Der Markt rund um Tax-Tech wächst täglich. Die großen KI-Modelle liefern hohe Qualität, stoßen bei Kanzleien in Deutschland aber an berufsrechtliche Grenzen. Bisher mussten Steuerberaterinnen und Steuerberater sich deshalb oft zwischen Qualität und Compliance entscheiden.
Der Invecorum Agent bietet beides. Wir haben ihn in der steuerrechtlichen Sachverhaltsermittlung mit sieben weiteren Setups verglichen, darunter ChatGPT (GPT-5.5) und Claude (Opus 4.8), jeweils mit Websuche. Das Ergebnis: Der Invecorum Agent liegt gleichauf mit ChatGPT. Alle übrigen Setups liegen dahinter. Dabei läuft der Invecorum Agent vollständig auf gemieteten GPUs in deutschen Rechenzentren.
Verlässliche Antworten mit exakter Fundstelle
Grundlage ist eine Benchmark mit 200 Sachverhaltsfragen aus der laufenden Beratungspraxis (Details zur Methodik am Ende des Dokuments). Getestet wurden neun Setups: der Invecorum Agent in der aktuellen Version v2 und der Vorversion v1, drei KI-Agenten mit Websuche (ChatGPT, Claude, Mistral Le Chat) und vier selbst gehostete Open-Source-Modelle. Gemessen wird, ob ein System die richtige Norm findet und ob es die Frage vollständig korrekt beantwortet:
Der Invecorum Agent v2 erreicht bei der Fundstelle denselben Wert wie ChatGPT. Bei den vollständig korrekten Antworten trennt die beiden ein halber Punkt. Gegenüber der Vorversion v1 hat v2 dort sieben Punkte zugelegt. Claude liegt bei beiden Markern dahinter. ChatGPT erreicht seine Werte allerdings mit durchschnittlich mehr als sechs Websuchen pro Frage und der längsten Antwortzeit der vier stärksten Systeme. Außerdem läuft jeder Sachverhalt durch die Such-Infrastruktur des Anbieters. Der Invecorum Agent arbeitet ohne Websuche und ohne externe Suchdienste.
Mistral beantwortet trotz Websuche nur 38,5 % der Fragen korrekt. Die selbst gehosteten Modelle liegen zwischen 16,5 % und 23,0 %. Dieses enge Band gilt über alle Modellgrößen von 27B bis 235B Parametern. Ein Standardmodell selbst zu hosten reicht für diese Aufgabe also nicht aus. Entscheidend ist der Zugriff auf die Gesetzestexte in der richtigen Fassung. Der Zugriff allein genügt allerdings nicht: Schon bei der Websuche reicht die Spanne je nach steuerndem Modell von 38,5 % bis 93,0 %. Quelle und Modell müssen als ein System zusammenspielen.
Für die Praxis ebenso wichtig: In keinem Fehlerfall hat der Invecorum Agent eine Fundstelle erfunden. Auch dort war jede zitierte Norm zuvor tatsächlich im Gesetzescorpus geöffnet. Fehler bleiben damit nachvollziehbar.
Antwortzeiten im Vergleich
Mistral antwortet insgesamt am schnellsten. Im Spitzenfeld ist Claude das schnellste System und ChatGPT wegen der vielen Websuchen das langsamste. Die beiden Invecorum-Versionen liegen dazwischen. Die Version v2 ist etwas langsamer als v1, bleibt aber deutlich schneller als ChatGPT. Drei der vier selbst gehosteten Modelle waren in unserem Test langsamer als alle Agenten. Das größte brauchte im Median fast zwei Minuten.
Der Punkt zeigt die typische Antwortzeit (Median), der Balken den Bereich, in dem die Hälfte aller Antworten liegt:
Historische Gesetzesfassungen
Fragen zu früheren Veranlagungszeiträumen sind der anspruchsvollste Teil der Benchmark. Fast alle Systeme verlieren dort an Genauigkeit. Die Antworten beruhen dann schnell auf der heutigen Rechtslage statt auf der Fassung zum Stichtag. Dieser Fehlertyp ist besonders problematisch, weil die Antworten überzeugend klingen.
Der Invecorum Agent schlägt die Normen zum passenden Stichtag im Gesetzescorpus nach. Die Version v2 hält ihre Quote bei Altfällen stabil. Mit 93,3 % erreicht sie dort den besten Wert aller getesteten Setups. Die historische Suche war ein Schwerpunkt der Weiterentwicklung von v1 auf v2:
Nutzungslimits im Vergleich
ChatGPT Plus (23 Euro pro Monat) begrenzt GPT-5.5 auf rund 160 Nachrichten pro 3 Stunden. Danach wird automatisch auf ein kleineres Modell umgeschaltet. Claude Pro (rund 20 Euro pro Monat) arbeitet mit 5-Stunden-Fenstern und zusätzlichen Wochenlimits.
Auch in den Business-Tarifen bleiben Limits bestehen: ChatGPT Business (ab 29 Euro pro Nutzer) begrenzt die Thinking-Variante von GPT-5.5 auf 3.000 Nachrichten pro Woche. Unbegrenzte Nutzung gibt es erst in ChatGPT Enterprise ab 150 Nutzern. Bei Claude gibt es höhere Limits im Team-Premium-Tarif für umgerechnet rund 110 Euro pro Nutzer. Enterprise wird individuell bepreist (alle Anbieterangaben, Stand Juli 2026).
