Generative KI in der Buchhaltung: Praxiseinsatz und Genauigkeitsgrenzen

Von Jane Ha · Aktualisiert am 11. Oktober 2026

Generative KI in der Buchhaltung bedeutet, Sprachmodelle einzusetzen, um textlastige Buchhaltungsarbeit zu entwerfen und zusammenzufassen (technische Memos, Richtlinienrecherche, Abweichungskommentare, Formelhilfe, Dokumentation), während eine qualifizierte Person jede Zahl, jede Quellenangabe und jede Schlussfolgerung prüft, bevor sie verwendet wird. Die Modelle schreiben flüssig und schnell. Sie rechnen nicht zuverlässig, sie kennen Ihr Hauptbuch nicht, und sie können mit voller Überzeugung einen falschen Standard nennen. Die nützliche Frage lautet daher nicht „Kann sie diese Aufgabe erledigen?“, sondern „Welche Prüfung braucht ihr Ergebnis?“.

Dieser Leitfaden richtet sich an CFOs, Controller, Finanzdirektoren und Leiter der Buchhaltung. Er behandelt die Aufgaben, bei denen generative KI sich bewährt, eine Tabelle mit Aufgabe, Eignung und erforderlicher Prüfung, eine Reihenfolge für die Einführung und die Fehlerbilder, die in einem Berufsfeld zählen, in dem Zahlen geprüft werden. Für den breiteren Blick auf KI in der gesamten Funktion beginnen Sie mit KI im Finanzwesen.

Wichtige Fakten

• Der Leitfaden des ICAEW zu generativer KI sagt, Modelle könnten „Zitate und Quellenangaben erfinden“ und „sich widersprechen, wenn man sie hinterfragt“, und warnt, Menschen neigten zum Automation Bias, also dazu, sich zu stark auf die Ausgabe der Technik zu verlassen (ICAEW, Generative AI guide: risks and limitations).
• Das AICPA sagt, die Kernpflichten Kompetenz, Sorgfalt, Verschwiegenheit und Unabhängigkeit gälten auch beim Einsatz von KI weiter, und die Verantwortung für das Arbeitsergebnis bleibe beim Berufsträger, ob das Werkzeug intern oder von einem Dritten entwickelt wurde (Journal of Accountancy, AICPA Professional Ethics Division, August 2026).
• Bei der Befragung größerer Prüfungsgesellschaften durch das PCAOB-Personal (Juli 2024) beschrieben die Gesellschaften, generative KI vor allem für administrative Arbeiten und Recherche zu nutzen, etwa für erste Entwürfe von Memos und für die Recherche in internen Rechnungslegungs- und Prüfungsrichtlinien, und sagten, die menschliche Durchsicht der Ergebnisse bleibe unerlässlich (PCAOB staff Spotlight, Juli 2024).
• In einer Studie von 2025 zu GPT-4o, o1, DeepSeek-V3 und DeepSeek-R1 bei Aufgaben aus Arithmetik, Algebra und Zahlentheorie waren Verfahrensfehler die häufigste Fehlerart, und die Genauigkeit unterschied sich zwischen den Modellen stark (Mathematical Computation and Reasoning Errors by Large Language Models, arXiv).

Wofür generative KI in der Buchhaltung taugt und wofür nicht

Generative KI sagt wahrscheinlichen Text voraus. Das ist eine Stärke bei Arbeit, die überwiegend aus Sprache besteht: einen Mietvertrag von 40 Seiten zusammenfassen, eine Richtlinie in einfacher Sprache neu formulieren, aus Ihren Stichpunkten die erste Fassung eines Memos entwerfen. Es ist eine Schwäche bei Arbeit, die exakt stimmen muss: eine Summe, ein Satz, ein Absatzverweis, ein Schwellenwert.

Drei Grenzen bestimmen fast jede Kontrolle in diesem Beitrag.

