Sie soll die Produktivität steigern, Gewinne maximieren – und letztendlich den Faktor Mensch überflüssig machen. Die Rede ist von künstlicher Intelligenz. Egal, in welcher Branche man arbeitet - über dieses Thema wird auf allen Kanälen berichtet. Im Bereich der Buchhaltung wird beispielsweise von vielen Softwareherstellern behauptet, zukünftig einen Großteil der Geschäftsvorfälle mit Hilfe von künstlicher Intelligenz automatisieren zu können. Doch was steckt dahinter? Macht künstliche Intelligenz die Fachkraft Mensch überflüssig?


Künstliche Intelligenz – das versteckt sich hinter diesem Begriff

Unter Intelligenz verstehen wir die menschliche Fähigkeit, abstrakt und vernünftig zu denken und daraus Schlüsse für ein zweckmäßiges Handeln zu ziehen. Beeinflusst wird sie von den kognitiven Leistungsvoraussetzungen des Einzelnen, seinen Emotionen und Erfahrungen. Können Computer tatsächlich intelligent handeln oder gibt es hier Grenzen? Softwaresysteme, die mit so vielen Daten ausgestattet werden, dass sie ihre Aufgaben so erledigen, als seien sie intelligent, bezeichnet man als künstliche Intelligenz (KI). Solch ein System kann aus vielen verschiedenen Beispielen Muster erkennen, es lernt und trifft dann auf der Grundlage vorher festgelegter Handlungsanweisungen Entscheidungen.

Die künstliche simuliert also die menschliche Intelligenz – dabei wird in der Theorie zwischen starker und schwacher KI unterschieden. Starke KI meint ein Computersystem, dass sämtliche Tätigkeiten, die ein Mensch ausführen kann, mindestens genauso gut erledigt – wenn nicht sogar wesentlich besser. Derzeit existiert starke KI zum Glück bloß in den Gedankenpalästen von Science-Fiction-Autoren. Schwache künstliche Intelligenz findet sich in immer mehr Bereichen unseres Lebens – vom denkenden Kühlschrank über Gesichtserkennung bis hin zu automatischen Buchungen im Rechnungswesen.


Ist künstliche Intelligenz nur machine learning?

In den aktuellen Diskussionen findet man neben dem Begriff "Künstliche Intelligenz" auch den Ausdruck "machine learning", teilweise werden beide auch synonym verwendet. Beim machine learning wird ein System so trainiert, dass es aus einer Vielzahl von Daten Regelmäßigkeiten und Zusammenhänge erkennt und bestimmte Schlüsse daraus zieht. Vereinfacht gesagt berechnet es die Wahrscheinlichkeit, dass bestimmte Ereignisse eintreffen. Damit ist machine learning ein Teilbereich der KI.
In Buchhaltungsprogrammen ist die automatische Verbuchung von Eingangsrechnungen ein Vorgang, den eine „machine learning“ KI erlernen kann. Auf der Grundlage der bisher verbuchten Eingangsrechnungen versucht die Software, die Eingangsrechnung richtig zu kontieren. Auf Basis des Erlernten erzeugt die KI einen Buchungsvorschlag für die korrekte Verbuchung der Rechnung. Dabei versucht die KI zunächst herauszufinden, ob eine Rechnung mit gleichem Aufbau schon einmal verbucht wurde. Kennt die KI diese Rechnung versucht Sie, die Buchungslogik, die Sie vom Buchhalter „abgeschaut“ hat, sinngemäß anzuwenden.

Letztendlich führt dann eine Reihe von Wahrscheinlichkeiten zu einem Buchungsvorschlag. Die direkte Verbuchung kann das Programm nicht übernehmen, das erledigt der Buchhalter.


Machine learning im Rechnungswesen

Die Digitalisierung hat viele Vorgänge im Rechnungswesen gravierend verändert. Moderne Unternehmen setzen innovative Buchhaltungssoftware oder ERP-Systeme ein, sparen Kosten und verfügen über taggenaue Auswertungen. Einzelne Module sind lernfähig, buchen automatisch. Die technische Entwicklung der KI schreitet weiter voran – Experten erwarten, dass künftig bis zu 75 Prozent der Arbeiten, die bisher durch Fachkräfte im Rechnungswesen durchgeführt wurden, automatisiert ablaufen könnten. Gut geschulte Mitarbeiter werden dennoch gebraucht, denn die Sachverhalte, die dann noch manuell betrachtet werden müssen, sind hoch komplex.


Die Vorteile der KI für Buchführung und Steuerberatung

  • Effiziente Verarbeitung großer Datenmengen
    Intelligente Systeme können eine Vielzahl von Daten automatisiert bearbeiten.
  • Objektive und zeitnahe Datenanalyse möglich
    Durch machine learning werden Zusammenhänge erkannt, die für die Buchhalter sonst im Verborgenen blieben, zum Beispiel das Zahlungsverhalten bestimmter Kundengruppen. Solche Erkenntnisse sind Entscheidungsgrundlage für das Management, etwa bei Zahlungskonditionen oder Preisgestaltung.
  • Machine-learning-Systeme verbessern sich ständig selbst
    Je mehr Daten gesammelt werden, desto genauer werden die Entscheidungsvorlagen, die das System erarbeitet.

