Daten aus Form 1040 extrahieren

Form 1040 ist die US-amerikanische Einkommensteuererklärung für Privatpersonen. Jeder US-Steuerpflichtige mit Erklärungspflicht reicht sie jährlich bis zum 15. April ein (bei Fristverlängerung bis zum 15. Oktober). Das Formular ist seit 1913 das Kernstück des US-Steuerrechts, doch sein heutiges Layout stammt aus der Zeit nach dem Tax Cuts and Jobs Act: eine konsolidierte einseitige Vorderseite mit einer Reihe von Schedules (Schedule A für Einzelabzüge, Schedule B für Zinsen und Dividenden, Schedule C für Selbstständigkeit, Schedule D für Kapitalgewinne, Schedule E für Miet- und Beteiligungseinkünfte, Schedule SE für die Selbstständigensteuer), die bei Bedarf beigefügt werden. Kreditgeber, die das Einkommen von Antragstellern für Hypotheken und Kleinunternehmerkredite prüfen, Steuerberater, die die Erklärung des Folgejahrs vorbereiten, Finanzberater, die die Steuersituation eines Mandanten prüfen, und die IRS selbst müssen das 1040 schnell und präzise lesen können. Die Schwierigkeit liegt in den Zeilennummern und Schedules. Zeile 1a enthält Löhne, Gehälter und Trinkgelder. Zeile 2b enthält steuerpflichtige Zinsen. Zeile 3a enthält qualifizierte Dividenden. Zeile 7 enthält Kapitalgewinn oder -verlust. Zeile 11 enthält das bereinigte Bruttoeinkommen (AGI), die meistzitierte Zahl auf dem Formular, da Kreditgeber, Ämter für Studienfinanzierung und die IRS selbst das AGI als maßgeblichen Ausgangswert für zahlreiche nachgelagerte Berechnungen verwenden. Zeile 12 enthält den Standard- oder Einzelabzug. Zeile 15 enthält das zu versteuernde Einkommen. Zeile 16 enthält die Steuer vor Gutschriften. Zeile 24 enthält die Gesamtsteuer. Zeile 33 enthält die Gesamtzahlungen. Zeile 34 enthält die Erstattung (falls die Zahlungen die Steuer übersteigen) oder Zeile 37 den geschuldeten Betrag. Angaben zu unterhaltsberechtigten Personen, Familienstand (Single, MFJ, MFS, HoH, QSS) und der Identifikationsblock für Steuerpflichtigen und Ehepartner stehen oben auf dem Formular. Talonic extrahiert jede Zeile des 1040, den Identifikationsblock für Steuerpflichtigen und Ehepartner, die Zeilen zu unterhaltsberechtigten Personen sowie alle beigefügten Schedules. Zahlen werden als Dezimalwerte mit dem Dollarbetrag zurückgegeben; Cent-Beträge bleiben erhalten, wenn die Quelle sie ausweist, und werden andernfalls auf null gesetzt, wenn die Quelle rundet. Konfidenzwerte pro Zelle und Pixel-Region-Herkunftsnachweis ermöglichen es Kreditgebern oder Steuerberatern, jede Zahl gegen das Quell-1040 zu prüfen, bevor sie für eine Einkommensprüfungsentscheidung verwendet wird.

Was aus Form 1040 extrahiert wird

So funktioniert die Extraktion für Form 1040

Das Layout des Formulars 1040 ändert sich von Jahr zu Jahr leicht. Talonic klassifiziert jedes 1040 nach Steuerjahr und Revision (2023 vs. 2024 vs. frühere Versionen) und verarbeitet es über das Schema für private Steuererklärungen im Field Registry, das jede nummerierte Zeile sowie die Identifikationsblöcke abbildet. SSNs werden bei der Extraktion standardmäßig erkannt und zum Schutz nachgelagerter Prozesse teilweise maskiert. Das AGI in Zeile 11 wird als eigenständiges Feld erfasst, da zahlreiche nachgelagerte Prozesse (Einkommensprüfung durch Kreditgeber, FAFSA, IRMAA-Berechnung der Medicare-Prämie) davon abhängen. Beigefügte Schedules werden erkannt, wenn sie im selben PDF gebündelt sind, und als separate Schema-Instanzen extrahiert, die mit dem übergeordneten 1040 verknüpft sind. Konfidenzwerte pro Zelle mit Pixel-Region-Herkunftsnachweis entsprechen der DIN SPEC 91491-Konformität, sodass ein Underwriter oder Steuerberater Zeile 11 oder jede andere Zahl gegen das Quell-1040 prüfen kann, bevor er sich darauf verlässt.

Beispielextraktion

Ein vereinfachtes Form 1040 für 2024 für ein Ehepaar mit gemeinsamer Veranlagung

{
  "tax_year": 2024,
  "filing_status": "Married Filing Jointly",
  "taxpayer": {
    "name": "Jane Q. Smith",
    "ssn": "XXX-XX-1234"
  },
  "spouse": {
    "name": "John R. Smith",
    "ssn": "XXX-XX-5678"
  },
  "dependents": [
    {
      "name": "Emma Smith",
      "relationship": "Daughter",
      "ssn": "XXX-XX-2222"
    },
    {
      "name": "Liam Smith",
      "relationship": "Son",
      "ssn": "XXX-XX-3333"
    }
  ],
  "line_1a_wages": 148500,
  "line_2b_taxable_interest": 412,
  "line_3a_qualified_dividends": 1860,
  "line_7_capital_gain": 1428,
  "line_11_agi": 152200,
  "line_12_deduction": 29200,
  "line_15_taxable_income": 123000,
  "line_16_tax": 19418,
  "line_24_total_tax": 19418,
  "line_33_total_payments": 20838,
  "line_34_refund": 1420,
  "line_37_amount_owed": 0
}

Häufig gestellte Fragen