Knowledge Cloud: Wissensmanagement + KI-Recherche für Steuer- und Rechtsteams
Wissensmanagement + KI-Recherche-Plattform
Was wir geliefert haben. Eine KI-basierte Rechtsrecherche-Plattform für das Steuer- und Rechtsteam einer Big-4-Kanzlei, entwickelt als Weiterentwicklung der Knowledge Cloud Wissensmanagement-Plattform, die Codebridge 2022 für denselben Kunden geliefert hat.
Warum es in unseren Case Studies steht. Knowledge Cloud zeigt, wie Codebridge Kunden über Produktphasen hinweg begleitet. Dasselbe Team, das die v1-Wissensplattform lieferte, erweiterte sie 2026 um retrieval-augmentierte KI, Quellenverankerung und Expertenverifizierung. Prospects sehen eine mehrjährige Partnerschaft über zwei Produktphasen.
Im Produktivbetrieb. Phase 1 ging im September 2022 live und lief bis 2025 im täglichen Produktivbetrieb. Phase 2 legte 2026 einen KI-Rechercheassistenten auf dieselbe Wissensdatenbank.
Das Liefermodell. Ein kleines Team, das mit dem Kunden von der Anforderungsanalyse bis in den Produktivbetrieb hinein arbeitete, über beide Phasen hinweg. Direkte Interviews mit Junior Associates, Senior Reviewers und Partnern prägten sowohl die ursprüngliche Wissensarchitektur als auch den KI-Verifizierungsworkflow. Kleines Team, Primärquellen-Disziplin, Experte-in-the-Loop von Tag eins.
Über Knowledge Cloud
Knowledge Cloud begann als Wissensmanagement-Plattform für das Steuer- und Rechtsteam einer Big-4-Kanzlei. Codebridge startete die Entwicklung im September 2021, um verstreutes Kanzleiwissen in einem durchsuchbaren, strukturierten Repository zusammenzuführen. Version 1 ging im September 2022 live mit einer zentralen Wissensdatenbank, erweiterter Suche, Katalogstruktur und Beitragsworkflow. Die Plattform lief bis 2025 im täglichen Produktivbetrieb und wurde zum primären Referenzwerkzeug des Teams.
2026 verschoben sich die Anforderungen des Kunden. Kommerzielle Legal-KI-Tools kamen auf den Markt, halluzinierten jedoch bei steuer- und rechtsspezifischen Fragen. Das Team wollte die Geschwindigkeit konversationeller KI-Recherche mit der Quellendisziplin der bestehenden Wissensplattform verbinden. Codebridge erweiterte Knowledge Cloud um eine KI-Rechercheassistenten-Ebene, die auf derselben Primärquellen-Wissensdatenbank aufsetzt.
Das Ergebnis ist eine Plattform mit zwei Ebenen. Die ursprüngliche Wissensdatenbank bedient weiterhin den Durchsuchen-und-Beitragen-Workflow, auf den sich das Team vier Jahre lang verlassen hat. Die KI-Rechercheebene bedient den Frage-und-Antwort-Workflow, den es heute benötigt. Beide Ebenen laufen auf derselben Primärquellen-Wissensdatenbank.
Herausforderungen über zwei Phasen von Knowledge Cloud
Knowledge Cloud stand im Verlauf seiner Entwicklung vor zwei Herausforderungen.
2021 brauchte der Kunde einen Ausweg aus verstreutem Wissen, doppelter Arbeit und langsamem Abruf. Die v1-Herausforderung waren Inhaltsstruktur, Akzeptanz und Suchgeschwindigkeit für ein Team, das in unstrukturiertem Kanzleiwissen versank.
2026 verschob sich die Herausforderung. Das Team hatte eine ausgereifte Wissensplattform, wollte die Recherche aber durch konversationelle KI beschleunigen, ohne die erarbeitete Genauigkeit aufzugeben. Kommerzielle KI-Tools halluzinieren bei steuer- und rechtsspezifischen Fragen. Bestehende Wissensplattformen isolieren Inhalte über Systeme hinweg, die nicht jurisdiktionsübergreifend argumentieren können. Das Team benötigte ein System, das die strukturierte Wissensdatenbank mit einer KI-Rechercheebene verbindet, die ihre Quellen zitiert, ihr Vertrauensniveau kennzeichnet und jede Ausgabe zur Verifizierung an einen Senior Practitioner übergibt, bevor sie einen Mandanten erreicht.
