Wie künstliche Intelligenz die Zollabwicklung vereinfacht
Lilla Zsitnyanszky
13. Dezember 2023
Die manuelle Abwicklung von Zollformalitäten verursacht enormen Aufwand und ist fehleranfällig. Vor allem die Zolltarifierung stellt viele Händler vor Probleme. Der Einsatz künstlicher Intelligenz kann helfen, Hürden bei der Tarifierung aus dem Weg zu räumen – und finanzielle Verluste zu vermeiden.
Der Zolltarif: Herausforderungen für internationale Onlinehändler
Wir haben die praktischen Hürden zusammengefasst, die sich häufig bei der Zolltarifierung ergeben:
Veraltete Formulierungen in den Definitionen des Zolltarifs können zu Problemen führen. Vor allem dann, wenn im Unternehmen wenig Wissen vorhanden ist, was die Definition in der Praxis bedeutet.
Unzählige Querverweise innerhalb des Zolltarifs: Jede Definition enthält Ausnahmen und Ausnahmen von den Ausnahmen. Hinweise wie Ausweisungsanmerkungen oder Positionswortlaut machen es dem Laien besonders schwer, die richtige Zolltarifnummer zu ermitteln.
Unterschiedliche Interpretationen sollten nicht vorkommen. Aber die Praxis zeigt, dass in einigen Fällen Einreihungen in verschiedenen Ländern oder Regionen unterschiedlich ausfallen.
Die Rechtsentwicklung der Nomenklatur hält häufig nicht Schritt mit der schnellen Produktentwicklung und Einführung neuer Produkte.
Die Gesamtheit der Rechtsquellen ist unübersichtlich und teilweise in verschiedenen Sprachen nicht einsehbar.
Die große Menge an Datensätzen, die unter Zeitdruck korrekt eingereiht werden müssen, überfordert viele Unternehmen.
Fehlende Produktinformationen und/oder schlechte Warenbeschreibungen machen die Warenidentifikation sehr aufwendig, manchmal sogar unmöglich.
Wie kann künstliche Intelligenz helfen? Künstliche Intelligenz, maschinelles Lernen, Deep Learning? Was ist was?
Diese Begriffe hört und liest man in verschiedenen Zusammenhängen. Doch wie unterscheiden sich die Ansätze? Und wo gibt es Überschneidungen?
Künstliche Intelligenz (KI): Ist ein übergeordneter Begriff, der sich auf die Fähigkeit von Maschinen bezieht, bei einer Vielzahl von Aufgaben menschenähnliche Intelligenz zu zeigen. Dabei kann es sich bereits um einen PC handeln.
Maschinelles Lernen (ML): Ist eine spezielle Methode der KI, die es Maschinen ermöglicht, ohne explizite Programmierung automatisch aus Erfahrungen und Daten zu lernen. Es gibt verschiedene Arten von ML: So unterscheidet man z.B. zwischen überwachtem und unüberwachtem Lernen.
Deep Learning (DL): Ist ein Teilgebiet des ML. Es basiert auf der Verwendung von neuronalen Netzen, um komplexe Muster in Daten zu erkennen. Im Gegensatz zum ML wird der KI nicht vorgegeben, auf welche Datenpunkte sie sich konzentrieren soll, d.h. welche Merkmale von Interesse sind. Aus sehr großen Datensätzen soll die Maschine lernen, auf welche Merkmale sie sich am besten konzentrieren kann.
Verglichen mit herkömmlichen ML-Methoden kann DL bei der Verarbeitung großer und komplexer Datensätze bessere Ergebnisse erzielen. Mit jeder Stufe nimmt der explizite Input durch den Programmierer ab und die Bedeutung der Daten, mit denen die Maschine lernt, zu. Der Lernprozess wird unabhängig von der Person, die die KI trainiert und programmiert.
Bisherige Lösungsansätze zur zollrechtlichen Einreihung von Produkten
Die bestehenden Lösungsansätze basieren auf gut gepflegten Stammdaten. Alle Eigenschaften eines Produktes werden individuell aufbereitet und gespeichert. Auf Basis dieser Daten wird dann häufig einer von zwei Ansätzen verfolgt:
Fuzzy Match Lösung
Das „Matching" ist ein Verfahren, bei dem die Eigenschaften eines Produkts mit den Eigenschaften aller vorhandenen und tarifierten Produkte verglichen werden. Produkte, die eine hohe Ähnlichkeit aufweisen, werden dem Tarifierungsexperten präsentiert oder automatisch tarifiert. Diese Methode ist vor allem dann sinnvoll, wenn ein Unternehmen über einen gut gepflegten Warenstamm verfügt. Unternehmen, die sich auf bestimmte Warengruppen spezialisiert haben und viele ähnliche Produkte anbieten, können so die Tarifierung beschleunigen.
Allerdings stößt diese Methode auch an Grenzen. Arbeitet ein Unternehmen z.B. mit fremden Produktinformationen, etwa beim Import von Produkten, ist das Matching-Verfahren nur schwer anwendbar. Auch bei der Tarifierung neuer oder unterschiedlicher Produkte ist ein Matching-System selten hilfreich. Hier besteht die Gefahr, dass fehlerhafte Tarifierungen von Bestandsdaten auf neue Produkte übertragen werden.
