Rechnungen automatisch kontieren: was 2026 wirklich funktioniert
Rechnungen automatisch kontieren klingt nach einem KI-Problem und ist zum größten Teil ein Datenproblem. Der Satz, der die Automatisierung trägt, ist unspektakulär: Derselbe Lieferant wird meistens auf dasselbe Konto gebucht. Wer diesen Zusammenhang saubermacht, erklärt 80 bis 90 Prozent aller Eingangsrechnungen — und braucht ein Sprachmodell nur für den Rest. Dieser Artikel zeigt, wie die Zuordnung technisch abläuft, wo sie zuverlässig bricht und welche Automatisierungsquote im Jahr 2026 belegbar ist.
1. Was beim Kontieren tatsächlich entschieden wird
Eine Eingangsrechnung über 1.428,00 Euro brutto von der Böttcher AG wird in einer SKR03-Buchhaltung zu einer Zeile, die etwa so aussieht:
Umsatz 1.428,00 (brutto, immer positiv) S/H S Konto 70023 Kreditor Böttcher AG (Personenkonto) Gegenkonto 4930 Bürobedarf (Sachkonto) BU-Schlüssel 9 19 % Vorsteuer Belegdatum 1507 15.07. — das Jahr steht im Stapel-Header Belegfeld 1 RE-2026-004182 Rechnungsnummer, OPOS-relevant Buchungstext Buerobedarf Juli
Von diesen Feldern liest sich der größere Teil direkt aus dem Beleg: Betrag, Steuersatz, Datum, Rechnungsnummer. Zwei Felder stehen nirgends auf der Rechnung, und genau die machen die Arbeit aus:
- Das Personenkonto (Konto). Welcher der 400 Kreditoren dieses Mandanten ist das? „Böttcher AG“ steht auf dem Beleg, „70023“ nicht.
- Das Gegenkonto. Auf welches Sachkonto läuft der Aufwand? Bürobedarf, sonstiger Betriebsbedarf oder Werbekosten sind alle drei vertretbar — welches davon dieses Unternehmen benutzt, ist eine Hauskonvention und keine Eigenschaft der Rechnung.
2. Der Hebel: gleicher Kreditor, gleiches Konto
Sehen Sie sich einmal ein Jahr Eingangsrechnungen eines durchschnittlichen Mandanten an, gruppiert nach Kreditor. Das Bild ist fast immer dasselbe: Der Telefonanbieter läuft in zwölf von zwölf Fällen auf dasselbe Konto. Die Miete ebenfalls. Der Bürohändler in 47 von 50 Fällen, mit drei Ausreißern, weil einmal ein Drucker mitgekauft wurde. Der Kontierungsspielraum, über den in Foren diskutiert wird, ist im Alltag eines einzelnen Unternehmens erstaunlich klein.
Daraus folgt eine Regel, die den größten Teil der Automatisierung trägt: Wenn der Kreditor eindeutig erkannt ist und dieser Kreditor eine bekannte Hauskontierung hat, ist das Gegenkonto bekannt. Kein Modell nötig, keine Interpretation, reproduzierbar bis zur letzten Stelle. In der Praxis deckt das je nach Mandant 80 bis 90 Prozent des Belegvolumens ab.
Die spannende Frage verschiebt sich damit von „Wie erkennt eine KI das richtige Konto?“ zu „Wie sicher erkenne ich den Kreditor?“. Und das ist erfreulicherweise ein Problem, das man deterministisch lösen kann.
