Wie eine kleine Steuerkanzlei aufhörte, 2.000 Rechnungen im Monat von Hand abzutippen

Es gibt eine ganz bestimmte Art von Erschöpfung, die entsteht, wenn man den ganzen Tag Zahlen von einem Blatt Papier in ein Feld auf dem Bildschirm tippt — und dabei genau weiß, dass eine Maschine das erledigen sollte. Die Kanzlei in dieser Geschichte wusste es. Sie wusste es seit Jahren. Was ihr fehlte, war eine klare Vorstellung davon, wo sie anfangen sollte, was es kosten würde und ob das Ganze der chaotischen Realität echter Lieferantenrechnungen überhaupt standhalten würde. Das ist die ehrliche Version davon, wie wir es gelöst haben — inklusive der Teile, die beim ersten Anlauf nicht funktioniert haben.

Eine kurze Anmerkung vorab. Das ist ein echtes Projekt, aber die Kanzlei hat uns gebeten, sie anonym zu halten, was bei Steuerthemen völlig normal ist. Deshalb gibt es keinen Firmennamen und kein Logo. Die Zahlen sind gerundet und sollen die Größenordnung des Ergebnisses zeigen, nicht mit falscher Genauigkeit beeindrucken. Wenn überhaupt, haben wir eher vorsichtig gerundet. Der Sinn einer Fallstudie ist nicht das Angeben — sie soll der nächsten Person mit demselben Problem zeigen, worauf sie sich einlässt, bevor sie zum Hörer greift.

Die Ausgangslage: vier Menschen, eine Wand aus Papier

Der Kunde ist eine kleine Steuer- und Buchhaltungskanzlei — vier Personen, eine davon der Inhaber. Sie führen die Bücher für rund sechzig kleine Unternehmen: Handwerksbetriebe, ein paar Restaurants, etwas Einzelhandel, eine Handvoll Ein-Personen-Beratungen. Brot-und-Butter-Arbeit. Die Art von Kanzlei, die jeden Kunden beim Vornamen kennt und zum Jahresende trotzdem einen Schuhkarton voller Belege bekommt.

Der Engpass war die Kreditorenbuchhaltung — genauer gesagt die Lieferantenrechnungen, die die Mandanten der Kanzlei zur Verbuchung weiterreichten. Rund 2.000 Rechnungen im Monat liefen durch die Kanzlei. Manche kamen als PDF per E-Mail. Viele kamen als Handyfotos, leicht schief, manchmal mit einem Daumen in der Ecke. Eine hartnäckige Minderheit kam noch immer auf Papier und wurde eingescannt. Jede einzelne musste von einem Menschen gelesen und ins Buchhaltungssystem getippt werden: Lieferantenname, Rechnungsnummer, Datum, Nettobetrag, Umsatzsteuer, Gesamtbetrag, die richtige Aufwandskategorie.

Zwei der vier Mitarbeiter verbrachten einen großen Teil ihrer Woche mit genau diesem Thema. Es war keine schwere Arbeit. Es war unerbittliche Arbeit, und sie war der Grund, warum die Kanzlei keine neuen Mandanten annehmen konnte, ohne einzustellen. Schlimmer noch: Hier lauerten die Fehler — eine vertauschte Ziffer hier, ein falscher Steuersatz da, die kleinen Patzer, die einen später eine Stunde Suche kosten.

Was wir bewusst nicht getan haben

Vor dem guten Teil erst einmal die Zurückhaltung. Die Kanzlei kam mit der halben Erwartung, wir würden ihr eine neue Buchhaltungsplattform verkaufen — das Alte herausreißen, alle migrieren, das Team neu schulen, der ganze Zirkus. Wir haben ihr das ausgeredet. Ihr bestehendes System funktionierte einwandfrei; das Problem war nicht das System, sondern die Dateneingabe, die es fütterte. Ein funktionierendes Werkzeug zu ersetzen, um einen kaputten Prozess zu reparieren, ist ein klassischer, teurer Fehler.

Wir haben auch nicht versucht, alles auf einmal zu automatisieren. Die Versuchung bei einem solchen Projekt ist, die 100 % zu jagen — jede Rechnung, jeder Sonderfall, komplett ohne Zutun. Genau an diesen letzten 5 % scheitern Automatisierungsprojekte. Also haben wir eine bewusste Linie gezogen: die routinemäßigen, braven Rechnungen automatisch abwickeln und die schrägen an einen Menschen weiterleiten. Zu dieser Linie später mehr, denn sie ist die wichtigste Entscheidung im ganzen Projekt.

Was wir tatsächlich gebaut haben

Das System hat drei bewegliche Teile, und keines davon ist exotisch. Die Cleverness liegt darin, wie sie zusammenpassen und wo wir den Menschen eingesetzt haben.

