KI in der Rechnungsverarbeitung: Leitfaden für KMU

Answer first: KI kann die Rechnungsverarbeitung beschleunigen, wenn sie Daten erkennt, Vorschläge erstellt und Auffälligkeiten priorisiert. Sie sollte aber nicht unkontrolliert darüber entscheiden, ob eine Rechnung sachlich richtig ist, wie sie steuerlich zu behandeln ist oder ob eine Zahlung freigegeben wird. Für KMU ist deshalb nicht maximale Automatisierung das sinnvolle Ziel, sondern ein klarer Ablauf aus maschineller Vorarbeit, menschlicher Prüfung und nachvollziehbarer Dokumentation.

Ein guter Einstieg beginnt mit einer eng begrenzten Aufgabe: zum Beispiel Rechnungsnummer, Datum und Betrag aus einem Beleg vorschlagen oder mögliche Dubletten markieren. Danach wird gemessen, wie zuverlässig das System arbeitet. Erst wenn Zuständigkeiten, Datenschutz und Fehlerbehandlung geklärt sind, sollte der Einsatz erweitert werden. Dieser Leitfaden zeigt einen solchen Weg für Unternehmen in Österreich und Deutschland. Er ersetzt keine individuelle Rechts-, Datenschutz- oder Steuerberatung.

1. Wo KI in der Rechnungsverarbeitung tatsächlich helfen kann

Rechnungsprozesse bestehen aus vielen unterschiedlichen Tätigkeiten. Einige sind wiederholbar und datenorientiert, andere verlangen Fachwissen, Kontext oder eine verbindliche Entscheidung. KI eignet sich vor allem für vorbereitende Aufgaben, bei denen das Ergebnis als Vorschlag behandelt werden kann.

Prozessschritt	Sinnvolle KI-Unterstützung	Menschliche Verantwortung
Dokumenteingang	Belegart erkennen, Seiten zuordnen, unleserliche Dokumente markieren	Prüfen, ob der Beleg vollständig und dem richtigen Vorgang zugeordnet ist
Datenerfassung	Rechnungsnummer, Datum, Betrag, Steuer und Lieferant als Werte vorschlagen	Unsichere oder geschäftskritische Felder mit dem Original vergleichen
Plausibilitätsprüfung	Dubletten, ungewöhnliche Beträge oder abweichende Bankdaten hervorheben	Ursache klären und entscheiden, ob eine Abweichung zulässig ist
Kontierung und Zuordnung	Kostenstelle oder Kategorie aus ähnlichen Fällen vorschlagen	Steuerliche und buchhalterische Behandlung freigeben
Kommunikation	Entwürfe für Rückfragen oder interne Prüfnotizen formulieren	Inhalt, Empfänger und vertrauliche Daten vor dem Versand kontrollieren

Die Tabelle macht den entscheidenden Unterschied sichtbar: Ein Vorschlag verkürzt Arbeit, eine verbindliche Entscheidung verlagert Verantwortung. Besonders Steuerbetrag, Leistungszeitraum, Zahlungsfreigabe und geänderte Bankverbindungen sollten nicht allein deshalb akzeptiert werden, weil ein System einen hohen Vertrauenswert ausgibt.

2. Der KI-Act fragt nach Zweck und Risiko, nicht nach dem Werbeetikett

Die europäische KI-Verordnung verfolgt einen risikobasierten Ansatz. Ob ein System besonderen Pflichten unterliegt, hängt von seinem vorgesehenen Zweck und seinem Einsatzkontext ab. Eine eng begrenzte Vorprüfung von Rechnungsfeldern wird nicht automatisch zu einem Hochrisiko-System, nur weil das Ergebnis für die Buchhaltung wichtig ist. Umgekehrt kann eine scheinbar kleine Automatisierung problematischer werden, wenn sie Personen bewertet oder Entscheidungen mit erheblichen Folgen vorbereitet.

Die EU-Kommission erläutert den aktuellen Anwendungsfahrplan des AI Act. Die Verordnung trat am 1. August 2024 in Kraft. Vorgaben zu verbotenen Praktiken und zur KI-Kompetenz werden seit dem 2. Februar 2025 angewendet; weitere Bestimmungen folgen gestaffelt. Weil die praktische Umsetzung und einzelne Übergangsfristen weiter konkretisiert werden, sollten Unternehmen für verbindliche Projektentscheidungen die jeweils aktuelle Kommissionsseite und den Verordnungstext prüfen.

