Projekt

SPOTTeD

Spot Inconsistencies in Tax-related Transactional Data

  • Laufzeit:

Ziel des Projekts "SPOTTeD" ist die automatisierte Analyse von Transaktionsdaten zur Erkennung und Visualisierung steuerlich falsch klassifizierter Transaktionen, steuerkritischer Transaktionen sowie die Optimierung verknüpfter Geschäftsprozesse hinsichtlich steuerlicher Einsparungspotentiale. Dazu werden die Potentiale von Deep-Learning-Verfahren zur Aufdeckung von Anomalien innerhalb Transaktionsdaten und von Reinforcement-Learning Methoden zur Optimierung nach Steuerkriterien erforscht.

 

Projekt teilen auf:

Ansprechpartner
Johannes Lahann

Keyfacts

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence