Am Monatsende liegen die Belege noch im E-Mail-Postfach, die OP-Liste in Excel und die Buchungsmaske im ERP offen. Während die Abgabefrist näher rückt, prüft die Bilanzbuchhaltung dieselbe Information in mehreren Systemen, sucht fehlende Rechnungen und entscheidet, ob eine Buchung wirklich auf das vorgeschlagene Konto gehört. KI in der Buchhaltung kann diese Routine deutlich entlasten. Sie ersetzt aber weder fachliche Verantwortung noch ein sauberes internes Kontrollsystem.
Österreichische Unternehmen nutzen KI bereits breiter als der EU-Durchschnitt. Laut Statistik Austria setzten 2025 30 % der Unternehmen mit mindestens 10 Beschäftigten KI-Technologien ein, EU-weit waren es 20 %. Im Rechnungswesen selbst ist der Einsatz meist noch punktuell. Entscheidend ist deshalb jetzt, wo KI tatsächlich hilft, wie DATEV oder BMD angebunden werden und wer für eine fehlerhafte Buchung geradesteht.
Wenn der Monatsabschluss zur Belastung wird
Am letzten Arbeitstag des Monats beginnt der eigentliche Sprint. Die Buchhaltung öffnet die OP-Liste, gleicht Bankbewegungen mit dem Hauptbuch ab, sucht Belege zu unklaren Zahlungen und wechselt danach in die Umsatzsteuervoranmeldung. Parallel warten Mahnläufe, Rückfragen aus den Fachabteilungen und jene Rechnung, deren Lieferant zwar bekannt ist, deren Leistungsbeschreibung aber kaum verrät, welches Sachkonto passt.
Die meiste Zeit verschwindet nicht in der fachlichen Entscheidung. Sie geht beim Sortieren, Übertragen, Nachfragen und Kontrollieren verloren. Eine Eingangsrechnung kommt als PDF, ein anderer Beleg als Foto, eine dritte Information steht nur in einer E-Mail. Selbst wenn alle Dokumente digital vorliegen, sind Lieferantennamen, Steuersätze und Positionsbeschreibungen nicht einheitlich.
Wo klassische Automatisierung an Grenzen stößt
Regeln funktionieren gut, wenn der Ablauf stabil ist. Ein bestimmter Lieferant wird immer auf dasselbe Konto gebucht, eine Bankdatei folgt immer demselben Format, eine Zahlung wird anhand einer eindeutigen Referenz zugeordnet. Sobald eine Ausnahme auftritt, braucht der Prozess wieder einen Menschen.
Ein OCR-Scanner kann Zeichen aus einem Beleg auslesen. Er erkennt aber nicht zuverlässig, ob „Servicepauschale“, „Wartung“ oder „Beratung“ im jeweiligen Unternehmen auf dasselbe Konto gehört. Regelbasierte Automatisierung kann Felder verschieben und Dateien importieren, sie versteht jedoch keinen unbekannten Kontext.
KI setzt an einer anderen Stelle an. Ein Modell kann Muster auf Belegen erkennen, Buchungsvorschläge klassifizieren und ungewöhnliche Bewegungen auf Sachkonten markieren. Das Ergebnis ist zunächst ein Hinweis oder eine Wahrscheinlichkeit, keine endgültige Buchung. Genau diese Unterscheidung verhindert, dass aus einer schnellen Verarbeitung ein stiller Fehler im Monatsabschluss wird.
Faustregel: Je mehr Zeit ein Team mit dem Transport von Informationen verbringt, desto sinnvoller ist ein KI-Pilot. Je stärker eine Aufgabe von Einzelfallentscheidungen abhängt, desto wichtiger bleibt die fachliche Prüfung.
