KI, die ZATCA und die E-Invoicing-Compliance der VAE beherrscht

Die E-Invoicing-Vorgaben in Saudi-Arabien und den VAE werden inzwischen mit echten Bußgeldern durchgesetzt. Deshalb müssen KI-gestützte Finanzantworten auf konformen, quellennachweisbaren Daten rechnen.

Ein Controller in Riad stellt einem KI-Assistenten eine simple Frage: Wie hoch war unser Umsatz inklusive Mehrwertsteuer im letzten Quartal, aufgeschlüsselt nach Emirat und saudischer Region? Die Antwort kommt in zwei Sekunden zurück, selbstbewusst und sauber formatiert. Sie ist aber um rund 9 % falsch, weil das Modell stillschweigend gemeldete Rechnungen mit Entwürfen vermischt, einen Stapel Gutschriften doppelt gezählt und die Mehrwertsteuer auf eine Weise gerundet hat, die ZATCA niemals akzeptieren würde.

Niemand bemerkt es, bis der Prüfer es bemerkt.

Genau in dieses Risiko laufen die Finanzteams am Golf derzeit hinein. Die Region ist beim E-Invoicing weiter vorangeschritten als fast jede andere, die Fristen sind real und die Sanktionen längst nicht mehr theoretisch. Setzen Sie ein selbstbewusstes, aber nicht verankertes LLM darüber, dann haben Sie lediglich einen schnelleren Weg geschaffen, Zahlen einzureichen, die Sie nicht verteidigen können.

Der Compliance-Boden hat sich bereits verschoben

Saudi-Arabien steckt mitten in Phase 2 seines Fatoora-E-Invoicing-Programms. Welle 23, die Unternehmen mit einem Umsatz von mehr als 750.000 SAR in den Jahren 2022, 2023 oder 2024 erfasst, hat eine Integrationsfrist zum 31. März 2026, wobei die Go-live-Fenster zu Beginn dieses Jahres beginnen. Jede neue Welle verkleinert die Lücke, bis praktisch jedes mehrwertsteuerpflichtige Unternehmen freigegebene, strukturierte Rechnungen nahezu in Echtzeit über ZATCA ausstellt. Das ist kein „PDF-per-E-Mail”-Regime mehr. Es ist ein System, in dem die Steuerbehörde die Rechnung sieht, bevor der Kunde sie sieht.

Die VAE schlagen denselben Weg ein. Die Kabinettsentscheidung Nr. 106 von 2025, erlassen Ende November 2025, hat den Sanktionsrahmen festgelegt, bevor die Pflicht vollständig greift: ein Pilotbetrieb ab Juli 2026, große Steuerpflichtige (Umsatz ab 50 Mio. AED) müssen ab Januar 2027 konform sein, der Rest der mehrwertsteuerpflichtigen Unternehmen im Laufe des Jahres 2027. Die Bußgelder sind konkret. Wer das System nicht implementiert oder keinen zugelassenen Dienstleister benennt, zahlt 5.000 AED für jeden Monat der Nichteinhaltung, zuzüglich der Sanktionen je Rechnung, die obendrauf kommen.

So ist die strukturierte, behördlich validierte Rechnung zur atomaren Einheit der Finanzdaten am Golf geworden. Das ist eine wirklich gute Nachricht, denn saubere, strukturierte Daten sind genau das, was KI braucht. Zugleich legt es die Messlatte höher. Wenn eine Aufsichtsbehörde Ihre Meldungen bis zur einzelnen Rechnung abgleichen kann, müssen Ihre internen Zahlen und jede darauf aufsetzende KI-Analyse mit ebendieser Quelle übereinstimmen. „Das Modell hat es so gesagt” ist keine Verteidigung in einer Prüfung.

Wo KI konforme Daten klammheimlich zerlegt

Hier kommt der unangenehme Teil. Das E-Invoice-Format ist präzise. Das LLM, das es liest, ist es nicht.

Große Sprachmodelle rechnen nicht. Sie sagen das nächste Token voraus, und eine Zahl ist für sie nichts weiter als weiterer Text. Bitten Sie eines, eine Spalte mit Mehrwertsteuerbeträgen über ein paar hundert Rechnungen zu summieren, und es liefert etwas Plausibles, ohne jede interne Prüfung, ob die Arithmetik tatsächlich stimmt. Die Fehlerbilder, die in der Finanzpraxis am Golf auftreten, sind konkret und unschön:

Statusverwechslung. Freigegebene, gemeldete, im Entwurf befindliche und stornierte Rechnungen sehen in einem Datenstrom nahezu identisch aus. Ein Modell, das nicht strikt nach Status filtert, schlägt abgelehnte oder Entwurfsdokumente einem „Umsatz”-Total zu.
Vorzeichenfehler bei Gutschriften. Gutschriften mindern einen Saldo. Fasst ein LLM Freitext zusammen, kann es das Vorzeichen verlieren oder die Gutschrift doppelt zählen und so die Zahl aufblähen oder schrumpfen lassen.
Rundungsabweichungen bei der Mehrwertsteuer. ZATCA und die FTA haben Regeln dafür, wie die Mehrwertsteuer je Position und je Rechnung berechnet und gerundet wird. Nähern Sie diese nur an, stimmt Ihr Gesamtbetrag nicht mehr mit den freigegebenen Dokumenten überein.
Zahl- und Locale-Fallen. Eine Mischung aus ostarabischen und westlichen Ziffern sowie die Mehrdeutigkeit von Komma und Punkt (sind 12,345 zwölftausend oder ungefähr zwölf?) sind genau die Art von Fall, die ein deterministischer Parser sauber löst, ein probabilistisches Textmodell aber manchmal nicht. Mehr dazu in unserem Beitrag zu Arabic-first-Finanz-KI.

Nichts davon ist exotisch. Es sind die ganz gewöhnlichen Wege, auf denen ein System, das Textmuster abgleicht, statt gegen verifizierte Datensätze zu rechnen, eine Finanzkennzahl falsch ermittelt. Und in einer Umgebung mit Echtzeit-Freigabe ist eine falsche Zahl nicht nur peinlich. Sie ist potenziell eine Falschmeldung.

SAMA und die FTA wollen dasselbe: Belegen Sie Ihre Rechnung

Die Aufsichtsbehörden im gesamten GCC konvergieren auf einem Prinzip, das gut zu diesem Problem passt: Erklärbarkeit und Prüfbarkeit. Die Haltung der SAMA zu KI in Finanzinstituten setzt stark auf Governance, Nachvollziehbarkeit und menschliche Aufsicht. Das Durchsetzungsmodell der FTA ist um den automatisierten Abgleich herum aufgebaut, bei dem die Systeme der Behörde die eingereichten Daten gegen ihre Erwartung prüfen. Die CBUAE hat signalisiert, dass sie Prüfrechte über KI-Systeme beansprucht, die regulierte Tätigkeiten berühren.

Liest man dies zusammen, ist die Anforderung eindeutig. Für jede Zahl, die eine KI erzeugt, müssen Sie auf Verlangen drei Fragen beantworten können:

Aus welchen Quelldokumenten stammt diese Zahl?
Welche Berechnung hat aus diesen Dokumenten diese Kennzahl gemacht?
Können Sie sie auf Anfrage exakt reproduzieren?

Ein Black-Box-Chatbot beantwortet keine davon. Er liefert Ihnen ein Ergebnis und ein Schulterzucken. Genau diese Lücke soll ein Audit Trail für KI im Finanzwesen schließen, und sie ist nicht verhandelbar, wenn die Gegenseite, die fragt, eine Steuerbehörde ist.

Die Lösung: gegen ein abgestimmtes Modell rechnen, nicht gegen den Prompt

Der Ausweg ist kein schlauerer Chatbot. Er besteht darin, das Sprachmodell gar nicht erst rechnen zu lassen.

Genau auf dieser Architektur ist Rexfin aufgebaut. Wir verbinden Ihre Buchhaltungs- und Finanzquellen, QuickBooks, Xero, NetSuite, Sage, ein Data Warehouse oder hochgeladene Auszüge, und erstellen ein einziges abgestimmtes Finanzmodell, das mit dem Hauptbuch übereinstimmt. Rechnungsstatus, Gutschriften, Mehrwertsteuerbehandlung und Währung werden einmalig auf der Datenebene aufgelöst, bevor irgendeine KI sie berührt. So sind die Zahlen, die das Modell sonst raten müsste, bereits festgeschrieben und stimmen bereits mit Ihren freigegebenen ZATCA- oder FTA-Daten überein.

Trifft eine Frage ein, ruft die KI die relevanten Zahlen ab und leitet die eigentliche Arithmetik durch eine deterministische Rechen-Engine. Dieselben Eingaben ergeben stets dasselbe Ergebnis. Keine Token-für-Token-Näherung, keine stillen Statusverwechslungen. Das Sprachmodell tut, worin es gut ist, nämlich die Frage zu verstehen und die Antwort zu formulieren. Die Zahlen kommen aus einem System, das nicht halluziniert.

Und jede Zahl ist rückverfolgbar. Klicken Sie in einer KI-generierten Zusammenfassung auf eine Zahl, und Sie sehen die Quelldokumente und den Berechnungspfad dahinter. Das ist der Unterschied zwischen einer Antwort, die Sie Ihrem Vorstand mailen können, und einer, die Sie einem Prüfer vorlegen können. (Die ausführlichere Begründung, warum Retrieval allein nicht genügt und es zusätzlich die deterministische Rechenebene braucht, finden Sie auf der Pillar-Seite.)

Wie das in der Praxis aussieht

Ein Finanzteam, das auf diesem Setup arbeitet, kann auf Arabisch oder Englisch fragen: „Zeige mir den Umsatz inklusive Mehrwertsteuer nach Emirat für Q1, abgestimmt ausschließlich auf freigegebene Rechnungen”, und erhält eine Zahl, die mit der Sicht der FTA auf denselben Zeitraum übereinstimmt, mit den zugrunde liegenden Rechnungen nur einen Klick entfernt. Es kann ein Was-wäre-wenn-Szenario modellieren, etwa eine Satzänderung oder ein Szenario mit verspäteter Freigabe, und die Antwort ist reproduzierbar statt einer einmaligen Schätzung. Wenn der Prüfer eintrifft, ist die Spur bereits vorhanden.

Das ist heute die Messlatte in dieser Region. Nicht „KI, die klug über Finanzen klingt”, sondern KI, hinter deren jede Zahl Sie Ihren Namen setzen würden. Da ZATCA Milliarden freigegebener Rechnungen verarbeitet und die Sanktionsuhr der VAE nun läuft, sind die Kosten einer selbstbewusst falschen Zahl gestiegen. Die Architektur, die das verhindert, ist die langweilige, deterministische, abgestimmte Variante, und genau deshalb funktioniert sie.

Wenn Ihre KI ihre Rechnung einer Golf-Aufsichtsbehörde nicht belegen kann, ist sie noch nicht finanztauglich. Buchen Sie eine Demo, und wir zeigen Ihnen, wie eine Antwort aussieht, die tatsächlich mit dem Hauptbuch übereinstimmt.