Halluzinationsrisiko
Kommerzielle KI-Tools produzieren selbstbewusst klingende Antworten ohne Primärquellen-Grundlage. In der steuer- und rechtsspezifischen Arbeit ist die Lücke zwischen Selbstvertrauen und Wahrheit der Punkt, an dem Berufshaftung entsteht.
Jurisdiktionsübergreifende Komplexität
Die steuer- und rechtsspezifische Behandlung variiert über 50 US-Bundesstaaten, Bundesrecht und internationale Jurisdiktionen. Standard-KI reduziert dies auf eine vage Antwort, statt herauszustellen, wo Jurisdiktionen divergieren.
Isoliertes Wissen
Kanzleiwissen und Primärquellen leben in getrennten Systemen, die nicht miteinander kommunizieren. Fachleute verlieren Stunden beim Wechseln zwischen Plattformen für ein einziges Memo.
Lücke bei der Experten-Prüfung
KI-Ausgaben müssen die Prüfung eines Senior Practitioners bestehen, bevor sie einen Mandanten erreichen. Kommerzielle Tools haben keinen Workflow für Verifizierung, Freigabe oder Audit-Trail.
Vertrauen in KI
Fachleute werden keine KI verwenden, die sie nicht verifizieren können. Vertrauensbewertung, zitierte Quellen und menschliche Freigabe sind der Preis für die Akzeptanz in einem regulierten Berufsstand.
Umfang der Arbeit
1. Anforderungsanalyse
- Interviews mit Steuerexperten, Junior Associates und Senior Reviewern, um Recherche-Workflows zu erfassen und zu identifizieren, wo KI den Zeitaufwand für jurisdiktionsspezifische Analysen reduzieren kann, ohne Halluzinationsrisiken einzuführen.
2. Design
- Gestaltung einer informationsdichten Oberfläche im Stil moderner Enterprise-Legal-KI-Tools mit quellenbasierten Antworten, jurisdiktionsübergreifenden Vergleichsansichten und Experten-Verifizierungsworkflows als Teil jeder KI-Ausgabe.
3. Entwicklung
- Aufbau der retrieval-augmentierten KI-Recherche-Pipeline und einer Primärquellen-Wissensdatenbank mit jurisdiktionellen Metadaten.
- Implementierung von Vertrauensbewertung, Experten-Prüfungswarteschlange und Audit-Trail-Infrastruktur.
- Enterprise-Sicherheit, Zugriffskontrolle und Compliance-Steuerung für sensible Steuer- und Rechtsdaten.
4. Nutzertests
- Strukturierte Genauigkeitstests von KI-Ausgaben gegen Primärquellen sowie Nutzertests mit Fachleuten zur Validierung des Experten-Verifizierungsworkflows.
5. Support und Wartung
- Wartung der KI-Recherche-Pipeline, Aktualisierung der Primärquellen-Wissensdatenbank bei Änderungen von Gesetzen und Verordnungen sowie iterative Weiterentwicklung des Experten-Verifizierungsworkflows auf Basis von Feedback aus der Praxis.
Lösung: Eine moderne KI-Rechercheplattform für Steuer- und Rechtsexperten
Codebridge entwickelte Knowledge Cloud in zwei Phasen. Phase 1 lieferte im September 2022 eine strukturierte Wissensmanagement-Plattform für das Steuer- und Rechtsteam einer Big-4-Kanzlei. Phase 2 erweiterte die Plattform 2026 um einen konversationellen KI-Rechercheassistenten, einen Experten-Verifizierungsworkflow und einen jurisdiktionsübergreifenden Vergleich, aufgesetzt auf derselben Primärquellen-Wissensdatenbank. Die untenstehenden Funktionen beschreiben die KI-Rechercheebene der Phase 2.
Wichtige Funktionen der Plattform:
KI-Anfrage
Fachleute stellen steuer- und rechtsspezifische Fragen in natürlicher Sprache. Der KI-Rechercheassistent liefert eine synthetisierte Antwort, die auf konkreten Primärquellen basiert, mit Vertrauensindikator und vollständigem Quellenpanel. Wenn die Wissensdatenbank die Frage nicht ausreichend abdeckt, gibt das System „unzureichende Evidenz" zurück, statt zu raten.
