Die Steuererklärung als Gründer zu machen, ist eine ganz besondere Art der Folter.
Jedes Quartal wiederholt sich dasselbe Ritual: Sie melden sich bei sieben verschiedenen Portalen an, laden Dutzende PDF-Rechnungen herunter, suchen nach versteckten Stripe-Gebührenbelegen, gleichen diese mit drei verschiedenen Bankkonten ab und versuchen herauszufinden, ob ein SaaS-Tool mit Sitz in Utah unter das Reverse-Charge-Verfahren fällt oder der Regelbesteuerung unterliegt.
Ich hatte die Nase voll davon. Ich wollte meine Steuern mit einem Klick erledigen.
Konkret wollte ich meine europäischen Umsatzsteuervoranmeldungen (wie das Elster-System in Deutschland) abwickeln, ohne jemals wieder eine einzelne Rechnung manuell herunterzuladen, ein PDF in einen Ordner zu ziehen oder Steuerkategorien händisch zuzuweisen.
Also habe ich ein KI-System entwickelt, das die gesamte Pipeline von Anfang bis Ende übernimmt. Jetzt ruft das System jedes Dokument ab, scannt es, extrahiert die Metadaten, kategorisiert die Steuerklasse, gleicht sie mit meinem Cashflow über mehrere Banken hinweg ab und gibt genau die Zahlen aus, die ich für meine Umsatzsteuervoranmeldung benötige.
Hier erfahren Sie, wie ich meine Steuervorbereitung und Umsatzsteuervoranmeldungen mit KI automatisiert habe und wie die zugrundeliegende Architektur funktioniert.
Der Albtraum: Warum traditionelle Steuervorbereitung scheitert
Wenn Sie ein digitales Unternehmen führen, sieht Ihr Finanz-Stack wahrscheinlich ähnlich aus wie meiner:
- Mehrere Bankplattformen: N26 für den lokalen Geschäftsbetrieb, Wise für internationale Überweisungen, Stripe für Einnahmen.
- Verstreute Rechnungen: Google Workspace-Belege im Gmail-Posteingang, AWS-Rechnungen hinter einer Login-Sperre, Vercel-Gebühren auf der Kreditkarte, Adobe sendet einen Link zu einem Portal.
- Grenzüberschreitende Steuerlogik: Die europäische Umsatzsteuer ist berüchtigt. Eine Rechnung eines Unternehmens aus dem eigenen Land enthält die reguläre Umsatzsteuer (z. B. 19 % in Deutschland). Eine Rechnung eines Unternehmens mit Sitz in der EU erfordert die EU-Reverse-Charge-Logik. Eine Rechnung aus den USA kann steuerbefreit sein, der Einfuhrumsatzsteuer unterliegen oder als Bezug einer Dienstleistung aus einem Drittland behandelt werden.
Die traditionelle „Lösung“ besteht darin, für Software wie Dext oder Lexoffice zu bezahlen, Ihre PDFs manuell hochzuladen und Stunden damit zu verbringen, Fehler bei der automatischen Kategorisierung zu korrigieren. Aber das hinterlässt immer noch zwei große Reibungspunkte: das Beschaffen der Rechnungen und das Bestimmen der genauen Steuerklasse.
Ich wollte beides eliminieren.
+-----------------------------------------------------------------------+
| DER ALTE WEG |
| Bei 7 Portalen anmelden -> PDFs laden -> In Buchhaltung hochladen |
| -> Tags manuell korrigieren -> USt-Regeln raten -> CSV-Export |
| -> In Elster eintippen |
+-----------------------------------------------------------------------+
+-----------------------------------------------------------------------+
| DER KI-WEG |
| Skript auslösen -> Auto-Abruf -> Vision-KI-Extraktion -> Steuer-Engine|
| -> Multi-Banken-Abgleich -> Finale Elster-/USt-Gesamtsummen |
+-----------------------------------------------------------------------+
Schritt 1: Vollautomatische Rechnungsbeschaffung (Keine manuellen Downloads)
Die erste Regel meines automatisierten Setups: Ich melde mich nicht auf Websites an, um Rechnungen herunterzuladen.
