ChatGPT Enterprise in der Steuerberatung: Was HSPs Rollout zeigt

Die HSP GRUPPE setzt ChatGPT Enterprise nicht nur als persönliches Schreibwerkzeug ein, sondern als Teil ihres Betriebsmodells für Steuerberatung, Rechtsrecherche, Mandantenkommunikation, Finanzanalysen und Wissensaustausch. Der offizielle OpenAI-Fall zeigt damit einen für viele Professional-Services-Unternehmen relevanten Wandel: Der Nutzen entsteht weniger durch einzelne Prompts als durch standardisierte Prozesse, gemeinsame Agents, kontinuierliches Lernen und klare fachliche Verantwortung.

Wichtig für die Einordnung: Die veröffentlichten Nutzungszahlen beziehen sich auf den gemeinsamen ChatGPT-Enterprise-Workspace von HSP GRUPPE und Kanzleipakt mit 81 organisatorischen Gruppen. HSP selbst ist ein Netzwerk rechtlich unabhängiger Steuerberatungs-, Wirtschaftsprüfungs- und Rechtsanwaltskanzleien. Die Ergebnisse sind daher ein belegter Anbieterfall, aber kein allgemeiner Branchenbenchmark und kein garantierter Effekt für andere Kanzleien.

Was HSP konkret eingeführt hat

HSP behandelte die Einführung als organisatorische Transformation. Monatliche KI-Foren dienten dazu, praktische Anwendungsfälle zu teilen und voneinander zu lernen. Erfolgreiche Vorgehensweisen wurden anschließend teilweise in gemeinsame Custom Agents überführt. So entstand wiederverwendbares Prozesswissen, das nicht bei einzelnen besonders erfahrenen Nutzern verblieb.

Als Beispiele nennt der Fall einen Agenten für Mandantenkommunikation, der erste Entwürfe, Struktur, Klarheit und einen konsistenten Ton unterstützt, sowie einen Buchungsassistenten für konkrete Fragen zu SKR03 und SKR04. In beiden Fällen bleiben Prüfung und endgültige fachliche Entscheidung bei den zuständigen Steuer-, Rechts- oder Rechnungswesenexperten. Das ist ein entscheidender Unterschied zwischen Assistenz und autonomer Fallbearbeitung.

• Persönliche Nutzung für Entwürfe, Strukturierung und fachliches Sparring.
• Gemeinsame Agents für wiederkehrende, klar abgegrenzte Arbeitsmuster.
• Regelmäßige Foren, in denen Teams funktionierende Anwendungen und Grenzen teilen.
• Interne Datenschutz-, Vertraulichkeits- und Governance-Regeln für mandantenbezogene Informationen.
• Verbindliche fachliche Prüfung und Endverantwortung bei den zuständigen Berufsträgern.

Die Kennzahlen richtig lesen

Für den Zeitraum vom 1. Februar bis 14. Juli 2026 nennt OpenAI eine wöchentliche aktive Nutzung von 84 Prozent, 755 wöchentlich aktive Nutzer und 913 eindeutige Nutzer im gemeinsamen Workspace. In diesem Zeitraum wurden mehr als 500.000 Nachrichten ausgetauscht. In einer Mitarbeiterbefragung berichteten 98,6 Prozent von höherer Produktivität und 84,6 Prozent von besserer Arbeitsqualität.

Weitere Befragungswerte: 95,9 Prozent meldeten wöchentliche Zeitersparnis, 63,5 Prozent mindestens zwei Stunden und 25,7 Prozent mindestens fünf Stunden pro Woche. 79,7 Prozent berichteten besseren Mandantenservice und 78,1 Prozent höhere Arbeitszufriedenheit. Das sind Selbstauskünfte im Rahmen eines Anbieter-Fallberichts. Sie zeigen starke Adoption und wahrgenommenen Nutzen, ersetzen aber keine unabhängige Messung von Fehlerquoten, Ergebnisqualität oder realisiertem Deckungsbeitrag.

HSP beschreibt außerdem ein bewusst konservatives Szenario von rund 40.000 Stunden zusätzlicher jährlicher Kapazität und einem theoretischen Umsatzpotenzial von ungefähr 3,8 Millionen Euro. Die Quelle kennzeichnet dies ausdrücklich als Kapazitätsszenario, nicht als realisierten oder garantierten Umsatz. Für Entscheider ist diese Trennung zentral: Freigewordene Zeit wird erst dann wirtschaftlich wirksam, wenn sie tatsächlich in abrechenbare Beratung, schnellere Durchlaufzeiten oder besseren Service überführt wird.

