idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Die Universität Oldenburg und das Landesamt für Steuern Niedersachsen setzen auf maschinelles Lernen, um Steuerprüfungen zu automatisieren und Umsatzsteuerbetrügern schneller auf die Spur zu kommen.
Durch unrechtmäßig erstattete oder nicht gezahlte Umsatzsteuern sowie durch Steuervermeidung bei der internationalen Steuergestaltung entsteht in Deutschland jedes Jahr ein Schaden in Milliardenhöhe. Um den meist bandenmäßig organisierten Umsatzsteuerbetrügern schneller und effektiver auf die Spur zu kommen, setzen Informatiker der Universität Oldenburg und das Landesamt für Steuern Niedersachsen nun auf Methoden der Datenwissenschaften wie beispielsweise maschinelles Lernen zur Verarbeitung natürlicher Sprache. Ziel der Forschungskooperation „TaDeA – Tax Defence Analytics“ unter der Leitung von Andre Klümpen vom Landesamt für Steuern und Prof. Dr. Jorge Marx Gómez von der Abteilung Wirtschaftsinformatik/Very Large Business Applications der Universität Oldenburg ist es, bisher unentdeckte Fälle von grenzüberschreitendem Umsatzsteuerbetrug und aggressive Steuervermeidungspraktiken aufzudecken. Die Forschungskooperation hat eine Laufzeit von insgesamt drei Jahren. Das Projektvolumen liegt auf Seiten der Universität bei 125.000 Euro.
Das Forschungsvorhaben zielt zum einen auf betrügerische Umsatzsteuerkarusselle innerhalb der EU ab, bei denen Firmen sich beispielsweise vom Finanzamt die Umsatzsteuer für Produkte erstatten lassen, die sie nur zum Schein verkauft haben. Zum anderen will das Forschungsteam auch Unternehmen auf die Spur kommen, die Schlupflöcher im Steuersystem nutzen und beispielsweise Steuern vermeiden, indem sie Gewinne in andere EU-Länder verlagern. „Solche Sachverhalte aufzudecken und zu ermitteln ist wie die Suche nach der Nadel im Heuhaufen“, sagt Klümpen, Referatsleiter des Fachbereichs Internationale Steuergestaltung. Ein Problem bestehe darin, dass die Steuerprüfer teilweise große Mengen so genannter unstrukturierter Daten – vor allem Texte – aufarbeiten und analysieren müssten, was aufwändig und langwierig sei. Zum anderen reiche die Datenlage oft nicht aus, um den grenzüberschreitenden Umsatzsteuerbetrug zu bekämpfen, da beteiligte betrügerische Firmen meist schnell wieder vom Markt verschwinden.
Das Forschungsteam setzt daher auf moderne Data-Science-Methoden, um bislang manuell durchgeführte Prüfschritte zu automatisieren. „So lassen sich sehr viel mehr Daten in kürzerer Zeit analysieren“, betont Marx Gómez. Dabei soll nicht nur die eigentliche Prüfung in Zukunft zunehmend automatisch ablaufen, sondern es sollen auch neue Erkenntnisse aus den Daten gewonnen werden. Eine Möglichkeit besteht darin, Verfahren zu implementieren, die Anomalien in den Daten selbständig erkennen, also ungewöhnliche Muster oder Zusammenhänge, die zuvor nicht bekannt waren. So können Steuerbehörden etwa frühzeitig erkennen, wenn unrechtmäßige Umsatzsteuerauszahlungen oder -verrechnungen für eine bestimmte Produktkategorie auffällig werden – ein mögliches Indiz dafür, dass beim Handel mit diesen Waren Betrüger am Werk sind.
Prof. Dr. Jorge Marx Gómez, Tel.: 0441/798-4470, E-Mail: jorge.marx.gomez@uol.de
Merkmale dieser Pressemitteilung:
Journalisten, Lehrer/Schüler, Studierende, Wirtschaftsvertreter, Wissenschaftler, jedermann
Gesellschaft, Informationstechnik, Recht, Wirtschaft
überregional
Forschungsprojekte, Kooperationen
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).
