Data Analytics - Chancen und Herausforderungen für Steuerpflichtige

Die Finanzverwaltung treibt die Digitalisierung der Betriebsprüfung voran und setzt verstärkt auf Data Analytics. Seit dem DAC-7 Umsetzungsgesetz ist sie über § 147b AO ermächtigt, einheitliche Datenschnittstellen und Datensatzbeschreibungen zu definieren. Im Dezember 2023 hat sie dazu einen Diskussionsentwurf zur „Verordnung zur digitalen Schnittstelle der Finanzverwaltung für Buchführungsdaten“ an verschiedene Verbände zur Stellungnahme geschickt. Dieser Entwurf definiert den Mindestumfang und den Standard der zu übermittelnden Daten. Die Finanzverwaltung verspricht sich durch diesen Standard schnellere Außenprüfungen und effizientere Datenanalysen.

Diese Entwicklungen gehen einher mit einem fortschreitenden Ausbau der Methodenkompetenz durch die Finanzverwaltung. Sie nutzt in Betriebsprüfungen verstärkt fortgeschrittene statistische Verfahren. Dazu gehören beispielsweise:

• Die Zeitreihenanalyse, um Muster, Trends und Auffälligkeiten im Zeitverlauf zu analysieren.
• Die Summarische Risiko Prüfung (Link zum Handbuch), die von der Finanzverwaltung zur Risikoabschätzung, Prüffeldselektion und Aufdeckung von Manipulationen entwickelt wurde.
• Das Monetary Unit Sampling, eine Stichprobenanalyse, bei der größere Transaktionseinheiten mit einer höheren Wahrscheinlichkeit ausgewählt werden, um diese auf Richtigkeit zu prüfen.

Dies wird begleitet durch den verstärkten Einsatz von Datenanalyse- und -visualisierungstools wie MS Power BI, die die Finanzverwaltung in die Lage versetzen, die angefragten Daten umfassend und automatisiert zu analysieren.

Um mit diesen Entwicklungen Schritt zu halten, sollten Steuerpflichtige ihre Daten proaktiv analysieren und bei Bedarf rechtzeitig Gegenmaßnahmen einleiten, bevor es im Rahmen von Betriebsprüfungen zu unliebsamen Überraschungen kommt. Damit stehen Steuerpflichtige mehr denn je vor der Herausforderung, die ständig wachsende Flut an steuerlich relevanten Daten effizient zu managen und sich dabei oftmals durch einen Dschungel von ERP-Systemen zu schlagen. Integrierte Ansätze sind häufig nicht möglich, da die Steuerabteilung nicht oder nur unzureichendes Mitspracherecht bei der Entstehung der Daten hat. Daten müssen somit außerhalb der ERP-Systeme in das jeweils benötigte Format gebracht werden – häufig in manuellen, repetitiven und fehleranfälligen Berechnungen in MS Excel oder anderen Tabellenkalkulationsprogrammen. Auch die Nachvollziehbarkeit von Datenverarbeitungsschritten wird im Rahmen von Betriebsprüfungen immer wichtiger. Entsprechend werden undurchsichtige Excel-Prozesse häufig nicht mehr akzeptiert.

Steuerpflichtige können diese Entwicklung zu ihrem Vorteil nutzen. Die geschilderten Fortschritte der Finanzverwaltung bieten gute Argumente, historisch gewachsene manuelle Prozesse in Unternehmen ebenfalls auf einen neuen Stand zu bringen. Durch gezielte Projekte können Datenanalysen in der Steuerabteilung etabliert und datengetriebene Prozesse automatisiert werden. Dies spart nicht nur wertvolle Zeit, sondern erhöht auch den Stellenwert der Steuerabteilung im Unternehmen. Die Steuerabteilung kann die resultierenden Daten nutzen, um wertvolle Einblicke zu gewinnen, Risiken und Fehler zu minimieren, die Compliance zu erhöhen und steuerliche Potenziale zu erschließen.

Grundsätzlich lassen sich Data & Analytics-Projekte im Steuerbereich in zwei Hauptkategorien einteilen: die Automatisierung wiederkehrender datengetriebener Prozesse und die Massendatenanalyse, wobei die Grenzen oft fließend sind.

Bei der Automatisierung geht es darum, regelmäßig wiederkehrende manuelle Prozesse durch fortschrittliche BI-Tools zu automatisieren. Projektbeispiele sind:

• Erstellung der neuen Transaktionsmatrix
• Erstellung von CbCR Tabelle I auf Knopfdruck
• Erstellung von Umsatzsteuer-Voranmeldungen
• Durchführung wiederkehrender Prüfungen zur laufenden steuerlichen Validierung im Rahmen eines internen Kontrollsystems (IKS).

Die Massendatenanalyse zielt darauf ab, große Datenmengen zu analysieren und Erkenntnisse zu gewinnen, die bisher im Verborgenen lagen. Durch die Analyse dieser Daten können wertvolle (Steuer-)Potenziale und Muster aufgedeckt werden. Projektbeispiele sind:

• Analyse von Steuerrisiken und -potenzialen, z.B. aus Verrechnungspreissicht
• KPI-Ermittlung im Bereich der Ertragsteuern
• Simulation von Betriebsprüfungsrisiken und Folgewirkungen
• Massenauslesen von PDF-Dokumenten, Strukturierung dieser Daten und Abgleich mit z. B. ERP-Daten
• Forecasting von Steuerpositionen und Abgleich mit Ist-Werten zur Identifizierung auffälliger Abweichungen
• Ermittlung von Risikobewertungen basierend auf CbCR-Daten.

Die Definition der relevanten Datengrundlagen und Auswahl der richtigen Analyse-Tools ist entscheidend für den Erfolg von Data Analytics-Projekten. Sie sind mit Blick auf die Zielsetzung der Analyse und genaue Verwendung durch den jeweiligen Empfängerkreis auszuwählen.

Low-Code-Tools wie Alteryx oder KNIME ermöglichen es, bestehende Prozesse flexibel zu automatisieren und maßgeschneiderte Analysen durchzuführen. Sie sind nicht auf den Steuerbereich beschränkt und bieten eine visuelle Bearbeitungsfläche, die die Nachvollziehbarkeit der Datenverarbeitungsschritte in Betriebsprüfungen wesentlich erhöht.

Spezialsoftware hingegen ist auf spezifische Bereiche zugeschnitten und enthält häufig vorgefertigte Berechnungslogiken. Sie können an spezielle IT-Systeme angeknüpft werden (z.B. im Zoll-Bereich). Zudem kann sie zum Teil auch direkt in ERP-Systeme eingebunden werden, wie beispielsweise im Bereich der SAP Tax Compliance.

Unabhängig vom eingesetzten Tool empfiehlt es sich, die bearbeiteten Daten über ein Datenvisualisierungstool wie beispielsweise MS Power BI zu visualisieren. Dies erleichtert die Erfassung von Informationen und die Erkennung von Mustern und Trends durch Experten. Diese können durch klug gesetzte Filter eigene Analysen vornehmen - nicht zuletzt deshalb setzt auch die Finanzverwaltung immer stärker auf solche Tools.

Ein Beispiel für ein Dashboard zur Darstellung der Country-by-Country-Reporting-Daten und erster Analysen ist nachfolgend dargestellt.

Bildquelle: Unsplash, Karolina Grabowska