Welche Use Cases sich zuerst eignen

Der HSP-Fall legt eine klare Reihenfolge nahe: Zuerst Aufgaben unterstützen, bei denen Ergebnisse gut prüfbar sind und qualifizierte Fachkräfte ohnehin die Verantwortung tragen. Danach lassen sich erfolgreiche Muster standardisieren. Erst später sollten ganze Abläufe agentisch orchestriert werden. Diese Reihenfolge ist eine betriebliche Ableitung, keine Garantie des Anbieters.

1. Wiederholbarkeit prüfen: Kommt die Aufgabe häufig vor und folgt sie einer erkennbaren Struktur?
2. Prüfbarkeit bewerten: Kann ein Fachmitarbeiter Fehler schnell erkennen und korrigieren?
3. Datenrisiko klären: Welche Mandanten-, Personen- oder Vertragsdaten dürfen verarbeitet werden?
4. Fehlerfolgen einschätzen: Bleibt das Ergebnis ein interner Entwurf oder löst es bereits eine externe Wirkung aus?
5. Skalierbarkeit testen: Lässt sich ein erfolgreicher persönlicher Ablauf in einen gemeinsamen Agenten mit klaren Regeln übertragen?

Geeignete Startpunkte sind Entwürfe, Zusammenfassungen, Strukturierung und vorbereitende Analysen. Kritischer sind Steuerpositionen, rechtliche Bewertungen, Buchungsentscheidungen oder direkte Mandantenkommunikation ohne Review. Je höher die fachliche oder rechtliche Wirkung, desto verbindlicher müssen Quellenprüfung, Freigabe und Dokumentation sein.

Adoption und Governance gemeinsam skalieren

Viele Einführungen messen nur Lizenzen oder Logins. HSP kombinierte Nutzung mit Lernformaten und standardisierten Agents. Daraus lässt sich ein zweidimensionales Steuerungsmodell ableiten: Adoption zeigt, ob Menschen das System verwenden; Governance zeigt, ob sie es innerhalb kontrollierter Prozesse verwenden. Eine hohe Nutzungsquote ohne Datenregeln und fachliche Prüfung wäre kein Erfolg.

• Nutzung messen: aktive Nutzer, wiederkehrende Use Cases und Anteil erfolgreicher Abschlüsse.
• Qualität messen: Korrekturschleifen, fachliche Fehler, Quellenabdeckung und abgelehnte Ergebnisse.
• Zeit messen: vollständige Bearbeitungszeit inklusive Prüfung, nicht nur Dauer der KI-Antwort.
• Geschäftsnutzen messen: zusätzliche Beratungszeit, Durchlaufzeit, Mandantenservice und tatsächlich realisierte Erlöse.
• Risiken messen: Datenschutzvorfälle, unzulässige Eingaben, falsche Ausgaben und notwendige Eskalationen.

Rolloutplan für Kanzleien

1. Grundlagen schaffen: Prozessstandards, Datenklassen, Verantwortlichkeiten und zulässige Nutzung schriftlich festlegen.
2. Kleine Gruppe starten: Fach- und KI-erfahrene Mitarbeiter mit wenigen prüfbaren Use Cases pilotieren lassen.
3. Lernen organisieren: Regelmäßige Foren einführen und erfolgreiche Beispiele samt Grenzen dokumentieren.
4. Use Cases standardisieren: Wiederholbare Abläufe in gemeinsame Agents überführen und versioniert testen.
5. Wirkung erweitern: Erst nach stabiler Qualität ganze Prozessabschnitte erproben; menschliche Endverantwortung und Fallback beibehalten.

HSP testet agentische Funktionen zunächst mit einer kleinen Gruppe aus Entwicklern und Administratoren, bevor eine breitere Ausweitung erfolgt. Gleichzeitig untersucht das Netzwerk, wie Abläufe wie die Vorbereitung von Jahresabschlüssen früher im Prozess unterstützt werden können, etwa indem fehlende Informationen laufend erkannt werden. Das ist eine geplante Entwicklungsrichtung, kein bereits belegtes Produktionsergebnis.

Fazit für Entscheider

Der HSP-Fall zeigt, wie ChatGPT Enterprise in einer wissensintensiven und regulierten Dienstleistung skaliert werden kann: nicht als unkontrolliertes Individualwerkzeug, sondern als organisatorische Fähigkeit. Die übertragbaren Prinzipien sind klare Geschäftsprobleme, regelmäßiges Lernen, standardisierte erfolgreiche Use Cases, messbare Wirkung und unveränderte fachliche Verantwortung. Wer nur Lizenzen verteilt, erhält Nutzung. Wer Prozesse, Governance und Kompetenz gemeinsam entwickelt, kann zusätzliche Beratungskapazität schaffen.