KI-Kontierungsvorschläge prüfen: Leitfaden für KMU

Kurzantwort: KI kann Belegdaten auswerten und daraus Kontierungsvorschläge ableiten. Sie sollte aber weder Sachkonto noch Steuerschlüssel allein aufgrund eines vermeintlich hohen Konfidenzwerts endgültig buchen. Ein belastbarer Prozess zeigt die verwendeten Belegdaten, begründet den Vorschlag, nennt Alternativen und übergibt Grenzfälle an eine fachkundige Person. So wird aus Automatisierung eine kontrollierte Arbeitshilfe statt einer schwer prüfbaren Blackbox.

Für kleine und mittlere Unternehmen ist das relevant, weil die Kontierung oft zwischen Rechnungseingang, interner Prüfung und Übergabe an die Buchhaltung stattfindet. Wiederkehrende Lieferanten und ähnliche Leistungsbeschreibungen wirken wie ein ideales Einsatzfeld für KI. Gleichzeitig können schon kleine Kontextunterschiede die richtige Zuordnung verändern: Inland oder Ausland, Ware oder Dienstleistung, laufender Aufwand oder Vermögensgegenstand, Rechnung oder Gutschrift, einheitlicher oder gemischter Steuersatz.

Dieser Beitrag zeigt ein praxistaugliches Prüfmodell für Österreich und Deutschland. Er ersetzt keine individuelle steuerliche oder buchhalterische Beurteilung.

Kontierungsvorschlag und Buchungsfreigabe sind zwei verschiedene Schritte

Ein Kontierungsvorschlag ist eine maschinell erzeugte Empfehlung. Eine Buchungsfreigabe ist dagegen eine verantwortete Entscheidung, die den konkreten Geschäftsvorfall berücksichtigt. Diese Trennung ist der wichtigste Kontrollpunkt.

Stufe	Aufgabe	Typisches Ergebnis	Verantwortung
Datenerfassung	Rechnung, Lieferant, Beträge und Steuerhinweise erfassen	Strukturierte Belegdaten	System plus Eingangskontrolle
KI-Vorschlag	Muster und Kontext auswerten	Sachkonto, Steuerschlüssel, Alternativen und Konfidenz	KI-System als Assistenz
Fachprüfung	Beleg, Leistungsinhalt und steuerlichen Kontext prüfen	Bestätigung, Änderung oder Rückfrage	Buchhaltung oder zuständige Fachrolle
Freigabe und Export	Entscheidung protokollieren und weitergeben	Geprüfter Buchungsdatensatz	Definierte Freigaberolle

Das Modell vermeidet eine verbreitete Fehlannahme: Automatisierung bedeutet nicht, dass jede Rechnung ohne Prüfung durchlaufen muss. Der wirtschaftliche Nutzen entsteht bereits, wenn eindeutige Fälle schneller vorbereitet werden und die Fachkraft ihre Zeit auf Abweichungen konzentriert.

Welche Informationen eine KI für einen brauchbaren Vorschlag benötigt

Eine Leistungsbeschreibung allein reicht selten. „Beratung“, „Software“ oder „Material“ kann je nach Geschäftszweck, Vertragsinhalt und Unternehmen auf unterschiedliche Konten gehören. Ein gutes System kombiniert mehrere Signale:

Lieferant, Lieferantenland und bekannte Stammdaten,
Rechnungsart, Rechnungsdatum, Leistungszeitraum und Währung,
Positionstexte, Mengen, Netto- und Steuerbeträge,
Hinweise auf Reverse Charge, Steuerbefreiung oder innergemeinschaftliche Sachverhalte,
Bestellung, Vertrag oder Kostenstelle, sofern sie für die Zuordnung erforderlich sind,
bereits fachlich freigegebene Kontierungen vergleichbarer Vorgänge,
unternehmensspezifischer Kontenrahmen und zulässige Steuerschlüssel.

