Eine KI gibt dir auf eine Lohnfrage einen glatten Wert aus. Eine Zahl, ein Halbsatz Begründung, fertig. Du willst sie beim Mandanten verwenden und stutzt: Welches Jahr meint das Tool? Aus welcher Verordnung kommt der Wert? Und du klickst, und es gibt nichts zu klicken. Genau hier entscheidet sich, ob eine KI für eine Kanzlei taugt. Eine gute KI-Quellenangabe ist nicht der nett gemeinte Halbsatz "laut Sozialversicherung", sondern ein Verweis, den du in zwei Sekunden öffnest, der ein Datum trägt und der wirklich die Aussage stützt, die darüber steht. Wenn eine KI das liefert, kannst du ihre Antwort prüfen. Wenn nicht, hast du eine Behauptung, kein Arbeitsergebnis. Das ist das Kriterium, an dem du eine KI messen solltest, bevor du auf Geschwindigkeit oder Preis schaust.
Steuerberater, mit denen wir reden, sagen das fast wörtlich. Vertrauen in die Richtigkeit ist ihnen wichtiger als Geschwindigkeit oder Kosten der Abfrage. Und der häufigste konkrete Vorwurf an die Tools, die sie schon getestet haben: die Quellen sind nicht direkt verlinkt, und die Jahresangaben bei den Rechtsgrundlagen sind inkonsistent. Das muss nachvollziehbar sein, sonst kann eine Kanzlei eine KI-Antwort nicht verantworten.
Weil eine Antwort ohne überprüfbare Herkunft im Steuerrecht wertlos ist, egal wie flüssig sie klingt. Ein Sprachmodell sagt dir nicht, wie sicher es ist. Es formuliert eine falsche Auskunft im selben souveränen Ton wie eine richtige. Genau das ist in der Forschung mehrfach gemessen worden: Allgemeine Sprachmodelle erfinden bei spezifischen Rechtsfragen in einem großen Teil der Fälle falsche Inhalte und merken selbst nicht, wann sie das tun. Eine Stanford-Untersuchung beschreibt diese Modelle als für Rechtsfragen schlecht kalibriert, mit einer Neigung zur Selbstüberschätzung und der Tendenz, eine falsche Prämisse einfach als wahr zu übernehmen (Stanford RegLab, "Hallucinating Law", 2024). Das war an US-Recht und allgemeinen Chatbots gemessen, nicht am deutschen Steuerrecht. Aber das Muster ist nicht national. Es steckt in der Funktionsweise: Ein Modell, das Text vorhersagt, hat keinen eingebauten Begriff von "stimmt das".
Eine verlinkte, datierte Quelle dreht dieses Problem um. Sie verlagert die Prüfung von "vertrau dem Tool" zu "schau selbst nach". Du musst dem Modell nicht mehr glauben, dass 47.460 Euro die Bezugsgröße sind. Du klickst auf die Verordnung und siehst es. Das ist der einzige Mechanismus, der eine KI-Antwort im Faktenraum kanzleitauglich macht. Alles andere ist Bauchgefühl mit hübscher Oberfläche.
Nein, und das ist die unbequeme Stelle. Eine Quellenangabe sieht autoritativ aus, auch wenn sie die Aussage gar nicht trägt. Spezialisierte juristische KI-Tools, die mit Quellenanbindung werben, halluzinieren weiter. Dieselbe Forschungsgruppe in Stanford hat kommerzielle Recherche-Tools mit Quellenanbindung geprüft und einen eigenen Fehlertyp dafür gefunden: Antworten, bei denen das Recht im Kern korrekt beschrieben wird, die zitierte Quelle die konkrete Aussage aber nicht stützt (Stanford RegLab, "Hallucination-Free?", 2024). Ihr Satz dazu trifft den Kern: Wenn ein Tool Quellen liefert, die autoritativ wirken, in Wahrheit aber irrelevant oder widersprüchlich sind, werden Nutzer in die Irre geführt. Auch das waren US-Tools, kein Beleg über einen deutschen Anbieter. Trotzdem gilt das Prinzip für jede Kanzlei: Eine angehängte Quelle ist erst dann etwas wert, wenn du sie öffnest und die Zahl darin wiederfindest.
