KI in der Buchhaltung: Welche Werkzeuge im Unternehmen entscheidend Arbeit abnehmen

Was KI in der Buchhaltung heute bereits übernimmt

Der Bereich ist weiter, als es die Diskussion vermuten lässt. In der KPMG-Studie „Digitalisierung im Rechnungswesen 2025/2026" geben 53 Prozent der befragten Unternehmen an, KI im Rechnungswesen bereits einzusetzen oder den Einsatz vorzubereiten. 37 Prozent berichten von unmittelbaren Zeiteinsparungen bei transaktionalen Prozessen. Tatsächlich im Einsatz haben lernende Systeme wie KI bereits 28 Prozent der befragten Unternehmen aus Deutschland, Österreich und der Schweiz.

Auffällig ist, wo der Nutzen entsteht. Es sind vor allem standardisierte, wiederkehrende Aufgaben: Belege auslesen, Daten extrahieren, Buchungsvorschläge erzeugen, Zahlungen zuordnen. Komplexere, analytische oder strategische Tätigkeiten werden laut derselben Studie bislang seltener automatisiert.

Das ist keine Enttäuschung, sondern eine gute Nachricht. Denn genau diese Routinearbeit bindet in mittelständischen Finanzabteilungen die meiste Zeit  und sie ist der Teil, den niemand vermissen wird.

Belegerfassung und Rechnungsverarbeitung: der Use Case mit dem klarsten Nutzen

Wenn KI in der Buchhaltung heute Arbeit abnimmt, dann hier. Der Ablauf ist in fast allen Systemen ähnlich: Eine Rechnung kommt per Mail, als PDF oder inzwischen als strukturierte E-Rechnung. Die Texterkennung liest Lieferant, Rechnungsnummer, Datum, Beträge und Steuersätze aus. Ein Modell vergleicht den Beleg mit früheren Buchungen desselben Lieferanten und schlägt Konto, Kostenstelle und Steuerschlüssel vor. Der Beleg läuft durch die Freigabe und wird an die Buchhaltung übergeben.

Der entscheidende Punkt ist die Lernkurve. Solche Systeme werden nicht mit einer Regel eingerichtet, sondern durch Korrekturen besser. Die ersten Wochen sind unbequem, weil viele Vorschläge angepasst werden müssen. Nach einigen Hundert Belegen kippt das Verhältnis, und der Anteil der Rechnungen, die ohne Eingriff durchlaufen, steigt spürbar.

Ob sich der Aufwand lohnt, lässt sich vorab überschlagen, ohne ein Angebot einzuholen. Nimm die Zahl eurer Eingangsrechnungen pro Monat und multipliziere sie mit der Zeit, die eine Rechnung von der Ankunft bis zur Buchung tatsächlich bindet – Erfassen, Nachfragen, Freigabe einholen, Kontieren. Bei einigen Hundert Belegen im Monat kommen so schnell zwei Arbeitstage zusammen. Genau an dieser Zahl entscheidet sich, ob ein Projekt Sinn ergibt, nicht an der Frage, wie modern die Technologie ist.

Wie andere Mittelständler:innen solche Rechnungen aufgemacht haben, welche Zahlen nach dem Projekt tatsächlich herauskamen und an welcher Stelle die Kalkulation danebenlag, teilen Unternehmer:innen auf der Mittelstands Stage der d:u27 am 13. und 14. April in Münster. Zudem werden auf der Expo und in Masterclasses Tool-Lösungen vorgestellt.

Die Werkzeuge im Vergleich und wie sie abgerechnet werden

Der Markt lässt sich in vier Gruppen sortieren. Die Spanne reicht von einstelligen Monatsbeträgen für kleine Cloud-Lösungen bis zu mehreren Hundert Euro im Monat für Workflow-Lösungen mit hohem Belegvolumen. Was ein Werkzeug am Ende kostet, hängt vor allem davon ab, wie viele Belege durchlaufen und welches Preismodell der Anbieter nutzt.

Dazu kommt die ERP-Ebene. Wer mit SAP, Microsoft Dynamics oder einer Branchenlösung arbeitet, bekommt vergleichbare Funktionen als Modul – dann allerdings als Projekt mit mehreren Monaten Laufzeit statt als Abo mit Testphase.

Die wichtigste Auswahlfrage ist nicht der Funktionsumfang, sondern die Anschlussfähigkeit: Passt das Werkzeug zu dem System, in dem am Ende gebucht wird, und zu der Kanzlei, die den Abschluss macht? Ein Tool mit besserer Erkennungsrate, das die Daten nicht sauber übergibt, kostet mehr Zeit, als es spart. Testet deshalb mit echten Belegen aus dem Tagesgeschäft, nicht mit den Beispieldateien der Anbieter – gerade die krummen Fälle entscheiden.

Welche Lösung zum eigenen Prozess passt, klärt sich am schnellsten im Gespräch mit Unternehmen, die diese Auswahl schon hinter sich haben. Diesen Austausch erlebst du auf der d:u27 in Münster, Deutschlands größtem Festival für Daten & KI.

Wie sich das in DATEV und bestehende Systeme einfügt

Für viele Mittelständler ist die Frage nicht, ob KI, sondern ob sie in DATEV funktioniert. Die kurze Antwort: Ein Teil davon steckt bereits darin – allerdings an einer Stelle, die viele nicht auf dem Schirm haben. Belegtransfer und Belegerkennung laufen über DATEV Unternehmen online. Der Automatisierungsservice Rechnungen dagegen arbeitet im Rechnungswesen der Kanzlei. Er gleicht eingehende Rechnungen mit dem bisherigen Buchführungsbestand ab, erzeugt daraus Buchungsvorschläge und lernt mit jeder Bestätigung oder Korrektur dazu.

