Machine Learning in der Buchhaltung: Automatische Kontierung erklärt

Automatische Kontierung kann Finanzteams bei wiederkehrenden Buchungen deutlich entlasten. Software analysiert Belegdaten, Lieferant:innen, Kategorien und frühere Buchungen und schlägt daraus Sachkonto, Steuerschlüssel und Kostenstelle vor.

Die Buchhaltung entscheidet weiterhin, ob der Vorschlag richtig ist. Machine Learning unterstützt also die Vorkontierung, ersetzt aber nicht die fachliche Prüfung.

Dieser Artikel erklärt, wie automatische Kontierung funktioniert, welche Daten ein Modell benötigt, wo die Grenzen liegen und worauf Sie bei der Auswahl einer geeigneten Lösung achten sollten.

Wie funktioniert automatische Kontierung mit Machine Learning?

Machine Learning ist eine Methode der künstlichen Intelligenz. Ein Modell erkennt wiederkehrende Muster in Daten und nutzt diese Muster für neue Vorschläge.

Bei der automatischen Kontierung kann die Software unter anderem folgende Informationen auswerten:

• Lieferant oder Händler

• Rechnungs- oder Belegdatum

• Betrag

• Steuersatz

• Positionstext

• Ausgabenkategorie

• verwendete Firmenkarte

• anfragende Person

• Team oder Kostenstelle

• frühere Buchungen

• bisherige Korrekturen

Aus diesen Informationen entsteht ein Kontierungsvorschlag. Je nach Lösung kann die Software beispielsweise ein Sachkonto, einen Steuerschlüssel oder eine Kostenstelle vorschlagen.

Die Buchhaltung bestätigt oder korrigiert den Vorschlag. Ob und wie eine Korrektur anschließend in weitere Vorschläge einfließt, hängt von der jeweiligen Lösung ab.

Feste Regeln und Machine Learning ergänzen sich

Feste Regeln ordnen einen Vorgang immer nach demselben Muster zu. Eine Regel kann zum Beispiel lauten:

Lieferant:in X wird dem Sachkonto für Softwarekosten zugeordnet.

Das funktioniert gut, wenn der Lieferant immer dieselben Leistungen abrechnet. Die Regel stößt jedoch an Grenzen, wenn derselbe Lieferant unterschiedliche Produkte oder Leistungen anbietet.

Ein Bürobedarfshändler kann beispielsweise sowohl Toner als auch Möbel liefern. Eine einzige Lieferant:innenregel würde beide Ausgaben möglicherweise demselben Sachkonto zuordnen.

Machine Learning kann zusätzliche Merkmale berücksichtigen, etwa Positionstext, Betrag oder Kategorie. Gute Systeme verbinden deshalb feste Regeln mit automatischen Vorschlägen.

Was bedeutet der Konfidenzwert?

Viele Systeme bewerten, wie wahrscheinlich ein Vorschlag richtig ist. Diese Einschätzung wird häufig als Konfidenzwert bezeichnet.

Je nach Lösung kann ein Unternehmen festlegen:

• welche Vorschläge automatisch vorausgefüllt werden

• ab welchem Wert eine manuelle Prüfung erforderlich ist

• welche Ausgaben immer manuell geprüft werden

• wie neue Lieferant:innen behandelt werden

• wie Sonderfälle und Mischbelege verarbeitet werden

Ein hoher Wert bedeutet nicht automatisch, dass ein Vorschlag fachlich richtig ist. Er zeigt nur, dass die Daten einem bekannten Muster entsprechen.

Besonders kritisch bleiben:

• neue Lieferant:innen

• seltene Ausgabenarten

• Sammelrechnungen

• ausländische Rechnungen

• Reverse-Charge-Fälle

• Bewirtungskosten

• Anzahlungen

• geringwertige Wirtschaftsgüter

• geänderte Kostenstellen

Diese Vorgänge sollten unabhängig vom Konfidenzwert einer fachlichen Prüfung unterliegen.

Machine Learning unterstützt Finanzteams bei der automatischen Kontierung und Prüfung von Belegen.

