und Qualitätssprünge möglich werden. Activities that require only a low level of social intelligence, creativity and the promotion of the environment are automated with the help of Ki, which makes significant cost reductions and high-quality jumps possible. Activities that require only a low social intelligence, creativity and spatial action are automated using artificial intelligence, allowing significant cost reductions and quality jumps. Stand: 04. September 2017 Stand: 07. Oktober 2017

48 Trainingserfolge Durch Hinzurechnungsbesteuerung soll verhindert werden, dass Unternehmen Gewinne in Firmen ohne operative Verantwortung bzw. ohne Aktivität in Niedrigsteuerländern verlagern können. The aim is to prevent companies from shifting profits in firms without operational responsibility or without activity in low-tax countries. Controlled foreign corporation rules are intended to prevent companies from shifting profits in firms without operational responsibility or without activity in low-tax countries. Stand: 04. September 2017 Stand: 07. Oktober 2017 Throughout taxation, companies are to be prevented from transferring profits to companies without operational responsibility or without activity in low-income countries. 1 1 Übersetzung durch Google Übersetzer, 10. Oktober 2017

49 Zukünftige Disziplinen» Intern genutzter Übersetzungs-Service» Verfeinerung durch selbständiges Lernen aus neuen Texten» Ausweitung des Systems auf andere Sprachen» Automatische Übersetzungen zwischen beliebigen Sprachkombinationen» Anwendung auf gesprochene und geschriebene Sprache in Echtzeit» Rechtssichere Übersetzung komplexer Fachdokumente

50 Prototyp NeuMU: Künstliche Intelligenz zur automatisierten Übersetzung Sprach- und Grammatikverständnis Übersetzung Bilinguale Zusammenhänge Charakteristika im Bereich Steuer Fachspezialisierung

51 Prototyp Prediction Eike Nikoleit

52 Prototyp Prediction: Künstliche Intelligenz zur Zuordnung von Steuerexperten Lernen von Klassifikationsregeln Verständnis Kontinuierliche Verbesserung durch Experten-Feedback Wissensdatenbanken Automatisierte Fragebeantwortung

53 Prototyp Q&A Andreas Homrighausen

54 Prototyp Q&A: Künstliche Intelligenz zur intelligenten Dialogführung Natürliche Dialogführung Dialoge Inhaltliches Verständnis Erschließung notwendiger Informationen Freie Spracheingabe

55 Prototypen im Überblick