Wolters Kluwer erweitert Expert AI: Was die neue Hochrisiko-Automatisierung für Healthcare und Tax & Accounting bedeutet

Kontext der Ankündigung vom 30. März 2026

Wolters Kluwer hat am 30.03.2026 seine Expert-AI-Strategie deutlich ausgeweitet. Im Fokus stehen hochregulierte Domänen wie Gesundheitswesen sowie Steuer- und Rechnungswesen. Kernprodukte wie UpToDate Expert AI (Healthcare) und CCH Axcess Expert AI (Tax & Accounting) erhalten erweiterte, tief integrierte KI-Funktionen für erklärbare, fachvalidierte Entscheidungen.

Die Botschaft: General-Purpose-Chatbots reichen für Hochrisiko-Entscheidungen nicht aus. Gefragt sind eng domänenspezifische, in bestehende Fachsoftware eingebettete KI-Systeme mit klaren Governance- und Audit-Trails.

Technischer Kern: Mehrschichtiges Intelligence-Modell und agentische Orchestrierung

Layered Intelligence statt einzelner Modellaufrufe

Laut Wolters Kluwer basiert Expert AI auf einem mehrschichtigen Intelligence-Modell, das drei Bausteine kombiniert:

1. Proprietäre, kuratierte Fachinhalte

– Im Gesundheitsbereich: evidenzbasierte, kontinuierlich aktualisierte Inhalte, gepflegt von tausenden Fachexpert:innen und einem internen Klinikteam.

– Im Steuer- und Rechnungswesen: Kommentierungen, Gesetzestexte, Richtlinien, Verwaltungsanweisungen sowie Best-Practice-Workflows.

1. Strukturierte Daten und Transaktionsinformationen

– Patienten- und Falldaten (z. B. Diagnosen, Laborwerte) bzw.

– Finanz- und Steuerdaten (z. B. Buchungssätze, Mandantendaten, Deklarationshistorie).

1. Multi-Model- und Agenten-Orchestrierung

– Unterschiedliche Modelle und Tools übernehmen klar abgegrenzte Teilaufgaben (z. B. Dokumentenaufnahme, Klassifikation, Extraktion, fachliche Bewertung, Formulierung).

– Ein Orchestrierungs-Layer steuert diese Agenten über den gesamten Workflow und stellt sicher, dass Zwischenschritte protokolliert und nachvollziehbar bleiben.

Von Einzelschritt-Automatisierung zu "touchless, ready-to-review"

Insbesondere in CCH Axcess Expert AI zielt Wolters Kluwer auf weitgehend berührungslose Workflows ab. Typischer Ablauf in der Steuerpraxis:

1. Eingang von Mandantendokumenten (PDF, Scans, E-Mails).

2. Agent zur Dokumentenaufnahme & -klassifikation erkennt Dokumenttypen und ordnet sie dem Mandat zu.

3. Agent zur Datenextraktion liest steuerlich relevante Informationen strukturiert aus.

4. Fachlogik- und Compliance-Agenten prüfen Vollständigkeit, Plausibilität und steuerrechtliche Anforderungen.

5. Generativer Agent erzeugt "ready-to-review"-Erklärungen und Empfehlungen für die Steuerfachkraft.

Wolters Kluwer spricht von 20–30 % weniger manueller Arbeit – vor allem bei wiederkehrenden, datenintensiven Routineaufgaben. Entscheidend: Die finale Verantwortung verbleibt bei der Fachkraft, die ein bereits weit vorstrukturiertes Ergebnis prüft.

Erklärbarkeit und Governance für Hochrisiko-Kontexte

Transparente Begründungen statt Black Box

Ein zentrales Differenzierungsmerkmal der Expert-AI-Strategie ist der Fokus auf erklärbare und auditierbare Outputs:

• Antworten werden mit Quellenverweisen auf konkrete Textstellen aus der proprietären Wissensbasis versehen.

• Zwischenschritte der Agenten (z. B. Klassifikationsentscheidungen, angewandte Regeln) werden protokolliert.

• Klinische oder steuerliche Empfehlungen sind mit Begründungen hinterlegt, die sich in fachlicher Sprache nachvollziehen lassen.

Für Compliance-, Risk- und Qualitätsabteilungen bedeutet das:

• Entscheidungen sind rückverfolgbar,

• Governance-Regelwerke (z. B. Vier-Augen-Prinzip, Eskalationswege) können auf KI-gestützte Entscheidungen ausgedehnt werden,

• und Audit-Anforderungen (intern, extern, Aufsicht) lassen sich technisch besser abbilden.

Expert-in-the-Loop statt vollautonome KI

Statt komplett autonomer Systeme verfolgt Wolters Kluwer einen Expert-in-the-Loop-Ansatz:

• Im Gesundheitswesen: Kliniker:innen nutzen UpToDate Expert AI als Entscheidungsunterstützung, nicht als Entscheidungsträger.

• In Tax & Accounting: Steuerberater:innen und Wirtschaftsprüfer:innen bleiben für Freigabe und Signatur verantwortlich; KI-Ergebnisse sind Vorschläge mit dokumentierter Grundlage.