Ein Posteingang für alles

Erstens: ein einziger Ort, an dem die Rechnungen landen. Wir haben eine eigene E-Mail-Adresse und eine einfache Upload-Seite eingerichtet. Mandanten leiten ihre Rechnungen weiter oder machen ein Foto und laden es hoch, und alles fließt in eine einzige Warteschlange. Kein Durchwühlen der persönlichen Postfächer von vier Mitarbeitern mehr. Das klingt banal. Es hat gleich am ersten Tag eine ganze Kategorie von „Wo ist die Rechnung nur hin“-Chaos beseitigt, noch bevor irgendeine KI etwas angefasst hat.

Die Rechnung lesen

Zweitens: die Extraktion. Jedes eingehende Dokument wird von einem KI-Modell gelesen, das die wichtigen Felder herauszieht: Lieferant, Rechnungsnummer, Datum, Netto, Steuersatz und -betrag, Gesamtbetrag, Währung und eine bestmögliche Einschätzung der Aufwandskategorie anhand von Lieferant und Positionen. Das ist der Teil, der wirklich moderne KI brauchte — ältere OCR konnte Text von einem sauberen PDF lesen, scheiterte aber an einem schiefen Handyfoto eines verblassten Thermobelegs. Heutige bildfähige Modelle kommen mit diesem Chaos deutlich besser klar, und genau deshalb hat sich dieses Projekt jetzt gelohnt und vor fünf Jahren noch nicht.

Wissen, wann man unsicher ist

Drittens — und das unterschätzen die Leute — meldet das System, wie sicher es sich bei jedem Feld ist, und es prüft die Rechnung gegen. Ergibt Netto plus Steuer wirklich den Gesamtbetrag? Ist der Steuersatz einer, der für das Land dieses Mandanten gültig ist? Ist der Lieferant einer, den wir schon kennen? Wenn alles zusammenpasst, fließt die Rechnung direkt in einen prüfbereiten Zustand. Wenn etwas nicht stimmt — ein Gesamtbetrag, der nicht aufgeht, ein nie zuvor gesehener Lieferant, ein verwackeltes Feld, bei dem sich das Modell unsicher ist — wird sie markiert und an einen Menschen weitergereicht, mit dem verdächtigen Feld hervorgehoben.

Die Einführung: bewusst im Parallelbetrieb

Wir haben nicht einfach einen Schalter umgelegt und sind gegangen. In den ersten drei Wochen lief das System neben dem alten manuellen Prozess. Die Mitarbeiter tippten die Rechnungen weiterhin auf die gewohnte Weise, sahen aber zugleich, was die Automatisierung produzierte, direkt daneben. Das hatte zwei Effekte. Es ließ uns die Sonderfälle an echten Rechnungen ohne jedes Risiko aufspüren — wenn das System etwas falsch machte, tippte der Mensch es ohnehin richtig ein. Und es baute Vertrauen auf. Das Team konnte immer wieder sehen, dass das Ding richtig lag, lange bevor man es je darum bat, sich darauf zu verlassen.

1. 1
   Woche 1–3: Schattenbetrieb

   Die Automatisierung lief auf jeder Rechnung, änderte aber nichts. Die Mitarbeiter arbeiteten wie gewohnt weiter und verglichen die Ergebnisse. Wir haben die Extraktion und die Sicherheitsschwellen an echten, chaotischen Rechnungen justiert.
2. 2
   Woche 4–6: der Mensch prüft alles, tippt nichts

   Die Mitarbeiter wechselten dazu, die Ausgabe des Systems zu prüfen, statt von Grund auf zu tippen — die grünen Felder bestätigen, die bernsteinfarbenen korrigieren. Viel schneller als Tippen und weiterhin voll überwacht.
3. 3
   Ab Woche 7: sichere Rechnungen buchen automatisch, Menschen bearbeiten Ausnahmen

   Sobald die Fehlerquote bei den automatisch freigegebenen Rechnungen unter unserer vereinbarten Schwelle blieb, wurden saubere Rechnungen automatisch verbucht. Die Aufgabe des Teams wurde es, die markierte Minderheit zu bearbeiten — die wirklich kniffligen Fälle.
4. 4
   Laufend: die „wenn etwas schiefgeht“-Notiz

   Eine benannte Person verantwortet das System, und es gibt eine kurze schriftliche Anleitung, was zu tun ist, falls die Extraktionsqualität je nachlässt — Rückfall auf manuell, wen man anruft. Langweilig, und genau deshalb gerät niemand in Panik.

Diese Parallelbetriebs-Phase ist der Teil, den Teams gern überspringen, um Zeit zu sparen, und es ist der Teil, den man nicht überspringen darf. Es ist der Unterschied zwischen einem Werkzeug, dem die Leute vertrauen, und einem Werkzeug, um das die Leute still herumarbeiten. Wir haben es nie bereut, ein paar Wochen länger parallel zu fahren; wir haben es bereut, es nicht zu tun.