Wenn ich einen Browser öffnen, zu einem Dashboard navigieren, auf „Abrechnung“ klicken und einen Monat auswählen muss, ist die Automatisierung fehlgeschlagen.
Ich wickle die Rechnungserfassung über zwei automatisierte Pipelines ab:
1. Erfassung über die Gmail-API
Die meisten Anbieter senden Belege per E-Mail oder hängen PDFs direkt an. Ich habe ein Skript eingerichtet, das die Gmail-API nutzt und zeitgesteuert läuft. Es sucht nach bestimmten Abfragemustern (has:attachment filename:pdf invoice, subject:"Ihre Quittung von", etc.) für den Zielsteuerzeitraum.
Das Skript lädt die PDF-Anhänge automatisch herunter und speichert sie direkt in einem verschlüsselten Cloud-Speicher-Bucket, der vom Workflow verarbeitet wird.
2. Browser-Automatisierung für Portal-Belege
Für Plattformen wie Stripe, AWS oder Meta Ads, die keine vollständigen Rechnungs-PDFs per E-Mail versenden, nutze ich Headless-Browser-Automatisierung (Playwright/Puppeteer), die an System-API-Schlüssel gekoppelt ist.
Speziell für Stripe nutze ich nicht einmal den Browser – ich greife direkt auf die Stripe-API zu, um monatliche Gebührenübersichten und Kontoauszüge als Rohdaten abzurufen.
Schritt 2: Intelligente Dokumentenverarbeitung mit Vision-Modellen
Sobald die PDFs in der Pipeline liegen, übernimmt die KI.
Anstatt mich auf starre OCR-Vorlagen (optische Zeichenerkennung) zu verlassen, die fehlschlagen, sobald sich ein Rechnungs-Layout um zwei Pixel verschiebt, speise ich die rohen Dokumentenseiten in multimodale KI-Modelle ein.
Was die KI extrahiert
Für jede einzelne Rechnung analysiert das KI-Modell das Bild und extrahiert strukturiertes JSON mit folgenden Inhalten:
- Name des Anbieters: z. B. „OpenAI, LLC“
- Adresse & Land des Anbieters: z. B. „San Francisco, CA, USA“
- Steuernummer / USt-IdNr. des Anbieters: z. B. „EU372011234“ oder „US-EIN...“
- Rechnungsdatum: Normalisiert auf
YYYY-MM-DD - Rechnungsbetrag & Währung: z. B.
$20.00 USDoder€119.00 EUR - Rechnungspositionen: Kurze Beschreibung der gekauften Dienstleistungen.
Hier ist ein vereinfachtes Beispiel für das strukturierte JSON-Schema, das der Modellausgabe vorgegeben wird:
{
"vendor_name": "GitHub Inc.",
"vendor_country": "US",
"vat_id": "US990123456",
"invoice_date": "2024-03-01",
"total_amount": 21.00,
"currency": "USD",
"tax_amount_stated": 0.00,
"line_description": "Developer Cloud Services"
}
Da LLMs Kontext verstehen, lassen sie sich nicht von ungewöhnlichen Layouts, mehrseitigen PDFs, gedrehten Scans oder Fremdsprachen verwirren.
Schritt 3: Automatisierte Steuerklassifizierungs-Engine
Das Extrahieren der Daten ist nur die halbe Miete. Die eigentliche Herausforderung ist die Beantwortung der Frage: Zu welcher Steuerklasse gehört diese Rechnung?
In europäischen Steuersystemen wie dem deutschen ELSTER bedeutet das Zuordnen einer Rechnung zur falschen Kategorie, dass Ihre Quartalsmeldung falsch ist – was Betriebsprüfungen oder Nachzahlungen zur Folge haben kann.