Damit adressiert das Unternehmen zentrale Anforderungen, wie sie sich auch aus der europäischen KI-Regulierung für Hochrisiko-Systeme ergeben: Risikomanagement, Transparenz, menschliche Aufsicht und Protokollierung.

Konkrete Auswirkungen auf Healthcare-Organisationen

Beispiel: Diagnostik- und Therapieentscheidungen im Krankenhaus

Ein typisches Szenario:

1. Ein:e Ärzt:in gibt eine komplexe klinische Fragestellung in UpToDate Expert AI ein (z. B. Multimorbidität, seltene Erkrankung).

2. Das System kombiniert aktuelle Evidenz, Leitlinien und patientenspezifische Parameter.

3. Es liefert mehrere Therapieoptionen mit Begründung, Evidenzlevel und Quellenangaben.

4. Die Ärztin oder der Arzt dokumentiert die Entscheidung samt KI-Empfehlung direkt in der Patientenakte.

Implikationen für Krankenhäuser und Klinikverbünde:

• Qualitätssicherung: Standardisierung von Entscheidungsprozessen, reduzierte Variabilität, bessere Nachvollziehbarkeit.

• Fortbildung on the job: Kliniker:innen erhalten kontinuierlich aktualisiertes Wissen im Arbeitsfluss.

• Haftungs- und Risiko-Management: Bessere Dokumentation der zugrunde liegenden Evidenz kann in Streitfällen relevant werden – erfordert aber klare Policies, wann und wie KI-Empfehlungen übernommen oder abgelehnt werden.

Konkrete Auswirkungen auf Steuerkanzleien und Corporate Tax-Abteilungen

Beispiel: Jahresabschluss- und Deklarationsprozesse

In einer mittelgroßen Steuerkanzlei könnte CCH Axcess Expert AI wie folgt wirken:

1. Mandantendaten werden automatisiert gesammelt, klassifiziert und strukturiert.

2. KI-Agenten identifizieren Auffälligkeiten (z. B. abweichende Kennzahlen, unplausible Buchungen) und schlagen Prüfpfade vor.

3. Das System generiert erklärte Handlungsempfehlungen – etwa zu möglichen steuerlichen Optimierungen oder Risiken.

4. Die Fachkraft prüft, ergänzt und gibt Deklarationen oder Gutachten frei.

Für Unternehmen und Kanzleien ergeben sich:

• Produktivitätsgewinne: 20–30 % weniger manuelle Routinearbeit eröffnen Kapazitäten für Beratung, Szenarioanalysen und Mandantenkommunikation.

• Neue Skill-Profile: Datenkompetenz, Systemverständnis und Fähigkeit zur kritischen Bewertung von KI-Ausgaben werden Kernkompetenzen; rein manuelle Erfassungsaufgaben verlieren an Gewicht.

• Anpassungsbedarf bei Kontrollen: Interne Kontrollsysteme (IKS) und Qualitätsmanagement müssen explizit definieren, wie KI-Vorschläge geprüft, dokumentiert und freigegeben werden.

Strategische Bedeutung für Unternehmen und Organisationen

1. Spezialisierte KI-Plattformen setzen sich gegen generische Modelle durch

Die Ankündigung unterstreicht einen Trend: Domänenspezifische, in Fachsoftware eingebettete KI gewinnt an Relevanz gegenüber isolierten Chat-Lösungen. Für Entscheider:innen bedeutet das:

• Evaluationskriterien verschieben sich von Modellbenchmarks hin zu End-to-End-Workflow-Fähigkeiten und Governance.

• Einkauf und IT sollten verstärkt auf Integrationstiefe, Auditierbarkeit und Datenherkunft achten.

2. Architektur von Compliance und Qualitätsmanagement muss erweitert werden

Wenn Hochrisiko-Entscheidungen – klinisch oder steuerlich – zunehmend KI-gestützt erfolgen, müssen:

• Richtlinien und SOPs explizit definieren, wann KI genutzt werden darf, wann nicht und wie Abweichungen zu begründen sind.

• Rollenmodelle (z. B. KI-Verantwortliche, Daten-Owner, Fach-Owner) klar zugeordnet werden.

• Monitoring-Mechanismen etabliert werden, um Performance, Bias, Fehlerraten und Nutzerverhalten zu überwachen.

3. Daten- und Wissensstrategie wird zum Engpass

Expert AI stützt sich stark auf eigene, kontinuierlich gepflegte Wissensbasen. Für Unternehmen folgt daraus:

• Wer selbst hochkritische Entscheidungen mit KI unterstützen will, muss in Kuratierung und Pflege domänenspezifischer Inhalte investieren.

• Kooperationen mit spezialisierten Anbietern wie Wolters Kluwer können schneller sein als Eigenentwicklungen – setzen aber klare Schnittstellen- und Governance-Vorgaben voraus.

Handlungsempfehlungen für Entscheidungsträger:innen

Für Krankenhäuser und Gesundheitsnetzwerke

• Pilotprojekte aufsetzen: UpToDate Expert AI oder vergleichbare Systeme in ausgewählten Fachbereichen testen, mit klaren Outcome- und Qualitätsmetriken.