Datenqualität entscheidet über die Qualität der Vorschläge

Ein Modell kann nur so zuverlässig arbeiten wie die Daten, aus denen es lernt. Wenn dieselben Lieferant:innen über längere Zeit unterschiedlichen Konten zugeordnet wurden, erkennt die Software möglicherweise kein eindeutiges Muster.

Bereinigen Sie deshalb vor der Einführung:

• Kontenplan

• Lieferant:innenstamm

• Kostenstellen

• Ausgabenkategorien

• Steuerschlüssel

• Gesellschaften

• historische Buchungen

Achten Sie besonders auf Dubletten und unterschiedliche Schreibweisen. Lieferant:innen können beispielsweise mehrfach angelegt sein, etwa mit vollständigem Firmennamen, verkürzter Bezeichnung und abweichender Schreibweise.

Für das System sind das möglicherweise drei verschiedene Lieferant:innen. Dadurch können sich Buchungsvorschläge und historische Daten auf mehrere Konten verteilen.

Neue Lieferant:innen und seltene Ausgaben

Neue Lieferant:innen haben noch keine Buchungshistorie. In diesen Fällen bleiben automatische Vorschläge häufig unsicher. Eine feste Regel kann den Einstieg erleichtern, sollte aber nach den ersten Buchungen überprüft werden.

Auch bei seltenen Ausgabenarten ist eine manuelle Prüfung sinnvoll. Je ungewöhnlicher der Vorgang, desto geringer ist die Aussagekraft historischer Daten.

E-Rechnungen verbessern die Datengrundlage

Strukturierte E-Rechnungen liefern Rechnungsdaten in maschinenlesbarer Form. Seit dem 1. Januar 2025 müssen inländische Unternehmen E-Rechnungen empfangen können. Typische Formate sind XRechnung und ZUGFeRD.

Bei einer einfachen PDF-Datei müssen Informationen häufig per OCR erfasst werden. Bei einer strukturierten E-Rechnung können Lieferant:in, Betrag, Rechnungsnummer und Steuersatz direkt aus den vorgesehenen Datenfeldern übernommen werden.

Das verbessert die Ausgangslage für automatische Kontierung. Es ersetzt aber nicht die fachliche Prüfung. Auch strukturierte Daten können falsch oder unvollständig sein.

Weitere Informationen finden Sie in den BMF-FAQ zur E-Rechnung.

Kostenstellen brauchen zusätzlichen Kontext

Sachkonten lassen sich häufig anhand des gekauften Produkts oder der erbrachten Leistung vorschlagen. Kostenstellen hängen dagegen stärker davon ab, wer etwas kauft und wofür die Ausgabe verwendet wird.

Dieselbe Softwarelizenz kann beispielsweise dem Marketing, dem Vertrieb oder der IT zugeordnet werden. Der Beleg allein enthält diese Information oft nicht.

Hilfreicher Kontext entsteht bereits vor der Zahlung:

• anfragende Person

• Team

• Projekt

• Gesellschaft

• Budget

• Freigabestufe

• Kostenstelle

Deshalb sollten Freigabe und Kontierung miteinander verbunden sein, aber nicht verwechselt werden.

Bei der Freigabe prüft die budgetverantwortliche Person, ob eine Ausgabe sachlich gerechtfertigt ist. Bei der Kontierung prüft die Buchhaltung, wie der Vorgang buchhalterisch zu behandeln ist.

Ein Freigabeworkflow kann die Kostenstelle bereits beim Antrag erfassen. Wenn die Rechnung später eintrifft, muss die Buchhaltung diese Information nicht erneut per E-Mail anfordern.

Menschliche Prüfung bleibt erforderlich

Die Verantwortung für ordnungsgemäße Bücher bleibt beim Unternehmen. Machine Learning liefert Vorschläge, die fachliche Entscheidung trifft weiterhin das Finanzteam.

