KI-gestützte Forschungsmethoden in der Betriebswirtschaftlichen Steuerlehre

Third party funded individual grant


Start date : 01.04.2023

End date : 31.03.2024


Project details

Scientific Abstract

1. Problemstellung
Die Auswirkungen der Digitalisierung sind seit geraumer Zeit (wenn auch mit etwas Verspätung) im Bereich der
Besteuerung angekommen und stellen sowohl Forschung als auch Praxis vor eine Vielzahl an interdisziplinären
Chancen und Herausforderungen, die es zu verstehen und zu lösen gilt. Die Interdisziplinarität ist hierbei zentrales
Element: Schon ohne die Hinzunahme von Einflüssen der Digitalisierung ist die Steuerlehre sowohl an
betriebswirtschaftlichen als auch an juristischen Fakultäten angesiedelt (mit den entsprechenden
Forschungsfragen). In den letzten Jahren kamen noch informationstechnologische Fragestellungen aus dem
Bereich der (Wirtschafts‐)Informatik hinzu. Kompetenzen auf dem Gebiet des Datenverständnisses und der
Datenanalyse vor dem Hintergrund steuerlicher Pflichten sind zukünftig wohl unverzichtbar und fließen
zunehmend in wissenschaftliche Analysen mit ein. So steht die KI‐gestützte Forschung im Bereich der Steuerlehre
im Bereich der Forschung noch am Anfang ihrer Entwicklung. Insbesondere zeigen sich hier erste Ansätze des
Einsatzes von Natural Language Processing (NLP) z.B. im Bereich der Analyse von Finanzgerichtsurteilen, um die
schiere Menge an Informationen, welche in Urteilssammlungen enthalten ist, maschinell (zumindest
unterstützend) auszuwerten. Weiterhin stehen Auswertungen von großen Datenmengen im Bereich der
Steuerwirkung im Fokus. Jüngstes Beispiel sind die täglichen Meldungen von Tankpreisen, die darauf hindeuten,
in welcher Höhe z.B. der Tankrabatt als eine Reduktion der Energiesteuern, an die Endverbraucher weitergeben
wurde.
2. Forschungsmethodik
In dem Projekt sollen die KI‐gestützte Forschungsmethoden auf konkrete wissenschaftliche Forschungsfragen
angewendet werden. Ziel ist es, fortgeschrittene Technologien der Datenanalyse domänenspezifisch einzusetzen
und Lösungsansätze für praktische und forschungsnahe Fragestellungen zu erarbeiten. Hierbei ist der Einsatz
einer Programmiersprache (Python) unverzichtbar, da die vorhandene Theorie auch immer direkt in den Case
Studies und Fragestellungen angewendet werden soll. So werden im Rahmen der Anomalien‐Erkennung im
Bereich Sprache Natural Language Processing‐Verfahren (spaCy) eingesetzt. Im Bereich der künstlichen Intelligenz
wird die Bibliothek scikit‐learn verwendet. Mithilfe der genannten Methoden sollen konkret Texte der
bestehenden FG‐ und BFH‐Urteile gesammelt und analysiert werden. Hierbei soll mittels künstlicher Intelligenz
untersucht werden, welche Zusammenhänge auch im Bereich der Entscheidung zu diesen Urteilen zu
identifizieren sind. Im Bereich großer Datensammlungen soll die Inzidenz des Tankrabattes untersucht werden.
Hierbei sollen tägliche und wöchentliche Preismeldungen innerhalb der EU für die letzten 5 Jahre unter
Anwendung einer synthetischen Kontrollgruppe im Rahmen einer Difference‐in‐Difference Schätzung
ausgewertet werden.

Involved:

Contributing FAU Organisations:

Funding Source