KI in der Buchhaltung: Was wirklich möglich ist — und was nicht
Softwareanbieter versprechen vollautomatische Buchhaltung. Steuerberater warnen vor unkontrollierten Systemen. Die Wahrheit liegt nicht in der Mitte — sie ist konkreter.
KI-Werkzeuge in der Buchhaltung machen heute einige Dinge zuverlässig gut. Andere scheitern regelmäßig. Wer den Unterschied kennt, trifft bessere Kaufentscheidungen und spart sich böse Überraschungen.
Was Anbieter versprechen — und was davon stimmt
Die meisten Produktseiten zeigen Screenshots mit vollautomatisch kategorisierten Buchungen, fehlerfreien Umsatzsteuervoranmeldungen und einem Armaturenbrett, das den Steuerberater überflüssig macht.
Das ist Werbung.
Was KI-Systeme 2026 zuverlässig leisten: Bankbewegungen mit bekanntem Muster erkennen und einem Konto zuordnen. Ein Dauerauftrag für Büromiete, eine wiederkehrende Zahlung an denselben Lieferanten, eine Kreditkartenabbuchung von einem bekannten Online-Shop — das sind gelöste Probleme. Realistische Trefferquoten liegen bei 80–90 % der Standardbuchungen, wenn das System einige Monate Transaktionshistorie hat.
Was KI-Systeme nicht zuverlässig leisten: selbstständig entscheiden. Urteile zu Steuerfragen, ungewöhnliche Transaktionen, erste Buchungen für eine neue Geschäftsbeziehung — das sind nach wie vor Aufgaben für Menschen.
Was konkret gut funktioniert
Transaktionskategorisierung. Das ist der Bereich mit dem besten Stand. Systeme lernen aus historischen Buchungen, erkennen Gegenparteien und wenden konsistente Kontenrahmen an. Eine Zahlung an “REWE Sagt Danke” landet zuverlässig auf dem Konto für Bürobedarf oder Bewirtung — abhängig davon, wie frühere Buchungen desselben Händlers behandelt wurden.
Anomalieerkennung. Ein Betrag, der dreimal so hoch ist wie üblich. Eine Buchung an einem ungewöhnlichen Wochentag. Eine doppelte Zahlung. KI-Systeme flaggen diese Auffälligkeiten schneller und konsistenter als manuelle Prüfungen.
Standardmäßige USt-Einträge. Für wiederkehrende Transaktionen mit klarem Steuertatbestand — 19 % MwSt. auf eine Rechnung eines deutschen Lieferanten, 0 % auf eine innergemeinschaftliche Lieferung — funktioniert die automatische Zuordnung gut. Die Voraussetzung: Das System hat den Beleg vollständig erfasst.
Was noch nicht funktioniert
Grauzonen. Ist das Mittagessen mit einem potenziellen Kunden eine abzugsfähige Bewirtungsausgabe? War die Reise zu 60 % oder zu 100 % beruflich veranlasst? Solche Fragen haben keine eindeutige Antwort im Datensatz. KI-Systeme treffen hier Zufallsentscheidungen oder übernehmen stur das Muster der letzten ähnlichen Buchung.
Erstkategorisierungen für neue Unternehmen. Systeme, die auf historischen Daten basieren, haben keine Daten, wenn es keine Geschichte gibt. Die ersten sechs bis zwölf Monate sind die unzuverlässigste Phase.
Unstrukturierte Belege. Handschriftliche Quittungen, schlecht gescannte PDFs, Belege in ungewöhnlichen Formaten — die Texterkennung bricht hier regelmäßig ein, und fehlerhafte Eingaben erzeugen fehlerhafte Buchungen. Garbage in, garbage out gilt nach wie vor.
Der tiefere Grund: KI-Systeme optimieren für Musterwiederholung, nicht für Regelauslegung. Steuerrecht ist aber Regelauslegung mit Ermessensspielraum. Diesen Widerspruch löst keine aktuelle Technologie vollständig auf.
Die DATEV-Frage
Wer in Deutschland ein Unternehmen führt und einen Steuerberater hat, arbeitet mit hoher Wahrscheinlichkeit mit DATEV. Das ist kein technisches Detail — es ist die Infrastruktur, über die Buchführungsdaten in Deutschland transportiert werden.
Ein KI-Buchhaltungstool, das keinen DATEV-kompatiblen Export erzeugt, schafft keine Zeitersparnis. Es schafft einen Medienbruch. Die Buchhalterin muss die Daten dann manuell übertragen oder auf das Tool verzichten.
DATEV-Kompatibilität bedeutet konkret: Exporte im DATEV-Format (z. B. DATEV-Buchungsstapel), korrekte SKR-Kontenrahmen (SKR03 oder SKR04), und eine Struktur, die der Steuerberater ohne Konvertierungsaufwand importieren kann. Die meisten internationalen Buchhaltungstools — auch große Namen — liefern das nicht. Sie bauen auf anderen Kontenstrukturen auf und lassen sich nicht ohne erheblichen Aufwand anpassen.
Wer ein KI-Buchhaltungstool evaluiert, sollte DATEV-Export als K.O.-Kriterium behandeln.
Drei Kriterien für die Toolwahl
1. Transparenz bei unsicheren Buchungen. Ein gutes System zeigt an, wenn es sich nicht sicher ist — mit einer Konfidenzanzeige oder einem expliziten Review-Flag. Ein System, das jeden Vorschlag mit gleicher Sicherheit präsentiert, ist gefährlich. Es erzeugt blindes Vertrauen in Fälle, die Überprüfung brauchen.
2. Korrekturgedächtnis. Wenn man eine falsche Kategorisierung korrigiert, sollte das System diese Korrektur lernen und nicht dieselbe Buchung nächsten Monat wieder falsch zuordnen. Das klingt selbstverständlich. Es ist es nicht. Viele Systeme behandeln jede Korrektur als Einmalereignis.
3. DATEV-Export ohne Workaround. Nicht “Export als CSV, den man dann importieren kann”. Export im DATEV-Format, der direkt beim Steuerberater funktioniert. Vor dem Kauf fragen, testen, bestätigen lassen.
KI in der Buchhaltung ist kein Ersatz für buchhalterisches Urteilsvermögen. Es ist ein Werkzeug, das Routinearbeit abnimmt — wenn man weiß, welche Arbeit Routine ist und welche nicht.