Sie erfindet. Dieses Verhalten heißt KI-Halluzination. Der Bericht des PCAOB-Personals hält fest, dass Prüfungsgesellschaften anerkennen, generierte Ausgaben könnten falsch oder irreführend oder verzerrt und voreingenommen sein, und dass einige Gesellschaften Werkzeuge entwickeln, die die verwendeten Quelldaten dokumentieren, damit ein Prüfer sie nachverfolgen kann. Eine plausibel klingende Quellenangabe auf einen Absatz eines Standards, den es nicht gibt, ist die klassische Buchhaltungsvariante.

Sie ist bei Arithmetik unzuverlässig. Ein Sprachmodell nutzt keinen Taschenrechner, solange Sie ihm keinen geben. Die oben genannte Studie auf arXiv fand, dass Verfahrensfehler bei allen getesteten Modellen am häufigsten waren. Das auf Schlussfolgern ausgerichtete Modell in dieser Studie schnitt weit besser ab als die anderen, die Lücke wird also kleiner, aber „besser“ ist nicht „Hauptbuch-tauglich“. Alles, was das Modell berechnet, sollte in Ihrer Tabellenkalkulation oder Ihrem System neu berechnet werden.

Sie kennt Ihre Fakten nicht. Solange Sie nicht die Summen- und Saldenliste, den Vertrag oder die Richtlinie liefern, füllt das Modell Lücken mit allgemeinen Annahmen. Es an Ihre Dokumente zu binden, etwa durch Retrieval-Augmented Generation, verringert das, beseitigt es aber nicht.

Aufgabe für Aufgabe: Eignung und erforderliche Prüfung

Diese Tabelle ist der Arbeitskern des Beitrags. „Eignung“ ist ein Urteil über das Risiko, kein Qualitätsversprechen: Sie spiegelt wider, wie viel Schaden ein unentdeckter Fehler anrichten könnte und wie leicht sich das Ergebnis überprüfen lässt.

Das Muster: KI ist eine Schicht zum Entwerfen und Erklären. Alles, was eine Zahl, eine Quellenangabe oder eine Schlussfolgerung hervorbringt, durchläuft einen Prüfschritt, der nicht vom Modell abhängt.

Praxisbeispiele nach Buchhaltungsfunktion

Technische Bilanzierung und Richtlinien. Ein Controller, der vor einem neuen Vertragstyp steht, bittet das Modell, die Fragen zu skizzieren, die eine Analyse der Umsatzrealisierung beantworten muss, und den Hintergrundabschnitt aus der Vertragszusammenfassung zu entwerfen. Der Controller schreibt dann die Schlussfolgerung, liest die zitierten Vorgaben im Standard selbst und korrigiert alles, was der Entwurf falsch hatte. Das Modell hat die Zeit vor dem leeren Blatt gespart; das Urteil hat es nicht gefällt.

Finanzplanung und Kommentare zum Abschluss. Zum Monatsende fügt der Analyst die Abweichungstabelle und ein paar Zeilen zu den Treibern ein, und das Modell entwirft den Text. Das Risiko ist hier subtil: Das Modell kann eine Zahl leicht falsch wiedergeben oder einen plausiblen Grund für eine Abweichung erfinden. Jede Zahl im Absatz wird mit der Aufstellung abgeglichen, und jede Ursache wird mit dem Budgetverantwortlichen bestätigt. Die verwandten Finanzabläufe behandeln die Anwendungsfälle für KI im Finanzwesen.

Kreditoren- und Debitorenbuchhaltung. Modelle helfen, Nachfragen an Lieferanten zu entwerfen, einen langen E-Mail-Verlauf zu einer strittigen Rechnung zusammenzufassen und zu erklären, warum eine Zahlung nicht zugeordnet werden konnte. Der Abgleich selbst gehört in deterministische Werkzeuge, und dort passen KI-Agenten für das Finanzwesen und regelbasierte Automatisierung hin.