Daraus folgt ein einfacher Test für jede KI, die du dir ansiehst. Stell ihr eine fachliche Frage, zu der du die Antwort schon kennst. Dann klick die Quelle an, die sie liefert. Öffnet sie sich? Trägt sie ein Datum? Und steht die genannte Zahl wirklich darin, oder nur ein Thema, das ungefähr passt? Eine KI, die diesen Test besteht, kannst du in den Kanzleialltag lassen. Eine, die ihn nicht besteht, produziert Arbeit, statt sie abzunehmen.
Der häufigste Einwand an dieser Stelle: Ich prüfe ohnehin jede KI-Aussage selbst nach, was bringt mir die Verlinkung dann? Sie ersetzt deine Prüfung nicht, sie verkürzt sie. Statt die passende Fundstelle erst zu suchen, springst du mit einem Klick direkt dorthin und siehst in Sekunden, ob der Wert stimmt. Aus einer Recherche von zehn Minuten wird ein Quercheck von zehn Sekunden. Eine KI, die dir die Fundstelle verschweigt, lässt dir die ganze Suche.
Das ist eine technische Frage mit einer klaren Antwort. Ein reines Sprachmodell hat das, was es gelernt hat, in seinen Gewichten verteilt und kann zu einer einzelnen Aussage keine Herkunft angeben. Das Originalpapier zur Verankerung von KI-Antworten benennt genau das als das offene Problem großer Sprachmodelle: Sie tun sich schwer damit, die Herkunft ihrer Aussagen zu belegen und ihr Wissen aktuell zu halten (Lewis et al., 2020). Der etablierte Ausweg koppelt das Modell an einen abrufbaren Dokumentenbestand: Die KI zieht zur Frage die passenden Dokumente heran und antwortet aus ihnen, statt aus dem Gedächtnis. Erst dadurch kann sie auf eine konkrete Fundstelle zeigen.
Für die Kaufentscheidung heißt das: Frag nicht, ob eine KI aktuell ist, sondern woraus sie ihre fachliche Antwort zieht. Greift sie auf abrufbare Primärquellen zu, BMF-Schreiben, Urteile, Gesetzestexte, oder rät sie aus dem Trainingsstand? Genau diese Trias, Zugriff auf BMF-Schreiben, Urteile und Gesetzestexte mit Quellenangaben, ist das, was Kanzleien als fachliche Erwartung formulieren. Verankerung allein macht eine KI nicht fehlerfrei, das zeigen dieselben Studien. Aber sie ist die Voraussetzung dafür, dass du überhaupt prüfen kannst.
Weil im Steuerrecht derselbe Begriff je nach Jahr eine andere Zahl bedeutet. Eine KI, die einen Wert ohne Jahr ausgibt, kann das letzte Jahr meinen, und du merkst es nicht. Das beste Beispiel sind die Werte, die jedes Jahr neu festgesetzt werden. Die Bezugsgröße, die Beitragsbemessungsgrenzen und verwandte Rechengrößen der Sozialversicherung stehen in einer eigenen Verordnung, die pro Kalenderjahr neu ergeht. Für 2026 ist das die Sozialversicherungsrechengrößen-Verordnung vom 24. November 2025: Bezugsgröße 47.460 Euro im Jahr, Beitragsbemessungsgrenze in der allgemeinen Rentenversicherung 101.400 Euro, Jahresarbeitsentgeltgrenze in der Krankenversicherung 77.400 Euro. Diese Verordnung tritt zum 1. Januar 2026 in Kraft und gilt nur für dieses Kalenderjahr (SVBezGrV 2026). Für 2027 kommt eine neue, mit anderen Zahlen.
Eine KI, die dir "die Bezugsgröße ist 47.460 Euro" ohne Datum und ohne Verweis auf genau diese Verordnung sagt, ist in dem Moment richtig, in dem du fragst, und im Januar darauf falsch. Steht die Jahres-Verordnung dagegen als datierte Quelle daneben, siehst du auf einen Blick, für welches Jahr der Wert gilt. Das ist der Unterschied, den die Datierung macht. Sie ist kein Detail für Pedanten, sie ist der Schutz davor, einen vorjährigen Wert in eine laufende Abrechnung zu tragen. Dasselbe gilt für die jährlich neu festgesetzten Pauschbeträge: Auch die Sachbezugswerte und die Pauschbeträge für Sachentnahmen ergehen jedes Jahr per eigenem, datiertem BMF-Schreiben für das jeweilige Kalenderjahr. Jahr drauf, Wert anders.