Für den KMU-Alltag ist Artikel 4 besonders greifbar. Nach den Fragen und Antworten der EU-Kommission zur KI-Kompetenz sollen Anbieter und Betreiber dafür sorgen, dass Personen, die mit KI-Systemen arbeiten, über angemessene Kenntnisse verfügen. Die Maßnahmen sollen zur Erfahrung der Mitarbeitenden, zum Einsatzkontext und zu den Risiken passen. Ein Zertifikat oder eine bestimmte Organisationsform ist nicht generell vorgeschrieben. Eine kurze interne Richtlinie, eine dokumentierte Einweisung und konkrete Prüfschritte können für einen begrenzten Anwendungsfall sinnvoller sein als ein allgemeiner Vortrag ohne Prozessbezug.

Praktisch bedeutet das: Mitarbeitende müssen wissen, welche Felder das System zuverlässig erkennt, welche Fehler häufig auftreten, wann ein Ergebnis verworfen wird und wer bei Unsicherheit entscheidet. Wer lediglich auf die Bedienungsanleitung verweist, schafft noch keinen belastbaren Kontrollprozess.

3. Datenschutz bleibt auch bei einem zugekauften KI-Dienst Aufgabe des Unternehmens

Rechnungen enthalten regelmäßig personenbezogene Daten: Namen von Einzelunternehmerinnen und Einzelunternehmern, Ansprechpartner, Adressen, E-Mail-Adressen, Kontodaten oder Leistungsbeschreibungen. Die österreichische Datenschutzbehörde erklärt zum Einsatz von KI, dass DSGVO und österreichisches Datenschutzgesetz parallel zur KI-Verordnung anwendbar bleiben. Wer über Zweck und Mittel der Verarbeitung entscheidet, bleibt grundsätzlich verantwortlich, auch wenn das KI-System von einem Drittanbieter stammt.

Vor dem Hochladen echter Rechnungen in einen KI-Dienst sollten KMU daher mindestens diese Fragen beantworten:

Welche personenbezogenen und vertraulichen Daten werden tatsächlich benötigt?
Verarbeitet der Anbieter Eingaben nur für den vereinbarten Zweck oder auch zur Modellverbesserung?
Wo werden Daten gespeichert und welche Unterauftragnehmer sind beteiligt?
Ist ein Vertrag zur Auftragsverarbeitung erforderlich und abgeschlossen?
Wie lange bleiben Eingaben, Ausgaben und Protokolle gespeichert?
Wie lassen sich Auskunft, Berichtigung, Löschung und Export organisatorisch erfüllen?
Dürfen Mitarbeitende öffentliche KI-Konten verwenden oder nur einen freigegebenen Unternehmenszugang?

Datenminimierung ist dabei ein praktischer Hebel. Für die Erkennung des Rechnungsbetrags ist möglicherweise nicht die gesamte Kundenhistorie nötig. Für einen Testlauf können Belege anonymisiert oder synthetische Testdaten verwendet werden. Zugangsdaten, Gesundheitsangaben, private Notizen und andere besonders schutzwürdige Informationen gehören nicht in frei verfügbare KI-Werkzeuge.

Auch die Ausgabe kann personenbezogene Daten enthalten oder falsche Zuordnungen erzeugen. Deshalb genügt es nicht, nur den Upload zu betrachten. Unternehmen sollten den gesamten Datenfluss dokumentieren: Eingang, Verarbeitung, Zwischenspeicherung, menschliche Korrektur, Übernahme in das führende System und Löschung temporärer Kopien. Die öffentlich dokumentierten Sicherheits- und Datenschutzmaßnahmen von Claribill helfen bei der Bewertung des führenden Rechnungs- und Dokumentensystems; ein zusätzlich angebundener KI-Anbieter muss jedoch gesondert geprüft werden.

4. Menschliche Kontrolle muss wirksam sein, nicht nur sichtbar

Ein Kontrollkästchen mit der Beschriftung „geprüft“ ist wertlos, wenn die prüfende Person das Original nicht sieht, keine Zeit für eine Abweichung hat oder das KI-Ergebnis praktisch nie ändern kann. Wirksame menschliche Kontrolle verlangt Zugriff auf die Ausgangsdaten, verständliche Hinweise auf Unsicherheit und die Befugnis, Ergebnisse zu korrigieren oder zurückzuweisen.