Prüfung und Assurance. Der Bericht des PCAOB-Personals beschreibt Gesellschaften, die generative KI für erste Entwürfe prüfungsbezogener Memos und Präsentationen sowie für die Recherche in internen Richtlinien nutzen, und nennt Bereiche, die Gesellschaften künftig als Kandidaten sehen, etwa die Prüfung der Prüfungsdokumentation auf Vollständigkeit gegenüber den Dokumentationsanforderungen. Im selben Bericht sagten einige Gesellschaften, sie erlaubten generative KI wegen Bedenken zu Datenschutz und Zuverlässigkeit nicht für Prüfungs- oder Bestätigungsleistungen. Wenn Sie als Unternehmen eine Prüfung vorbereiten, fragen Sie Ihren Prüfer nach seiner Richtlinie, denn sie beeinflusst, was Sie übergeben können und wie.

FP&A und Excel. Ein Modell eine Suchformel schreiben, ein geerbtes Makro erklären oder eine verschachtelte WENN-Formel in etwas Lesbares umwandeln zu lassen, gehört zu den sichersten Einsätzen, weil Sie das Ergebnis sofort testen können. Das Risiko ist, eine ungetestete Formel in ein Modell zu übernehmen, das die Board-Unterlagen speist.

Vertraulichkeit: Was in den Prompt gehört

Der Prompt ist eine Offenlegung. Die Ethik-Leitlinie des AICPA weist darauf hin, dass öffentliche KI-Werkzeuge Eingaben der Nutzer zum Training künftiger Modelle verwenden können, sodass eingegebene Daten anderswo wieder auftauchen könnten, und dass Mitglieder in der Wirtschaftsprüfungspraxis nach der Regel zu vertraulichen Mandanteninformationen (Confidential Client Information Rule) prüfen sollten, ob Informationen vertraulich sind und ob vor der Eingabe von Mandantendaten eine Einwilligung nötig ist. Ein Artikel im Journal of Accountancy von einem CPA-Direktor für Risikokontrolle empfiehlt, vertrauliche und geschützte Informationen von Mandanten und der Kanzlei von generativen KI-Werkzeugen fernzuhalten, und dass Mitarbeitende Eingaben so behandeln wie einen Beitrag auf einer öffentlichen Website (Journal of Accountancy, Oktober 2023).

Für ein Finanzteam in einem Unternehmen sind die entsprechenden Sorgen unveröffentlichte Ergebnisse, M&A-Informationen, Gehaltsdaten und Kundenverträge. Die praktische Regel: Legen Sie schriftlich fest, welche Datenklassen in welche freigegebenen Werkzeuge dürfen, und machen Sie das freigegebene Werkzeug zum einfachen Weg. Menschen fügen alles in das ein, was gerade offen ist, wenn die freigegebene Option langsam ist.

So führen Sie generative KI in Ihrem Buchhaltungsteam ein

1. Beginnen Sie mit einem Aufgabeninventar. Listen Sie wiederkehrende Aufgaben auf, die überwiegend aus Schreiben oder Erklären bestehen: Memos, Kommentare, E-Mails, Dokumentation, Formelhilfe. Sortieren Sie nach Volumen und danach, wie leicht sich das Ergebnis prüfen lässt.

   

2. Wählen Sie freigegebene Werkzeuge und schreiben Sie die Datenregel. Benennen Sie, welche Werkzeuge erlaubt sind, welche Datenklassen hineindürfen und wer über Ausnahmen entscheidet. Prüfen Sie die Datenbedingungen des Anbieters mit Rechtsabteilung oder IT. Wenn Ihre Daten dafür nicht geordnet sind, arbeiten Sie zuerst Datenbereitschaft im Finanzwesen für KI durch.

3. Legen Sie die Prüfung für jede Aufgabe fest. Nutzen Sie die Tabelle oben als Vorlage. Schreiben Sie für jeden Einsatz auf, wer was prüft: Zahlen mit der Quelle abgeglichen, Quellenangaben im Standard gefunden, Schlussfolgerungen von einer benannten Person verantwortet.

4. Halten Sie die Person verantwortlich. Das AICPA ist eindeutig, dass die Verantwortung beim Berufsträger bleibt. Bauen Sie den Human-in-the-Loop-Schritt in den Ablauf und die Freigabe ein, nicht nur in die Richtlinie.

