Automatisierte Rechnungsverarbeitung: DATEV, Lexoffice, Excel

Mein Name ist Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau. Bei DennisCraft AI Studio entwickle ich produktive KI-Systeme mit Claude, Supabase, n8n, Doppler und selbst gehosteter Postgres. Ein Mandant brachte mir kürzlich 241 Rechnungen für einen Monat – als Excel und PDF –, und seine Buchhaltung investierte über 8 Stunden pro Woche in manuelles Abtippen für DATEV. Bei einem Umsatz ab 2 Mio. Euro ist das nicht nur eine Kostenfrage, sondern auch ein Compliance-Risiko: Ein Zahlendreher kann Zahlungen blockieren oder Probleme beim Finanzamt verursachen.

Wo Automatisierung wirklich zählt: Ein Praxisbeispiel

Die meisten Mandanten im DACH-Raum setzen auf DATEV (für Steuer und Buchhaltung), Lexoffice (Online-Buchhaltung) oder verwalten Rechnungen in Excel/SharePoint. Das Grundproblem: Der Import und das Auslesen der Rechnungsdaten erfolgen meist noch per Hand. Selbst Lexoffice-OCR liefert keine 100% Trefferquote – unscharfe Scans, neue Formate, Rechnungen aus dem Ausland führen regelmäßig zu Fehlern.

Szenario	Fehlerquote (manuell)	Bearbeitungszeit je Rechnung (Min.)
DATEV-Import	~3% (eigene Erhebung, 600 Rechnungen)	3–6
Lexoffice OCR	~7% (insbesondere PDF-Scans)	1–2
Excel händisch	bis zu 10%	2–8

Typische Probleme: Falsche Beträge, Datumsfehler, doppelte Positionen. Selbst mit offiziellen Schnittstellen ist eine Kontrollinstanz notwendig – ein KI-System, das Daten vorbereitet und Unklarheiten zur Prüfung markiert.

Wie die Automatisierung funktioniert: Mit Kontrollschleife

1. Erfassung und Vorverarbeitung

Alle Eingangsrechnungen landen zentral (E-Mail, Cloud, Portal). n8n erkennt automatisch neue Dateien, prüft das Format und sendet sie an Claude zur Datenerkennung.


def extract_invoice_data(file_path):
    import requests
    with open(file_path, "rb") as f:
        content = f.read()
    # Übergabe an Claude per API
    response = requests.post(
        "https://api.anthropic.com/v1/messages",
        headers={"x-api-key": "API_KEY"},
        json={
            "model": "claude-3-opus-20240229",
            "messages": [
                {"role": "user", "content": "Betrag, Datum, Gegenpartei aus Rechnung extrahieren"}
            ],
            "attachments": [content]
        }
    )
    return response.json()

Ergebnis: Klare, strukturierte Werte wie Betrag, Datum, Gegenpartei, IBAN und Verwendungszweck.

2. Prüfung und Fehlerkontrolle

Im nächsten Schritt erfolgt die Validierung über Supabase/Postgres: Abgleich mit der Historie (wurde die Rechnung schon bezahlt?), Kontrolle von Beträgen und OCR-Fehlern. Bei Unsicherheiten (schlechter Scan, Betragsdifferenz) wird automatisch ein Prüfstatus gesetzt und der Mensch informiert. Nichts wird ohne finale Kontrolle exportiert.

3. Export in das Zielszenario

Fertige Daten werden per API oder CSV exportiert: in DATEV (XML/CSV), Lexoffice (REST API) oder direkt in Excel. Plug-and-play ist selten möglich, da z.B. ausländische Rechnungen oft nicht alle Pflichtfelder (wie USt-ID) enthalten. Dann sind Formatwandlungen nötig.


import csv

def export_to_datev(data, output_file):
    fields = ["Buchungsdatum", "Betrag", "Gegenkonto", "Text"]
    with open(output_file, "w", newline="", encoding="utf-8") as f:
        writer = csv.DictWriter(f, fieldnames=fields, delimiter=';')
        writer.writeheader()
        for row in data:
            writer.writerow(row)

Wann keine Automatisierung: Ehrliche Grenzen

Unter 30 Rechnungen pro Monat sind Standard-Tools (Lexoffice, DATEV) mit manueller Kontrolle schneller und günstiger. Automatisierung lohnt sich ab ca. 4 Wochenstunden Buchhaltungsaufwand oder wenn Fehler zu echten Compliance-Risiken führen. Wer keine konkrete Pain-Points hat (Fehler, Nachzahlungen, gesperrte Zahlungen), sollte keine eigene KI-Schicht bauen.

Zeit, Kosten, Risiko: Was ändert sich konkret?

Implementierungsdauer: 7–20 Arbeitstage inkl. Testphase auf eigenen Belegen.
Marktpreis: Agentur-Setup ab 3.000 bis 9.000 Euro (laut KI-Consulting.de, Stand 06/2026).
Zeiteinsparung: Bei 200 Rechnungen/Monat ca. 20–30 Stunden weniger Handarbeit (Mandantenerfahrung).
Risiko: Nicht lesbare Rechnungen werden automatisch an den Verantwortlichen gemeldet. Kein Verlust.
Daten verlassen das Unternehmen nicht: Claude kann per Proxy laufen, Dateien bleiben lokal oder in Supabase/Postgres – DSGVO-konform.

FAQ

Was kostet die Umstellung und wer hält das System am Laufen?

Einmalige Implementierung ab 3.000 Euro, Support meist 200–400 Euro/Monat (Marktpreis). Wer SAP oder 1C nutzt, fährt meist mit Bordmitteln besser – nicht alles muss KI sein.

Wie lange dauert die Einführung?

7–20 Arbeitstage abhängig von Umfang und Formaten (PDF, Excel, Scan).

Was passiert bei Fehlern der KI?

Die Rechnung erhält Status „prüfen“ und Verantwortliche werden informiert. Fehler landet nicht im Export.

Verlassen meine Daten das Haus?

Nein, wenn Proxy oder Self-Hosting genutzt wird. Claude kann via geschützte API angesprochen werden, Daten bleiben lokal oder im eigenen Supabase/Postgres.

Wer haftet bei Fehlern?

Die rechtliche Verantwortung bleibt bei Ihrer Buchhaltung. KI liefert nur die Vorarbeit.

In welchen Fällen würden Sie auf eine Automatisierung der Rechnungsverarbeitung verzichten? Zum Beispiel, wenn Sie nur 1–2 Lieferanten haben oder alle Rechnungen ohnehin elektronisch vorliegen – lohnt sich dann eine eigene Lösung? Ich biete einen kostenlosen 30-Minuten Stack-Audit für DACH-Unternehmen, die KI im regulierten Umfeld umsetzen. Schreiben Sie mir auf LinkedIn oder an @ger_dennis_ai.

von Denis Shokhirev, Enterprise AI Architect aus Freiburg im Breisgau