Entscheidungsbaum Logik
Regelbasierte Systeme sollen die komplexe Logik eines Tarifsystems in automatisierte Entscheidungen übersetzen. Die Entscheidungen können von Menschen oder auf Basis vorhandener Produktdaten getroffen werden, um eine passende Tarifnummer zu ermitteln. Allerdings ist die Extraktion dieser Entscheidungen sehr aufwendig und erfordert eine sorgfältige Analyse der Produktgruppen.
Regelbasierte Systeme sind anfällig für Probleme. Die Systeme basieren auf vielen Annahmen – und können schnell unter der Komplexität des Problems scheitern. Beispielsweise kann eine Einschränkung auf wenige Teilkapitel nötig sein, um die Logik des Tarifsystems zu vereinfachen. Dies kann jedoch zu Problemen führen, etwa wenn relevante Tarifnummern nicht in Betracht gezogen werden. Darüber hinaus ist der Pflege-, Anpassungs- und Arbeitsaufwand besonders hoch und stellt bei komplexen Tarifsystemen eine große Herausforderung dar.
Neueste Technologie: Deep Learning – Vorteile bei der Tarifierung
Im Vergleich zu Fuzzy Matching und Entscheidungsbaum-Lösungen bietet die DL-Technologie eine vollständige und uneingeschränkte Möglichkeit zur automatischen Tarifierung von Produkten. Durch die Verwendung proprietärer KI-Modelle und hochqualitativer Datenquellen kann die KI so trainiert werden, dass sie eigenständig eine Funktion aus der Warenbeschreibung sowie weiteren Eingangsparametern zur Tarifnummer erlernt. Dabei wird die KI durch ein riesiges neuronales Netzwerk modelliert, das während des Trainingsprozesses das Wissen aus historischen Entscheidungen aus proprietären Datenquellen in das neuronale Netz destilliert.
Im Gegensatz zum Auswendiglernen von Daten lernt die KI, die dahinterliegenden Konzepte und Regeln zu generalisieren und die Zusammenhänge zu verstehen. Dadurch erreicht die KI eine höhere Genauigkeit bei der Produkttarifierung. Allerdings erfordert die Implementierung einer DL-Technologie eine umfangreiche Vorbereitung und Schulung des Systems.
Rolle der KI, Rolle des Menschen
Die Zusammenarbeit von KI-Software und menschlicher Intelligenz führt in der Regel zu höherer Produktivität und geringeren Fehlerquoten. Die KI kann Fehler erkennen, die dem Menschen entgehen. Umgekehrt verfügt der Mensch über Wissen, das der KI fehlt. Dieses „Vier-Augen-Prinzip" – oder „Human in the Loop" – ist vor allem wichtig bei uneindeutigen oder schwierigen Tarifierungsfällen, etwa wenn Informationen fehlen oder die Entscheidungen komplex sind.
Darüber hinaus kann eine Teilautomatisierung angestrebt werden – vor allem bei einfachen oder repetitiven Fällen. In diesen Fällen kann der Anwender die Ergebnisse einsehen, Prozesse überwachen und Tarifierungsaufgaben bearbeiten. Gleichzeitig erhält der Anwender alle wesentlichen Funktionen und Tools, die er von einem Tarifierungsexperten erwartet, wie z.B. der aktuelle Tarifbaum, Anmerkungen, Erläuterungen, Gerichtsentscheidungen und verbindliche Zolltarifauskünfte. Trotz KI-System behält der Anwender die volle Kontrolle über den Tarifierungsprozess.
traide Unterstützung
Es gibt sehr viele Informationen und rechtliche Vorschriften, was man bei Tarifierung beachten sollte. Wenn die Einreihung falsch ist, ist alles falsch: Abgabenerhebung, Ausfuhranmeldung, Präferenzrecht, Umschlüsselung Exportkontrolle, Verbrauchsteuern, Umsatzsteuer usw.
Warum traide AI?
Wir bei traide widmen uns voll und ganz der Zolltarifnummer. Wir verfolgen das Ziel mit Traide ein intelligentes Softwarepaket anzubieten, das die Vollständigkeit, Aktualität und Integrität des kompletten Produktwarenstamms eines Unternehmens (manchmal Millionen von Produkten) nach zolltarifrechtlichen Anforderungen erreicht und über die Zeit aufrecht erhält. Darüber hinaus adressieren wir die Probleme, die bereits vor dem eigentlichen Tarifierungsprozess auftreten und diesen somit maßgeblich beeinflussen. Zum Beispiel betrifft das insbesondere die Qualität der Produktbeschreibung die oft unzureichende Informationen bereithält, oder diese Informationen unstrukturiert und verteilt vorliegen (z.B. im HTML Format auf einem Webshop oder in Produktdatenblättern).
Traide stellt im Kern der Software einen intelligenten digitalen Zolltarifexperten dar. Er hilft zum einen, schnell die richtige Zolltarifnummer zu finden: "Tarifierungsassistent". Zum anderen prüft er automatisch vorhandene Bestände bereits tarifierter Produkte auf formale und inhaltliche Richtigkeit und gibt dem Nutzer bei Fehlern Feedback. Der Effekt ist ein stark erhöhter Durchsatz und eine geringere Fehlerquote bei tarifierten Produkten. Das setzt gebundene Personalressourcen frei, schafft Raum für Skalierung und erhöht die Sicherheit.
Haben Sie dazu noch Fragen? Schreiben Sie uns! Wir freuen uns, Ihnen helfen zu können.
Kontakt: info@traide.ai
