DATEV-Rechnungen mit KI automatisieren
Rechnungsverarbeitung in DATEV mit KI automatisieren: wie Extraktion, Konfidenzwerte und Prüfliste zusammenspielen und wohin die Rechnungsdaten gehen.
Angenommen, Ihre Buchhaltung verarbeitet 400 Rechnungen im Monat, und jede kostet 3 bis 4 Minuten manuelle Dateneingabe — Lieferant, Rechnungsnummer, Datum, Beträge, Steuersätze, Positionen. Das sind 20 bis 27 Stunden im Monat für Copy-Paste. Keine Analyse. Keine Beratung. Copy-Paste.
Der Folgeeffekt ist immer derselbe: Der Monatsabschluss verschiebt sich nach hinten, Nachwuchskräfte arbeiten länger, und Fehler entstehen genau dort, wo sie am teuersten sind — bei Umsatzsteuerbeträgen, IBAN-Feldern, Positionszuordnungen.
Rechnungsautomatisierung ersetzt DATEV nicht. Sie liefert DATEV die Daten, die es braucht — strukturiert und validiert, bevor ein Mensch die Datei überhaupt öffnet.
Wie automatisiert man DATEV-Rechnungen mit KI?
Ein Sprachmodell liest jede eingehende Rechnung, vergibt für jedes extrahierte Feld einen Konfidenzwert und übergibt die validierten Daten an DATEV Unternehmen Online oder DATEV Rechnungswesen; unsichere Felder landen in einer Prüfliste statt in der Buchung. AILoopwise baut diesen Ablauf auf, und die Prüfung in DATEV bleibt dabei unverändert.
So funktioniert die DATEV-KI-Integration
Der Workflow hat vier Schritte.
Schritt 1: Das PDF kommt an.
Ob als E-Mail-Anhang, als gescannte Papierrechnung oder über ein Lieferantenportal — das Dokument landet im System. OCR wandelt das Bild in Text um. OCR gibt es seit Jahrzehnten. Was sich ändert, ist das, was danach passiert.
Schritt 2: Ein Sprachmodell liest das Dokument.
Das Modell — Claude von Anthropic oder ein anderer Anbieter, wo ein Projekt das verlangt — liest das Dokument im Zusammenhang. Kein Musterabgleich gegen Feldpositionen. Das Modell versteht, dass „Nettobetrag" und „Summe ohne MwSt." dasselbe meinen. Es liest Positionen aus einer Tabelle, auch wenn das Tabellenformat von Lieferant zu Lieferant wechselt. Es findet die IBAN in der Fußzeile — auch dann, wenn sie an einer unerwarteten Stelle steht.
Extrahiert werden: Lieferantenname, Lieferantenadresse, Rechnungsnummer, Rechnungsdatum, Fälligkeitsdatum, Positionen mit Beschreibung, Nettobeträge, Steuersätze (7 % oder 19 %), Bruttobeträge und IBAN.
Schritt 3: Jedes extrahierte Feld bekommt einen Konfidenzwert.
Hier trennt sich das System von einfachen OCR-Tools. Jedes Feld trägt einen Wert von 0 bis 100 — wie sicher sich das Modell bei diesem Feld ist. Eine sauber gedruckte Rechnung eines bekannten Lieferanten kann über alle Felder hinweg bei 97 liegen. Ein unscharfes Fax eines neuen Lieferanten vielleicht bei 61 im IBAN-Feld.
Felder unterhalb der Konfidenzschwelle — pro Unternehmen konfigurierbar, zum Beispiel 80 — landen in einer Prüfliste. Ihre Buchhaltung sieht genau, welche Felder zu prüfen sind und warum. Rechnungen mit hoher Konfidenz laufen direkt durch.
Schritt 4: Validierte Daten gehen an DATEV.
Strukturierte, validierte Rechnungsdaten werden an DATEV Unternehmen Online oder DATEV Rechnungswesen übergeben — über den DATEV-Integrations-Connector. In DATEV sieht die Buchung genau so aus, als wäre sie von Hand erfasst worden. Der Prüfprozess in DATEV ändert sich nicht. Es muss nur weniger getippt werden.
Warum „Rechnungsverarbeitung mit KI" nicht einfach das nächste OCR-Tool ist
Klassische OCR-Tools wurden gebaut, um Text zu lesen. KI-Extraktion wurde gebaut, um Dokumente zu verstehen.
Der Unterschied zeigt sich in zwei Situationen, in die jedes Unternehmen mit Rechnungsvolumen ständig gerät.
Wiederkehrende Rechnungen desselben Lieferanten. SaaS-Abos, Büromaterial, geleaste Geräte — sie kommen jeden Monat von denselben Lieferanten in ungefähr demselben Format. Nach einigen Durchläufen baut das System ein Kontextprofil des Lieferanten auf. Jede wiederkehrende Rechnung eines bekannten Lieferanten erweitert dieses Profil, auf dem der Konfidenzwert der nächsten beruht.
