KI in der Buchhaltung: 78 % Dunkelbuchung im Mittelstand
Ein mittelständischer Maschinenbauer aus Schwaben hat seit Februar 2026 eine KI-Buchhaltung im Live-Betrieb. 14.000 Eingangsrechnungen pro Quartal, drei Buchhalterinnen, eine durchgängige Pipeline von OCR über Kontierung bis zum DATEV-Export. Die Quote der ohne Eingriff gebuchten Belege liegt bei 78 Prozent, vor einem Jahr waren es null. Die Geschichte ist weder Heilsbringer noch Effizienzwunder, sondern eine ehrliche Spur an Entscheidungen, die andere KMU jetzt nachzeichnen können, ohne in dieselben Fallen zu laufen.
07.05.2026
Das Wichtigste in Kürze
- 78 Prozent Dunkelbuchung sind realistisch: Im DACH-Mittelstand erreichen sauber aufgesetzte Pipelines aus OCR, Klassifikation und regelbasierter Kontierung diese Quote in sechs bis neun Monaten. Wer 95 Prozent verspricht, verkauft eine Vision, kein Produkt.
- Die Hürde ist die Kontenrahmen-Pflege: SKR-04 oder SKR-03 reichen alleine nicht. Die KI braucht eine Mapping-Schicht zwischen Lieferantenverhalten, Kostenstellen und Sachkonten. Diese Schicht ist Pflege, nicht Setup und kostet 6 bis 12 Stunden pro Monat.
- DATEV bleibt Schnittstelle, nicht Plattform: Die Wertschöpfung der KI-Schicht passiert vor dem DATEV-Export. Steuerberater bleiben das Korrektiv, nicht der Engpass. Wer die Verantwortlichkeiten umdreht, scheitert an der Vier-Augen-Pflicht.
Verwandt:E-Rechnungspflicht: Umstellung bis Jahresende 2026 / Cybersecurity-Tools für KMU ohne IT-Team
Was eine KI-Buchhaltung im Mittelstand wirklich kann
Was ist eine KI-Buchhaltung? Eine KI-Buchhaltung verbindet OCR-Belegerfassung, Klassifikations- und Sprachmodelle sowie regelbasierte Kontierung zu einer durchgehenden Pipeline. Das System lernt aus historischen Buchungen, schlägt Sachkonto, Kostenstelle und Steuerschlüssel automatisch vor und exportiert das Ergebnis revisionssicher in Finanzbuchhaltungs-Systeme wie DATEV, Sage oder Lexware. Mitarbeiterinnen prüfen Ausnahmen, statt jede Buchung manuell anzulegen.
Der Maschinenbauer aus Schwaben fing 2025 mit einem klassischen Engpass an. Drei Buchhalterinnen erfassten manuell rund 14.000 Eingangsrechnungen pro Quartal, dazu Reisekosten, Kreditorenpflege und Mahnwesen. Das Team war überlastet, eine Stelle vakant, der Markt für Buchhalter im Schwaben-Cluster gibt seit 18 Monaten nichts her. Die Geschäftsführung stand vor zwei Optionen: Outsourcing an einen Steuerberater, der selbst Personalprobleme hat oder eine eigene Pipeline.
Die Entscheidung fiel auf eine modulare Pipeline. OCR über einen DACH-Anbieter, Klassifikation über ein eigenes finetuned Modell auf Basis von Llama-3.2-8B, regelbasierte Kontierung in einer Python-Schicht, DATEV-Export über die offizielle XML-Schnittstelle. Sechs Monate Aufbauzeit, drei Monate Parallelbetrieb, dann der Schwenk. Die ersten zwölf Wochen waren unbequem. Falsche Kontierungen häuften sich, das Team verlor Vertrauen. Erst ab Woche 16, als die Trainingsdaten genug Volumen hatten, kippte die Stimmung.
Drei Hebel, an denen KMU jetzt ansetzen
Die interessanten Entscheidungen in einem solchen Projekt sind nicht die im Quartalsbericht, sondern die in der dritten Woche, die niemand mitbekommt. Drei Hebel haben sich in mehreren DACH-KMU-Projekten als die zuverlässig wirksamen erwiesen.
Was trägt, was bricht im KMU
Was bricht
- Lieferantenstammdaten ohne Eindeutigkeit. Wenn derselbe Lieferant in drei Schreibweisen geführt wird, lernt die KI Fehler dauerhaft mit.
- Steuerberater, die als Engpass eingebaut werden, statt als Korrektiv. Wer jeden Beleg vor dem Buchen freigeben lässt, verliert die Pipeline-Effizienz wieder.
- Generische Cloud-LLM-Lösungen ohne DACH-Datenraum. DSGVO-konformer Betrieb ist Pflicht, sonst kippt die Buchhaltung in eine Auftragsverarbeitungs-Diskussion mit dem Datenschutz.
- Erwartungshaltung der Geschäftsführung. Wer 95 Prozent Dunkelbuchung in drei Monaten erwartet, sabotiert das Projekt durch Druck.