Quellenbasierte Antworten
Jede Aussage der KI ist mit einer hochgestellten Inline-Zitation versehen, die auf das konkrete Gesetz, die Verordnung oder das Leitfaden-Dokument verweist. Fachleute können jede Zitation aufrufen, um die zugrunde liegende Primärquelle direkt zu lesen.
Experten-Verifizierungsworkflow
Jede KI-generierte Antwort durchläuft eine Prüfungswarteschlange, in der ein Senior Practitioner sie freigibt, bearbeitet oder ablehnt. Verifizierte Antworten tragen ein Experten-Freigabe-Kennzeichen mit Name des Prüfers, Zeitstempel und Bearbeitungshistorie. Ablehnungen fließen in die Retrieval-Pipeline zurück.
Jurisdiktionsübergreifender Vergleich
Nutzer vergleichen die steuer- und rechtsspezifische Behandlung über US-Bundesstaaten und internationale Jurisdiktionen in einer einzigen Ansicht. Die KI stellt wesentliche Unterschiede heraus, kennzeichnet Risiko-Jurisdiktionen und zitiert die Primärquelle hinter jeder Zelle der Vergleichsmatrix.
Multi-Katalog-Wissensdatenbank
Unter der KI-Ebene liegt eine strukturierte Wissensdatenbank mit Katalogen für Bundessteuer, Bundesstaatssteuer, Verrechnungspreise, Umsatzsteuer, Arbeitsrecht und weitere Fachgebiete. Artikel können in mehreren Katalogen existieren und tragen jurisdiktionelle Metadaten, damit das Retrieval den Kontext berücksichtigt.
Vertrauensbewertung und Audit-Nachverfolgung
Jede KI-Ausgabe erhält einen Vertrauens-Score basierend auf Primärquellen-Verifizierungsprüfungen. Ein Governance-Panel verfolgt Übereinstimmungsrate, Überschreibungsrate, Modellversion und Quellenabdeckung. Jede Entscheidung, jede Bearbeitung und jede Überschreibung wird für Compliance und regulatorische Audits protokolliert.
Aktuelle Recherchen und gespeicherte Antworten
Fachleute rufen frühere Recherche-Sitzungen erneut auf, speichern häufig verwendete Antworten in einer persönlichen Bibliothek und teilen verifizierte Antworten im Mandanten-Team. Die Plattform behält den Recherchekontext über Sitzungen hinweg bei, sodass Folgefragen auf der vorherigen Antwort aufbauen.
Performance und Retrieval-Geschwindigkeit
Die Retrieval- und Inferenz-Infrastruktur ist auf Zitations-Lookups im Sekundenbruchteil und KI-Antworten mit niedriger Latenz optimiert, damit Fachleute Antworten in Recherchegeschwindigkeit erhalten statt in E-Mail-Geschwindigkeit.
Technische Architektur & KI-Stack
Knowledge Cloud basiert auf einer KI-Recherche-Pipeline, die retrieval-augmentierte Generierung, Quellenverankerung, Vertrauensbewertung und Expertenverifizierung kombiniert. Jede Ebene ist so konzipiert, dass sie den Compliance-Standards entspricht, unter denen die regulierte fachliche Arbeit der Kanzlei bereits arbeitet.
Team-Zusammensetzung
| Rolle | Stack | Kernverantwortung |
|---|---|---|
| Solution Architect | .NET, Python, LangChain, RAG | Design der Retrieval-Pipeline, des Vertrauensbewertungsmodells und des Experten-Verifizierungsworkflows. Verantwortlich für die Ende-zu-Ende-Architektur des KI-Systems. |
| KI / RAG Engineer | Python, FastAPI, LangChain, pgvector, LLM-APIs (GPT, Claude, Gemini) | Aufbau der Embedding-Pipeline, Quellen-Grounding-Logik, Prompt-Engineering und Verifizierungsprüfungs-Runner. |
| Backend Engineer | .NET, ASP.NET Core, PostgreSQL, REST-APIs | Erweiterung des Knowledge Cloud Backends um KI-Service-Endpunkte, Prüfungswarteschlangen-Management und Audit-Log-Infrastruktur. |
| Frontend Engineer | React, TypeScript | Aufbau der konversationellen Recherche-Oberfläche, des Quellenpanels, der Vergleichsmatrix und des Experten-Prüfungs-Dashboards. |
| Data / QA / DevOps Engineer | Python, pytest, Azure, Docker, Terraform | Strukturierte Genauigkeitstests, Deployment und Sicherung der KI-Service-Infrastruktur. Erfüllung der Big-4-Sicherheitsanforderungen und Audit-Anforderungen. |
Retrieval-augmentierte Antwort-Pipeline
Jede Frage, die ein Fachmann stellt, durchläuft eine mehrstufige Pipeline. Das System ruft die relevantesten Primärquellen und das Kanzleiwissen aus einem jurisdiktionsbezogenen Vektorindex ab. Ein Mid-Tier-LLM synthetisiert eine Antwortentwurfsversion, die auf den abgerufenen Dokumenten basiert, mit Inline-Zitationen zu jeder Aussage. Ein Verifizierungsdurchlauf prüft jede zitierte Quelle gegen die aktuelle Version des zugrunde liegenden Gesetzes oder der Verordnung. Wenn das Retrieval eine unzureichende Abdeckung liefert, kennzeichnet das System „unzureichende Evidenz", statt eine ungestützte Antwort zu generieren.