Genau das ist auch der Grund, warum eine reine Websuche das Problem nicht löst. Kanzleien berichten uns, dass eine KI trotz aktivierter Websuche veraltete Werte ausgibt und die Recherche-Anweisung teils ignoriert. Eine Suche, die irgendeine Seite findet, ersetzt keine datierte Primärquelle. Erst wenn die KI auf die jahresgenaue Verordnung oder das jahresgenaue Schreiben zeigt, kannst du dem Wert trauen.
Weil die maßgeblichen Quellen selbst datiert und zeitgebunden sind. Ein BMF-Schreiben ist die amtliche Auslegung der Steuergesetze durch die Finanzverwaltung, festgehalten mit Aktenzeichen und Datum. Es bindet die Finanzbehörden, nicht aber die Steuerpflichtigen und nicht die Gerichte (Überblick zu BMF-Schreiben, rechtssystematisch gestützt auf Art. 108 Abs. 7 GG). Wer mit so einem Schreiben argumentiert, muss wissen, welches gerade gilt, ob ein neueres es abgelöst hat und für welchen Zeitraum es greift. Dieselbe Logik liegt über Urteilen und Gesetzesfassungen: Es zählt die Fassung, die für den fraglichen Zeitraum galt.
Eine KI, die eine Aussage ohne Fundstelle und ohne Datum macht, nimmt dir genau diese Einordnung weg, die deinen Berufsstand ausmacht. Eine KI, die auf das konkrete Schreiben mit Datum zeigt, gibt sie dir zurück. Deshalb ist die verlinkte, datierte Quelle kein Nice-to-have an einer KI für Kanzleien, sondern die Stelle, an der sich Fachtiefe von Oberfläche trennt.
ChatGPT, Copilot und Langdock sind dafür gebaut, gut zu klingen, nicht dafür, eine steuerliche Fundstelle nachzuweisen. Sie geben dir eine flüssige Antwort, oft ohne Quelle, manchmal mit einer erfundenen. Genau an dieser Lücke setzt ASCADI an. Der Steuergeneralist Pro führt das Steuerberatungswissen im Hintergrund mit, beantwortet eine Frage damit auf dem fachlichen Stand statt generisch, zieht über Websuche und Deep Research aktuelle Quellen heran statt allein des Trainingsstands, und der Wissensspeicher hält fest, welche Fundstelle in eurer Kanzlei zu welchem Fall gehört. Diese Funktionen sind heute verfügbar. Wir behaupten dabei nicht, dass eine KI das letzte Urteil ersetzt. Den Abgleich, ob die Quelle die Aussage trägt, macht weiterhin der Mensch, gerade weil sich Werte und Verwaltungsauffassung jedes Jahr verschieben. Native Schnittstellen direkt in einzelne Fachdatenbanken sind noch nicht da und stehen auf der Roadmap; das gehört zur ehrlichen Antwort dazu.
Der Punkt ist nicht, dass ASCADI nie irrt. Der Punkt ist, dass eine KI für die Kanzlei so gebaut sein muss, dass du ihre Antwort prüfen kannst, statt ihr glauben zu müssen. Worin sich die Tools sonst noch unterscheiden, steht im Vergleich der KI-Tools für Steuerberater. Warum allgemeine Chatbots bei konkreten Steuerfragen so oft danebenliegen, haben wir am Beispiel von ChatGPT im Steuerrecht aufgeschrieben. Und wohin sich KI in der Steuerberatung insgesamt bewegt, ordnet der Zukunftskompass 2026 ein.
Bevor du das nächste KI-Tool nach seiner Geschwindigkeit beurteilst, stell ihm eine Frage, deren Antwort du kennst, und klick auf die Quelle. Was du in den zwei Sekunden danach siehst oder nicht siehst, sagt dir mehr über die Kanzleitauglichkeit als jede Demo.