Ich hatte zeitweise so wenig Lust auf Buchhaltung, dass ich einen absurden Gedanken erstaunlich ernsthaft erwog:
Primärquelle: Bundesfinanzministerium: GoBD
Lieber mit der Selbstständigkeit aufhören, als jedes Jahr wieder in diesem Belegberg zu versinken.
Das war natürlich keine vernünftige Geschäftsentscheidung. Es zeigt nur, wie groß die Reibung war.
Also versuchte ich, die vorbereitende Buchhaltung mit KI zu automatisieren. Mein Wunschbild war beeindruckend: Rechnungen aus E-Mails holen, eigene Ausgangsrechnungen erkennen, Belege ablegen, Daten extrahieren, Einnahmen und Ausgaben fortlaufend zusammenführen und am Ende eine saubere Übersicht für den Steuerberater erzeugen.
Fast ohne mein Zutun – so hatte ich mir das vorgestellt. Es funktionierte allerdings nicht zuverlässig, vollständig und nachvollziehbar genug, um den Prozess guten Gewissens allein laufen zu lassen.
Was heute funktioniert, ist weniger spektakulär – und wesentlich nützlicher:
KI unterstützt meine vorbereitende Buchhaltung bei klar begrenzten Einzelschritten. Originale, Ausnahmen, Zuordnung, Kontrolle und steuerliche Beurteilung bleiben in einem menschlich geführten Prozess.
Dieser Beitrag beschreibt meine persönliche Arbeitsweise. Er ist keine Steuer-, Rechts- oder Datenschutzberatung und kein Bauplan, den man ungeprüft auf die eigene Buchführung übertragen sollte.
Buch · Die Journalisten-Methode
Vom Rohmaterial zum eigenständigen Beitrag.
Wenn du mit KI arbeitest, aber nicht wie alle anderen klingen willst, zeigt dir die Journalisten-Methode einen belastbaren Weg: eigene Quellen, bessere Fragen und menschliche Endabnahme.
Der Amazon-Link ist ein Affiliate-Link. Für dich ändert sich der Preis nicht.
Das große Missverständnis: Eine starke Einzelaufgabe ist noch kein autonomer Prozess
KI kann aus einer Rechnung erstaunlich zuverlässig Informationen herausziehen:
- Aussteller;
- Empfänger;
- Rechnungsdatum;
- Rechnungsnummer;
- Netto- und Bruttobetrag;
- ausgewiesene Steuer;
- Währung;
- Zahlungsziel;
- mögliche Kategorie.
Sie kann mehrere Dokumente vergleichen, Dubletten vermuten, fehlende Angaben markieren und eine Tabelle vorbereiten.
Das sieht schnell so aus, als sei der Rest nur noch Fleißarbeit.
Der Rest ist allerdings genau der schwierige Teil.
Ein vollständiger Ablauf muss zusätzlich klären:
- Ist das Dokument echt und vollständig?
- Ist es der richtige Abrechnungszeitraum?
- Gibt es eine Gutschrift oder Stornorechnung?
- Ist derselbe Beleg in mehreren Ordnern vorhanden?
- Gehört die Ausgabe wirklich in die vorgeschlagene Kategorie?
- Fehlt eine Anlage?
- Wurde ein Betrag in einer fremden Währung korrekt behandelt?
- Welche geschäftliche Zuordnung ist steuerlich relevant?
- Welche Änderung wurde später vorgenommen?
- Wo bleibt das unveränderte Original?
- Wer prüft die fertige Übergabe?
Hier kippt die beeindruckende Demo in echten Betrieb: Ein Modell kann einen Beleg gut lesen, während ein autonomer Prozess mit hundert verschiedenen Ausnahmen umgehen, Zugriffe kontrollieren und jede Änderung nachvollziehbar machen muss.
Das sind zwei verschiedene Leistungsversprechen.
Mein ursprünglicher Wunsch-Workflow
Ich wollte ungefähr diesen Ablauf:
- Das System durchsucht E-Mails nach Eingangsrechnungen.
- Es lädt Anlagen herunter.
- Es erkennt eigene Ausgangsrechnungen oder erstellt sie auf Zuruf.
- Es legt alles im richtigen Steuerordner ab.
- Es extrahiert relevante Daten.
- Es aktualisiert eine laufende Übersicht.
- Es erkennt fehlende Belege und Widersprüche.
- Es übergibt die vollständige Vorbereitung an den Steuerberater.
Auf dem Papier sah das nach einem schönen Prozess aus.
In der Praxis entstanden Reibungen an genau den Stellen, die eine Demo selten zeigt:
- Zugriffsrechte waren nicht dauerhaft verfügbar.
- Dateiformate und Benennungen unterschieden sich.
- Korrekturen ließen sich nicht sauber in den automatischen Ablauf zurückführen.