Vertrauensbewertung und Verifizierung
Jede KI-Ausgabe trägt einen Fünf-Prüfungs-Verifizierungs-Score. Die Prüfungen laufen gegen Primärquellen, konfligierende Leitlinien, internen Playbook-Abgleich, Quellen-Zahlen-Abgleich und Scope-spezifische Ausschlüsse. Fachleute sehen den Vertrauensindikator (Hoch, Moderat, Niedrig) im Antwortkopf, mit jeder Prüfung in der Seitenleiste angezeigt, damit sie genau nachvollziehen können, welche Bedingungen bestanden und welche das System nicht verifizieren konnte.
Experten-Verifizierungsworkflow
Jede KI-generierte Antwort wird in eine nach Mandant, Jurisdiktion und Antworttyp geroutete Prüfungswarteschlange eingereiht. Ein Senior Practitioner gibt jede Ausgabe frei, bearbeitet oder lehnt sie ab. Freigegebene Antworten tragen ein grünes Experten-Freigabe-Kennzeichen mit Name des Prüfers, Zeitstempel und Bearbeitungshistorie. Abgelehnte Antworten fließen in die Retrieval- und Prompt-Tuning-Pipeline zurück. Jede Aktion wird für Compliance- und regulatorische Prüfungen in einem unveränderlichen Audit-Trail protokolliert.
Multi-Jurisdiktions-Wissensdatenbank
Unter der KI-Rechercheebene liegt eine strukturierte Wissensdatenbank mit Katalogen nach Fachgebiet (Bundessteuer, Bundesstaatssteuer, Verrechnungspreise, Umsatzsteuer, Arbeitsrecht) und Jurisdiktion (alle 50 US-Bundesstaaten sowie Bundes- und ausgewählte internationale Quellen). Jedes Dokument trägt Metadaten für Jurisdiktion, Wirksamkeitsdatum, Autoritätstyp und Kanzleipositions-Status. Die Retrieval-Ebene filtert vor der Antwortgenerierung nach diesen Dimensionen, sodass eine Kalifornien-Frage kalifornien-spezifische Primärquellen erhält.
Sicherheit, Compliance und Datenschutz
Die Plattform läuft in einer Big-4-genehmigten Cloud-Umgebung mit rollenbasierter Zugriffskontrolle, verschlüsselter Speicherung und Audit-Logging jeder KI-Entscheidung und Expertenaktion. Mandantendokumente sind auf den spezifischen Mandanten beschränkt und werden nie zur Beantwortung von Fragen zu einem anderen Mandanten verwendet. LLM-Anbieter erhalten keine Mandantendaten für das Training. Die Verifizierungsprüfungs-Infrastruktur und der Experten-Prüfungs-Audit-Trail erfüllen die Compliance-Standards, unter denen regulierte Steuer- und Rechtsarbeit bereits arbeitet.
