Die These in einem Satz: Der Rechnungsdatensatz ist konstruktionsbedingt unveränderbar, also hat KI innerhalb der Ausstellung nichts verloren. Alles, was zu holen ist, liegt auf beiden Seiten davon: vor der Rechnung —lesen, abgleichen, warnen— und danach —einziehen und ausgleichen—.
Das gehört früh gesagt, weil der Markt gerade das Gegenteil verkauft. Seit die E-Rechnungspflicht feste Termine hat, tauchen Demos von „KI, die von allein Rechnungen schreibt“ auf und Anbieter versprechen Intelligenz mitten im Ausstellungsprozess. Ein teures Missverständnis: Der Sinn der Regeln ist genau, dass dieser Prozess aufhört, flexibel zu sein. Ein generatives Modell dorthin zu setzen, wo der Prüfer Determinismus erwartet, ist keine Innovation. Das ist eine Beanstandung auf Raten.
KI und Rechnungsstellung im Unternehmen automatisieren: was die Maschine anfassen darf (und was nicht)
Fangen wir beim Terrain an, Geltungsbereich geschrieben statt vorausgesetzt: Deutschland. Seit dem 1. Januar 2025 muss jedes inländische Unternehmen im B2B E-Rechnungen empfangen können — ohne Ausnahme, unabhängig von der Größe. Für das Ausstellen laufen die Übergangsfristen gestaffelt aus: ab dem 1. Januar 2027 müssen Unternehmen mit einem Vorjahresumsatz über 800.000 Euro E-Rechnungen versenden, ab dem 1. Januar 2028 dann alle. Nachzulesen in den Fragen und Antworten des Bundesfinanzministeriums zur obligatorischen E-Rechnung.
Der Teil, der in dieser Diskussion fast immer untergeht, ist aber älter als die E-Rechnung und härter: die GoBD. Das BMF-Schreiben zu den GoBD — Fassung vom 11. März 2024, zweite Änderung vom 14. Juli 2025 wegen der E-Rechnung — verlangt Unveränderbarkeit: spätere Änderungen sind ausschließlich so vorzunehmen, dass sowohl der ursprüngliche Inhalt als auch die Tatsache der Änderung erkennbar bleiben. Das ist keine Empfehlung, das ist die Bedingung dafür, dass deine Buchführung ordnungsmäßig ist.
Warum KI nicht in die Ausstellung der Rechnung gehört
Der Kern ist nicht die Übertragung, sondern der Datensatz. Jede Rechnung erzeugt einen Eintrag mit Zeitstempel, festgeschrieben, der sich weder ändern noch löschen lässt. Wenn du dich vertan hast, korrigierst du nicht: du stornierst und stellst eine neue Rechnung, und beides bleibt stehen. Das ganze Ding ist so gebaut, dass Geschichte nicht umgeschrieben werden kann.
Dieses Design kollidiert frontal mit dem, was ein generatives Modell gut kann. Ein Modell ist probabilistisch: dieselbe Eingabe kann verschiedene Ausgaben liefern, und sein Reiz besteht gerade darin, Lücken zu füllen. Ein Buchungssatz verlangt das Gegenteil — Determinismus, Reproduzierbarkeit und einen benennbaren Verantwortlichen für jedes Feld. Es ist nicht so, dass KI dort „verboten“ wäre: Sie bringt dort nichts und fügt eine Fehlerfläche hinzu, die du später mit der Betriebsprüfung gegenüber erklären darfst.
- Für die Software haftet jemand, für das Modell niemand. Dein Buchhaltungssystem hat eine Verfahrensdokumentation und einen Hersteller dahinter. Ein Modell, das bei einem Dritten läuft und die Version wechselt, wenn sein Anbieter das entscheidet, ohne dich zu fragen, ist kein Bauteil, für das jemand unterschreibt.
- Verkettung verträgt keine Wiederholungsversuche. Jeder Eintrag hängt am vorherigen. Eine Komponente, die manchmal ausfällt, manchmal hängt und manchmal etwas anderes zurückgibt, kann nicht in einer Kette leben, die auf das Bit genau aufgehen muss.
- Nachvollziehbarkeit muss erklärbar sein. Wenn jemand fragt, warum dieser Betrag dieser Betrag ist, ist „das hat das Modell abgeleitet“ keine Antwort. „Gelesen aus Bestellung 4471, Feld Nettobetrag, freigegeben von Marta am 14. März“ schon.
Nichts davon ist Pessimismus gegenüber KI. Es ist Arbeitsteilung. Die Ausstellung ist der einzige Abschnitt des Zyklus, in dem die Maschine kein Urteil haben darf — und zufällig ist es der kürzeste Abschnitt und der, der die wenigsten Personenstunden frisst. Die Stunden liegen davor und danach.
Vor der Rechnung: lesen, abgleichen, warnen
Hier wohnt die langweilige, teure Arbeit. Bevor eine Rechnung existiert, gibt es eine Bestellung, einen Lieferschein, einen Vertrag mit seinen Konditionen, eine Lieferantenanlage, einen Kunden mit falsch getippter USt-IdNr. und eine Mail mit einem PDF im Anhang, das jemand öffnen muss. Nichts davon regelt die E-Rechnungspflicht, weil nichts davon Rechnungsstellung ist: Es ist das Zusammentragen der Akte, die am Ende eine Rechnung wird.
