Steuerkanzlei 2026: Was eigentlich passiert
Die Branche steht unter doppeltem Druck. Auf der einen Seite: Mandantenzahl steigt, Komplexität der Gesetzgebung steigt. Auf der anderen Seite: Personalmangel ist akut. Steuerfachangestellte sind gesucht wie Gold, viele Kanzleien lehnen Neumandate ab, weil die Bestandsmandate kaum noch zu schaffen sind.
KI hat in der Steuerbranche einen Sonderstatus. Einerseits ist sie offensichtlich nützlich (viel Routinearbeit, viele Standardschreiben, viele wiederkehrende Fragen). Andererseits ist sie regulatorisch hochsensibel: Mandantengeheimnis nach § 203 StGB, DSGVO, AO-Pflichten zur Datensicherheit.
Wer als Steuerberater 2026 KI einsetzt, muss beides können — den Hebel realisieren und die Compliance einhalten.
Sieben Use-Cases mit konkretem Output
1. Belegerkennung und Vorbuchung
DATEV und einige Drittanbieter bieten 2026 sehr brauchbare Belegerkennung. Aus Foto/PDF werden Buchungsdatensätze. Output: 60–80% der Standard-Belege werden automatisch zugeordnet. Steuerfachangestellte prüfen statt einzutippen.
2. Mandantenanfragen-Klassifizierung und Vorantwort
E-Mails von Mandanten werden automatisch klassifiziert (Standardfrage, Bescheiderklärung, Terminwunsch, etc.) und Antwortentwürfe vorbereitet. Output: 50–70% Zeitersparnis bei der täglichen Mandantenkommunikation.
3. Bescheid-Erklärungen für Mandanten
„Was bedeutet dieser Steuerbescheid für mich?” wird automatisch erläutert — basierend auf Bescheid und Mandantenkontext. Output: Aus 30 Min Erläuterung wird 5 Min Quality Control.
4. Internes Wissen suchbar machen (RAG)
Standardschreiben, frühere Fälle, interne Notizen, Schulungsunterlagen werden in einen Embedding-Index gepackt. Mitarbeitende fragen in natürlicher Sprache. Output: „Hatten wir schon mal ähnlichen Fall?” wird in 30 Sekunden statt 30 Minuten beantwortet.
5. Recherche-Beschleunigung bei Steuerfragen
KI durchsucht BMF-Schreiben, BFH-Urteile und Fachliteratur, gibt Erst-Synthese mit Quellen. Output: Vorrecherche von 2 Stunden auf 20 Minuten — finale Bewertung bleibt beim Berater.
6. Jahresabschluss-Kommentarabschnitte
Wiederkehrende Standardabschnitte im Jahresabschluss-Bericht werden vorbefüllt. Output: 30–50% Zeitersparnis bei Berichterstellung.
7. Onboarding neuer Mandanten
Fragebogen, Vollmachten, Erstdatenerfassung — KI strukturiert die Eingaben, prüft auf Vollständigkeit, erstellt Aufgabenlisten. Output: Schnelleres, professionelleres Onboarding.
Tool-Kategorien — vorsichtig empfohlen
- DATEV-eigene KI: Belege, Buchung, mittlerweile auch erste Assistenz-Funktionen
- Lokale LLMs: Llama 3.x, Qwen, Mistral auf eigenem Server (16GB+ GPU empfohlen) — DSGVO-/Mandantengeheimnis-konform
- Azure OpenAI in EU-Rechenzentrum: Mit dediziertem Vertrag eine Option für weniger sensible Use-Cases
- RAG-Frameworks: LangChain oder LlamaIndex auf eigenem Server
- Workflow-Klebstoff: n8n self-hosted (in eigener Infrastruktur, DSGVO-konform)
Wir empfehlen für Steuerkanzleien explizit keine US-Cloud-LLMs für sensible Mandantendaten — das Risiko bei einer Datenschutz-Anfrage von Bundesanwaltschaft oder Mandant ist zu hoch.
Mandantengeheimnis und DSGVO
Das ist der heikelste Teil. § 203 StGB regelt das Mandantengeheimnis. Eine Verletzung ist Straftat, nicht nur Bußgeld.
Was bedeutet das für KI?
- US-Cloud-LLMs ohne EU-Rechenzentrum: faktisch nicht nutzbar für Mandantendaten
- Azure OpenAI EU mit dediziertem Vertrag: möglich, aber jeder Auftragsverarbeitungsvertrag muss sauber sein
- Lokale KI auf eigenem Server: einzig wirklich sichere Lösung — alle Daten bleiben im Haus
- Anonymisierung vor KI-Eingabe: theoretisch möglich, in der Praxis schwierig konsistent
Wir machen seit 2 Jahren Steuerkanzlei-Projekte und empfehlen fast immer den lokalen Weg. Hardware kostet einmalig 5.000–15.000 Euro, dann ist man unabhängig.
Pilot-Idee: 12-Wochen-RAG-Pilot mit lokalem LLM
- Woche 1–2: Hardware-Auswahl, Daten-Bestandsaufnahme, Berechtigungskonzept
- Woche 3–4: Server-Aufsetzung (lokales LLM + Embedding-Modell), erste Dateneinspeisung
- Woche 5–8: Pilot-Nutzung mit 3–5 Mitarbeitenden, iterative Verbesserung
- Woche 9–10: Erweiterung auf gesamtes Team
- Woche 11–12: Auswertung, Roadmap für nächste Use-Cases
Aufwand: 12.000–25.000 Euro Beratung + 5.000–15.000 Euro Hardware + 30–60 Stunden interner Aufwand.
Was KI in der Steuerkanzlei nicht macht
- Steuergestaltungsberatung — das ist Beraterleistung mit Haftung
- Empathie im Mandantengespräch
- Verbindliche Aussagen zu komplexen Sachverhalten
- Ersatz für sauberes Fachwissen — KI macht Fehler bei seltenen Konstellationen
Jeder KI-Output muss validiert werden. Wer das nicht macht, riskiert Beratungsfehler — und in der Branche heißt Beratungsfehler oft Haftungsfall.
Erste Schritte
- Use-Case-Workshop: Wo liegen die Stunden in der Woche?
- Datenschutz-Check: Was darf wohin?
- Hardware-Entscheidung: Lokal vs. Azure EU
- Pilot mit klar abgegrenztem Bereich (z.B. nur Mandanten-Anfragen-Klassifizierung)
- Schrittweise erweitern, nie alles auf einmal
Vertiefung
Für die rechtliche Lage in der Steuerbranche empfehlen wir explizit Lokale KI als Basis-Infrastruktur. Wer doch hybrid arbeiten will, schaut bei Cloud-KI mit Azure — aber mit klaren Compliance-Hinweisen. Die technische Grundlage für Mandanten-Wissen ist Embeddings & RAG.
Eine KI-Beratung klärt mit dir die regulatorischen Pflichten und sortiert die Use-Cases mit dem höchsten Hebel.