Der Europäische Datenschutzausschuss beschreibt in seinem Datenschutzleitfaden für kleine Unternehmen, wann das Recht betroffen sein kann, keiner ausschließlich automatisierten Entscheidung unterworfen zu werden. Relevant sind Entscheidungen ohne echte menschliche Mitwirkung, die rechtliche oder ähnlich erhebliche Auswirkungen auf eine natürliche Person haben. Eine automatische Feldextraktion ist davon zu unterscheiden. Ein System, das bei einem Einzelunternehmen ohne wirksame Prüfung Zahlungen sperrt, Konditionen verschlechtert oder einen Vertrag beendet, kann dagegen eine genauere datenschutzrechtliche Prüfung erfordern.

Für Rechnungsprozesse bietet sich ein abgestuftes Modell an:

Niedriges Risiko: Das System schlägt eine Belegart vor. Mitarbeitende können sie jederzeit ändern.
Mittleres Risiko: Das System markiert eine Rechnung als mögliche Dublette. Eine Person vergleicht Nummer, Betrag, Lieferant und Leistungszeitraum.
Hohes Geschäftsrisiko: Eine Bankverbindung hat sich geändert oder ein ungewöhnlich hoher Betrag soll bezahlt werden. Hier gelten zusätzliche Freigabe, Rückfrage und gegebenenfalls das Vier-Augen-Prinzip.

Die passende organisatorische Grundlage beschreibt der Claribill-Beitrag zum Vier-Augen-Prinzip im Rechnungsprozess. KI verändert nicht die Notwendigkeit klarer Verantwortlichkeiten. Sie macht diese sogar wichtiger, weil Fehler schneller und in größerer Zahl weiterverarbeitet werden können.

5. Zwei Praxisbeispiele für einen kontrollierten Einstieg

Beispiel A: Handwerksbetrieb mit vielen Eingangsbelegen

Ein österreichischer Handwerksbetrieb erhält Rechnungen als PDF, Scan und Foto. Bisher überträgt eine Mitarbeiterin alle Daten manuell. Im Pilotprojekt schlägt ein KI-Dienst Rechnungsnummer, Belegdatum, Nettobetrag, Steuerbetrag und IBAN vor. Das System darf keinen Beleg freigeben und keine Zahlung auslösen.

Der Betrieb verwendet zunächst 100 bereits geprüfte Belege als Testmenge. Für jedes Feld wird gemessen, wie oft der Vorschlag exakt stimmt. Bei Steuerbetrag und IBAN gilt eine strengere Prüfvorgabe als bei der internen Kategorie. Werte mit niedriger Sicherheit landen automatisch in einer Prüfliste. Nach vier Wochen zeigt sich: Datums- und Betragsfelder sparen Zeit, handschriftliche Leistungsnachweise bleiben fehleranfällig. Der Betrieb automatisiert deshalb nur die stabilen Felder und behält die übrigen in der manuellen Erfassung.

Beispiel B: Beratungsunternehmen mit Ausgangsrechnungen

Ein deutsches Beratungsunternehmen möchte aus Zeitaufzeichnungen automatisch Leistungsbeschreibungen formulieren lassen. Die KI erstellt einen Textentwurf, kennt aber weder alle Vertragsdetails noch die steuerliche Einordnung des Projekts. Die Projektleitung prüft deshalb Leistungszeitraum, vereinbarte Formulierung und Vertraulichkeit. Die Buchhaltung kontrolliert Empfänger, Steuersatz und Zahlungsziel. Erst danach werden die bestätigten Daten für die Rechnung verwendet.

Der Nutzen entsteht nicht dadurch, dass die KI selbst eine Rechnung versendet. Er entsteht durch einen schnelleren ersten Entwurf, während die verbindlichen Daten in einem strukturierten Prozess bleiben. Für die abschließende Erstellung und Verwaltung können KMU die Rechnungsfunktionen von Claribill nutzen. Der KI-Entwurf bleibt eine vorgelagerte Arbeitshilfe und wird nicht mit dem freigegebenen Beleg verwechselt.