• Regeln für Nutzung und Dokumentation definieren (z. B. Pflicht zur Dokumentation der KI-Empfehlung bei bestimmten Indikationen).

• Interdisziplinäre Gremien (Medizin, IT, Recht, Datenschutz) etablieren, die Governance und Monitoring verantworten.

Für Steuerkanzleien und Corporate Tax

• Workflows analysieren: Identifizieren, welche Prozessschritte für agentische Automatisierung geeignet sind (Dokumentenaufnahme, Extraktion, Vorabprüfungen).

• Kontroll-Frameworks anpassen: IKS-Elemente gezielt auf KI-gestützte Abläufe ausdehnen, inkl. Logging- und Eskalationsregeln.

• Mitarbeitende qualifizieren: Schulungen zu Funktionsweise, Stärken und Grenzen von Expert AI, inklusive Fallbeispielen und Fehlerszenarien.

Fazit

Mit der Erweiterung von Expert AI in UpToDate und CCH Axcess markiert Wolters Kluwer einen nächsten Schritt hin zu tief integrierten, agentischen KI-Systemen für Hochrisiko-Entscheidungen. Für Unternehmen im Gesundheits- und Steuerbereich bedeutet das: Produktivitäts- und Qualitätsgewinne sind realistisch – unter der Bedingung, dass Governance, Skills und Datenbasis konsequent mitentwickelt werden.

Häufig gestellte Fragen (FAQ)

Was ist Wolters Kluwer Expert AI und in welchen Bereichen wird es eingesetzt?

Wolters Kluwer Expert AI ist eine domänenspezifische KI-Plattform, die in Fachprodukte wie UpToDate (Healthcare) und CCH Axcess (Tax & Accounting) eingebettet ist. Sie unterstützt hochregulierte Entscheidungen im Gesundheitswesen sowie im Steuer- und Rechnungswesen durch erklärbare, fachvalidierte Empfehlungen.

Wie funktioniert das mehrschichtige Intelligence-Modell von Expert AI technisch?

Das Modell kombiniert proprietäre, kuratierte Fachinhalte mit strukturierten Fall- und Transaktionsdaten und einer Orchestrierung mehrerer spezialisierter KI-Agenten. Diese Agenten übernehmen klar definierte Teilaufgaben wie Klassifikation, Extraktion, fachliche Bewertung und Formulierung, wobei alle Zwischenschritte protokolliert und nachvollziehbar bleiben.

Welche Auswirkungen hat die Expert-AI-Erweiterung auf Krankenhäuser und Gesundheitsnetzwerke?

Krankenhäuser können Diagnostik- und Therapieentscheidungen durch evidenzbasierte, begründete Empfehlungen in UpToDate Expert AI unterstützen und besser dokumentieren. Das verbessert Qualitätssicherung, Standardisierung klinischer Entscheidungen und Risiko-Management, erfordert aber klare Policies zur Nutzung und Dokumentation von KI-Empfehlungen.

Welche Vorteile bringt CCH Axcess Expert AI für Steuerkanzleien und Corporate Tax-Abteilungen?

CCH Axcess Expert AI reduziert manuelle Routineaufgaben in der Dokumentenaufnahme, Datenextraktion und Vorabprüfung um rund 20–30 %. Steuerfachkräfte erhalten erklärbare, „ready-to-review“-Vorschläge, können mehr Zeit in Beratung investieren und benötigen verstärkt Daten- und Systemkompetenz statt reiner Erfassungsarbeit.

Was ist der Unterschied zwischen Expert-AI-Systemen und generischen Chatbots in Hochrisiko-Kontexten?

Expert-AI-Systeme sind tief in Fachsoftware integriert, nutzen kuratierte Wissensbasen und bieten auditierbare, begründete Outputs mit klaren Governance-Mechanismen. Generische Chatbots arbeiten meist modellzentriert, ohne domänenspezifische Validierung, Nachvollziehbarkeit und Einbettung in regulierte Workflows, was sie für Hochrisiko-Entscheidungen ungeeignet macht.

Wie stellt Wolters Kluwer Erklärbarkeit, Governance und Compliance bei Expert AI sicher?

Expert AI versieht Empfehlungen mit Quellenverweisen auf konkrete Wissensinhalte, dokumentiert Agenten-Zwischenschritte und begründet klinische oder steuerliche Vorschläge in Fachsprache. So lassen sich Governance-Regeln wie Vier-Augen-Prinzip, Eskalationswege und Audit-Anforderungen technisch verankern und auf KI-gestützte Entscheidungen ausdehnen.

Was sollten Unternehmen jetzt tun, um sich auf den Einsatz von Expert AI vorzubereiten?

Unternehmen sollten geeignete Prozesse für Pilotprojekte identifizieren, etwa in klinischen Entscheidungswegen oder Deklarations-Workflows, und klare Richtlinien für Nutzung und Dokumentation der KI definieren. Parallel sind Anpassungen von Kontroll- und Qualitätsmanagement-Systemen sowie Schulungen für Fachkräfte zu Funktionsweise, Grenzen und Governance von Expert AI notwendig.