5. Pilotieren Sie einen Prozess über einen Abschlusszyklus. Wählen Sie Abweichungskommentare oder Memo-Entwürfe. Messen Sie die gesparte Entwurfszeit, die in der Durchsicht gefundenen Korrekturen und jeden Fehler, der einen Prüfer erreichte, ohne dass der Ersteller ihn entdeckt hatte.

6. Entscheiden Sie, wie der KI-Einsatz dokumentiert wird. Manche Kanzleien bitten Mitarbeitende offenzulegen, wenn KI zu einer Arbeit beigetragen hat, damit Prüfer genauer hinsehen. Entscheiden Sie, ob Ihre Arbeitspapiere das Werkzeug, die Eingaben und die Durchsicht festhalten.

7. Schulen Sie Skepsis. Das ICAEW empfiehlt berufliche Skepsis als wichtigsten Schutz und rät, dieselbe Frage zu wiederholen, um zu sehen, ob die Antworten schwanken. Bringen Sie Prüfern bei, Ergebnisse wie die Arbeit eines selbstsicheren, aber unerfahrenen Kollegen zu behandeln.

8. Überprüfen Sie vierteljährlich. Werkzeuge, Anbieterbedingungen und berufliche Leitlinien ändern sich. Gehen Sie freigegebene Werkzeuge und Prüfungen planmäßig erneut durch.

Häufige Fallstricke

• Einer Quellenangabe trauen, weil sie richtig aussieht. Erfundene Verweise sind ein dokumentiertes Fehlerbild. Finden Sie den Absatz im Standard, bevor er ins Memo kommt.
• Das Modell die Summen rechnen lassen. Auch wenn es seinen Rechenweg zeigt, rechnen Sie nach. Eine flüssige Erklärung einer falschen Summe bleibt falsch.
• Automation Bias in der Durchsicht. Prüfer lesen KI-Entwürfe weniger kritisch, weil sie gut geschrieben sind. Das ICAEW nennt den Automation Bias ausdrücklich. Beauftragen Sie den Prüfer mit dem Verifizieren, nicht mit dem Korrekturlesen.
• Arbeit dokumentieren, die nicht getan wurde. Ein Modell, das eine Beschreibung eines Walkthroughs entwerfen soll, beschreibt ein plausibles Verfahren. Weicht es von dem ab, was das Team getan hat, ist das Arbeitspapier irreführend.
• Nicht freigegebene Werkzeuge. Wenn Mitarbeitende private Konten für Mandanten- oder Unternehmensdaten nutzen, ist ein Vertraulichkeitsverstoß nur eine Frage der Zeit. Bieten Sie eine zugelassene Option an.
• Die Datenregel überspringen. Richtlinien, die sagen „seien Sie vorsichtig“, funktionieren nicht. Legen Sie Datenklassen und freigegebene Werkzeuge fest.
• KI-Einsatz vor Prüfern verbergen. Wenn der Prüfer nicht weiß, dass ein Abschnitt maschinell entworfen wurde, kann er seine Sorgfalt nicht anpassen.

Wie es weitergeht

Wenn Sie entscheiden, welche Teammitglieder die Prüfung und die Prompt-Standards verantworten, lesen Sie KI und Rollen im Finanzteam. Wenn Sie lieber die gesamte Funktion abbilden möchten, bevor Sie einen Piloten wählen, ordnen die Anwendungsfälle für KI im Finanzwesen sie nach Wert und Risiko. Und wenn Sie dieses Quartal nur eines tun, schreiben Sie die einseitige Regel: freigegebene Werkzeuge, erlaubte Daten und die benannte Person, die die Zahlen prüft. Sobald die Regel besteht, geben Sie dem Ablauf „entwerfen, prüfen, freigeben“ ein Zuhause als zugewiesene Aufgabe mit Freigabeschritt, in einem Prozesswerkzeug wie dem BPM von Rework, statt ihn als informelle Gewohnheit zu belassen.