Was KI in der Buchhaltung konkret leistet
KI in der Buchhaltung ist ein Werkzeugkasten, kein Autopilot. Die Belegerkennung zeigt den Unterschied besonders klar. Ein OCR-Scanner liest Buchstaben. Ein Machine-Learning-Modell versucht zusätzlich, den Zusammenhang zwischen Lieferant, Betrag, Leistungsbeschreibung, Umsatzsteuersatz und bisheriger Kontierung zu erkennen. Ein Large Language Model (LLM) kann Freitext in einer E-Mail zusammenfassen oder eine unstrukturierte Anfrage einem Prozess zuordnen.
Vier Technologien, vier Aufgaben
OCR extrahiert sichtbare Informationen wie Rechnungsnummer, Datum oder Betrag. Das ist nützlich, wenn das Dokument lesbar ist und die Positionen an erwarteten Stellen stehen.
Regelbasierte RPA führt festgelegte Schritte aus. Sie kann Dateien abholen, Daten in ein ERP übertragen oder einen Bericht erzeugen. Sie entscheidet aber nicht, ob eine ungewöhnliche Buchung fachlich plausibel ist.
Machine Learning erkennt wiederkehrende Zusammenhänge aus Beispieldaten. Es kann einen Kontierungsvorschlag machen, eine Rechnung einem Lieferanten zuordnen oder eine Abweichung hervorheben. Das Modell liefert dabei eine Einschätzung mit Unsicherheit.
LLMs sind besonders hilfreich bei Sprache. Sie können E-Mails, Notizen und Freitextfelder strukturieren. Für die direkte Verbuchung ohne Kontrolle sind sie nicht geeignet, weil sprachliche Plausibilität keine steuerliche oder bilanzielle Richtigkeit garantiert.
Ein Modell, das auf den Kontenplan, die Lieferantenstruktur und die Freigabelogik eines Unternehmens abgestimmt wurde, lässt sich nicht unverändert auf ein anderes Unternehmen übertragen. Unterschiedliche Kontenpläne, Kostenstellen, Steuerschlüssel und Buchungsregeln verändern das Ergebnis. Brauchbare Qualität entsteht durch repräsentative historische Belege, klare Korrektursignale und eine laufende Prüfung der Vorschläge.
Ein KI-Vorschlag ist eine begründete Vermutung. Eine steuerlich relevante Buchung braucht weiterhin einen nachvollziehbaren Prüf- und Freigabeschritt durch eine sachkundige Person.
Die wichtigsten Anwendungsfälle im Finanzteam
Die besten Startpunkte liegen dort, wo viele ähnliche Vorgänge eintreffen und Ausnahmen klar markiert werden können. Der Mensch prüft dann nicht mehr jeden Datensatz mit derselben Tiefe, sondern konzentriert sich auf die Fälle, bei denen Kontext, Risiko oder Datenqualität unklar sind.
| Anwendungsfall | Eingangsdaten | Typisches Ergebnis | Kontrollpunkt |
|---|---|---|---|
| Kontoabstimmung | Bankbewegungen, Hauptbuch, OP-Listen, Zahlungsreferenzen | Vorschläge für passende offene Posten, markierte Differenzen | Buchhaltung prüft zeitliche Unterschiede und nicht zuordenbare Zahlungen |
| Belegverarbeitung | PDFs, Fotos, strukturierte Rechnungen, Lieferantenstamm | Extrahierte Rechnungsdaten, Kontierungs- und Steuerschlüsselvorschlag | Sachkundige Person kontrolliert Belegbild, Konto und Steuerlogik |
| Anomalieerkennung | Buchungshistorie, Sachkonten, Lieferanten- und Zahlungsdaten | Hinweise auf Duplikate, ungewöhnliche Muster oder auffällige Beträge | Finance bewertet den Geschäftsvorfall und dokumentiert die Entscheidung |
| Forecasting | Historische Buchungen, offene Posten, Zahlungsfristen, Steuerdaten | Liquiditäts- oder USt-Vorschau auf Basis erkannter Muster | Verantwortliche Person prüft Annahmen und bekannte Sondereffekte |
Abstimmung und Belege
Bei der Kontoabstimmung vergleicht ein System bekannte Zahlungsreferenzen, Beträge und Zeiträume. Es markiert eine Zahlung ohne passenden offenen Posten, statt sie still einem ähnlichen Betrag zuzuweisen. Der Kontrollpunkt bleibt die Frage, ob es sich um eine verspätete Buchung, eine Gebührenposition, eine Sammelzahlung oder einen tatsächlichen Fehler handelt. Wie sich dieser Prozess technisch aufbauen lässt, beschreibt unser Beitrag zur Kontenabstimmung mit KI.