6. Einführungsplan in sieben Schritten

Aufgabe eingrenzen: Formulieren Sie einen konkreten Zweck, etwa „Rechnungsnummer und Betrag vorschlagen“. Vermeiden Sie zu Beginn Sammelprojekte wie „die gesamte Buchhaltung automatisieren“.
Daten inventarisieren: Erfassen Sie, welche Dokumente, personenbezogenen Daten, Geschäftsgeheimnisse und Sonderfälle vorkommen. Legen Sie fest, was nicht verarbeitet werden darf.
Anbieter prüfen: Bewerten Sie Vertrag, Datenstandort, Unterauftragnehmer, Speicherfristen, Sicherheitsmaßnahmen, Protokollierung und Möglichkeiten zum Export oder zur Löschung.
Testmenge aufbauen: Verwenden Sie typische, bereits korrekt geprüfte Fälle. Nehmen Sie bewusst schlechte Scans, Gutschriften, Fremdwährungen, mehrseitige Dokumente und abweichende Steuersätze auf.
Freigaberegeln definieren: Legen Sie fest, welche Felder immer geprüft werden, welche Vertrauensschwelle gilt und wann eine zweite Person erforderlich ist.
Ergebnisse messen: Dokumentieren Sie Feldgenauigkeit, Fehlalarme, übersehene Fehler, Korrekturen und Zeitersparnis. Ein Durchschnittswert allein reicht nicht, wenn kritische Felder schwach sind.
Betrieb überwachen: Prüfen Sie regelmäßig Stichproben und Veränderungen. Neue Beleglayouts, Modellupdates oder andere Lieferanten können die Qualität verschieben.

7. Welche Kennzahlen wirklich weiterhelfen

Kennzahl	Was sie zeigt	Typische Fehlinterpretation
Feldgenauigkeit	Anteil exakt erkannter Werte je Feld	Ein guter Gesamtwert verdeckt eine schwache IBAN- oder Steuererkennung
Quote manueller Korrekturen	Wie oft Menschen einen Vorschlag ändern	Eine niedrige Quote kann auch oberflächliche Prüfung bedeuten
Falsch-negative Auffälligkeiten	Wie viele echte Fehler nicht markiert wurden	Nur markierte Treffer zu zählen überschätzt die Sicherheit
Durchlaufzeit	Zeit vom Eingang bis zur bestätigten Verarbeitung	Geschwindigkeit ohne Qualitätskontrolle ist kein Erfolg
Nachvollziehbarkeit	Ob Original, Vorschlag, Änderung und Freigabe verbunden bleiben	Ein Endwert ohne Herkunft reicht für Prüfungen oft nicht aus

Zusätzlich sollte dokumentiert werden, wann das Modell oder die Konfiguration geändert wurde. Ein Pilot kann im Mai zuverlässig sein und im Juli andere Ergebnisse liefern, wenn Beleglayouts, Prompts oder Anbieterkomponenten wechseln. Legen Sie deshalb eine verantwortliche Person und einen festen Prüfrhythmus fest.

8. Schnittstellen und Zugriffsrechte klein halten

Wird ein KI-Dienst über eine API verbunden, sollte er nur die Rechte erhalten, die für die konkrete Aufgabe erforderlich sind. Ein Analysewerkzeug, das Belegdaten liest, braucht nicht automatisch das Recht, Rechnungen zu versenden, Kunden zu löschen oder Zahlungen zu verändern. Der Beitrag API-Schlüssel für Rechnungsdaten: So begrenzen KMU das Risiko erläutert das Prinzip kleiner Berechtigungsumfänge.

Auch Ereignisse sollten gezielt weitergegeben werden. Wenn eine Automatisierung auf einen Statuswechsel reagieren soll, sind klar definierte Ereignisse besser als ein unkontrollierter Vollzugriff. Der Praxisbeitrag zu Webhooks im Rechnungsprozess zeigt, warum Signaturen, Wiederholungen und idempotente Verarbeitung wichtig sind.

Im Unternehmen selbst müssen Rollen ebenfalls passen. Über die Team- und Berechtigungsfunktionen von Claribill lassen sich Zuständigkeiten für den regulären Rechnungsprozess abbilden. Eine externe KI-Integration benötigt zusätzlich eine eigene technische und organisatorische Prüfung. Rollen in der Rechnungssoftware ersetzen keinen Vertrag und keine Sicherheitsbewertung des KI-Anbieters.