Historische Buchungen sind dabei kein automatischer Wahrheitsbeweis. Wenn ein Unternehmen in der Vergangenheit einen Lieferanten falsch zugeordnet hat, kann eine KI diesen Fehler besonders konsequent wiederholen. Das BSI beschreibt in seinem Qualitätsmodell QUAIDAL unter anderem Vollständigkeit, Konsistenz und Transparenz als prüfbare Qualitätsdimensionen. Für den Buchhaltungsprozess bedeutet das: Trainings- und Referenzdaten müssen kuratiert werden, und Korrekturen müssen in die Bewertung einfließen.

Ein sinnvoller Lernbestand enthält daher nur freigegebene Fälle, kennzeichnet nachträgliche Korrekturen und trennt Vorgänge, die zwar denselben Lieferanten haben, aber wirtschaftlich verschieden sind. Auch saisonale oder einmalige Anschaffungen dürfen nicht unbemerkt in ein Muster für laufende Betriebsausgaben rutschen.

Eine Prozentzahl allein erklärt keine Verlässlichkeit

„96 Prozent sicher“ klingt präzise, beantwortet aber noch keine fachliche Frage. Der Wert kann bedeuten, dass das Modell einen ähnlichen Text oft gesehen hat. Er sagt nicht automatisch, dass der steuerliche Kontext vollständig ist oder die historischen Vergleichsfälle korrekt waren.

Ein erklärbarer Vorschlag sollte deshalb mindestens sechs Elemente enthalten:

Vorschlag: empfohlenes Sachkonto und empfohlener Steuerschlüssel.
Begründung: welche Belegmerkmale den Vorschlag stützen.
Alternativen: welche weiteren Zuordnungen plausibel sind.
Unsicherheit: welche Information fehlt oder widersprüchlich ist.
Regelhinweis: ob ein steuerlicher oder organisatorischer Sonderfall erkannt wurde.
Provenienz: Modellversion, verwendeter Regelstand und vergleichbare freigegebene Fälle.

Das BSI nennt Provenienztracking, Audit Trails und Prozessdokumentation ausdrücklich als Maßnahmen, mit denen Herkunft, Änderungen und Verantwortlichkeiten nachvollziehbar werden. Für KMU muss daraus kein Forschungsprojekt entstehen. Schon eine kompakte Prüfansicht kann zeigen: „Vorschlag aufgrund von Lieferant, Leistungsart und drei freigegebenen Vergleichsfällen; abweichender Steuersatz erkannt; manuelle Prüfung erforderlich.“

Zwei Praxisbeispiele zeigen die Grenzen einfacher Muster

Beispiel 1: Cloud-Dienst eines ausländischen Anbieters

Eine österreichische Agentur erhält monatlich eine Rechnung für eine Online-Software. Lieferant und Betrag sind nahezu konstant. Eine KI könnte daraus ein starkes Muster für „Softwarekosten“ ableiten. Für die vollständige Buchungsentscheidung reichen Name und Positionstext dennoch nicht. Relevant sind unter anderem Leistungsort, Unternehmereigenschaft der Beteiligten, Rechnungshinweise und die umsatzsteuerliche Behandlung.

Ein gutes System schlägt das Aufwandskonto vor, markiert den ausländischen Leistungsbezug und verlangt die Prüfung des Steuerschlüssels. Ein schwaches System kopiert einfach die letzte Zuordnung. Ändert der Anbieter seine abrechnende Gesellschaft oder weist die Rechnung plötzlich Steuer aus, muss der Fall aus der Automatik fallen.

Beispiel 2: Gerät für einen deutschen Handwerksbetrieb

Ein deutscher Handwerksbetrieb kauft bei demselben Händler regelmäßig Verbrauchsmaterial. Später enthält eine Rechnung zusätzlich ein langlebiges Messgerät. Ein lieferantenbasiertes Modell könnte sämtliche Positionen dem bisherigen Materialkonto zuordnen. Wirtschaftlich kann für das Gerät aber eine andere Behandlung nötig sein.