Bei Eingangsrechnungen extrahiert KI die relevanten Felder und schlägt eine Zuordnung zu Bestellung, Lieferant und Sachkonto vor. Eine Rechnung mit gemischten Steuersätzen oder einer unklaren Leistungsbeschreibung sollte nicht automatisch durchlaufen. Sie gehört in eine Ausnahmeroute.
Auffälligkeiten und Vorschau
Anomalieerkennung liefert kein fertiges Urteil über „Betrug“. Sie meldet beispielsweise eine doppelte Zahlung, eine neue Kontoverbindung, ein ungewohntes Buchungsmuster oder eine auffällige Häufung runder Beträge. Ein Mensch entscheidet, ob die Abweichung plausibel ist.
Forecasting kann historische Zahlungseingänge und Ausgaben für eine Liquiditätsplanung oder USt-Vorschau verwenden. Die Qualität hängt dabei stärker von vollständigen Buchungen und bekannten Sondereffekten ab als vom Modellnamen. Mahnwesen, Intercompany-Abstimmung und Reisekostenabrechnung ergänzen diese Kernfälle, sollten aber erst nach einem stabilen Datenfluss skaliert werden.
Wirkung messen statt Benchmarks übernehmen
Für die Wirtschaftlichkeit von KI in der Buchhaltung zählt nicht die Zahl der erkannten Felder allein. Finance-Verantwortliche sollten Durchlaufzeit, Nachbearbeitungsquote und First-Pass-Yield messen. First-Pass-Yield bezeichnet den Anteil der Vorgänge, die ohne zusätzliche Korrekturschleife verarbeitet werden.
Öffentlich geprüfte Pilotwerte aus DATEV- und BMD-Umgebungen gibt es bisher kaum. Eine saubere ROI-Rechnung beginnt deshalb mit den eigenen Prozessdaten, statt fremde Benchmarks zu übernehmen.
| Prozessklasse | Zeitersparnis | Fehlerreduktion | Beispiel |
|---|---|---|---|
| Transaktionale Routinen | Im eigenen Pilot messen | Im eigenen Pilot messen | Belegbuchung, OP-Abgleich, Zahlungszuordnung |
| Ausnahmebehandlung | Nachbearbeitungszeit separat messen | Korrekturgründe dokumentieren | Unklarer Steuerschlüssel oder fehlende Referenz |
| Komplexe Abschlussaufgaben | Aufwand vor und nach dem Workflow vergleichen | Fachliche Fehlentscheidungen separat bewerten | Intercompany-Abstimmung oder Rückstellungsprüfung |
| Kontrollprozesse | Prüfzeit und Eskalationen erfassen | Treffer und Fehlalarme beobachten | Duplikat- oder Anomaliehinweise |
Ein realistisches Messdesign beginnt mit einem abgegrenzten Belegtyp oder einem Abstimmungsprozess. Das Team erfasst, wie lange ein Vorgang vom Eingang bis zur Freigabe dauert, wie oft ein Mensch eingreifen muss und welche Korrekturen nach der Übergabe ins ERP entstehen. Für die Berechnung der Zeitersparnis zählt die gesamte Prozesszeit, nicht nur die Dauer der Dateneingabe.
Die Studie von FH CAMPUS 02 und dem Berufsverband BÖB zeigt, dass der KI-Einsatz bei den befragten Mitgliedsunternehmen von 39 % im Jahr 2024 auf 50 % im Jahr 2025 stieg. Der Anteil ohne jede KI-Befassung sank von 21 % auf 12 %, wie die Studienzusammenfassung von FH CAMPUS 02 berichtet. Am häufigsten nutzten die Befragten KI für fachliche Fragen, Belegerkennung und Geschäftskorrespondenz.
