Mein Freitagvormittag ist nicht mehr für Rechnungseingang blockiert.
Stattdessen läuft der Workflow autonom, vom eingehenden Mail bis zur fertig aufgebauten Kostenleistungsrechnung. Ich entscheide nur noch zwei Dinge: Freigabe pro Rechnung und der finale Trigger der DATEV-Schnittstelle.
Was technisch passiert
United Intelligence (unsere KI-Agenten-Plattform) übernimmt die Routine. Das Setup besteht aus mehreren Bausteinen:
1. Mail-Connector
Scannt das Postfach kontinuierlich. Funktioniert mit jedem Mailserver. Gmail, M365, IMAP-Standard, was du im Mittelstand findest. Filtert Rechnungen aus dem Rest und extrahiert PDF-Anhänge.
2. Daten-Extraktion + DB mit Freigabeworkflow
Strukturierte Felder werden aus Rechnung gelesen (Lieferant, Betrag, Steuersatz, Leistungsdatum, Rechnungs-Nr.) und in eine Datenbank geschrieben. Plus Freigabeworkflow-Status, damit nichts ohne menschlichen Check rausgeht.
3. Spezialisierte Agents übernehmen die Folge-Schritte
Das ist der Kern. Statt eines „großen, alleskönnenden” KI-Agents arbeiten mehrere spezialisierte zusammen, jeder mit klarem Aufgabenbereich:
- GBZ-Überprüfung. Geschäftsbeziehungs-Check, Plausibilität gegen Lieferanten-Stammdaten
- Stammdaten-Pflege, neue Lieferanten werden automatisch angelegt, mit allen relevanten Feldern
- Kostenleistungsrechnungs-Aufbau. Zuordnung zu Kostenstellen und -arten, KLR-Logik
Jeder Agent hat deterministische Werkzeuge mit Berechtigungen zur Hand. Kein freier KI-Wildwuchs, sondern kontrollierte Aktionen: „Du darfst Lieferanten anlegen, aber nicht löschen”, „Du darfst Buchungen vorbereiten, aber nicht freigeben”.
4. DATEV-Trigger, bewusst manuell
Am Ende stoße ich (oder ein Mitarbeiter) die DATEV-Schnittstelle an. Bewusst nicht autonom: das ist der finale Übergang an die Buchhaltung, der Verantwortung trägt. Da gehört Mensch-Bestätigung rein.
Warum spezialisierte Agents besser sind als „ein großer KI-Agent”
Die naive Implementierung wäre: ein Claude-Prompt sagt „mach alles”. Klingt schön, hat zwei Probleme:
- Keine kontrollierte Berechtigungs-Granularität, wenn die KI darf was sie will, traust du ihr keinen produktiven Buchhaltungs-Zugriff zu
- Kein klares Audit, bei einer Steuer-Prüfung musst du nachweisen können, welcher Agent welche Aktion wann mit welcher Begründung getan hat
Spezialisierte Agents mit deterministischen Werkzeugen lösen beides. Jeder Agent hat ein klares Mandat, ein definiertes Toolset, einen Audit-Trail. Wenn der Stammdaten-Agent einen falschen Lieferanten anlegt, ist sofort klar: wer, wann, warum.
Was die echte Erkenntnis ist
KI ist kein Universalersatz für Buchhaltung. Sie ist ein Verstärker für Routine-Arbeit, der dich frei macht für Entscheidungs-Arbeit, wenn du sie strukturiert einsetzt.
Vorher hab ich Stunden am Freitag mit „Daten von A nach B schaufeln” verbracht. Heute hab ich Minuten mit „Edge-Cases entscheiden”, die einzigen Momente, wo mein Kopf wirklich gebraucht wird.
Was das pattern-haft macht
Das gleiche Setup funktioniert für jede Routine, die folgende drei Eigenschaften hat:
- Wiederholbar (gleiche Struktur, immer wieder)
- Daten-getrieben (kein Geschmacks-Urteil notwendig)
- Asymmetrisch (Großteil Standard, Rest Edge-Case)
Denkbare Anwendungen im Mittelstand mit ähnlicher Pattern-Logik:
- Bewerbungs-Pre-Screening. Agent filtert nach Hard-Skills, Mensch entscheidet Cultural-Fit
- Service-Tickets-Triage. Agent klassifiziert und ordnet Teams zu, Mensch löst
- Vertriebs-Lead-Scoring. Agent berechnet Wahrscheinlichkeit, Mensch macht den Call
- Compliance-Reporting. Agent sammelt Daten, Mensch unterschreibt
Wer diese drei Eigenschaften in seinen Prozessen hat (und das ist fast jeder Mittelstand), kann seine eigene Hebel-Wirkung berechnen.
Wenn dein Freitag auch noch mit „Daten von A nach B schaufeln” anfängt, lass uns 30 Min reden. Das ist der erste Move.