FZulG: Steuer-Gutschrift für AI-Personalkosten

TL;DR

• 25–35 % Steuer-Gutschrift auf förderfähige FuE-Personalkosten plus 60 % der Auftragsforschung — KMU-Boost auf 35 % seit 2024.
• Hohe jährliche Gutschrift bei voll ausgeschöpfter Bemessungsgrundlage — das unterschätzte Schwergewicht unter den DACH-AI-Förderinstrumenten 2026.
• Rückwirkend möglich für laufendes plus abgelaufenes Geschäftsjahr — einziges Förder-Instrument 2026 mit dieser Eigenschaft, das auch in Verlustjahren zahlt.

FZulG-Eckdaten 2026

Das Forschungszulagengesetz ist 2026 das unterschätzteste AI-Förder-Instrument im DACH-Raum. Anders als go-digital oder ZIM ist es kein Zuschuss, sondern eine steuerliche Gutschrift — gezahlt auch bei Verlustjahren. Das macht es zum stabilsten Hebel im Down-Cycle: der einzige Förder-Topf, der auch dann zahlt, wenn das Unternehmen rote Zahlen schreibt.

Der KMU-Boost ist kein Bonus, sondern 40 % höhere Gutschrift gegen den Großunternehmen-Standard. Wer 2026 unter den KMU-Schwellen liegt, lässt 10 Prozentpunkte liegen, wenn er nicht beantragt.

Was qualifiziert als AI-FuE

Die Definition nach §2 FZulG fasst Grundlagenforschung, Industrielle Forschung und Experimentelle Entwicklung. AI-Use-Cases qualifizieren typischerweise unter den letzten beiden — Voraussetzung ist Forschungs-Charakter mit Innovations-Sprung. Die Bescheinigungsstelle Forschungszulage (BSFZ) prüft die inhaltliche Anerkennung; Standard-LLM-API-Integration scheitert regelmäßig.

• Modell-Eigenentwicklung: Eigenes Fine-Tuning, eigene Embedding- oder Reward-Modelle qualifizieren regelmäßig — Voraussetzung sind dokumentierte Trainings-Pipeline und Evaluations-Set sowie messbarer Innovations-Sprung gegen Standard-API.
• Neue RAG- oder Agent-Architekturen: Eigenes hybrides Retrieval, neue Agent-Orchestrierung, neuartige Tool-Use-Pattern. Reine Konfiguration etablierter Frameworks qualifiziert nicht.
• Branchenspezifische AI-Innovationen: Domänen-spezifische Anwendungen mit eigenem Datenmodell (MedTech-Bildanalyse, Predictive-Maintenance, Knowledge-Graphs) — mit dokumentierter Hypothese, Experimentier-Plan und Ergebnis-Validierung.
• Open-Source-Beiträge zu Foundation-Modellen: Publizierte Llama-Fine-Tunes, eigene HuggingFace-Datasets, Paper-publizierte Methoden — die BSFZ wertet die Publikations-Spur als Forschungs-Indikator.

Zwei-Stufen-Antragsprozess

FZulG läuft in zwei strikt getrennten Stufen: inhaltliche Anerkennung durch die BSFZ (Bund), steuerliche Geltendmachung durch das lokale Finanzamt.

Bewilligungs-Quote BSFZ 2025: rund 76 % — höher als ZIM (rund 45 %) und vergleichbar mit go-digital. Stufe 1 ist die Hürde, Stufe 2 ist Routine: Wer die BSFZ-Bescheinigung hat, bekommt die Steuer-Gutschrift praktisch immer.

Pilot: SaaS-Anbieter, FZulG über 3 Jahre

Ein DACH-SaaS-Anbieter (110 MA, KMU-Status) rollte 2023–2025 drei FZulG-Anträge aus. Use-Case: eigenes Embedding-Modell für domänen-spezifische Vertrags-Klassifikation, kontinuierlich weiterentwickelt. Findings nach drei Jahren:

1. Bemessungs-Cap wurde 2025 erstmals erreicht, weil Personalkosten plus Auftragsforschung über der Jahres-Obergrenze lagen. Alles darüber ist nicht förderfähig.
2. BSFZ-Bescheinigung wurde bei allen drei Anträgen erteilt — saubere FuE-Argumentation mit Hypothese, Experimentier-Plan und Ergebnis-Validierung pro Jahr.
3. Antrags-Aufwand rund 25 Personentage über drei Jahre — Argumentation, Stundenerfassung, Dokumentations-Protokolle. Die Gutschrift pro investiertem Personentag ist beträchtlich.

Anti-Patterns

• Standard-LLM-API-Integration als FuE deklariert: OpenAI-API plus RAG plus Standard-Vektor-DB wird eingereicht. Die BSFZ erkennt das in fünf Minuten — kein Innovations-Sprung, keine Hypothese. Fix: klare Trennung zwischen Integration (nicht förderfähig) und Eigenentwicklung mit Forschungs-Charakter. Wer keine eigene Methode entwickelt, sollte FZulG nicht beantragen.
• Fehlende Stundenerfassung: FuE-Personalkosten geschätzt statt erfasst. Die BSFZ verlangt Stundenerfassung pro Mitarbeiter pro Projekt — nachträglich rekonstruiert fliegt das im Audit auf. Fix: ab Tag 1 Zeiterfassung mit Projekt-Kontierung (Toggl, Harvest, Jira-Worklogs), tagesgenau.
• Kein FuE-Dokumentations-Protokoll: Kein laufendes Protokoll über Hypothesen, Experimente, Ergebnisse — Code-Commits reichen der BSFZ nicht. Fix: monatliches FuE-Tagebuch pro Projekt (Forschungs-Frage, Vorgehen, Zwischenergebnis, Erkenntnis), 1–2 Seiten, vom ersten Tag an.

Kombination: FZulG + go-digital + ZIM

FZulG ist 2026 mit go-digital (50 % Beratungs-Zuschuss) und ZIM (35–50 % auf Sach- und Personalkosten) kumulierbar — aber nur unter strikter Kostenarten-Separation. Doppel-Förderung derselben Kosten ist ausgeschlossen, getrennte Kostenarten sind kombinierbar. Bei sauberer Separation ergibt das 35–50 % effektive TCO-Reduktion auf den AI-Build. Voraussetzung: eindeutig getrennte Kostenarten pro Förder-Topf — sonst fordert das Finanzamt nachträglich zurück.

Fazit

FZulG ist 2026 der unterschätzteste AI-Förder-Topf im DACH-Raum, mit drei Vorteilen gegenüber go-digital und ZIM: rückwirkend für laufendes plus abgelaufenes Wirtschaftsjahr, zahlt auch in Verlustjahren, kombinierbar mit beiden anderen Töpfen.

Praxis-Schritt: Ein 90-Min-FZulG-Eignungs-Audit prüft FuE-Charakter, Stundenerfassungs-Reife und Dokumentations-Pattern und liefert die BSFZ-Argumentations-Skizze als priorisierte Antrags-Vorlage. Erstgespräch anfragen → /anfrage

Wichtig: FZulG-Beratung ist steuerrechtlich. Azena begleitet die FuE-inhaltliche Argumentation gegenüber der BSFZ; der finale steuerliche Antrag und die Geltendmachung beim Finanzamt erfolgen durch Ihren Steuerberater.

Stand Mai 2026. FZulG-FuE-Argumentations-Begleitung für AI-Builds ist Azena-Default — eigene BAFA-/go-digital-Akkreditierung in Vorbereitung Q3 2026, steuerliche Geltendmachung ausschließlich über mandatierten Steuerberater.