Für einzelne Anwendungen gibt es technische Hinweise. Fraunhofer Austria trainierte und testete einen KI-Klassifizierer mit rund 4.400 realen Buchungseinträgen. In 94 % der Fälle lag die korrekte Kontonummer unter den drei besten Vorschlägen, wie Fraunhofer Austria zur automatisierten Rechnungsverarbeitung beschreibt. Das ist ein Vorschlagswert, keine Freigabequote. Genau deshalb muss der ROI die Prüfung und die Kosten falscher Vorschläge einschließen.
Rechtlicher Rahmen: BAO, UGB und DSGVO
Für österreichische Unternehmen ist die Bundesabgabenordnung der wichtigste Anker. Nach § 131 BAO sollen Eintragungen der Zeitfolge nach geordnet, vollständig, richtig und zeitgerecht vorgenommen werden. Werden Bücher auf Datenträgern geführt, darf der ursprüngliche Inhalt durch spätere Änderungen nicht unkenntlich werden, und Erfassung sowie nachträgliche Änderungen sollen protokolliert sein. Das ist kein Compliance-Schmuck, sondern die technische Basis dafür, dass digitale Belege später belastbar bleiben.
Für die Aufbewahrung gelten nach § 132 BAO und § 212 UGB grundsätzlich sieben Jahre. Eine elektronische Aufbewahrung ist zulässig, wenn die vollständige, geordnete und inhaltsgleiche Wiedergabe bis zum Ende der Frist gewährleistet ist. Gesellschaften mit deutschen Einheiten müssen zusätzlich die GoBD berücksichtigen.
Für KI-Workflows heißt das: Ein Kontierungsvorschlag, der später geändert wird, muss als Vorschlag erkennbar bleiben. Wer eine KI-gestützte Buchung freigibt, muss im Protokoll sichtbar sein. Fehlt die Systemverknüpfung, wandern Dateien zwischen ERP, E-Mail und Ablage, und niemand weiß sicher, welche Version im Zweifel gilt.
DSGVO, Datenresidenz und Nachvollziehbarkeit
Buchungsbelege enthalten häufig Namen, Kontaktdaten, Vertragsnummern und Zahlungsinformationen. Diese Informationen sind personenbezogene Daten im Sinn der DSGVO. Für die Architektur bedeutet das: Datenverarbeitung, Zugriff, Speicherung und Löschung müssen vor dem Pilot geklärt sein.
Ein US-Hyperscaler ist nicht automatisch unzulässig. Standardvertragsklauseln allein lösen aber nicht jede praktische Frage zu Zugriffen, Subprozessoren, Speicherorten und Modelltraining. Je nach Schutzbedarf kommen Cloud-Dienste des Buchhaltungsanbieters, eine EU-Region eines großen Cloud-Anbieters oder ein selbst betriebenes Modell infrage. Die Entscheidung muss zur Datenklasse und zum konkreten Verarbeitungszweck passen.
Ein Auftragsverarbeitungsvertrag, ein Löschkonzept und eine klare Regel für Modelltraining gehören zur Grundausstattung. Zusätzlich sollte jeder KI-Vorschlag mit Eingabedaten, Modell- oder Regelversion, Ergebnis, Konfidenz, Änderung und Freigabe verknüpft werden. Ein Audit-Log-Management für Finanzprozesse ist damit keine Komfortfunktion, sondern Teil der Kontrollarchitektur.
Das Vier-Augen-Prinzip kann für risikoreiche Vorschläge verschärft werden. Ein Unternehmen kann beispielsweise festlegen, dass KI-Vorschläge über 5.000 Euro eine zusätzliche Prüfung brauchen. Diese Schwelle ist eine interne Governance-Regel, kein gesetzlicher Grenzwert. Sie sollte gemeinsam mit Steuerberatung, Revision und Datenschutz festgelegt werden.