3. Kreditor-Matching als Kaskade: USt-IdNr. → IBAN → Name → Fuzzy
Kreditoren werden nicht über einen einzigen Vergleich zugeordnet, sondern über eine Kaskade: vier Stufen, von der härtesten Kennung zur weichsten. Die erste Stufe, die eindeutig trifft, entscheidet. Jede Stufe hat eine eigene Confidence, weil die Stufen unterschiedlich viel beweisen.
| Stufe | Grundlage | Confidence | Wo sie bricht |
|---|---|---|---|
| 1. USt-IdNr. | Umsatzsteuer-Identifikationsnummer des Verkäufers, normalisiert und mit Formatprüfung | 0,98 | Konzerne führen mehrere Gesellschaften unter einer USt-IdNr. Passt sie auf zwei Kreditoren, ist der Treffer nicht eindeutig — dann entscheidet der Name. |
| 2. IBAN | IBAN aus der Rechnung gegen die im Stammsatz hinterlegten IBANs, Prüfsumme mod 97 | 0,95 | Zahlungsdienstleister und Factoring: Auf der Rechnung steht die IBAN des Dienstleisters, nicht die des Lieferanten. Diese IBAN gehört nicht in den Stammsatz. |
| 3. Name exakt | Normalisierter Firmenname, identisch zum Stammsatz | 0,90 | Namen unter vier Zeichen sind zu unspezifisch und werden übersprungen, sonst matcht „AB“ auf jeden zweiten Kreditor. |
| 4. Fuzzy | Ähnlichkeit über Jaro-Winkler, Levenshtein und Token-Vergleich, Schwelle 0,90 | max. 0,80 | Der Deckel liegt unter der Auto-Schwelle. Ein Fuzzy-Treffer allein bucht also nie durch — er ist ein guter Vorschlag, kein Beweis. |
Warum die Reihenfolge nicht beliebig ist
Eine Umsatzsteuer-Identifikationsnummer ist ein staatlich vergebener Schlüssel mit Prüflogik. Steht sie auf der Rechnung und passt sie auf genau einen Stammsatz, ist die Zuordnung so sicher, wie sie ohne Rückfrage werden kann. Eine IBAN ist fast so hart, hat aber einen Bruch: Sie kann einem Dritten gehören. Ein Firmenname ist reine Zeichenkette — „Müller GmbH“ gibt es in jeder zweiten Kreditorenliste doppelt.
Wichtig ist, was passiert, wenn eine Stufe mehrere Treffer liefert. Naiv würde man den ersten nehmen. Das ist die gefährlichste Variante, weil sie ausgerechnet dort still zuschlägt, wo mehrere Konzerngesellschaften unter einer USt-IdNr. laufen und alle plausibel wirken. Sinnvoll ist der umgekehrte Weg: Bei Mehrdeutigkeit fällt die Stufe aus, die nächste bekommt eine Chance, und wenn weiterhin zwei Kandidaten übrig sind, entsteht ein Review-Eintrag mit beiden Vorschlägen statt eine Buchung mit einem geratenen.
Was Fuzzy-Matching leisten kann und was nicht
Die vierte Stufe vergleicht Namen unscharf: Jaro-Winkler für Tippfehler und Buchstabendreher, Levenshtein für Einfügungen und Auslassungen, ein Token-Vergleich für vertauschte Wortfolgen. „Boettcher AG“ gegen „Böttcher AG“, „Deutsche Telekom AG“ gegen „Telekom Deutschland GmbH“ — das erste Paar ist derselbe Kreditor, das zweite nicht. Genau deshalb bekommt ein Fuzzy-Treffer bei prekonto einen Confidence-Deckel von 0,80 und liegt damit bewusst unter der Auto-Schwelle von 0,85. Er bucht also nie automatisch durch, sondern landet als vorbereiteter Vorschlag im Review, wo ein Klick genügt.
4. Confidence, Gates und die Review-Schwelle
Automatisch buchen heißt nicht, dass niemand mehr hinsieht — es heißt, dass jemand entschieden hat, ab wann nicht mehr hingesehen werden muss. Diese Entscheidung braucht eine Zahl und eine Handvoll harter Bedingungen.
Die Zahl ist die Gesamtconfidence des Buchungssatzes, aggregiert aus den Confidences der einzelnen Felder. Liegt sie über der Schwelle — bei prekonto standardmäßig 0,85 — und ist kein Blocker offen, gilt der Satz als auto. Sonst wird er review und erscheint in der Prüfliste.