- Dubletten waren nicht immer eindeutig.
- ein System konnte nicht sicher wissen, ob ein Dokument nur ähnlich oder tatsächlich identisch war.
- Ausnahmen mussten manuell entschieden werden.
- die Dokumentation der Änderungen war nicht automatisch belastbar.
Einige Versuche scheiterten früh. Andere wirkten vielversprechend, bis ein Fehler korrigiert werden musste. Dann zeigte sich, ob der Prozess wirklich beherrschbar war.
Genau deshalb unterscheide ich heute scharf zwischen:
- Automation eines klaren Einzelschritts;
- Orchestrierung mehrerer Schritte;
- autonomem End-to-End-Prozess.
Die ersten beiden funktionieren in meinem Alltag zunehmend gut. Beim dritten bin ich bei sensiblen Finanzdaten sehr zurückhaltend.
Was in meiner vorbereitenden Buchhaltung tatsächlich funktioniert
1. Einen abgegrenzten Ordner analysieren
Ich stelle einen klar definierten Belegordner bereit – nicht mein gesamtes digitales Leben und auch keinen unkontrollierten E-Mail-Zugriff.
Der Zeitraum, die Dokumentarten und die erwarteten Felder sind bekannt.
2. Daten extrahieren
Die KI erstellt eine Arbeitsübersicht mit sichtbarem Bezug zum Ursprungsbeleg.
Entscheidend ist nicht nur die Tabellenzeile, sondern dass ich nachvollziehen kann, aus welcher Datei sie stammt.
3. Dateien nach einem festen Schema benennen
Uneindeutige Dateinamen werden in einer Arbeitskopie vereinheitlicht, beispielsweise nach Datum, Anbieter, Rechnungsnummer und Betrag.
Das Original bleibt erhalten.
4. Lücken und Auffälligkeiten markieren
Das System kann auf fehlende Rechnungsnummern, unerwartete Beträge, mögliche Dubletten oder unleserliche Dokumente hinweisen.
Es entscheidet nicht stillschweigend, wie die Ausnahme behandelt wird.
5. Eine Tabelle für die weitere Prüfung vorbereiten
Aus den Belegen entsteht eine strukturierte Übersicht. Sie ist Arbeitsmaterial, nicht die steuerlich verbindliche Wahrheit.
6. Die Übergabe dokumentieren
Welche Dateien wurden verarbeitet? Welche nicht? Wo bestehen Unsicherheiten? Welche Änderungen gab es? Was muss der Steuerberater prüfen?
So entsteht ein brauchbarer halbautomatischer Workflow: weniger Zauberei und mehr Kontrolle.
Content · Redaktion · KI-Workflows
Wenn aus einer guten Idee ein verlässlicher Prozess werden soll.
Ich unterstütze stille Experten und kleine Teams dabei, Fachwissen in klare Inhalte, belastbare Redaktionsabläufe und sinnvolle KI-Workflows zu übersetzen.
Ein paar klare Sätze reichen. Keine automatisierte Verkaufsschleife.
Meine sichere Arbeitsarchitektur in sieben Gates
Gate 0: Zweck und Datenklasse klären
Bevor irgendetwas hochgeladen wird, beantworte ich:
- Welche Aufgabe soll die KI genau übernehmen?
- Welche Daten sind personenbezogen oder vertraulich?
- Welches System ist für diese Daten ausdrücklich freigegeben?
- Müssen Informationen geschwärzt oder minimiert werden?
- Wer darf auf das Ergebnis zugreifen?
Das BSI empfiehlt für generative KI, personenbezogene Daten oder sensible Geschäftsinformationen nicht ohne Schutzmaßnahmen weiterzugeben und KI-Ausgaben nicht ungeprüft zu übernehmen. Die Datenschutzkonferenz weist Unternehmen ebenfalls darauf hin, Datenschutz, Rechtsgrundlage, Zweck, Transparenz und technische Schutzmaßnahmen vor dem Einsatz zu klären.
Das ist kein Anhangsthema. Es gehört vor den ersten Upload.
Gate 1: Originale unverändert sichern
Elektronisch empfangene Rechnungen und andere aufbewahrungspflichtige Unterlagen bleiben im Ursprungsformat erhalten.
Die KI arbeitet möglichst mit Kopien oder kontrollierten Zugriffen. Sie benennt oder sortiert keine Originale so um, dass Herkunft und Eingang nicht mehr nachvollziehbar sind.
Die GoBD des Bundesfinanzministeriums verlangen unter anderem Nachvollziehbarkeit, geordnete Aufbewahrung und Schutz vor unbemerkter Änderung. Das BMF stellt zudem klar, dass die steuerpflichtige Person für die Ordnungsmäßigkeit verantwortlich bleibt – auch wenn Aufgaben technisch oder organisatorisch ausgelagert werden.
