KI in der Buchhaltung: weniger Sortieren, mehr Zeit zum Beurteilen

Buchhaltung bedeutet auch wiederholtes Lesen, Sortieren und Nachfragen. Was wurde gekauft? Passt es zur Tätigkeit des Mandanten? Reichen die Informationen für eine korrekte Behandlung aus? Bei solchen sprachlichen Aufgaben kann KI helfen. Berechnungen, eindeutige Zuordnungen und festgelegte Buchungsregeln gehören in verlässliche Software. Ein sinnvoller Ablauf verbindet beides und schafft mehr Aufmerksamkeit für Ausnahmen und Entscheidungen.

MechaAnetka ist ein Projekt für Buchhaltungsabläufe mit Anbindung an Polens nationales E-Rechnungssystem KSeF. Laut polnischem Finanzministerium verwenden KSeF-Rechnungen ein strukturiertes XML-Format. Das Projekt liest diese Felder direkt aus und stellt Verkäufer, Käufer, Gesamtbetrag und Rechnungspositionen für die Prüfung zusammen. Diese Vorbereitung ist klassische Automatisierung. KI kommt bei der Interpretation der Beschreibungen hinzu. Bei Scans oder PDFs könnte zuvor eine Dokumentenerkennung stehen, deren Ergebnisse mit dem Original abzugleichen sind.

Die Beispiele beschreiben die für diesen Artikel geprüfte Implementierung von MechaAnetka. Sie belegen weder einen Produktiveinsatz noch gemessene Zeitersparnisse oder Genauigkeitswerte. Die Einkaufsszenarien sind illustrativ und enthalten keine Mandantendaten.

Derselbe Artikel kann für verschiedene Mandanten unterschiedliche Bedeutung haben. Spielzeug könnte Handelsware oder Ausstattung einer Kindertagesstätte sein. Bei einer anderen Tätigkeit wäre eventuell eine Rückfrage sinnvoll. MechaAnetka übergibt der KI neben den Rechnungsdaten eine von der Buchhaltung verfasste Tätigkeitsbeschreibung. Die Prüfung stellt zwei eng umrissene Fragen: Betrifft der Einkauf ein Fahrzeug, und gibt es Anzeichen für private Nutzung? Das Ergebnis ist eine Prüfmarkierung und keine Entscheidung über steuerliche Abziehbarkeit.

Fehlender Kontext verlangt gegebenenfalls weitere Informationen. Er beweist keine private Ausgabe. Ebenso beweist eine fehlende Markierung keine korrekte buchhalterische Behandlung.

Eine Werkstattrechnung nennt Reifen und Ölwechsel, aber kein Kennzeichen. Ein Sprachmodell kann den Fahrzeugbezug erkennen, wenn keine eindeutige Zuordnung möglich ist. MechaAnetka gleicht zunächst verfügbare Kennzeichen und Fahrzeugidentifikationsnummern mit dem Fahrzeugbestand des Mandanten ab. Bei einem Treffer greift der bestehende regelbasierte Ablauf ohne KI-Prüfung. Einkäufe ohne Treffer können die KI erreichen, die Fahrzeugkosten oder mögliche private Einkäufe markiert.

• Eindeutige Begriffe: Kraftstoff, Reifen oder eine konkret beschriebene Fahrzeugreparatur bieten belastbare Anhaltspunkte.

• Mehrdeutige Begriffe: „Wartungsleistungen“ allein kann auch IT oder Bürogeräte betreffen. Die Modellanweisungen unterscheiden diese Fälle ausdrücklich.

• Fachliche Klärung: Die Buchhaltung prüft den Beleg, klärt das betroffene Fahrzeug und entscheidet auf Grundlage der vollständigen Informationen.

Eine Markierung hilft, wenn jemand sie finden und bearbeiten kann. MechaAnetka speichert das Prüfergebnis an der Rechnung und bietet eine Aktion zum Kennzeichnen als erledigt. Fehlgeschlagene KI-Prüfungen werden separat erfasst und können erneut gestartet werden. Ein Fehler muss sichtbar bleiben, statt wie eine abgeschlossene Prüfung ohne Auffälligkeiten auszusehen. So wird das KI-Ergebnis Teil eines handhabbaren Arbeitsablaufs.

Der aktuelle Klassifikator liefert zwei Ja/Nein-Signale. Er erzeugt weder eine schriftliche Begründung noch einen Konfidenzwert. Die Rechnungsdetails müssen weiterhin geprüft werden.

Der Ansatz lässt sich auf weitere Aufgaben übertragen. Dies sind mögliche Erweiterungen, keine in MechaAnetkas Rechnungsprüfung bestätigten Funktionen:

• Mandantenfragen: Eine kurze Rückfrage zu einem fehlenden Beleg oder zum betrieblichen Zweck vorbereiten und vor dem Versand fachlich prüfen.

• Abstimmung unterstützen: Zuordnungen vorschlagen, wenn Zahlungstexte und Rechnungsreferenzen abweichen. Betrag, Datum, Währung und Nachweise vor der Übernahme bestätigen.

• Monatskommentare: Aus geprüften Berichtszahlen einen ersten Erklärungstext erstellen. Jede Zahl prüfen und beobachtete Veränderungen von vermuteten Ursachen unterscheiden.

• Dokumenteneingang: Dokumenttypen vorschlagen und Felder aus Dateien auslesen, während das Original für die Kontrolle verfügbar bleibt.

ICAEW betont in seinen Ressourcen zu KI-Kompetenzen die weiterhin notwendige sorgfältige menschliche Prüfung KI-gestützter Finanzmodelle. Diese Sorgfalt hilft auch bei Rechnungen: Originale zugänglich halten, offene Fälle sichtbar machen und Zuständigkeiten für Freigaben festlegen. Klären Sie, welche Mandantendaten das Modell benötigt, wo sie verarbeitet werden und wer Zugriff hat. Prüfmarkierungen sollen die fachliche Beurteilung unterstützen. Sie sollten keine Steuererklärungen, Zahlungen oder endgültigen Buchungsentscheidungen eigenständig auslösen.

Wählen Sie eine begrenzte Aufgabe, etwa Einkaufsrechnungen mit Klärungsbedarf zu einem Fahrzeug zu finden. Vergleichen Sie den KI-gestützten Ablauf zunächst mit einer fachlich geprüften Stichprobe. Berücksichtigen Sie eindeutige Fälle, mehrdeutige Beschreibungen und fehlende Informationen. Prüfen Sie neben markierten Rechnungen auch eine Auswahl unmarkierter Belege, damit übersehene Probleme erkennbar werden.

• Zeitaufwand: Gesamte Prüf- und Korrekturzeit einschließlich Rückfragen messen.

• Nützliche Markierungen: Erfassen, welche Hinweise zu sinnvollen Fragen oder Korrekturen führen und welche unnötige Arbeit erzeugen.

• Übersehene Fälle und Fehler: Probleme in unmarkierten Rechnungen sowie nicht abgeschlossene Prüfungen dokumentieren.

Ein sinnvoller Pilot zeigt, ob das Team mit weniger Aufwand zu fundierten Entscheidungen gelangt. Die Zahl der an ein Modell gesendeten Rechnungen allein sagt wenig aus.