Die harten Bedingungen sind deterministische Checks. Sie fragen nicht, wie sicher sich etwas anfühlt, sondern rechnen nach:
| Check | Frage | Wirkung |
|---|---|---|
| summen | Netto + Umsatzsteuer = Brutto, und Summe der Positionen = Netto — auf den Cent. | Blocker. Stimmen die Summen nicht, ist die Extraktion schief, egal wie sicher sie klingt. |
| kreditor_eindeutig | Wurde genau ein Kreditor der Mandantenliste getroffen? | Blocker bei zwei Treffern oder keinem. |
| gegenkonto_bekannt | Steht das vorgeschlagene Gegenkonto in der Gegenkontenliste des Mandanten? | Blocker. Ein Konto außerhalb der Liste führt nie zu einer Buchung. |
| kontolaenge | Passt die Stellenzahl zur Sachkontenlänge des Mandanten? | Blocker. Vierstellige Sachkonten heißen fünfstellige Personenkonten. |
| rechnungsnummer | Gibt es eine Rechnungsnummer für Belegfeld 1? | Blocker. Ohne Belegfeld 1 funktioniert die offene-Posten-Verwaltung nicht. |
| steuersatz_plausibel | Passt der Steuersatz der Rechnung zum Gegenkonto und zum Steuerschlüssel? | Blocker bei Widerspruch, Hinweis bei ungewöhnlicher, aber möglicher Kombination. |
| ust_id · iban · belegdatum | Formal gültig? Prüfziffer der USt-IdNr., mod 97 der IBAN, kalendarisch gültiges Datum. | Fehlend ist ein Hinweis, vorhanden-aber-falsch ein Blocker. Das ist der Unterschied zwischen „steht nicht drauf“ und „ist falsch“. |
Warum die Selbsteinschätzung eines Modells nicht zählt
Sprachmodelle geben auf Nachfrage bereitwillig eine Konfidenz aus, und diese Zahl ist notorisch schlecht kalibriert: „1.0“ bedeutet nicht „bewiesen“, sondern „klingt entschlossen“. Für eine Buchung, die am Ende in einer Steuererklärung landet, ist das keine Grundlage.
Es gibt aber noch ein zweites, härteres Argument, und das ist ein Sicherheitsargument. Der Beleg gehört dem Absender. Positionstexte, Notizen und Verwendungszwecke stehen wörtlich im Prompt. Wer sie füllt, kann darin Anweisungen unterbringen — und würde damit sowohl das vorgeschlagene Konto als auch die gemeldete Sicherheit steuern. Läge die Obergrenze für die Selbsteinschätzung über der Auto-Schwelle, wäre der menschliche Review durch einen präparierten Beleg abschaltbar. Deshalb ist ein reiner Modellvorschlag bei prekonto grundsätzlich auf einen Wert unter 0,85 gedeckelt und geht immer einmal durch den Review.
5. Welche Auto-Quote realistisch ist (und welche Zahl gemeint ist)
„Bis zu 99 Prozent Automatisierung“ steht auf vielen Startseiten. Die Zahlen, die sich nachlesen lassen, sehen anders aus:
| Anbieter | Genannte Quote | Was genau gezählt wird |
|---|---|---|
| Finmatics | 76 % | vollautomatisch erstellte Buchungen nach etwa sechs Monaten Lernphase; separat werden 99 % Belegtrennung und 92 % Extraktionsgüte genannt |
| Candis | 85 % | „nach 30 Tagen 85 Prozent aller Rechnungen vorkontiert“ — vorkontiert, nicht ohne Prüfung gebucht |
| DATEV Automatisierungsservice | keine Angabe | keine offizielle Quote; Standardfälle laufen gut, Spezialfälle bleiben manuell. Abgerechnet wird im Bereich von rund 5 Cent je Buchungssatz |
Der realistische Zielkorridor liegt also bei 76 bis 85 Prozent Auto-Quote nach der Einlernphase, und die zweite Zahl ist wichtiger als die erste: Von den automatisch gebuchten Belegen sollten über 98 Prozent korrekt sein. Eine Auto-Quote von 95 Prozent bei 90 Prozent Korrektheit ist schlechter als 75 Prozent bei 99 Prozent, weil das Suchen und Korrigieren einer falschen Buchung im Nachhinein deutlich teurer ist als das Bestätigen eines Vorschlags im Review.
