Wie lokale KI Krypto-Steuerdaten prüft – Fehler finden, bevor der Report entsteht

Warum Reports an den Daten scheitern, nicht an der Steuerlogik

Die steuerliche Berechnung – FIFO oder Durchschnittskosten, Haltefristen, Freigrenzen – ist deterministisch. Sind die Eingangsdaten vollständig und richtig klassifiziert, liefert eine gute Engine ein reproduzierbares Ergebnis. Das Problem liegt eine Stufe früher: Jede Börse exportiert anders, Wallet-Explorer kennen keine Anschaffungskosten, und DeFi-Protokolle erzeugen Transaktionen, die in keiner Standardkategorie landen.

Wer zehn Quellen zusammenführt, bekommt zehn Formate, zehn Zeitzonen-Konventionen und zehn Vorstellungen davon, was eine „Transaktion“ ist. Manuell lässt sich das bei ein paar hundert Buchungen noch prüfen. Bei zehntausend nicht mehr – und genau dort setzt eine automatisierte Prüfung an.

Die typischen Fehlerklassen in Krypto-Transaktionsdaten

• Fehlende Preise: kleine Tokens, LP-Token, NFTs oder frisch gelistete Coins haben am Transaktionstag keinen belastbaren Kurs. Ohne Kurs gibt es keine Anschaffungskosten und keinen Veräußerungserlös.
• Doppelte Importe: dieselbe Buchung kommt einmal per CSV und einmal per API – und verdoppelt Bestände, Gewinne oder Verluste.
• Eigenüberträge als Verkauf: Ein Transfer von der Börse auf die eigene Hardware-Wallet erscheint als Abgang hier und Zugang dort. Wird er nicht als Transfer erkannt, entsteht ein fiktiver Verkauf.
• Fehlende Gebührenbuchungen: Netzwerk- und Handelsgebühren fehlen oder stehen in einer anderen Währung als der Handel selbst.
• Negative Salden: Es wird mehr verkauft, als je gekauft wurde – fast immer ein Zeichen für fehlende Zugänge, nicht für echte Leerverkäufe.
• Zeitstempel: UTC gegen Lokalzeit, Jahreswechsel um Mitternacht, Sommerzeit – ein falscher Zeitstempel verschiebt eine Veräußerung ins falsche Steuerjahr.
• Umbenannte oder migrierte Tokens: Das gleiche Asset taucht unter zwei Symbolen auf, die Anschaffungskosten-Kette reißt ab.

Was die KI-Prüfung konkret tut

Die Prüfung startet nur, wenn Sie sie anstoßen. Sie betrachtet dann nicht einzelne Zeilen, sondern Muster über alle Quellen hinweg: Passt ein Abgang bei Börse A zeitlich und mengenmäßig zu einem Zugang in Wallet B? Taucht ein Symbol ohne jeden Kauf auf? Weicht eine Gebühr um Größenordnungen vom Üblichen ab? Steht ein Bestand nach einer Buchung im Minus?

Für jede Auffälligkeit erzeugt die KI einen Korrekturvorschlag mit einem Score, der angibt, wie sicher sie sich ist. Eindeutige Fälle – etwa ein Transfer, dessen Gegenbuchung auf die Sekunde und die Menge passt – bekommen einen hohen Score. Unsichere Fälle landen in einer Review-Liste, zusammen mit dem Vorschlag und der Begründung. Sie entscheiden, ob der Vorschlag übernommen wird. Nichts wird ohne Freigabe verändert.

Erst danach übernimmt die deterministische Steuer-Engine die Daten und berechnet den Report nach den Regeln des jeweiligen Landes.

Deterministische Engine, probabilistische Prüfung – warum die Trennung wichtig ist

Ein Sprachmodell ist gut darin, Muster in unordentlichen Daten zu erkennen. Es ist schlecht darin, dieselbe Rechnung zweimal auf den Cent genau gleich auszuführen. Deshalb rechnet bei AiTaxReporting niemals die KI. Sie bereitet vor, die Engine rechnet.

Diese Trennung hat einen zweiten Vorteil: Nachvollziehbarkeit. Jede Korrektur ist ein dokumentierter Schritt – mit Vorschlag, Score, Entscheidung und Bearbeiter. Der Report lässt sich damit von der Quelle bis zur Zahl zurückverfolgen, was Prüfer und Steuerberater erwarten.

Was die KI bewusst nicht tut

• Sie trifft keine steuerliche Entscheidung. Ob ein Airdrop Einkommen ist oder eine Haltefrist greift, regelt die Engine nach Landesrecht – nicht das Modell.
• Sie erfindet keine Kurse. Fehlt ein Preis, markiert sie das als offenen Punkt, statt einen plausiblen Wert zu raten.
• Sie ändert nichts eigenmächtig. Jeder Vorschlag wartet auf Ihre Freigabe.
• Sie gibt keine Daten weiter. Die Prüfung läuft auf unserer eigenen Infrastruktur, ohne externe Cloud-KI.

So bereiten Sie Ihre Daten für die Prüfung vor

• Alle Quellen importieren, auch inaktive Wallets und geschlossene Börsenkonten – Lücken sind die häufigste Ursache für negative Salden.
• Pro Quelle nur einen Importweg nutzen (API oder CSV), um Dubletten zu vermeiden.
• Vollständige Zeiträume exportieren, nicht nur das aktuelle Steuerjahr: Anschaffungen liegen oft Jahre zurück.
• Nach dem Import die Review-Liste von oben nach unten abarbeiten – hohe Scores zuerst, sie sind schnell bestätigt.