Mein System speist das extrahierte JSON in eine dedizierte Steuerklassifizierungsschicht ein. Die KI wertet den Standort des Anbieters, den Standort meines Unternehmens und die Art der Dienstleistung anhand vordefinierter Steuerregeln aus:
[ Extrahierte Rechnungs-JSON ]
|
v
/---------------------------\
/ Ist Anbieter im selben Land?\
\-----------------------------/
/ \
JA NEIN
/ \
[ Reguläre inländische USt ] /--------------------\
(z. B. 19 % Vorsteuer) / Ist Anbieter in EU? \
\--------------------/
/ \
JA NEIN
/ \
[ EU Reverse-Charge ] [ Nicht-EU Drittland ]
(§ 13b UStG) (Import von Dienstleistungen)
Wie die KI Sonderfälle behandelt
- Inländischer Kauf (z. B. deutscher Anbieter an deutsches Unternehmen): Kategorisiert als reguläre abzugsfähige Vorsteuer (19 % oder 7 % USt.). Das System extrahiert den ausgewiesenen Umsatzsteuerbetrag.
- EU-grenzüberschreitender Kauf (z. B. irischer Anbieter wie Google Ireland an deutsches Unternehmen): Erkannt als B2B Reverse Charge. Der Steuercode wird auf EU Reverse-Charge gesetzt und direkt den spezifischen Zeilen im Formular zur Umsatzsteuervoranmeldung zugeordnet (z. B. Kennziffer 46/67 in Elster).
- Dienstleistung aus einem Drittland (z. B. US-SaaS-Anbieter wie Vercel an EU-Unternehmen): Das System markiert dies als Dienstleistungsimport aus einem Nicht-EU-Land und wendet gegebenenfalls Reverse-Charge-Regeln für ausländische Dienstleistungen an.
Die KI erläutert ihre steuerliche Klassifizierungslogik in einem Protokoll, sodass ich überprüfen kann, warum ein bestimmtes Tag zugewiesen wurde, falls etwas ungewöhnlich aussieht.
Schritt 4: Bankenübergreifender Abgleich (Multi-Bank Reconciliation)
Eine Rechnung ist nur ein Stück Papier, bis Sie belegen, dass Sie sie tatsächlich bezahlt haben. Finanzämter verlangen einen Abgleich zwischen Ihren gemeldeten Ausgaben und Ihren Kontoauszügen.
Das wird schnell unübersichtlich, wenn Sie mehrere Finanzdienstleister nutzen:
- N26: Hauptgeschäftskonto (EUR-Überweisungen)
- Wise: Internationales Multi-Währungskonto (USD/GBP-Ausgaben)
- Stripe: Direkte Auszahlungen, Transaktionsgebühren und Rückbuchungen
Mein Skript verbindet sich über Bank-Feeds und API-Integrationen mit diesen Konten, um die rohen Transaktionsdaten für das Quartal abzurufen.
Unscharfe Abgleichslogik (Fuzzy Matching)
Rechnungen stimmen selten perfekt mit den Bankzeilen überein. Eine Rechnung von „Google Cloud“ über $100.00 vom 1. März erscheint auf einem Wise-Kontoauszug am 3. März möglicherweise als GOOGLE*CLOUD SERVICES SAN FRANCISCO CA über €92.45 nach Währungsumrechnung.
Das System führt einen Multi-Faktor-Abgleichsalgorithmus aus:
- Betrag & Währungsumrechnung: Rechnet Transaktionsbeträge auf Basis historischer Wechselkurse für das Rechnungsdatum um.
- Zeitliche Nähe: Sucht nach Banktransaktionen innerhalb eines 5-Tage-Fensters nach dem Rechnungsdatum.
- Semantischer Textabgleich: Verwendet Embedding-Ahnlichkeit, um den Anbieternamen (
OpenAI LLC) mit dem Bankbuchungstext (ZAHLUNG AN OPENAI TEMPE AZ) abzugleichen.
Wenn eine Rechnung zu einer Banktransaktion passt, wird sie als Abgeglichen (Reconciled) markiert. Fehlt zu einer Rechnung eine passende Zahlung – oder gibt es eine Abbuchung ohne entsprechende Rechnung –, flaggt das System dies auf einem Review-Dashboard.