- Lesen, was hereinkommt. Eingangsrechnungen, Bestellungen und Lieferscheine kommen in fünfzig verschiedenen Layouts. Feld für Feld extrahieren, mit einem Konfidenzschwellwert, der entscheidet, was allein durchläuft und was ein Mensch anschaut, ist gelöste Arbeit: genau das ist Rechnungsdaten auslesen, und es wird Feld für Feld gemessen, nicht „insgesamt“.
- Drei Belege abgleichen. Bestellung gegen Lieferschein gegen Rechnung. Was die Maschine gut kann, ist nicht das Rechnen —das macht dein ERP längst—, sondern zu verstehen, dass „PALETTE 120x80 REF-3391“ und „Europalette 3391“ dieselbe Position sind und die 40 Euro Differenz aus einer Fracht kommen, die nicht auf der Bestellung stand.
- Warnen, was fehlt, bevor ausgestellt wird. Dass die USt-IdNr. des Kunden nie geprüft wurde. Dass der Nummernkreis, den du gleich ziehst, nicht der dieses Standorts ist. Dass diese Position seit Januar einen anderen Steuersatz trägt. Der lohnendste Einsatz überhaupt und der, den niemand baut, weil er keine schöne Demo hat: Er verhindert nur Stornos.
- Vorbereiten, niemals ausstellen. Die richtige Ausgabe ist ein Entwurf mit bereits abgeglichenen Daten und gesetzten Flags, bereit dafür, dass ein Mensch —oder eine deterministische Regel— ihn ins Rechnungssystem schiebt. Die Maschine geht bis an die Kante und bleibt stehen.
Dieses „bis an die Kante und stehen bleiben“ ist keine dekorative Vorsicht: Es ist ein Entwurfsmuster mit Namen und Mechanik, nämlich Mensch in der Schleife einer KI-Automatisierung — wobei es nicht darauf ankommt, dass jemand zuschaut, sondern dass diese Person Kontext, Zeit und echte Befugnis hat, Nein zu sagen.
Nach der Rechnung: Einzug und Ausgleich
Die andere Seite ist die, wo das echte Geld liegt, und keine Vorschrift fasst sie an. Richtig ausstellen zahlt dich nicht; bezahlt zu werden zahlt dich. Der European Payment Report 2026 von Intrum, im April 2026 auf Basis von 8.385 Führungskräften aus 20 europäischen Ländern veröffentlicht, misst eine B2B-Zahlungslücke, die von 16 Tagen im Jahr 2023 auf 20 in diesem Jahr gewachsen ist, durchschnittliche Zahlungsziele von 60 auf 63 Tage, und 62 % der Unternehmen, die zugeben, ihre eigenen Lieferanten zu spät zu bezahlen, weil sie selbst zu spät bezahlt werden. Geltungsbereich: Europa.
Ehrlich bleiben: Das ist eine europäische Zahl mit ihrem Geltungsbereich dran, keine Weltwahrheit. Die Zahl, die dich betrifft, holst du dir aus dem eigenen Haus — DSO, offene Posten nach Alter, und der Anteil Umsatz, der jenseits der vereinbarten Frist liegt. Der Mechanismus ändert sich mit der Geografie nicht: Jeder Tag, an dem eine Rechnung unausgeglichen liegt, ist ein Tag Working Capital, den du einem Kunden gratis leihst.
- Überfälliges verfolgen, ohne die Beziehung zu verbrennen. Die Mahnung mit der Kundenhistorie vor Augen schreiben, in deren Ton und Sprache, und nach dem eskalieren, was schon versucht wurde. Das ist Schreiben mit Kontext: die Disziplin, in der ein Modell am besten ist.
- Zahlungseingang mit Rechnung ausgleichen. Eine Überweisung über 4.812,50 Euro, die drei Rechnungen abzüglich einer Gutschrift und abzüglich Bankgebühren begleicht. Von Hand ist das ein halber Vormittag im Monat; Regeln decken das Meiste ab, und der schräge Rest —genau der, an dem niemand fertig wird— ist der Ort, an dem ein Modell sich rechnet.
- Erkennen, was nicht stimmt, und anhalten. Eine Lieferanten-Bankverbindung, die am Dienstag per Mail geändert wurde. Ein Kunde, der seit drei Monaten auf 90 zahlt, obwohl er 30 unterschrieben hat. Signale, die ein Mensch sieht, wenn er hinschaut, und niemand schaut hin.
All das hat längst Produktform —ein KI-Agent für das Forderungsmanagement, der Überfälliges verfolgt und dort abrupt stehen bleibt, wo Urteil anfängt— und teilt eine Eigenschaft mit der Seite davor: Wenn er sich irrt, ist der Fehler sichtbar und korrigierbar. Kein unveränderbarer Datensatz hängt daran, dass er richtig liegt.