Uneinheitliche Layouts. Ein deutscher Mittelständler bekommt Rechnungen von Dutzenden verschiedener Lieferanten. Die nutzen nicht dieselbe Vorlage. Mancher setzt die Rechnungsnummer in den Kopf, mancher in die Fußzeile. Mal heißt sie „Rechnungsnummer", mal „Belegnummer", mal „Ref.-Nr.". Das Sprachmodell verarbeitet das ohne Regelprogrammierung. Sie konfigurieren keine Vorlage pro Lieferant.
Automatische Rechnungsverarbeitung und DATEV: die DSGVO-Frage
Bevor ein deutsches Unternehmen Rechnungsdaten durch ein KI-System laufen lässt, kommt immer dieselbe Frage: Wohin gehen die Daten?
Wo jeder Teil des Systems läuft und wer auf die Daten zugreifen kann, legen wir je Projekt mit Ihnen fest – in der Regel in Ihren eigenen Systemen und Konten. Nutzt ein Projekt Claude, läuft der Modellaufruf über die API von Anthropic, deren Inferenz in den USA oder global läuft, nicht in der EU; dieser Teil richtet sich nach dem Vertrag mit Anthropic, nicht danach, wo der Rest des Systems läuft. Mit Steuerkanzleien schließen wir eine AVV und dazu eine Verschwiegenheitsverpflichtung nach § 203 Abs. 4 StGB mit Belehrung.
Der Unterschied zu einem Abo-Tool liegt darin, wer entscheidet. Ein SaaS-Produkt beantwortet die Frage einmal, für alle seine Kunden, zu seinen eigenen Bedingungen. Ein System, das in Ihre eigene Umgebung gebaut wird, bekommt die Antwort für Ihr Unternehmen oder Ihre Kanzlei, bevor die erste Rechnung hindurchläuft.
Für Unternehmen und Kanzleien, die unter deutschem Steuerrecht arbeiten, wird die DSGVO-Frage zu Mandanten-Finanzdaten damit vorab beantwortbar: Jeder Teil des Systems hat einen benannten Ort, und der Modellaufruf wird als das benannt, was er ist.
Häufige Fragen
Wie automatisiert man DATEV-Rechnungen mit KI konkret?
Eine KI-Extraktion liest die Rechnung, bewertet jedes Feld mit einem Konfidenzwert und übergibt die validierten Daten an DATEV. Felder unterhalb der Schwelle landen in einer Prüfliste, die Ihre Buchhaltung abarbeitet.
Ersetzt die KI DATEV?
Nein. Sie liefert DATEV strukturierte, validierte Daten; die Buchung sieht in DATEV so aus, als wäre sie von Hand erfasst worden, und der Prüfprozess dort ändert sich nicht.
Welche Felder liest die KI aus einer Rechnung aus?
Lieferantenname und -adresse, Rechnungsnummer, Rechnungs- und Fälligkeitsdatum, Positionen mit Beschreibung, Nettobeträge, Steuersätze, Bruttobeträge und IBAN.
Was passiert mit Feldern, bei denen die KI unsicher ist?
Jedes Feld trägt einen Konfidenzwert von 0 bis 100. Liegt er unter der pro Unternehmen einstellbaren Schwelle, landet das Feld in einer Prüfliste; Rechnungen mit hoher Konfidenz laufen direkt durch.
Wohin gehen die Rechnungsdaten?
Wo jeder Teil des Systems läuft und wer auf die Daten zugreifen kann, legen wir je Projekt mit Ihnen fest – in der Regel in Ihren eigenen Systemen und Konten. Nutzt ein Projekt Claude, läuft der Modellaufruf über die API von Anthropic und damit nicht auf einem deutschen Server; wo EU-residente Verarbeitung gefordert ist, klären wir das vor dem Bau.
Was sich am Monatsende ändert
Der größte Unterschied, den automatisierte Rechnungsverarbeitung macht, sind nicht die zurückgewonnenen Stunden. Es ist, wie der Monatsabschluss aussieht.
Wenn jede Rechnung über den Monat hinweg bereits extrahiert und in DATEV vorerfasst ist, ist der Abschluss kein Endspurt mehr. Kein Stapel Belege, der noch eingetippt werden muss. Kein „Wir müssen den Abschluss um zwei Tage schieben, es liegen noch 80 Rechnungen."
Ihre Buchhaltung verbringt das Monatsende damit, Buchungen zu prüfen — nicht damit, sie zu erfassen.
Für Steuerkanzleien verschiebt sich damit die Kalkulation wiederkehrender Mandate: Wenn reine Dateneingabe das Mandat nicht mehr dominiert, kann die Abrechnung weg vom Belegvolumen und hin zur Beratungsleistung wandern. Das ist ein anderes Geschäftsmodell, nicht nur ein schnellerer Prozess.
Wenn Sie DATEV Rechnungswesen oder DATEV Unternehmen Online einsetzen und die Extraktion an Beispielrechnungen aus Ihrem eigenen Bestand sehen wollen, buchen Sie eine 30-minütige Demo. Wir zeigen die Extraktion live an echten Rechnungsformaten — einschließlich der Grenzfälle.
Claude und Anthropic sind Marken der Anthropic, PBC. AILoopwise ist eine unabhängige KI-Agentur; die Nennung dieser Namen stellt keine Empfehlung oder Billigung durch Anthropic dar.