Das spezifische Wissen der Fachexperten effizient in Software umzusetzen, ist für den Geschäftserfolg vieler Unternehmen - auch den der DATEV - entscheidend. Für die Entwicklung der zentralen Komponenten, den Steuerberechnungen, hat sich DATEV entschieden, dieses Wissen in Form von DSL-basierten Modellen abzubilden und die Software daraus automatisch zu generieren. Im Vortrag gehen wir auf die Vor- und Nachteile des Konzepts ein, erläutern Herausforderungen bei Entwicklung und Einführung sowie generelle - positive wie negative - Lessons Learned.

Zielpublikum: Architekt:innen, Management
Voraussetzungen: Keine
Schwierigkeitsgrad: Anfänger

Extended Abstract:
Deutschlands Steuerberater erstellen pro Jahr mehrere Millionen Steuererklärungen unter Verwendung der DATEV-Software. Kern dieser Software ist eine weitreichende Implementierung des deutschen Steuerrechts, das den Nutzern als Win32-Desktopanwendung sowie zukünftig als SaaS zur Verfügung gestellt wird.

Ein wesentlicher Faktor für den weiteren Geschäftserfolg der DATEV ist, die Steuerfachlichkeit schnell und in hoher Qualität zu implementieren und dann auf verschiedenen Plattformen zur Verfügung zu stellen.

Um diesen Prozess weiter zu optimieren, entwickelt DATEV eine domänenspezifische Sprache. Diese zeichnet sich dadurch aus, dass die durch die gesetzlichen Regelungen implizierte Struktur und Rechenlogik unmittelbar als Modell “hinschreibbar” ist. Durch einen in der IDE integrierten Interpreter lassen sich die Modelle direkt ausführen, testen und debuggen. Damit kann die fachliche Korrektheit der Steuerlogik direkt -- ohne Generierung, Build oder Deployment -- und unabhängig von der technischen Implementierung sichergestellt werden.

Nachgelagert wird aus den Modellen ein inkrementeller C-Rechenkern für die Win32-Anwendung generiert; eine Implementierung der Berechnung in Java zur Verwendung in Spring-basierten Microservices für die SaaS-Plattform ist in Entwicklung.

In diesem Vortrag beschreiben wir die Motivation für die Entwicklung der DSL, die wichtigsten Spracheigenschaften, Integration in existierende Systeme, Erfahrungen mit Einführung bei den Fachentwicklern sowie – positive und negative – Lessons Learned.