Die Linie, als Tabelle
| Abschnitt im Zyklus | Wer macht es | Warum |
|---|---|---|
| Belege empfangen und lesen | Die Maschine, mit Konfidenzschwelle | Wechselnde Formate, Fehler sichtbar und korrigierbar |
| Bestellung / Lieferschein / Rechnung abgleichen | Maschine schlägt vor, Mensch löst Ausnahmen | Das Meiste ist mechanisch, der schräge Rest ist Urteil |
| Steuer- und Stammdaten vor Ausstellung prüfen | Die Maschine warnt | Verhindert Stornos und fasst den Datensatz nicht an |
| Rechnung und Datensatz ausstellen | Das Rechnungssystem, deterministisch | Festgeschriebener, unveränderbarer Datensatz nach GoBD |
| Einen Fehler korrigieren | Der Mensch, per Storno und neuer Rechnung | Geschichte wird nicht umgeschrieben, sondern ergänzt |
| Zahlung anmahnen | Maschine schreibt, Mensch gibt Heikles frei | Schreiben mit Kontext, Geschäftsbeziehung steht auf dem Spiel |
| Zahlungseingänge ausgleichen | Die Maschine, erst Regeln, Modell für den Rest | Das ist Zuordnung, keine Entscheidung |
Was die Pflicht dich aufräumen lässt (und der KI nützt)
Darin steckt eine nützliche Ironie. Die Vorbereitung, die E-Rechnung und GoBD verlangen —saubere Nummernkreise, ein konsistenter Artikelstamm, geprüfte USt-IdNr., ein einziger Ort, aus dem Rechnungen herausgehen, statt drei Tabellen und ein Alttool— ist genau die Hygiene, die jede Automatisierung braucht, um überhaupt zu funktionieren. Wer 2027 mit sauberem Kundenstamm erreicht, hat nicht nur Compliance abgehakt: Er hat das Fundament gegossen.
Und umgekehrt: Wenn deine Rechnung heute aus einer Tabelle kommt, die jemand von Hand ändert, hast du weder ein KI-Problem noch ein E-Rechnungsproblem. Du hast ein Problem damit, wo die Daten wohnen, und das löst du, bevor du irgendetwas anschließt — indem du KI mit den Systemen integrierst, die du schon nutzt, statt eine Parallelschicht zu bauen, die in Woche drei auseinanderläuft.
Die andere Hälfte der Arbeit ist das Protokoll, wer was getan hat. Für die Rechnung verlangt es die GoBD ohnehin; deine Automatisierung sollte es dir für alles andere liefern —welches Datum gelesen wurde, mit welcher Konfidenz, wer freigegeben hat, was rausging—. Das ist Governance und Kontrolle der KI-Automatisierung, und es ist keine Bürokratie: Es ist das Einzige, womit du eine Prüfung beantwortest, ohne die Vergangenheit aus dem Gedächtnis zu rekonstruieren.
Wann du das alles NICHT bauen solltest
Wenn du dreißig Rechnungen im Monat stellst und sie sich alle ähneln, automatisiere das Lesen nicht: wechsle die Rechnungssoftware und gut. Die Schwelle, ab der sich das lohnt, setzt nicht der Ehrgeiz, sondern Volumen und Vielfalt —wie viele Belege hereinkommen, in wie vielen Formaten, und wie viele Ausnahmen auf hundert—. Darunter gewinnst du nur eine Softwareschicht zwischen dir und einem Problem, das eine Vorlage gelöst hat.
Bau es auch nicht, wenn dein Plan „abwarten, wie sich die Pflicht entwickelt“ war. Sie hat sich entwickelt: Empfangen ist seit Anfang 2025 Pflicht, 2027 und 2028 stehen im Kalender. Warten ist keine Strategie, es ist die Methode, im Januar 2027 zwei Migrationen gleichzeitig zu fahren, mit dem Jahresabschluss obendrauf.
Das Zeichen, dass du spät dran bist
Eine Frage entlarvt es in zehn Sekunden: Wie viele Storno- und Korrekturrechnungen hast du letztes Jahr gestellt, und warum? Wenn die Zahl nicht existiert, hast du keinen Prozess, du hast eine Gewohnheit. Und wenn sie existiert und hoch ist, weißt du schon, wo die Arbeit liegt — nicht im besseren Ausstellen, sondern darin, dass das, was bei der Ausstellung ankommt, schon abgeglichen ankommt.
Das ist die richtige Reihenfolge, und sie ist das Gegenteil dessen, was man dir verkaufen wird. Zuerst aufräumen, was hereinkommt. Dann anziehen, was hinausgeht. Und die Ausstellung dazwischen: lass sie langweilig, deterministisch und geprüft. Sie ist das Einzige, was die Vorschrift von dir will, und das Einzige, was KI nicht anfassen sollte. Wenn dir lieber ist, dass jemand diese Aufteilung baut und dir gemessen übergibt, ist genau das die Arbeit: Automatisierung des operativen Betriebs — der Teil, den man beim Monatsabschluss merkt, nicht in der Demo.