Was die restlichen 15 bis 25 Prozent sind
- Neue Kreditoren. Beim ersten Beleg gibt es keine Historie. Unvermeidbar, aber einmalig je Lieferant.
- Mischkreditoren. Amazon, Tankstellen, Baumärkte, Großhändler: derselbe Lieferant, jedes Mal ein anderer Aufwand. Das ist der harte Kern, ausführlich behandelt im Artikel zum automatischen Ermitteln des Gegenkontos.
- Sachverhalte statt Aufwände. Reverse Charge nach § 13b, EU-Erwerb, Anzahlungen, Gutschriften, Reisekostenabrechnungen, geringwertige Wirtschaftsgüter an der Grenze zur Aktivierung. Hier ist nicht das Konto unklar, sondern die steuerliche Beurteilung.
- Schlechte Belege. Fotografierte Quittungen, Sammelrechnungen, Belege ohne Rechnungsnummer. Ohne Belegfeld 1 gibt es keinen offenen Posten, also auch keine automatische Buchung.
6. Die Einlernphase von Monaten auf Tage verkürzen
Sechs Monate Lernphase sind kein Naturgesetz, sondern die Folge davon, dass das System bei null anfängt und jeden Kreditor erst einmal sehen muss. Die Abkürzung liegt in Daten, die längst existieren:
- Kreditorenliste mit Hauskontierung. Viele Buchhaltungen hinterlegen im Personenkonto schon ein Standard-Gegenkonto. Das ist die Konvention des Mandanten in Reinform. Aus DATEV lässt sich sie über den KRexport-Stammdatenexport ziehen.
- Gegenkontenliste. Nicht der komplette SKR03 mit rund 1.400 Konten, sondern die 80 bis 150 Konten, die dieser Mandant wirklich benutzt. Diese Liste ist gleichzeitig die Wertemenge, aus der ein Vorschlag überhaupt kommen darf.
- Historische Buchungen. Ein Export der Buchungen der letzten zwölf Monate zeigt, welcher Kreditor auf welches Konto gelaufen ist — inklusive der Ausnahmen und ihrer Häufigkeit.
Mit diesen drei Dateien ist die Hauskonvention ab dem ersten Beleg bekannt. Was danach noch dazukommt, sind Korrekturen: Ändert ein Mensch im Review das Gegenkonto und fällt dieselbe Entscheidung zweimal konsistent, wird sie als neue Hauskontierung dieses Kreditors übernommen. Zweimal, nicht einmal — ein einzelner Ausreißer soll die Konvention nicht umschreiben.
7. Warum die E-Rechnungspflicht die Rechnung verschiebt
Die Pflicht zur elektronischen Rechnung kommt in Stufen: Empfangen müssen deutsche Unternehmen seit 2025, ausstellen ab 2027 alle mit mehr als 800.000 Euro Vorjahresumsatz und ab 2028 alle im B2B-Geschäft. Für die Kontierung ist das eine gute Nachricht mit einem Haken.
Die gute Nachricht: Eine XRechnung oder eine ZUGFeRD-Rechnung wird geparst, nicht per OCR geraten. Betrag, Steuersatz, Steuerposten, Rechnungsnummer, USt-IdNr. und IBAN liegen als Felder vor — genau die Angaben, die die harten Stufen der Matching-Kaskade brauchen. Bei diesen Belegen fällt eine ganze Fehlerklasse weg.