Für mich folgt daraus eine einfache Regel:
Die KI darf meine Vorbereitung beschleunigen. Sie darf nicht zum unsichtbaren Redakteur meiner Originalbelege werden.
Gate 2: Arbeitskopien und eindeutige Referenzen erzeugen
Jede Tabellenzeile erhält einen Verweis auf die Ursprungsdatei. Dateinamen und IDs bleiben eindeutig.
Wenn eine Datei konvertiert oder für eine bessere Texterkennung aufbereitet wird, bleibt die Beziehung zum Original dokumentiert.
Gate 3: Extraktion statt steuerlicher Entscheidung
Die KI liest und strukturiert.
Sie darf eine mögliche Kategorie vorschlagen. Sie darf aber nicht so tun, als sei eine steuerliche Zuordnung allein wegen ihrer sprachlichen Plausibilität geklärt.
Beispiele für Extraktionsfelder:
| Feld | KI kann vorbereiten | Mensch prüft |
|---|---|---|
| Rechnungsdatum | auslesen | Plausibilität und Zeitraum |
| Rechnungsnummer | auslesen | Eindeutigkeit |
| Betrag | auslesen | Währung, Korrekturen, Gutschriften |
| Steuer | auslesen | fachliche Behandlung |
| Anbieter | vereinheitlichen | richtige Zuordnung |
| Kategorie | vorschlagen | steuerliche und geschäftliche Einordnung |
| Dublette | markieren | tatsächlich identisch oder nur ähnlich |
Gate 4: Ausnahme-Warteschlange statt stiller Reparatur
Alles Unklare landet in einer sichtbaren Liste:
- Dokument unleserlich;
- Betrag widersprüchlich;
- Rechnungsnummer fehlt;
- mögliche Dublette;
- Storno oder Gutschrift unklar;
- Bezug zum Geschäft nicht eindeutig;
- mehrere Währungen;
- Datei ohne erkennbaren Ursprung.
Die KI soll nicht kreativ werden. Sie soll stoppen.
Gate 5: Menschliche Abstimmung
Ich prüfe die Übersicht gegen die Originale, kläre Ausnahmen und ergänze geschäftlichen Kontext, den das System nicht kennen kann.
Bei steuerlichen Fragen entscheidet nicht der Chatbot. Die Übergabe geht an den Steuerberater.
Gate 6: Protokollierte Übergabe und Archiv
Am Ende dokumentiere ich:
- verarbeitete Dateien;
- offene Ausnahmen;
- manuelle Korrekturen;
- verwendete Version der Vorlage;
- Datum der Übergabe;
- verantwortliche Prüfer;
- Ablageort der Originale.
Damit bleibt der Prozess nachvollziehbar.
Was die KI gut kann – und was ich ihr nicht überlasse
| Aufgabe | KI-Unterstützung | Menschliche Verantwortung |
|---|---|---|
| Belegdaten extrahieren | stark bei klaren Dokumenten | Stichprobe und Ausnahmen prüfen |
| Dateien clustern | nützlich | Regeln und endgültige Zuordnung |
| mögliche Dubletten finden | gutes Warnsignal | Löschung oder Zusammenführung entscheiden |
| Summen vorberechnen | schnell und reproduzierbar | Eingaben und Vollständigkeit prüfen |
| fehlende Felder markieren | sehr hilfreich | fehlende Unterlagen beschaffen |
| Kategorie vorschlagen | Orientierung | steuerliche Einordnung |
| E-Mail an Steuerberater entwerfen | gut vorbereitbar | Inhalt und Versand freigeben |
| Steuererklärung erstellen und abgeben | kein autonomer Einsatz in meinem Workflow | Steuerpflichtiger und qualifizierte Fachleute |
| Originalbelege verändern oder löschen | nicht zulässig in meinem Prozess | Originalerhalt und Aufbewahrung sichern |
Die Tabelle zeigt den eigentlichen Wert: KI ist besonders stark bei Erkennen, Extrahieren, Vergleichen und Vorbereiten.
Je näher eine Aufgabe an rechtliche Wirkung, steuerliche Beurteilung, unveränderliche Aufzeichnung oder externe Abgabe rückt, desto klarer wird die menschliche Verantwortung.
Warum Korrekturen der Härtetest jeder Automation sind
Ein Prozess wirkt häufig perfekt, solange alles dem erwarteten Muster folgt. Dann kommt eine Gutschrift, eine doppelt gespeicherte Rechnung, ein falsch erkannter Betrag, ein verändertes Anbieterlayout oder eine Datei, die in einen anderen Zeitraum gehört.
Jetzt entscheidet sich, ob die Automation ein System oder eine Vorführung ist.
Ich frage dann:
- Kann ich die fehlerhafte Zuordnung nachvollziehen?
- Bleibt die ursprüngliche Extraktion sichtbar?