Interessant ist ein Detail daran. Die Vorschläge werden als sicher, unsicher oder unvollständig gekennzeichnet, und als sicher eingestufte Belege lassen sich automatisch durchbuchen. Das klingt unscheinbar, entscheidet im Alltag aber über den Nutzen – weil die Prüfung sich auf die Zweifelsfälle konzentrieren kann statt auf jeden Beleg. Laut DATEV kann der Service zudem deutlich bessere Buchungen vorschlagen, wenn strukturierte E-Rechnungsdaten statt OCR-erkannter Daten ankommen. Das ist der Punkt, an dem die Formatpflicht und die Automatisierung ineinandergreifen.

Wo die spezialisierten Werkzeuge darüber hinausgehen, ist der Prozess davor: Freigabeläufe über mehrere Abteilungen, Vertretungsregelungen, Vertragszuordnung, Mahnungsüberwachung. Wer nur den Weg vom Beleg zur Buchung verkürzen will, kommt oft mit dem aus, was die Kanzlei ohnehin anbietet. Wer den Rechnungseingang als Prozess neu aufsetzt, braucht eine Ebene darüber.

Die praktische Konsequenz: Sprich vor der Toolauswahl mit deiner Steuerberatung. Sie sieht am Ende, in welcher Qualität die Daten ankommen, und hat meist schon mit mehreren dieser Lösungen gearbeitet.

Kann ChatGPT die Buchhaltung machen?

Diese Frage taucht regelmäßig auf, und die Antwort ist ein klares Nein, allerdings mit einer nützlichen Einschränkung.

Ein allgemeiner KI-Assistent hat keine Schnittstelle zu eurem Buchhaltungssystem, legt nichts GoBD-konform ab und erzeugt keine revisionssicheren Buchungssätze. Er kennt euren Kontenrahmen nicht und kann keine Belege archivieren. Für die operative Buchhaltung ist er damit ungeeignet.

Wobei er hilft: Buchungslogiken erklären, einen Kontenrahmen kommentieren, eine Verfahrensdokumentation entwerfen, ein Anbieterangebot verständlich machen, Formeln für die Auswertung bauen. Das ist Vor- und Nacharbeit, nicht Buchführung. Wer den Unterschied kennt, spart sich eine Menge Enttäuschung. Einen Überblick über sinnvolle Einstiegspunkte gibt unser Artikel zu KI für KMU.

Was KI in der Buchhaltung nicht kann

Drei Bereiche bleiben menschlich, und das ändert sich absehbar nicht.

Der erste ist alles, was Ermessen verlangt: Bewertungsfragen, Rückstellungen, Abgrenzungen, die steuerliche Würdigung ungewöhnlicher Sachverhalte. Ein Modell erkennt, dass eine Rechnung dem Lieferanten von letztem Monat ähnelt. Es weiß nicht, dass sich der Vertrag geändert hat.

Der zweite ist die Verantwortung. Die Ordnungsmäßigkeit der Buchführung bleibt bei der Geschäftsführung, unabhängig davon, welches System den Vorschlag gemacht hat. Dazu gehört eine Verfahrensdokumentation, die beschreibt, wie der automatisierte Ablauf funktioniert, wer prüft und wie Korrekturen nachvollziehbar bleiben. Diesen Punkt unterschätzen viele Projekte.

Der dritte ist der Datenschutz – und das ist nicht nur eine formale Hürde. Laut den Studienergebnissen von KPMG nennen 65 Prozent der Befragten Datenschutz und Datensicherheit als größte Herausforderung beim KI-Einsatz im Rechnungswesen, gefolgt von der Nachvollziehbarkeit der Algorithmen mit 59 Prozent. Buchhaltungsdaten enthalten Lieferantenkonditionen, Gehälter und Kundenbeziehungen. Wo sie verarbeitet werden, muss  vor Vertrag geklärt werden, nicht danach. Worauf es dabei rechtlich ankommt, fasst unser Beitrag zu KI, Datenschutz und DSGVO zusammen.

Wird KI Buchhalter:innen ersetzen?

Die ehrliche Antwort: Die Tätigkeit verschiebt sich, und zwar deutlich. Wer heute Belege erfasst und kontiert, prüft künftig Vorschläge, klärt Ausnahmen und kümmert sich um die Fälle, bei denen das System zurückfragt. Das ist anspruchsvoller, nicht einfacher.

Ob daraus Stellenabbau wird, hängt weniger an der Technik als an der Ausgangslage. In vielen mittelständischen Finanzabteilungen sind Stellen ohnehin schwer zu besetzen, und die Automatisierung fängt eher eine Lücke auf, als sie eine zu erzeugen. Gleichzeitig sollte man die andere Seite nicht wegreden: In der Bitkom-Befragung geben 19 Prozent der Unternehmen, die KI einsetzen, an, deswegen bereits Stellen abgebaut zu haben. Beides stimmt, je nach Betrieb.

Was sich sicher sagen lässt: Die Rolle wird qualifizierter. Wer Prozesse versteht, Schnittstellen beurteilen kann und weiß, wann ein Vorschlag falsch aussieht, wird in dieser Aufstellung wichtiger, nicht unwichtiger. Deshalb gehört zu einem Automatisierungsprojekt eine Weiterbildungsentscheidung dazu. Wie der Mittelstand das angeht, beschreibt unser Beitrag zur KI-Weiterbildung im Unternehmen.

Genau diese Gespräche laufen auf der Mittelstands Stage der d:u27, mit Berichten aus Betrieben, die den Umbau hinter sich haben. Was dort erzählt wird, ist deutlich weniger glatt als das, was in den Case Studies der Anbieter steht. Und genau deshalb nützlicher, wenn man selbst vor der Entscheidung steht.