Die KI sollte Positionen getrennt betrachten, ungewöhnliche Beträge und Begriffe markieren und eine alternative Zuordnung anbieten. Die Fachkraft entscheidet anhand Nutzung, Anschaffungszusammenhang und betrieblicher Regeln. Gerade gemischte Rechnungen zeigen, warum ein einziger Vorschlag auf Belegebene zu grob sein kann.

Beispiel 3: Gutschrift mit negativem Betrag

Ein Lieferant korrigiert eine frühere Rechnung. Das Dokument ähnelt dem ursprünglichen Beleg, enthält aber negative Beträge oder eine Gutschriftbezeichnung. Eine rein textbasierte Zuordnung kann den Aufwand erneut positiv erfassen. Der Workflow muss Dokumenttyp, Vorzeichen und Bezug zum Ursprungsbeleg gemeinsam prüfen und bei fehlender Referenz eine Rückfrage auslösen.

Deutschland und Österreich: gleiche Kontrollidee, andere Rechtsgrundlagen

In Deutschland verlangen die GoBD unter anderem Nachvollziehbarkeit, Nachprüfbarkeit, Richtigkeit und eine Verbindung zwischen Buchung und Beleg. Die amtliche Fassung nennt auch inhaltliche Plausibilitätskontrollen, Protokollierung von Änderungen, ein internes Kontrollsystem und die zutreffende Kontierung. Ein KI-Vorschlag darf diese Anforderungen nicht verdecken. Er muss als Teil des eingesetzten Verfahrens dokumentierbar bleiben.

In Österreich bestimmt § 190 UGB für buchführungspflichtige Unternehmen, dass Geschäftsvorfälle in ihrer Entstehung und Abwicklung verfolgbar sein müssen. Eintragungen sind vollständig, richtig, zeitgerecht und geordnet vorzunehmen; der ursprüngliche Inhalt darf bei Änderungen nicht verschwinden. Auch hier folgt daraus nicht ausdrücklich ein allgemeines gesetzliches Verbot automatischer Vorschläge. Praktisch spricht die geforderte Nachvollziehbarkeit jedoch dafür, Vorschlag, Änderung und Freigabe getrennt zu protokollieren.

Prüffrage	Deutschland	Österreich
Ist der Weg vom Beleg zur Buchung erkennbar?	GoBD: progressive und retrograde Prüfbarkeit	UGB: Geschäftsvorfälle müssen verfolgbar sein
Bleiben Änderungen nachvollziehbar?	Änderungen und Löschungen sind zu protokollieren	Ursprünglicher Inhalt darf nicht unkenntlich werden
Wer kontrolliert das Verfahren?	IKS und Verfahrensdokumentation sind zentral	Rollen und Kontrollen sollten betrieblich festgelegt werden

Die konkrete Kontierung und steuerliche Beurteilung bleibt vom Unternehmen, seinem Kontenrahmen und dem Einzelfall abhängig. Daher sollte ein DACH-System Länderregeln getrennt pflegen und niemals deutsche Prozessregeln ungeprüft auf österreichische Mandanten übertragen.

So sieht ein praxistauglicher Freigabeprozess aus

Für den Einstieg ist ein gestuftes Modell sinnvoll. Es verbindet Effizienz mit einem klaren Eskalationsweg:

Nur Vorschläge: Die KI bereitet Kontierung und Begründung vor; jede Entscheidung wird manuell bestätigt.
Risikoklassen: Wiederkehrende, vollständig erkannte Standardfälle werden von Sonderfällen getrennt.
Schwellenwerte: Niedrige Konfidenz, neue Lieferanten, geänderte Bank- oder Steuerdaten, gemischte Steuersätze und ungewöhnliche Beträge erzwingen eine Prüfung.
Vier-Augen-Freigabe: Sensible oder steuerlich komplexe Fälle benötigen eine zweite Rolle.
Kontrolliertes Lernen: Nur bestätigte Entscheidungen verbessern spätere Vorschläge; Korrekturen werden nicht überschrieben.
Geprüfter Export: Erst freigegebene Datensätze gelangen in Buchhaltungs- oder DATEV-Prozesse.