Was trägt
- Modulare Pipeline statt Komplettlösung. Jeder Baustein lässt sich einzeln tauschen, der Vendor-Lock-in bleibt überschaubar.
- Regeln plus ML, nicht Regeln oder ML. Hochvolumen-Lieferanten über Regeln, Long-Tail über das Modell, Fehlerquote sinkt deutlich.
- Buchhaltungs-Team aktiv im Aufbau. Die Mitarbeiterinnen kennen die Sonderfälle, die kein Modell aus historischen Daten lernen kann.
- Quartalsweiser Re-Train auf neuen Buchungen. Die Fehlerquote im Pilot sank pro Quartal um 35 bis 50 Prozent, ohne neue Architektur.
Wo der Hebel jetzt sitzt
Drei KMU-Profile haben in den nächsten zwölf Monaten den klarsten Mehrwert. Produktionsbetriebe mit hohem Eingangsrechnungsvolumen aus dem klassischen Mittelstand, weil dort die Personalknappheit am härtesten trifft. Dienstleister mit komplexem Reise- und Spesenwesen, weil dort die Klassifikation und Kontierung pro Beleg am teuersten ist. Und Familienbetriebe mit Generationswechsel, weil ein modernisierter Buchhaltungsprozess die Übergabe deutlich entkrampft. Wer keinen dieser Auslöser hat, fährt mit der bestehenden Buchhaltung weiter und sollte das auch tun, statt Innovation als Selbstzweck zu betreiben.
Eine ehrliche Beobachtung zum Schluss. Die Reibung in solchen Projekten kommt selten aus der Technik, sondern aus der Eigentumsfrage. Wer im Buchhaltungs-Team verantwortet die Modellpflege? Wer pflegt den Kontenrahmen? Wer entscheidet, wann ein Lieferant von Long-Tail in die Hochvolumen-Regelschicht wechselt? Drei Verantwortlichkeiten, die in den meisten Mittelständlern noch nicht definiert sind. Wer sie früh klärt, kommt schneller in den Live-Betrieb. Wer auf eine vollständige Tooling-Lösung wartet, die das alles übernimmt, wartet zwei Jahre länger, als nötig wäre. Das gilt für KI-Buchhaltung genauso wie für die Frage, was eine Cybersecurity-Aufstellung im KMU ohne eigenes IT-Team im Alltag tatsächlich braucht.
Häufige Fragen
Wie lange dauert es realistisch, bis eine KI-Buchhaltung produktiv läuft?
Sechs bis neun Monate vom Projektstart bis zur ersten produktiven Dunkelbuchung. Die ersten drei Monate sind Datenarbeit, dann drei bis vier Monate Aufbau und Pilot, danach Parallelbetrieb. Wer schneller live geht, riskiert, das Vertrauen des Buchhaltungs-Teams zu verlieren, wenn die Fehlerquote in den ersten Wochen hoch ist.
Welche Modelle eignen sich für die Klassifikation im Mittelstand?
Für DACH-KMU mit 5.000 bis 50.000 Belegen pro Jahr reichen finetuned 8B- bis 13B-Modelle wie Llama-3.2 oder Mistral-Small lokal betrieben. Wer DSGVO-konformes Cloud-Hosting bevorzugt, findet bei deutschen Anbietern wie Aleph Alpha oder OpenGPT-X passende Optionen. Generische US-Cloud-LLMs sind technisch möglich, datenschutzrechtlich aber regelmäßig der erste Diskussionspunkt mit dem Datenschutzbeauftragten.
Wie verhält sich der Steuerberater zur KI-Buchhaltung?
In den meisten Pilotprojekten bleibt der Steuerberater Korrektiv, nicht Engpass. Er prüft Quartals- und Jahresabschlüsse, klärt Sonderfälle und übernimmt die finale Verantwortung. Operative Buchungen laufen im Mandanten, der Berater bekommt die Daten über DATEV oder eine vergleichbare Schnittstelle. Wer den Berater jeden Beleg freigeben lässt, hat die Pipeline-Logik nicht verstanden.
Was kostet so ein Setup für ein typisches KMU?
Für ein KMU mit 10.000 Belegen pro Jahr liegen die Aufbaukosten zwischen 45.000 und 90.000 Euro, je nachdem ob die Implementierung intern oder extern läuft. Laufende Kosten zwischen 1.500 und 4.000 Euro pro Monat für OCR-Lizenzen, Modell-Hosting und Wartung. Der Break-Even gegen eine zusätzliche Vollzeitstelle in der Buchhaltung liegt bei den meisten Setups zwischen Monat 14 und 22.
Über die Autorin
Angelika Beierlein ist COO bei Evernine. Sie kommt aus Führungsrollen quer durch Medien und Tech-Adjacent und schreibt regelmäßig über Operations-Themen, in denen Strukturen wichtiger sind als Slogans. Sie hält die ehrliche Retrospektive für teurer als drei Offsites, aber für die Maßnahme, die wirklich etwas verändert.
Mehr aus dem MBF Media Netzwerk
Quelle Titelbild: Pexels / Mikhail Nilov (px:6963098)