Der Invecorum Agent kostet 69 Euro pro Monat in der Solo-Lizenz und hat keine Nutzungslimits. Er läuft auf gemieteten GPUs deutscher Anbieter. Der Software-Stack darauf ist eine Eigenentwicklung. Die Kosten pro Anfrage sind dadurch niedrig und vollständig kalkulierbar. Deshalb enthält das Abo unbegrenzte Nutzung ohne Drosselung.
Gleichbleibende Qualität
Aus den Limits folgt ein zweiter Unterschied: Kontrolle. ChatGPT wechselt am Nutzungslimit automatisch auf ein kleineres Modell. Claude tut das bei bestimmten Limits ebenfalls. Welches Modell eine Antwort erzeugt, entscheidet in diesem Moment der Anbieter. Im Arbeitsfluss ist das oft nicht erkennbar.
Der Invecorum Agent läuft immer in derselben Konfiguration. Jede Anfrage wird zu jeder Tageszeit vom selben System beantwortet.
Mandantendaten bleiben in Deutschland
Bei ChatGPT und Claude wird der geschilderte Sachverhalt, also Mandantendaten, bei jeder Websuche über die Systeme des Anbieters verarbeitet. Für die Suche sind teils zusätzliche Drittanbieter eingebunden. Die Verarbeitung kann dabei auch außerhalb der EU stattfinden. Selbst mit gebuchter EU-Datenresidenz nimmt OpenAI die Websuche davon ausdrücklich aus. Auch nachgerüstete Recherche-Datenbanken für diese Umgebungen ändern daran nichts: Der geschilderte Sachverhalt wird weiterhin vom KI-Anbieter selbst verarbeitet. Der Invecorum Agent läuft ausschließlich in deutschen Rechenzentren, deren Betreiber zur Geheimhaltung verpflichtet sind. Sachverhalte verlassen diese Umgebung nicht. Das ist relevant für die Verschwiegenheitspflicht (§ 203 StGB) und die Anforderungen an Dienstleister nach § 62a StBerG.
Fazit
Der Invecorum Agent liegt in der aktuellen Version v2 gleichauf mit ChatGPT und vor allen übrigen Setups. Bei historischen Gesetzesfassungen erreicht er den besten Wert aller getesteten Systeme. Von den verglichenen Angeboten ist er das einzige mit unbegrenzter Nutzung in gleichbleibender Qualität. Mandantendaten bleiben dabei in geheimhaltungsverpflichteten deutschen Rechenzentren. Selbst gehostete Standardmodelle ohne Gesetzescorpus sind keine Alternative: Sie erreichen auf derselben Benchmark höchstens 23,0 % korrekte Antworten.
Methodik
Die Benchmark umfasst 200 Sachverhaltsfragen aus der laufenden Beratungspraxis. Jede Frage ist durch genau eine zeitversionierte Gesetzesnorm zu beantworten. 140 Fragen betreffen die aktuelle Fassung, 60 eine historische. Solche Altfälle kommen bei Veranlagung, Betriebsprüfung und Einspruch täglich vor.
Gewertet wird streng: Die Fundstelle zählt nur bei exakter Norm in der richtigen Fassung. Die Antwort zählt nur, wenn alle Kernaussagen des Antwort-Schlüssels enthalten sind. Bewertet hat für alle Systeme dasselbe, unveränderte Bewertungsmodell. Alle Systeme liefen in ihrer Standardeinstellung.
Getestete Systeme: der Invecorum Chat Agent in der aktuellen Version v2 und der Vorversion v1. Angaben im Text beziehen sich auf v2, sofern nicht anders genannt. ChatGPT mit GPT-5.5 und Claude mit Opus 4.8, jeweils mit eingeschalteter und unbegrenzter Websuche. Mistral Le Chat mit Mistral Medium 3.5 und Websuche. Dazu vier selbst gehostete Open-Source-Modelle ohne Websuche und ohne Gesetzescorpus: Gemma 4 31B, GPT-OSS 120B, Qwen3.6 27B und Qwen3 235B Thinking. Die Antwortzeiten dieser vier Modelle hängen von der eingesetzten Hardware ab und sind als Richtwerte zu verstehen. Die Läufe von Invecorum v2 und Claude wurden gegen eine korrigierte Fassung des Antwort-Schlüssels bewertet. Dabei wurden 4 von 200 Fällen angepasst. Der Effekt auf die Vergleichbarkeit liegt bei maximal 2 Punkten.
Ein Beispiel aus der Benchmark:
Frage: „Ein Mandant bittet um eine steuerliche Einschätzung seiner Situation zum 06.07.2026. Er führt eine nachhaltige Tätigkeit aus, mit der er regelmäßig Einnahmen erzielt. Er argumentiert jedoch, dass er kein Unternehmer ist, da er keinerlei Absicht verfolgt, einen Gewinn zu erwirtschaften. Wie ist seine Tätigkeit rechtlich einzustufen?“
Gesuchte Fundstelle: § 2 UStG in der Fassung ab 01.01.2023
Erwartete Antwort: Er ist Unternehmer; die Tätigkeit gilt als gewerblich oder beruflich; die fehlende Gewinnerzielungsabsicht ist unerheblich.