DATEV, BMD und andere Systeme anbinden
Eine produktive Lösung beginnt nicht mit einem Chatfenster neben dem ERP. Sie beginnt mit einem kontrollierten Datenpfad. Der Beleg kommt in ein Vorsystem, ein Modell extrahiert und klassifiziert Informationen, die Buchhaltung prüft den Vorschlag, und erst danach fließt die bestätigte Buchung in das führende System.
Systemlandschaften im Vergleich
Die Systemfrage wird oft zu spät gestellt. Viele Teams starten mit dem, was die Steuerberatung ohnehin nutzt, und merken erst später, dass die eigene IT-Landschaft zu viele Brüche hat. Die folgende Übersicht ist eine grobe Orientierung, keine Produktbewertung:
| System | Typische Rolle | Worauf bei KI-Anbindung zu achten ist |
|---|---|---|
| DATEV | Enges Zusammenspiel mit der Steuerberatung | Belegbild, Kontierungsvorschlag und Prüfstatus so übergeben, dass die Kanzlei im gewohnten Prozess weiterarbeitet |
| BMD | In Österreich weit verbreitet, gute Passung für lokale Anforderungen | Konten, Steuercodes, Kostenstellen und Berechtigungen sauber abbilden |
| Microsoft Dynamics NAV (Navision) und Business Central | ERP für komplexere und internationale Strukturen | Versionen unterscheiden: ältere NAV-Installationen haben andere Schnittstellen als Business Central |
| Exact | ERP für mittelständische Standardprozesse | Klares Datenmodell nutzen, Mandanten sauber trennen |
| weclapp | Cloud-ERP mit schneller Einführung | Standardfälle automatisieren, Multi-Gesellschafts-Setups gesondert prüfen |
Ein gutes Buchhaltungssystem verliert gegen eine schlechte Systemlandschaft fast immer. Die eigentliche Frage lautet: Welche Systeme müssen miteinander sprechen, damit Buchung, Freigabe, Mahnung und Abschluss nicht auf manuelle Übergaben angewiesen sind?
Typische Anbindungspfade
Bei DATEV führt der naheliegende Weg über DATEV Unternehmen online und die von DATEV angebotenen Schnittstellen und Datenservices. Das KI-System sollte Belegbild, erkannte Felder, Kontierungsvorschlag und Prüfstatus so übergeben, dass die Kanzlei im gewohnten DATEV-Prozess weiterarbeiten kann.
Bei BMD hängt der Weg von Version und Lizenz ab. Wichtig ist die Abbildung der BMD-spezifischen Konten, Steuercodes, Kostenstellen und Berechtigungen. Eine technisch erfolgreiche Übertragung ist noch keine fachlich korrekte Buchung.
Business Central bietet mit OData- und API-Endpunkten etablierte Integrationswege, ältere Navision-Installationen oft nur Webservices oder Dateiexporte. Für SAP, proAlpha oder andere ältere Systeme kommen Middleware-Konnektoren oder eine MCP-Schicht (Model Context Protocol) infrage. Diese Schicht stellt dem Modell nur freigegebene Aktionen und Daten bereit, statt direkten, unkontrollierten Datenbankzugriff zu erlauben.
Architekturregel: Das ERP bleibt das führende Buchungssystem. KI liefert Vorschläge, erklärt Abweichungen und bereitet Aktionen vor. Die Buchhaltung bestätigt die fachlich relevante Entscheidung im bestehenden Kontrollprozess.
Legacy-Systeme sind deshalb kein automatischer Showstopper. Schwieriger sind inkonsistente Buchungslogiken, doppelte Lieferantenstämme, fehlende Pflichtfelder und unklare Zuständigkeiten für Belege. Vor dem Connector braucht es Mapping-Tabellen, Stammdatenhygiene und eine eindeutige Definition, wer eine Ausnahme bearbeitet. Mehr zur Architektur beschreibt unser Beitrag zu KI in ERP-Systemen.