9. Checkliste vor dem Produktivstart

Ist der Zweck in einem Satz beschrieben und auf eine konkrete Aufgabe begrenzt?
Ist dokumentiert, welche Daten verarbeitet werden dürfen und welche ausgeschlossen sind?
Sind Datenschutzrolle, Rechtsgrundlage und gegebenenfalls Auftragsverarbeitung geprüft?
Sind Datenstandort, Unterauftragnehmer, Löschfristen und Nutzung zu Trainingszwecken geklärt?
Gibt es eine repräsentative Testmenge mit schwierigen Sonderfällen?
Werden kritische Felder wie IBAN, Steuerbetrag und Leistungszeitraum gesondert geprüft?
Kann die prüfende Person das Original sehen und das KI-Ergebnis wirksam ändern?
Ist festgelegt, wann eine zweite Freigabe oder fachliche Rückfrage nötig ist?
Werden Vorschlag, Korrektur, Freigabe und endgültiger Wert nachvollziehbar protokolliert?
Hat die Integration nur minimale API- und Datenzugriffsrechte?
Sind Mitarbeitende zum konkreten Werkzeug, seinen Grenzen und erlaubten Daten eingewiesen?
Gibt es Kennzahlen, Stichproben, einen Verantwortlichen und einen Termin für die nächste Überprüfung?

10. Häufige Fragen

Muss jedes KMU wegen eines KI-Werkzeugs eine eigene KI-Abteilung einrichten?

Nein. Die EU-Kommission beschreibt einen kontext- und risikobasierten Ansatz für KI-Kompetenz und schreibt dafür keine bestimmte Organisationsform vor. Ein kleines Unternehmen kann Verantwortlichkeit, erlaubte Nutzung, Einweisung und Kontrolle schlank dokumentieren. Bei komplexen oder risikoreichen Anwendungen ist zusätzliche Fachberatung sinnvoll.

Darf eine KI Rechnungen automatisch buchen oder bezahlen?

Technisch ist vieles möglich. Ob ein vollständig automatischer Ablauf vertretbar ist, hängt jedoch von Fehlerfolgen, Steuerlogik, Datenschutz, internen Kontrollen und dem konkreten Rechtsrahmen ab. Für KMU ist ein Vorschlags- und Freigabemodell meist der robustere Einstieg. Zahlungen, neue Bankverbindungen und steuerliche Sonderfälle sollten besonders kontrolliert werden.

Reicht ein hoher Vertrauenswert des Systems als Prüfung?

Nein. Ein Vertrauenswert ist nur eine technische Hilfsinformation. Er sagt nicht automatisch, ob der Beleg sachlich richtig, die Leistung erbracht oder die steuerliche Behandlung korrekt ist. Außerdem muss geprüft werden, wie der Anbieter diesen Wert berechnet und ob er für das konkrete Feld aussagekräftig ist.

Was ist der beste erste Anwendungsfall?

Geeignet ist eine häufige, klar abgrenzbare und reversibel prüfbare Aufgabe. Beispiele sind die Klassifikation von Dokumenten, das Vorschlagen einzelner Rechnungsfelder oder das Priorisieren möglicher Dubletten. Weniger geeignet für den Start sind autonome Zahlungen, automatische Ablehnungen oder eine umfassende steuerliche Entscheidung ohne fachliche Kontrolle.

Fazit: Gute KI macht den Prüfprozess klarer

KI in der Rechnungsverarbeitung ist dann nützlich, wenn sie Routine reduziert und Menschen gezielt auf Abweichungen aufmerksam macht. Der wirtschaftliche Nutzen entsteht aus kürzeren Durchlaufzeiten und weniger manueller Übertragung. Die Qualität entsteht aus begrenzten Aufgaben, guten Testdaten, wirksamer Kontrolle, kleinen Zugriffsrechten und nachvollziehbaren Entscheidungen.

Der wichtigste nächste Schritt ist daher kein großer Systemwechsel. Wählen Sie einen konkreten Vorgang, definieren Sie das erwartete Ergebnis und testen Sie ihn mit bereits geprüften Fällen. Erst wenn Fehlerquote, Datenschutz und Zuständigkeiten belastbar sind, wird aus einem interessanten KI-Versuch ein verlässlicher Rechnungsprozess.

KI in der Rechnungsverarbeitung: Was kann automatisiert werden?