Claribill dokumentiert aktuell Berichte sowie CSV-, UStVA- und DATEV-Exporte. Das ist der nachgelagerte Übergabepunkt für geprüfte Daten, aber kein Beleg für eine bereits verfügbare KI-Kontierung. Für Zuständigkeiten und Übergaben hilft außerdem ein klar definiertes Vier-Augen-Prinzip im Rechnungsprozess.

Wie KMU die Qualität der Vorschläge sinnvoll messen

Eine Gesamtquote wie „92 Prozent richtige Vorschläge“ kann irreführend sein. Wenn 90 Prozent der Belege einfache Standardfälle sind, kann ein Modell dort gut abschneiden und bei den wichtigen Sonderfällen trotzdem regelmäßig falsch liegen. Unternehmen sollten die Qualität deshalb nach Fallgruppen auswerten.

Kennzahl	Prüffrage	Warum sie wichtig ist
Bestätigungsquote	Wie oft wird ein Vorschlag unverändert übernommen?	Zeigt den Nutzen bei bekannten Standardfällen
Korrekturquote	Wie oft ändern Prüfer Konto oder Steuerschlüssel?	Macht systematische Fehlermuster sichtbar
Eskalationsquote	Wie oft erkennt das System seine Unsicherheit?	Bewertet, ob Grenzfälle zuverlässig ausgesondert werden
Fehler nach Fallgruppe	Wo treten Fehler auf: Ausland, Gutschrift, gemischte Steuer oder neue Lieferanten?	Verhindert, dass Standardfälle Risiken verdecken
Drift	Verändert sich die Qualität nach neuen Lieferanten, Produkten oder Regeln?	Zeigt, wann Regeln oder Referenzdaten aktualisiert werden müssen

Zusätzlich braucht es regelmäßige Stichproben bei automatisch als unauffällig bewerteten Belegen. Sonst sieht das Unternehmen nur die Fälle, die das System selbst zur Prüfung vorlegt. Auch eine hohe Bestätigungsquote ist nicht automatisch positiv: Prüfer können Vorschläge aus Zeitdruck ungeprüft übernehmen. Stichproben sollten deshalb Originalbeleg, Vorschlag, Begründung und finale Entscheidung gemeinsam betrachten.

Neue Modellversionen oder geänderte Kontenregeln sollten zunächst parallel zum bestehenden Verfahren getestet werden. Erst wenn typische und schwierige Fälle ausreichend geprüft sind, darf der neue Stand in den produktiven Vorschlagsprozess wechseln. Eine dokumentierte Rückfallmöglichkeit schützt davor, dass eine vermeintliche Verbesserung den Monatsabschluss unerwartet belastet.

Datenschutz: Nicht jede Rechnungsinformation gehört in ein KI-System

Rechnungen können Namen, Adressen, Ansprechpartner, Leistungsdetails und weitere personenbezogene Daten enthalten. Wer ein externes KI-System einbindet, muss daher Zweck, Rechtsgrundlage, Datenumfang, Empfänger, Speicherfristen und mögliche Nutzung durch den Anbieter prüfen. Die EDPB-Stellungnahme zu KI-Modellen betont eine fallbezogene Bewertung, insbesondere bei Rechtsgrundlage, Anonymität und berechtigten Interessen.

Für die Praxis gilt: Nur Daten übertragen, die für den Kontierungsvorschlag tatsächlich benötigt werden. Zahlungsdaten, private Kontaktdetails oder Freitextanhänge sollten nicht vorsorglich in einen Prompt gelangen. Unternehmen sollten außerdem klären, ob Eingaben zum Training verwendet werden, wo die Verarbeitung stattfindet und wie Löschung sowie Zugriffskontrolle umgesetzt sind. Die öffentlich dokumentierten Claribill-Sicherheitsmaßnahmen können dabei als Ausgangspunkt für den eigenen Anbieter- und Prozesscheck dienen.