Vom Pilot zum produktiven KI-Workflow
Eine KI-Einführung scheitert häufig nicht am Modell, sondern an einem zu großen Startumfang. Ein gutes Stufenmodell trennt Pilot, Integration, Skalierung und laufenden Betrieb.
Vier Stufen mit eigenem Erfolgskriterium
Pilot: Das Team wählt einen engen Use Case, etwa Eingangsrechnungen oder Intercompany-Abstimmung. Gemessen werden Zeit pro Beleg, Fehlerarten und Freigabequote. Der Pilot endet nicht mit einer Demo, sondern mit einer Entscheidung anhand der eigenen Daten.
Integration: Der Workflow wird an DATEV oder BMD angebunden und im Tagesgeschäft geprüft. Jetzt zählt, ob Belege vollständig ankommen, Buchungsstapel korrekt übertragen werden und jede Änderung protokolliert ist.
Skalierung: Nach der Stammdatenbereinigung kommen weitere Belegtypen, Lieferanten oder Teams hinzu. Das relevante Kriterium ist der Durchsatz pro Person, ohne dass die Qualität der Eskalationen sinkt. Eine Middleware- oder MCP-Schicht kann dabei mehrere Systeme kontrolliert verbinden.
Produktivbetrieb: Monitoring und Modell-Governance werden dauerhaft verankert. Das Team beobachtet Eskalationsrate, Fehlalarme, veränderte Kontierungslogik und neue Geschäftsfälle. Regelanpassungen brauchen einen Owner und einen dokumentierten Freigabeprozess.
Stammdatenbereinigung ist die unsichtbare Voraussetzung. Duplizierte Lieferanten, inkonsistente Kontenpläne und unterschiedliche Belegformate erzeugen falsche Muster. Wer diese Datenprobleme nicht bereinigt, automatisiert nur die Unordnung und macht sie schwerer auffindbar. Wie sich Buchhaltung in den größeren Zusammenhang der Finanzprozesse einordnet, zeigt unser Leitfaden zum Automatisieren von Finanzprozessen.
Was Finance-Verantwortliche jetzt tun sollten
Am Ende des nächsten Monatsabschlusses sollte klar sein, ob KI ein Experiment bleibt oder einen belastbaren Prozess verbessert. Drei Schritte schaffen dafür eine brauchbare Entscheidungsgrundlage.
-
Zwei bis drei Use Cases auswählen: Belegerkennung, OP-Abstimmung oder Mahnlauf eignen sich, wenn der Ausgangszustand binnen kurzer Zeit messbar ist. Für jeden Use Case wird ein Process Owner benannt, der Daten, Freigaben und Kennzahlen verantwortet.
-
Compliance kurz prüfen: Klären Sie, ob personenbezogene Daten den vorgesehenen EU-Raum verlassen, ob Auftragsverarbeitungsverträge aktuell sind und ob Audit-Trails jede Änderung im Sinn von § 131 BAO abbilden. Prüfen Sie außerdem, welche Vorschläge zwingend durch eine zweite Person freigegeben werden.
-
Bestandssysteme kartieren: Dokumentieren Sie DATEV- und BMD-Schnittstellen, Navision- oder Business-Central-Webservices und ältere Systeme. Für Legacy-Systeme gehören Custom Connectoren, Mapping-Tabellen und ein sicherer Berechtigungsweg in den Plan.
Wer diese drei Schritte in einem Quartal konsequent bearbeitet, kann dem CFO konkrete Kennzahlen nennen und zugleich Governance, Datenqualität und Prüfbarkeit schützen. Wenn Ihr Team die Grundlagen zuerst selbst erarbeiten möchte, bieten sich KI-Workshops für Finanzteams als Einstieg an. KI sollte die Buchhaltung schneller machen, nicht die Verantwortung unsichtbar.
Sprechen Sie mit uns
Wenn Sie einen konkreten Buchhaltungs-Use-Case bewerten oder DATEV, BMD oder Navision kontrolliert an KI anbinden möchten, sprechen Sie mit uns.