Der Haken: Damit verschwindet auch der Wettbewerbsvorteil „wir lesen PDFs besonders gut“. Wenn strukturierte Daten frei Haus kommen, verschiebt sich die eigentliche Wertschöpfung auf die Frage, die die E-Rechnung nicht beantwortet — auf welches Konto der Betrag gehört. Genau deshalb wird Kontierung in den nächsten Jahren wichtiger und nicht unwichtiger.
8. Was Sie messen sollten
Vier Kennzahlen genügen, um zu wissen, ob eine Automatisierung funktioniert. Alle vier lassen sich aus den Buchungssätzen selbst ableiten, ohne zusätzliche Erhebung:
- Auto-Quote. Anteil der Belege mit Status
autoam Gesamtvolumen. Die Schlagzeile. - Korrekturrate der Auto-Buchungen. Anteil der automatisch gebuchten Sätze, die später doch geändert wurden. Das ist die Kennzahl, die über Vertrauen entscheidet; alles über 2 Prozent gehört untersucht.
- Korrekturrate je Kreditor. Sortiert absteigend ergibt sie eine Arbeitsliste: Die obersten zehn Kreditoren brauchen entweder eine Mandantenregel, eine Aufteilung in mehrere Kreditoren — oder sie sind echte Mischkreditoren und bleiben im Review.
- Zeit bis zum fertigen Stapel. Der eigentliche Ertrag. Wenn die Auto-Quote steigt, aber der Monatsabschluss genauso lange dauert, liegt der Engpass nicht in der Kontierung.
Der geprüfte Bestand geht anschließend als DATEV-Buchungsstapel weiter. Wie dieses Format im Detail aussieht und woran der Import typischerweise scheitert, steht im Artikel zum EXTF-Buchungsstapel.
Headless einbinden
Kontierung als API, nicht als weitere Oberfläche
prekonto ist eine Engine ohne eigenen Arbeitsplatz: Kreditorenliste und Gegenkontenliste rein, Rechnung rein, Buchungssatz raus. Ansprechbar über die REST-API /api/v1, über einen MCP-Server für KI-Agenten und über Webhooks (buchungssatz.review_needed, export.created) — damit lässt sich der Review in ein bestehendes ERP oder einen n8n-Workflow einhängen, statt eine weitere Anwendung zu bedienen.
9. Häufige Fragen zur automatischen Kontierung
Was heißt „Rechnung automatisch kontieren“ genau?
Kontieren heißt: einer Rechnung die Konten zuordnen, unter denen sie gebucht wird. Für eine Eingangsrechnung sind das das Personenkonto des Lieferanten (der Kreditor, bei vierstelligen Sachkonten also ein fünfstelliges Konto wie 70023), das Sachkonto für den Aufwand (das Gegenkonto, etwa 4930 Bürobedarf in SKR03), der Steuerschlüssel, das Belegdatum und die Rechnungsnummer als Belegfeld 1. Automatisch kontieren heißt, dass ein System diese Zuordnung vorschlägt, statt dass ein Mensch sie tippt.
Welche Automatisierungsquote ist realistisch?
Die belastbaren Zahlen im Markt liegen zwischen 76 und 85 Prozent. Finmatics nennt 76 Prozent vollautomatisch erstellte Buchungen nach etwa sechs Monaten Lernphase, Candis „85 Prozent aller Rechnungen vorkontiert nach 30 Tagen“ — wobei vorkontiert nicht dasselbe ist wie ohne Kontrolle gebucht. Wer 95 oder 100 Prozent verspricht, rechnet entweder die Belege heraus, die das System nicht anfasst, oder zählt Vorschläge als Erfolge, die anschließend ein Mensch korrigiert hat.
Warum reicht es nicht, den Rechnungstext von einer KI lesen zu lassen?