Was schiefging — denn irgendetwas geht immer schief

Eine Fallstudie ohne Probleme ist eine Verkaufsbroschüre. Hier hat sich die Realität gewehrt. Die erste Überraschung waren doppelte Rechnungen. Mandanten leiteten, weil sie Menschen sind, dieselbe Rechnung zweimal weiter — einmal als PDF, eine Woche später einmal als Handyfoto. Das frühe System verarbeitete beide klaglos. Wir haben eine Dublettenprüfung eingebaut, die auf Lieferant, Rechnungsnummer und Betrag abgleicht und wahrscheinliche Wiederholungen markiert, bevor sie in die Bücher gelangen.

Das zweite waren Gutschriften und Teilerstattungen, die fast genauso aussehen wie Rechnungen, aber das Gegenteil bedeuten. Das Modell las eine Gutschrift gelegentlich als normale Rechnung mit negativem Gesamtbetrag, was technisch korrekt und praktisch gefährlich ist. Wir haben dem System beigebracht, den Unterschied zu erkennen und im Zweifel lieber zu markieren als zu raten. Wenn die Kosten eines falschen Ratens hoch sind, ist Markieren immer der richtige Zug.

Das dritte war überhaupt kein Fehler — es war Gewohnheit. Ein paar Wochen lang führte eine Mitarbeiterin „nur für den Fall“ eine private Tabelle und verdoppelte still die Arbeit, die das System nun erledigte. Nicht direkt aus Misstrauen, eher aus Muskelgedächtnis. Wir sind ihr nur auf die Schliche gekommen, weil die Zahlen zu ordentlich aussahen. Ein kurzes, ehrliches Gespräch hat es geregelt. Merke: Der schwierigste Teil der Automatisierung ist selten die Technik. Es ist der Mensch, der sich vom alten Weg löst.

Die Ergebnisse nach sechs Monaten

Hier müssen wir vorsichtig und ehrlich sein. Das sind die Zahlen dieser Kanzlei, gerundet, und Ihre Ergebnisse werden je nach Rechnungsmix und Ausgangslage abweichen. Aber Richtung und grobe Größenordnung sind repräsentativ für das, was diese Art von Automatisierung bewirkt.

Die Schlagzeile, die dem Inhaber wichtig war, war nicht die gesparte Zeit — es war die Kapazität. Die Kanzlei hatte neue Mandanten abgelehnt, weil das Team mit der Dateneingabe ausgelastet war. Nach sechs Monaten betreuten ungefähr dieselben vier Personen einen spürbar größeren Mandantenstamm, ohne dass jemand länger arbeitete und ohne Neueinstellung. Die Automatisierung ersetzte keine Person. Sie gab der Kanzlei das Äquivalent einer Person zurück und richtete es auf Arbeit aus, die sich tatsächlich rechnet.

Auch die Fehlerreduktion war wichtiger als erwartet. Einen falsch getippten Steuerbetrag im Februar zu erwischen, ist ärgerlich; ihn im Jahresabschluss zu erwischen, ist ein wirklich teurer Nachmittag. Weil das System seine eigene Rechnung prüft und die zweifelhaften Fälle markiert, schlichen sich die Fehler, die früher an einem hektischen Tag um 16 Uhr durchrutschten, größtenteils gar nicht mehr durch.

Würde das für Ihre Kanzlei funktionieren?

Wahrscheinlich, wenn Ihre Situation der ihren ähnelt. Das Muster, das Rechnungsautomatisierung lohnenswert macht, ist einfach: ein nennenswertes Volumen an Dokumenten, das in unterschiedlichen Formaten ankommt und aktuell von einem Menschen getippt wird. Wenn Sie ein paar Rechnungen pro Woche verarbeiten, lassen Sie es — der manuelle Aufwand ist günstiger als die Einrichtung. Aber irgendwo im niedrigen dreistelligen Bereich pro Monat kippt die Rechnung deutlich zugunsten der Automatisierung.

• Sie verarbeiten Hunderte bis Tausende Rechnungen oder Dokumente im Monat.
• Sie kommen in gemischten Formaten — PDFs, Fotos, Scans — nicht als ein ordentlicher Zulauf.
• Echte Menschen lesen und tippen aktuell dieselben Felder immer wieder ab.
• Ihr bestehendes Buchhaltungssystem ist in Ordnung; der Engpass ist die Dateneingabe, die es füttert.
• Sie möchten lieber Ihren Mandantenstamm ausbauen, als rein einzustellen, um mit dem Verwaltungsaufwand Schritt zu halten.

Und derselbe Ansatz lässt sich weit über die Buchhaltung hinaus verallgemeinern. Überall dort, wo ein Mensch strukturierte Informationen von Dokumenten abliest und abtippt — Lieferscheine, Bestellformulare, Anträge, Verträge — gilt dasselbe dreiteilige Muster: eine Eingangsstelle, KI-Extraktion mit Sicherheitsbewertung und ein Mensch, der nur die Ausnahmen bearbeitet. Die Rechnungen sind bloß der häufigste Ort, an dem dieser Schmerz auftritt.

Häufige Fragen