Die Grenzen der KI im Rechnungswesen

  • Automatisierung ist nur für Standard-Sachverhalte möglich; Voraussetzung für das automatische Verbuchen von Geschäftsvorfällen ist die ausreichende Anzahl an Beispieldaten – damit können in der Regel nur Standardbuchungen verarbeitet werden. Das System muss Spezialfälle eindeutig als solche erkennen können. Ein gutes Beispiel dafür ist die steuerfreie Innergemeinschaftliche Lieferung. Um diese richtig verbuchen zu können, müsste die KI zunächst überprüfen, ob die steuerlichen Voraussetzungen dafür erfüllt sind. Sie müsste außerdem darauf trainiert werden, Sonderregelungen, wie die Lieferung von Neuwagen, zu erkennen und auch richtig zu bewerten. Aufgrund der komplizierten deutschen Steuergesetze, die sich zudem häufig ändern, gibt es eine Vielzahl solcher Spezialfälle. Für Unternehmen, in denen ein entsprechender Datenbestand fehlt, wird es so schwierig, Sonderfälle mit einer machine learning Software korrekt zu verarbeiten.
  • Trainingsdatenbestand muss fehlerfrei sein
    Vor Einführung des automatischen Buchens muss die Software einen gewissen Ausgangszustand besitzen, sie muss bereits angelernt sein. Voraussetzung ist ein absolut fehlerfreier Trainingsdatenbestand, sonst wird der Fehler durch den weitergehenden Lernprozess bei allen zukünftigen Berechnungen reproduziert. Nachträglich zu korrigieren, ist sehr aufwendig.
  • KI muss ständig nachtrainiert werden
    Da Buchhaltung eine hochdynamische Angelegenheit ist, ändern sich laufende die Belege (beispielsweise durch einen neuen Lieferanten) und die darauf anzuwendende Buchungslogik. Dementsprechend muss die auf Machine Learning basierende KI permanent nachtrainiert werden. Denkt man an die Häufigkeit, mit der sich steuerliche Rahmenbedingungen oft auch unterjährig ändern, offenbart sich der Nachteil des trainierten Modells: Ändert sich eine für die Verbuchung von Belegen relevante Rahmenbedingung beispielsweise zum 01.06., dann kann die Machine Learning KI erst mit den ab diesem Zeitpunkt vorhandenen Daten nachtrainiert werden. Entsprechend hoch ist die Gefahr einer falschen Verbuchung, da die KI am 01.06. auf Belege treffen wird die ihr unbekannt sind.
  • Spezialwissen von Steuerberatern oder Fachkräften wird nicht erlernt.
    Die auf machine learning basierende KI lernt dadurch, dass Sie dem Buchhalter beim Arbeiten über „die Schulter sieht“. Die Gedankengänge, die einen Buchhalter zu einem bestimmten Buchungssatz veranlassen, bleiben der KI nicht nur verborgen, eine machine learning KI wäre nicht in der Lage, die komplexen steuer- und handelsrechtlichen Hintergründe zu verstehen.
    Damit kann die KI (zumindest Stand heute) „nur“ einfache Rechnungen (keine komplexen Aufteilungsbuchungen, keine AfA-Sachverhalte, keine zu beurteilenden Nebenleistungen) auswerten und korrekte Buchungen daraus ableiten.

Bedroht der Einsatz von machine learning Arbeitsplätze?

Die Buchführung in Deutschland ist streng reguliert, Standards und Richtlinien sind genau einzuhalten. Die KI stößt hier an ihre Grenzen, vor allem, weil sie nur Standard-Fälle korrekt verarbeiten kann. Es besteht in jedem Fall eine gewisse Fehleranfälligkeit. Es bleibt Aufgabe des Buchhalters, die Buchungen zu kontrollieren sowie Sonderfälle manuell zu bearbeiten.

Softwarehersteller werben mit einer Steigerung der Effizienz der Buchhaltungsvorgänge, beweisen konnten sie das bisher nicht. Benötigen versierte Buchhalter tatsächlich weniger Zeit für die Kontrolle der Automatikbuchung als für die manuelle Buchung unter Berücksichtigung aller relevanten Sachverhalte? Wie viel Aufwand entsteht zum Beispiel, wenn das System einen Sachverhalt nicht korrekt verbucht, der Buchhalter das entdeckt und korrigiert


App versus KI

Vor Einsatz der KI sollte deshalb immer der Versuch stehen, die Rohdaten entsprechender Belege abzugreifen und mit „normalen“ Applikationen zu verbuchen. Hier ist nicht nur eine deutlich höhere Sicherheit, sondern auch eine fast 100%ige Automatisierung gegeben.  Dieses sog. lineare Vorgehen hat aber den Nachteil, dass für jeden Beleg eine gesonderte App entwickelt werden muss. Es lohnt sich also nur, sobald die entsprechenden Mengengerüste vorliegen (Faustregel: ab 4 – 6 Stunden manueller Arbeit pro Monat).

Wenn eine normale Automatisierung nicht möglich ist, kommen dann Werkzeuge, wie das machine learning zum Einsatz.


Fazit

Die Grundsätze zur ordnungsgemäßen Führung und Aufbewahrung von Büchern und Unterlagen in elektronischer Form sowie zum Datenzugriff verpflichten Unternehmen zu einer ausführlichen Dokumentation der eingesetzten Systeme. Steuerfachangestellte und Buchhalter sollten also in Zeiten der Digitalisierung nicht zu drögen Datentypisten degradiert werden. Erst zusammen mit ihrer Erfahrung können die Vorteile der künstlichen Intelligenz tatsächlich rechtssicher genutzt werden.

Die durch den Einsatz der machine learning Systeme gewonnene Zeit nutzen sie dann für die Auswertung der gewonnenen Informationen sowie für eine qualifizierte Beratung von Unternehmen – dieses vielseitige Betätigungsfeld sichert ihre Arbeitsplätze. Die KI ist also ein weiteres Instrument im Werkzeugkasten des Buchhalters oder des Steuerfachangestellten.


Stefan Kaumeier
dekodi - Deutscher Konverterdienst GmbH
Geschäftsführung

Weiterempfehlen

Newsletter Anmeldung

Bitte JavaScript aktivieren, um das Formular zu senden