Weil Extraktion und Kontierung zwei verschiedene Probleme sind. Aus dem Beleg herauszulesen, dass 1.428,00 Euro brutto an die Böttcher AG zu zahlen sind, ist heute nahezu gelöst. Zu wissen, dass dieser Lieferant in diesem Unternehmen immer auf 4930 gebucht wird und nicht auf 4980, steht nicht auf der Rechnung. Diese Information steckt ausschließlich in der Buchungshistorie des Mandanten.
Wie lange dauert die Einlernphase?
Ohne Vorwissen mehrere Monate, weil das System jeden Kreditor einmal gesehen haben muss. Mit einem Import der bestehenden Kreditorenliste samt Hauskontierung und einem Export historischer Buchungen verkürzt sich das auf Tage: Die Konvention des Mandanten ist dann ab dem ersten Beleg bekannt und muss nicht erst erraten werden.
Was passiert bei einem neuen Lieferanten, der noch nie gebucht wurde?
Dann greift keine Historie, und der Vorschlag entsteht aus dem Rechnungsinhalt gegen die Kontenliste des Mandanten. Ein solcher Vorschlag geht bei prekonto immer einmal durch den Review. Sobald ein Mensch ihn bestätigt oder korrigiert hat, ist die Zuordnung gelernt, und der nächste Beleg desselben Lieferanten läuft ohne Rückfrage durch.
Kann ein Modell ein Konto vorschlagen, das es im Kontenrahmen nicht gibt?
Vorschlagen ja, buchen nein. Das Gegenkonto wird nicht als freier Text erzeugt, sondern als Auswahl aus der Gegenkontenliste des Mandanten — technisch ein Enum im Antwortschema. Zusätzlich prüft ein deterministischer Check nach der Antwort noch einmal, ob das Konto in der Liste steht. Fällt er durch, entsteht kein Buchungssatz, sondern ein Review-Eintrag.
Ist automatische Kontierung mit der GoBD vereinbar?
Ja, solange Vorschlag, Buchung und Festschreibung getrennt bleiben und jede Änderung nachvollziehbar ist. prekonto erzeugt einen Buchungsstapel mit Festschreibung 0 — er ist in DATEV also weiterhin korrigierbar. Die Entscheidung, festzuschreiben, gehört dem Steuerberater und nicht dem Export.
Was ist mit Rechnungen, die als XRechnung oder ZUGFeRD kommen?
Die sind der einfachere Fall: Bei einer XRechnung liegen Betrag, Steuersatz, USt-IdNr., IBAN und Rechnungsnummer als strukturierte Felder vor, es wird geparst und nicht per OCR geraten. Die Empfangspflicht besteht seit 2025, die Ausstellungspflicht greift ab 2027 für Unternehmen über 800.000 Euro Umsatz und ab 2028 für alle B2B-Rechnungen. Der Anteil dieser Belege wächst also von allein — und mit ihm verschiebt sich die Arbeit von der Erkennung zur Kontierung.
Weiterlesen
- DATEV-Buchungsstapel (EXTF) selbst erzeugen: Format, Fallstricke, Praxis
31 Header-Felder, 125 Felder je Buchungszeile, Belegdatum ohne Jahr: die Feldreferenz und die typischen Importfehler. - Gegenkonto automatisch finden: SKR03/SKR04 mit KI statt Bauchgefühl
Historie als Prior, Kontenliste als Enum, Regeln obendrauf — und warum Amazon der harte Grenzfall bleibt.
Quellen und Grundlagen
- Finmatics: veröffentlichte Kennzahlen zu Belegtrennung, Extraktion und vollautomatischer Buchungserstellung nach Lernphase
- Candis: Produktangabe „nach 30 Tagen 85 % aller Rechnungen vorkontiert“
- DATEV: Buchungsdatenservice und Automatisierungsservice Rechnungswesen, Preisgestaltung je Buchungssatz
- Wachstumschancengesetz: § 14 UStG, Stufen der E-Rechnungspflicht 2025 (Empfang), 2027 und 2028 (Ausstellung)
- Kontenrahmen SKR03 und SKR04 in der DATEV-Standardbelegung