So skaliert Blue J schnell in komplexen regulierten Bereichen

Traditionelle Steuerrecherchen beginnen damit, Hunderte Quellen zu sichten, bevor überhaupt deren Auslegung beginnt. Steuerfachleute verbringen anschließend Stunden damit, Gesetze, Vorschriften, Bescheide, Rechtsprechung und Fachkommentare auszuwerten, um das Zusammenspiel der Regeln zu verstehen und daraus eine Antwort abzuleiten.

Je nach Komplexität der Frage kann dieser Prozess Stunden, Tage oder sogar Wochen dauern und dennoch uneinheitliche oder veraltete Ergebnisse liefern. Jede übersehene Nuance kann reale Kosten verursachen.

Blue J wurde 2015 von Professor:innen für Steuerrecht und Fachleuten aus der Praxis gegründet, die bessere Werkzeuge für die Steuerrecherche für notwendig hielten. Aufbauend auf ersten Versuchen, mit KI den Ausgang steuerrechtlicher Verfahren vorherzusagen, entwickelte das Team verschiedene Produkte für Steuer- und Wirtschaftsprüfungskanzleien jeder Größe.

Als ChatGPT auf den Markt kam, erkannte Blue J die Chance, etwas Neues zu schaffen: fortgeschrittenes Reasoning zu komplexen Vorschriften mit strukturierter Informationssuche zu verbinden und so in Sekundenschnelle fundierte Steuerantworten mit Quellenangaben im Text und Quellenverzeichnissen, denen Fachleute vertrauen können, zu liefern.

Innerhalb von zwei Jahren nach der Einführung brachte Blue J eine Steuerrecherche-Engine mit GPT‑4.1 in den USA, Kanada und Großbritannien auf den Markt. Blue J führte das erste Produkt nur sechs Monate nach der Markteinführung von ChatGPT ein, entwickelte es anhand von Feedback zügig weiter und baute ein solides Evaluierungsverfahren auf.

Heute melden sich mehr als 70 % der Nutzer:innen wöchentlich an. Bei weniger als einer von 700 Antworten wird widersprochen. Blue J erläutert, wie der Einstieg in ein komplexes Fachgebiet und schnelles Wachstum gelingen, wenn Vertrauen, Genauigkeit und Geschwindigkeit nicht verhandelbar sind.

Die Steuerrecherche-Lösung von Blue J basiert auf einem System mit abrufgestützter Generierung (Retrieval-Augmented Generation, RAG). Es verbindet GPT‑4.1 mit einer eigenen Bibliothek aus Millionen kuratierter Dokumente, darunter maßgebliche Primärquellen und Fachkommentare von Anbietern wie Tax Notes.

Wenn Nutzer:innen eine Steuerfrage stellen wie: „Was ist der durch OBBBA entstandene ‚SALT torpedo‘ und wie lässt er sich abmildern?“ ruft Blue J sofort das Quellenmaterial ab. GPT‑4.1 fasst es zu einer klaren, vollständig belegten Antwort zusammen, die eher wie der Rat eines/einer vertrauten Kolleg:in wirkt als wie ein Modellergebnis. Ein solches System konnte nur ein Team entwickeln, das sowohl das Steuerwesen als auch die Technologie beherrscht.

„Wir haben viele Modelle getestet, und GPT‑4.1 erfüllt durchweg unsere Anforderungen“, sagt Janssen. „Es befolgt Anweisungen, berücksichtigt den Kontext und bewältigt Sonderfälle besser als alles, was wir bisher gesehen haben.“

Im Steuerwesen können selbst kleine Fehler Prüfungen auslösen, Steuererklärungen verzögern oder Mandant:innen viel Geld kosten. Das Team von Blue J wusste aus Erfahrung, dass selbst seltene Sonderfälle das Vertrauen untergraben können, wenn sie nicht schnell erkannt und behoben werden. Deshalb wurde das Produkt von Anfang an darauf ausgelegt, Feedback zu erfassen und sich unter Anleitung des Steuerrechercheteams systematisch zu verbessern.