Checkliste für einen kontrollierten KI-Kontierungsprozess

Ist klar definiert, dass die KI einen Vorschlag und keine Freigabe erzeugt?
Wer darf Vorschläge bestätigen, ändern oder zurückweisen?
Werden Sachkonto, Steuerschlüssel und Kostenstelle getrennt vorgeschlagen?
Zeigt das System Begründung, Alternativen und fehlende Informationen?
Gibt es Pflichtprüfungen für Ausland, Reverse Charge, Gutschriften und gemischte Steuersätze?
Werden neue Lieferanten und ungewöhnliche Beträge automatisch eskaliert?
Fließen nur fachlich bestätigte Fälle in spätere Vorschläge ein?
Bleiben Originalbeleg, Vorschlag, Änderung, Freigabe und Modellversion verbunden?
Sind Datenminimierung, Zugriff, Speicherort und Löschung geregelt?
Wird die Trefferqualität regelmäßig nach Fallgruppe statt nur als Gesamtquote gemessen?
Kann ein Export nur mit freigegebenen Datensätzen erstellt werden?
Ist festgelegt, wann Steuerberatung oder externe Buchhaltung einbezogen wird?

Für bessere Ausgangsdaten lohnt sich zusätzlich die strukturierte Pflege von Preis, Einheit und Steuer in den Produktstammdaten. Der allgemeine Überblick zur KI in der Rechnungsverarbeitung zeigt, welche weiteren Schritte sich automatisieren lassen und wo Kontrolle nötig bleibt.

Häufige Fragen

Darf eine KI Kontierungsvorschläge erstellen?

Technisch ja. Entscheidend ist, wie der Vorschlag in den Buchführungsprozess eingebunden wird. Die offiziellen Buchführungsgrundsätze verlangen nachvollziehbare, richtige und prüfbare Aufzeichnungen. Ob und welche Freigabe im Einzelfall nötig ist, hängt vom Prozess, der Risikoklasse und den anwendbaren Vorgaben ab.

Ist ein hoher Konfidenzwert ausreichend?

Nein. Konfidenz beschreibt eine Modelleinschätzung, keine steuerliche Richtigkeitsgarantie. Belegdaten können fehlen, historische Beispiele können falsch sein und Sonderregeln können außerhalb des Modells liegen.

Kann die KI aus bisherigen Buchungen lernen?

Ja, aber nur kontrolliert. Sinnvoll sind freigegebene Vergleichsfälle, eine Trennung nach Land und Vorgangsart sowie die Kennzeichnung späterer Korrekturen. Ungeprüfte Historie sollte nicht als verlässlicher Lernbestand behandelt werden.

Ersetzt das die Steuerberatung?

Nein. Die KI kann Standardfälle vorbereiten und Auffälligkeiten sichtbar machen. Komplexe steuerliche Sachverhalte, neue Geschäftsmodelle und Zweifelsfälle gehören in fachkundige Hände.

Fazit: Gute KI macht Entscheidungen prüfbarer, nicht unsichtbarer

Der Nutzen von KI-Kontierung liegt nicht in möglichst vielen vollautomatischen Buchungen. Er liegt in konsistenten Vorschlägen, sichtbaren Unsicherheiten und einer schnelleren fachlichen Prüfung. KMU sollten deshalb nicht nur die Trefferquote messen, sondern auch fragen: Warum wurde dieses Konto vorgeschlagen? Welche Alternative gab es? Wer hat entschieden? Und lässt sich der Weg vom Originalbeleg bis zum Export später noch erklären?

Wer diese Fragen beantworten kann, verbindet Automatisierung mit belastbarer Kontrolle. Wer nur eine Prozentzahl übernimmt, verlagert Fehler dagegen in einen Prozess, der schwerer zu prüfen ist.

KI-Kontierung: Warum ein Vorschlag noch keine Buchungsfreigabe ist