Gruppierter Tech-Stack
- Backend: .NET (bestehende Plattform), Python + FastAPI (KI-Services)
- Frontend: React, TypeScript
- Datenbank: PostgreSQL, pgvector (Embeddings)
- KI und Retrieval: LangChain, RAG-Pipeline, individuelle Evaluations-Suite
- LLM-Anbieter: LLM-agnostische Architektur mit Unterstützung für GPT, Claude, Gemini
- Cloud-Infrastruktur: Azure
- DevOps: Docker, Kubernetes, Terraform, CI/CD
- Sicherheit: RBAC, verschlüsselte Speicherung, unveränderliche Audit-Protokollierung, mandanten-scoped Zugriff
Warum dieser Stack
Die retrieval-augmentierte Pipeline sitzt auf der bestehenden .NET-Wissensplattform statt sie zu ersetzen. Python und FastAPI treiben die KI-Service-Ebene, wo das Ökosystem für LLM-Integration, Evaluation und RAG-Orchestrierung am stärksten ist. Die LLM-agnostische Architektur lässt die Kanzlei Modellanbieter wechseln, wenn sich Fähigkeiten und Preise ändern, ohne die Retrieval- oder Verifizierungslogik neu zu schreiben. Azure wurde für die Compliance-Abstimmung mit der bestehenden Enterprise-Cloud-Umgebung des Kunden gewählt. Jede architektonische Entscheidung reduziert eines der drei Risiken, die für die Kanzlei am wichtigsten waren: Halluzination, jurisdiktionelle Fehler und unverifizierte Ausgaben, die einen Mandanten erreichen.
Technologien, die wir in diesem Projekt verwenden
Ergebnisse: Eine Rechtsrecherche-Plattform, der Fachleute vertrauen
Knowledge Cloud dient dem Steuer- und Rechtsteam seit vier Jahren über zwei Phasen hinweg. Die v1-Plattform reduzierte den Zeitaufwand, den Fachleute für die Suche nach Kanzleiwissen benötigten, und wurde bis 2025 zum täglichen Referenzwerkzeug des Teams. Die v2-KI-Rechercheebene reduziert jurisdiktionsspezifische Recherche von Stunden auf Minuten, wobei jede Antwort auf eine Primärquelle zurückverfolgt und jede KI-Ausgabe vor Erreichen eines Mandantenmemos durch eine Senior-Practitioner-Prüfung geleitet wird. Die Plattform verfolgt Übereinstimmungsrate, Überschreibungsrate und Quellenabdeckung als Akzeptanzmetriken für die KI-Ebene. Die v1-Muster für Suche und Durchsuchen bleiben im täglichen Gebrauch.
Dokumente im Bereich
Primärquellen, Behördenrichtlinien und Kanzleiwissen über 51 Jurisdiktionen, strukturiert für quellenbasiertes Retrieval.
Abgedeckte Jurisdiktionen
Bundes-, alle 50 US-Bundesstaaten sowie gezielte internationale Abdeckung für grenzüberschreitende Steuerfragen.
Antworten mit Primärquellen
Jede KI-generierte Antwort verweist auf ein konkretes Gesetz, eine Verordnung oder ein Behördendokument. Keine Antwort wird ohne Zitation ausgeliefert.
Von Experten verifizierte KI-Ausgaben
Jede KI-Ausgabe durchläuft die Freigabe eines Senior Practitioners, bevor sie ein Mandantenmemo oder Ergebnis erreicht.
Median-Antwortzeit
Fachleute erhalten quellenbasierte Antworten auf komplexe Steuerfragen in weniger als zwanzig Sekunden und leiten sie dann zur Experten-Prüfung weiter.
Zukünftige Pläne
Wir erweitern Knowledge Cloud kontinuierlich um:
- Internationale Jurisdiktionsabdeckung für EU, UK und ausgewählte Asien-Pazifik-Regionen für grenzüberschreitende Steuer- und Rechtsfragen.
- Zusätzliche Fachgebiete über die staatliche Einkommensteuer hinaus, einschließlich Umsatzsteuer, Lohnsteuer und Verrechnungspreise.
- Automatisierte Erstentwurfsgenerierung für Mandantenmemos und technische Gutachten mit integrierter Expertenprüfung.
- Tiefere Integrationen mit Steuerberatungs-, E-Signatur- und Fallmanagement-Plattformen.
"Codebridge lieferte Knowledge Cloud termingerecht und blieb dem Produkt jahrelang treu. Es lief während meiner Zeit bei KPMG im täglichen Produktivbetrieb und wurde zum primären Referenzwerkzeug des Teams. Zu sehen, wie sie die gleiche Plattform 2026 um einen KI-Rechercheassistenten erweitern, der die Quellendisziplin des Originals respektiert, spricht dafür, wie sie über langfristige Verantwortung denken."
Willst du ähnliches erreichen Ergebnisse? Lass uns deine Idee entwickeln!