Schritt 5: Generierung der Elster-Ausgabe
Am Ende der Pipeline möchte ich keinen riesigen Ordner voller kategorisierter Dateien. Ich möchte keine komplexe Tabellenkalkulation.
Ich möchte die exakten Zahlen, die in das Steuerportal eingegeben werden müssen.
Für meine deutsche Umsatzsteuervoranmeldung berechnet und druckt das System eine übersichtliche Zusammenfassung wie diese:
=====================================================
ZUSAMMENFASSUNG UMSATZSTEUERVORANMELDUNG (Q1)
=====================================================
[ Kz. 81 ] Steuerfreie/steuerpflichtige Umsätze (19 %): € 14.250,00 -> USt: € 2.707,50
[ Kz. 46 ] Andere Leistungen (EU / § 13b): € 1.840,00 -> Reverse Charge
[ Kz. 66 ] Abziehbare Vorsteuerbeträge (19 %): -> Vorsteuer: € 1.120,40
[ Kz. 67 ] Steuer aus EU Reverse Charge (§ 13b): -> Vorsteuer: € 349,60
***
FINALER ZAHLBETRAG / ERSTATTUNGSBETRAG: € 1.237,50
=====================================================
Status: 100 % abgeglichen (42/42 Transaktionen zugeordnet)
Ich öffne meinen Browser, melde mich bei ELSTER an, kopiere diese vier Zahlen in die entsprechenden Felder, klicke auf Absenden und schließe den Tab.
Der gesamte Prozess der Steuervorbereitung dauert weniger als zwei Minuten.
Die wichtigsten Erkenntnisse für den Aufbau Ihrer eigenen Pipeline
Wenn Sie Ihren eigenen Steuer-Workflow mit KI automatisieren möchten, halten Sie sich an diese Prinzipien:
- Nutzen Sie keine reine OCR, sondern multimodale KI: Veraltete OCR bricht bei individuellen Layouts ab. Vision-fähige LLMs verstehen den Dokumentenkontext mühelos.
- Erzwingen Sie JSON-Schemata: Zwingen Sie Ihre KI-Modelle über Systemparameter dazu, striktes JSON auszugeben (z. B. mit OpenAI Structured Outputs oder Instructor-Bibliotheken), damit Ihr Code nicht wegen ungültiger Formatierung abstürzt.
- Audit-Trails sind nicht verhandelbar: Speichern Sie das rohe Rechnungs-PDF immer zusammen mit den von der KI extrahierten Metadaten und der Bank-Transaktions-ID. Wenn Betriebsprüfer in drei Jahren Fragen stellen, müssen Sie Ihre Berechnung nachweisen können.
- Bauen Sie einen Kontrollmechanismus ein: Gestalten Sie das System so, dass es sicher fehlschlägt. Wenn der Konfidenzwert der KI bei einer Steuerklassifizierung niedrig ist oder eine Rechnung beim Bankabgleich um mehr als ein paar Cent abweicht, leiten Sie sie in eine Prüfwarteschlange für die manuelle Kontrolle weiter.
Möchten Sie Zugriff auf dieses Tool?
Ich habe dieses System gebaut, um meinen eigenen Frust bei der Verwaltung von Multi-Währungskonten, SaaS-Abonnements und grenzüberschreitenden europäischen Umsatzsteuervoranmeldungen zu lösen. Es hat mir bereits jedes Quartal Dutzende Stunden manueller Arbeit erspart.
Es hat für meinen eigenen Stack so gut funktioniert, dass ich derzeit die Infrastruktur verfeinere, um sie anderen Gründerinnen und Gründern, Freelancern und Indie-Hackern zugänglich zu machen, die ihre Steuervorbereitung automatisieren wollen.
Wenn Sie an einem frühen Zugang interessiert sind oder sehen möchten, wie es für Ihr Setup funktioniert, kontaktieren Sie mich oder hinterlassen Sie unten Ihr Feedback. Ich würde gerne erfahren, wie Ihr aktueller Steuer-Workflow aussieht und welche Reibungspunkte Sie gerne automatisieren würden.