Damit das System mit jeder Nutzung besser wird, führte Blue J eine optionale Datenfreigabe für Kund:innen ein, die zur Produktverbesserung beitragen wollten. Jede Antwort von Blue J enthält die Schaltfläche „Widersprechen“. Markierte Antworten werden systematisch nach Problemart, Steuerthema und wahrscheinlicher Ursache kategorisiert.

Dieser Kreislauf erkennt einzelne Fehler und macht Muster sichtbar. Schneiden Anfragen zur Besteuerung von Personengesellschaften schlecht ab, untersucht das Team die Ursache. Liefert ein Prompt uneinheitliche Ergebnisse, wird er angepasst. GPT‑4.1 bildet die Grundlage dieser Triage-Ebene. Das Modell analysiert Tausende Rückmeldungen, gruppiert verwandte Probleme und hilft den Produkt- und Steuerrechercheteams von Blue J, ihre Arbeit auf die Bereiche mit der größten Wirkung zu konzentrieren.

Da GPT‑4.1 konsistent antwortet, summiert sich selbst die Wirkung kleiner Verbesserungen. Das Ergebnis ist ein System, das aus jeder Interaktion lernt. Es ermöglicht schnellere Iterationen und bessere Antworten, während sich das Produkt im Einklang mit den Bedürfnissen der Nutzer:innen weiterentwickelt. Dieser Kreislauf half Blue J, die Widerspruchsquote auf weniger als eine von 700 Antworten zu senken.

Die iterative Produktentwicklung hilft Blue J außerdem, Veränderungen frühzeitig zu berücksichtigen. Als 2025 in den USA ein weitreichendes Steuergesetz verabschiedet wurde, hatte das Team bereits sechs Wochen lang dessen Auswirkungen auf die Codebasis abgebildet. Schon wenige Stunden nach der Unterzeichnung des Gesetzes erhielten Nutzer:innen im Produktivbetrieb aktualisierte Antworten.

In einem Fachgebiet, dessen Regeln sich laufend ändern und in dem Präzision entscheidend ist, sorgt dieses geschlossene Feedbacksystem dafür, dass Blue J schnell und vertrauenswürdig bleibt und dem Markt voraus ist.

Die Modellqualität ist nicht nur eine Funktion, sondern eine entscheidende Voraussetzung. Blue J evaluiert jede neue Modellversion mit einer Benchmark-Suite aus mehr als 350 Prompts zum US-amerikanischen, kanadischen und britischen Steuerrecht. Jedes Modell wird darauf geprüft, ob es Anweisungen befolgt, mit den Quellen übereinstimmt und klare Antworten liefert. So wird sichergestellt, dass Verbesserungen an Prompts oder der Abruflogik durch vorhersagbares Verhalten unter realen Bedingungen gestützt werden.

„Obwohl wir alle getestet haben, haben wir noch nie ein Modell eingesetzt, das nicht von OpenAI stammt“, sagt Janssen. „OpenAI-Modelle haben bei unseren internen Benchmarks durchweg besser abgeschnitten, insbesondere beim Befolgen von Anweisungen und beim Liefern von Antworten, die unseren Anforderungen für den Einsatz in der Praxis entsprechen.“

Kund:innen verlassen sich das ganze Jahr über auf Blue J als bevorzugtes Werkzeug für die Steuerrecherche, nicht nur während der Steuersaison. Mehr als 70 % der Nutzer:innen melden sich wöchentlich an. Sie sparen bei Recherche und Mandantenkommunikation je Nutzer:in 2,7 Stunden pro Woche und investieren diese Zeit in margenträchtigere Planungs- und Beratungsleistungen.

Dieses hohe Engagement erreichte Blue J durch die Konzentration auf die eigene besondere Stärke: ein fundiertes Verständnis der praktischen Bedürfnisse von Steuerfachleuten. GPT‑4.1 verstärkt dieses Fachwissen durch strukturierte Ausgaben, konsequentes Befolgen von Anweisungen und verlässliche Ergebnisse. Für Gründer:innen ist die Erkenntnis klar: Nutzt euer spezifisches Fachwissen als zentralen Vorteil und die richtigen Modelle, um zu skalieren.