Die eingesetzte Software sollte deshalb:

• Vorschläge nachvollziehbar machen

• Änderungen protokollieren

• den ursprünglichen Vorschlag erhalten

• Rollen und Berechtigungen abbilden

• manuelle Prüfungen ermöglichen

• Regeln und Schwellenwerte dokumentieren

• Beleg und Buchung eindeutig verknüpfen

Die Verfahrensdokumentation sollte außerdem beschreiben:

• welche Daten in die automatische Kontierung einfließen

• welche Regeln verwendet werden

• wann Vorschläge automatisch vorausgefüllt werden

• welche Vorgänge immer manuell geprüft werden

• wer Änderungen an Regeln und Schwellenwerten vornehmen darf

• wie Korrekturen dokumentiert werden

Eine Software kann diese Anforderungen unterstützen. Sie macht den konkreten Prozess jedoch nicht automatisch GoBD-konform. Entscheidend sind auch Einrichtung, Berechtigungen, Archivierung und die tatsächliche Nutzung.

Was gilt nach dem EU AI Act?

Der EU AI Act enthält unter anderem Anforderungen an die KI-Kompetenz von Unternehmen, die KI-Systeme bereitstellen oder einsetzen. Mitarbeitende, die automatische Kontierungsvorschläge prüfen, sollten die Funktionsweise und Grenzen des eingesetzten Systems verstehen.

Dazu gehört beispielsweise:

• Was bedeutet ein Konfidenzwert?

• Welche Daten verwendet das System?

• In welchen Fällen sind Vorschläge besonders unsicher?

• Wie wird eine Korrektur dokumentiert?

• Wann muss ein Vorgang manuell geprüft werden?

Automatische Kontierung ist nicht allein deshalb ein Hochrisiko-Anwendungsfall, weil dabei künstliche Intelligenz eingesetzt wird. Entscheidend sind unter anderem der konkrete Zweck und die Art der Nutzung.

Wenn Auswertungen beispielsweise zur Bewertung einzelner Mitarbeitender eingesetzt werden, kann die rechtliche Einordnung anders ausfallen. Die Anforderungen sollten deshalb vor der Veröffentlichung und vor der Einführung mit einer geeigneten Rechts- oder Datenschutzberatung geprüft werden.

DATEV und ERP richtig anbinden

Ein Kontierungsvorschlag ist nur dann nützlich, wenn er vollständig im Buchhaltungssystem ankommt. Zu einem Datensatz können unter anderem gehören:

• Sachkonto

• Gegenkonto oder Kreditor

• Steuerschlüssel

• Kostenstelle

• Belegdatum

• Buchungstext

• Belegbild

• Gesellschaft

• Freigabestatus

Das Mapping sollte vor dem ersten Export gemeinsam mit der Steuerkanzlei geprüft werden. Besonders wichtig sind:

• Kontenrahmen SKR03 oder SKR04

• Steuerschlüssel

• Kostenstellen

• Kreditoren

• Gesellschaften

• Belegbilder

• Korrekturprozesse

Ein falscher Steuerschlüssel kann die Umsatzsteuervoranmeldung beeinflussen. Bei ausländischen Software-Abos kann außerdem das Reverse-Charge-Verfahren greifen. Prüfen Sie solche Fälle gemeinsam mit Ihrer Steuerkanzlei, statt sie vollständig automatisiert zu behandeln.

Eine DATEV-Integration kann Rückfragen reduzieren, wenn Buchungsdaten und Belegbilder gemeinsam übertragen werden. Informationen zur DATEV-Anbindung von Spendesk finden Sie auf der Spendesk-Integrationsseite.

Wo automatische Kontierung an Grenzen stößt

Automatische Kontierung ist besonders hilfreich bei wiederkehrenden, gut dokumentierten Ausgaben. Sie stößt an Grenzen, wenn der Beleg allein keine eindeutige steuerliche oder organisatorische Zuordnung erlaubt.

Typische Fälle sind:

• neue Lieferant:innen

• Sammelrechnungen mit gemischten Positionen

• geringwertige Wirtschaftsgüter

• Bewirtungskosten

• ausländische Rechnungen

• Reverse-Charge-Fälle

• Anzahlungen

• Kostenstellen nach einer Reorganisation

• Rechnungen mit mehreren Gesellschaften

• unvollständige oder widersprüchliche Belege

Beispiel geringwertiges Wirtschaftsgut

Ein höhenverstellbarer Schreibtisch für 950 Euro netto kann steuerlich anders behandelt werden als Papier oder Toner. Ein Modell, das nur aus früheren Bürobedarfsbuchungen lernt, könnte den Vorgang zunächst falsch zuordnen.