- Wird die Korrektur protokolliert?
- Lernt nur diese Regel – oder verändert sich unbemerkt das Verhalten für alle Dokumente?
- Kann ich den Vorgang wiederholen?
- Kann ein anderer Mensch verstehen, was passiert ist?
Wenn die Antwort mehrfach Nein lautet, ist der Prozess nicht bereit für Autonomie.
Das ist nicht automatisch ein Scheitern. Vielleicht bleibt er ein nützliches Assistenzsystem.
Eine halbautomatische Lösung, die ich kontrollieren kann, ist besser als ein angeblich autonomer Workflow, den ich im Fehlerfall nicht mehr verstehe.
Mein Preflight-Check vor einem neuen Buchhaltungsversuch
Bevor ich einen neuen Ablauf teste, kläre ich diese Punkte:
Umfang
- Welcher Zeitraum?
- Welche Dokumenttypen?
- Wie viele Dateien?
- Welche Felder sollen extrahiert werden?
Systeme und Daten
- Ist das Konto für diese Daten geeignet und freigegeben?
- Werden Daten zum Training verwendet?
- Welche Speicher- und Löschregeln gelten?
- Brauche ich Schwärzung oder Pseudonymisierung?
Originale
- Wo liegen die unveränderten Ursprungsdateien?
- Ist die Sicherung geprüft?
- Bleibt jede Arbeitskopie zuordenbar?
Qualität
- Welche Stichprobe wird manuell geprüft?
- Welche Fehlertoleranz ist akzeptabel?
- Welche Ausnahmen erzwingen einen Stopp?
Verantwortung
- Wer prüft die Tabelle?
- Welche Fragen gehen an den Steuerberater?
- Wer darf Änderungen freigeben?
Dokumentation
- Wie werden Version, Lauf, Fehler und Korrekturen protokolliert?
Erst danach kommt die Modellfrage.
Das ist weniger aufregend als ein Video, in dem ein Agent in dreißig Sekunden die komplette Buchhaltung erledigt. Es ist allerdings näher an dem, was im echten Leben trägt.
Was ich heute anders mache
Ich versuche nicht mehr, die gesamte Buchhaltung auf einmal zu automatisieren.
Ich suche den stabilen Einzelschritt:
- Dokumente eines definierten Ordners erfassen;
- Felder extrahieren;
- Unsicherheiten markieren;
- eine prüfbare Tabelle erzeugen;
- eine Übergabe vorbereiten.
Erst wenn dieser Schritt wiederholt funktioniert, kommt der nächste hinzu.
Diese Haltung hat meinen gesamten Umgang mit KI verändert. Ich frage nicht mehr zuerst: Was kann das System theoretisch alles?
Ich frage:
Welche klar begrenzte Aufgabe kann es in diesem Prozess zuverlässig vorbereiten – und wie erkenne ich, wenn es scheitert?
Das ist der Unterschied zwischen Toolbegeisterung und Betrieb.
Einen sensiblen Workflow kontrolliert aufbauen
Die vorbereitende Buchhaltung ist kein Leistungsangebot von mir. Sie ist ein persönlicher Praxisfall dafür, wie stark KI in Einzelschritten sein kann und wie schnell ein autonomer Gesamtprozess an Ausnahmen, Zugriffsrechten und Verantwortung scheitert.
Genau diese Prozesslogik übertrage ich auf mein belastbares Feld: Content, Redaktion und Kommunikation. Im Workflow-Audit prüfe ich Engpässe, Kontextlücken, Rollen, Risiken und Automatisierungspotenziale eines Content-Prozesses – nicht steuerliche Sachverhalte.
Wie ich Aufgaben nach Wert und Risiko sortiere, erkläre ich in meiner KI-Strategie für Content-Teams. Die Architektur hinter meinen Projekten beschreibt der Beitrag über mein KI-Betriebssystem.
Wenn dein Team einen wiederkehrenden Content-Prozess kontrollierter aufbauen möchte, schilderst du mir kurz Ausgangslage, Ziel und Engpass.
Quellen und weiterführende Hinweise
- Bundesfinanzministerium: GoBD – Grundsätze zur ordnungsmäßigen Führung und Aufbewahrung elektronischer Unterlagen
- Bundesfinanzministerium: Anpassung der GoBD vom 11. März 2024
- BSI: Sichere generative KI in Organisationen und Unternehmen
- Datenschutzkonferenz: Orientierungshilfe Künstliche Intelligenz und Datenschutz
Wichtiger Hinweis: Dieser Beitrag ist ein persönlicher Erfahrungsbericht über vorbereitende Arbeitsschritte. Er ersetzt keine Steuer-, Rechts-, Buchführungs- oder Datenschutzberatung. Anforderungen hängen von Unternehmen, Verfahren, Daten, Konten und Rechtslage ab.