Die Buchhaltung sollte solche Fälle prüfen, bevor die Buchung endgültig festgeschrieben wird.

Beispiel Reverse Charge

Bei einem Software-Abo von einem Anbieter aus Irland kann grundsätzlich das Reverse-Charge-Verfahren relevant sein. Die korrekte Behandlung hängt vom konkreten Leistungsort, dem Status der beteiligten Unternehmen und den Rechnungsangaben ab.

Solche Vorgänge sollten mit der Steuerkanzlei abgestimmt und nicht allein durch einen automatischen Kontierungsvorschlag entschieden werden.

Wie messen Sie die Zuverlässigkeit?

Eine wichtige Kennzahl ist die Korrekturquote. Sie zeigt, wie häufig das Finanzteam einen automatischen Vorschlag ändert.

Eine Gesamtquote reicht jedoch nicht aus. Werten Sie die Ergebnisse getrennt aus nach:

• Sachkonto

• Steuerschlüssel

• Kostenstelle

• bekannten Lieferant:innen

• neuen Lieferant:innen

• Mischbelegen

• Inlands- und Auslandsrechnungen

• verschiedenen Steuersätzen

• Karten- und Eingangsrechnungen

Eine Lösung kann bei bekannten Lieferant:innen sehr zuverlässig arbeiten, aber bei neuen Lieferant:innen oder Mischbelegen häufig falsche Vorschläge machen.

Verfolgen Sie die Korrekturquote über mehrere Monate. Ein einzelner Monat kann durch neue Lieferant:innen, den Jahresabschluss oder ein außergewöhnliches Ausgabenvolumen verzerrt sein.

Zusätzliche Kennzahlen sind:

• Anteil automatisch vorausgefüllter Belege

• Anteil manuell korrigierter Vorschläge

• Zeit pro manuell geprüftem Beleg

• Rückfragen der Steuerkanzlei

• Fehler bei Steuerschlüsseln

• Belege ohne Kostenstelle

• doppelt erfasste Ausgaben

Kriterien für die Auswahl einer geeigneten Lösung

Prüfen Sie Anbieter:innen anhand dieser Kriterien:

• Kombination aus festen Regeln und automatischen Vorschlägen

• nachvollziehbare Begründung der Vorschläge

• manuelle Änderung jedes Vorschlags

• Unterstützung von Sachkonten, Steuerschlüsseln und Kostenstellen

• Verarbeitung von Kartenzahlungen, Spesen und Eingangsrechnungen

• Freigaben und Kontierung in einem Prozess

• Änderungs- und Freigabeprotokoll

• DATEV- oder ERP-Schnittstelle

• Verarbeitung strukturierter E-Rechnungen

• Dublettenprüfung

• Unterstützung mehrerer Gesellschaften

• Auswertung der Korrekturquoten

• Datenschutz und dokumentierte Unterauftragnehmer

• geregelte Datenübertragung und Löschung

Einige Systeme zeigen Konfidenzwerte an, andere arbeiten mit Kategorien, Regeln oder Prüfstatus. Fragen Sie deshalb nicht nur, ob eine Lösung „KI“ verwendet. Lassen Sie sich anhand echter Belege zeigen, wie Vorschläge entstehen und wann eine manuelle Prüfung erforderlich ist.

So testen Sie eine Lösung vor dem Kauf

Führen Sie den Test mit echten Daten durch. Nutzen Sie beispielsweise die Belege eines abgeschlossenen Monats und vergleichen Sie die automatischen Vorschläge mit der tatsächlichen Buchung.

Nehmen Sie bewusst schwierige Fälle auf:

• neue Lieferant:innen

• wiederkehrende Software-Abos

• Sammelrechnungen

• ausländische Rechnungen

• Bewirtungsbelege

• Reisekosten

• Kartenzahlungen ohne vollständigen Beleg

• mehrere Kostenstellen

• mehrere Gesellschaften

Beziehen Sie Ihre Steuerkanzlei ein und dokumentieren Sie jede Rückfrage. So sehen Sie, ob nicht nur die Kontierung, sondern auch Steuerschlüssel, Kostenstellen, Belegbilder und DATEV-Übergabe funktionieren.