Intelligente Rechnungsfreigabe mit DATEV-Integration für Planungsbüros

Das Planungsbüro und die Rechnungsflut

Ein spezialisiertes Planungsbüro mit sieben Ingenieuren — Fokus auf erneuerbare Energieprojekte wie Biogas-, Wind- und PV-Anlagen — verwaltet etwa 250 aktive Projekte gleichzeitig. Das bedeutet: 400 bis 700 Eingangsrechnungen pro Jahr. Lieferanten, Unterauftragnehmer, Behörden, Material-Lieferanten. Jede Rechnung muss geprüft, kategorisiert, freigegeben und in die Buchhaltungssoftware DATEV eingepflegt werden.

Die Realität war kaum nachverfolgbar. Rechnungen kamen per Email an. Eine Person druckte sie aus, legte sie in Ordnern ab, verschickte sie physisch an die Projektleiter zur Genehmigung. Nach Rückgabe wurden sie wieder ausgedruckt, diesmal für DATEV. Zwei Ausdrucke pro Rechnung. Hunderte von Blatt pro Monat. Und die manuelle DATEV-Eingabe? Das war zeitintensiv und fehleranfällig.

Besonders problematisch: Es gab keine Transparenz über den Genehmigungsstatus. Keine Möglichkeit zu sehen, welche Rechnungen "steckengeblieben" sind. Keine Daten über durchschnittliche Verarbeitungszeiten. Und keine Chance, je ein Bild von den tatsächlichen Kosten pro Projekt zu bekommen — alles war verteilt auf verschiedene Personen, Ordner, Tabellenkalkulationen.

Die Strategie: Vom Paper zu Plattformen

Das Ziel war ambitiös: Vollständig automatisierte Rechnungsverarbeitung. Keine Drucke mehr. Keine manuelle DATEV-Eingabe. Direkter Datenfluss vom Rechnungseingang ins Buchhaltungssystem. Die technische Grundlage sollten die Microsoft Power Platform und eine intelligente Integration zu DATEV via XML bilden.

Phase 1 — Der Rechnungseingang:

Rechnungen treffen im Accounting-Postfach ein. Ein Power Automate Flow prüft die Email auf Anhänge (muss eine PDF sein, die "Rechnung" im Namen trägt oder vom bekannten Scanner kommt). Wenn ja: Die PDF wird automatisch in SharePoint hochgeladen und mit Metadaten versehen. Der Name der Datei wird standardisiert (Datum_Lieferant_Betrag).

Die Rechnung wird gleichzeitig mit AI Builder gescannt. Das Machine Learning Modell erkennt automatisch Lieferantennamen, Rechnungsnummern, Beträge, Steuersätze und Fälligkeitsdaten. Diese Daten landen in einer strukturierten Tabelle — eine "Sandkasten"-Datenquelle in Dataverse, dem internen Datenspeicher der Power Platform.

Phase 2 — Die Abteilungs-Zuordnung und Freigabe:

Basierend auf den extrahierten Daten und Zuordnungsregeln leitet Power Automate die Rechnung dem korrekten Projektleiter oder Abteilungsleiter zu. Ein Teams Approval wird gesendet — mit allen relevanten Informationen bereits vorausgefüllt. Der Freigeber sieht:

• Rechnungsnummer und Betrag
• Lieferant
• Fälligkeitsdatum und eventuell verfügbare Skonto-Informationen
• Projekt, dem die Rechnung zugeordnet ist
• Die eingescannte Rechnung selbst (als PDF-Link)

Mit einem Klick wird freigegeben. Optional kann der Freigeber einen Kommentar hinzufügen oder Korrektionen vornehmen, falls die AI-Extraktion daneben lag.

Phase 3 — DATEV-Integration via XML:

Nach Freigabe passiert das Intelligenteste: Power Automate generiert automatisch eine XML-Datei im DATEV-Standard. Diese XML enthält alle Buchhaltungsinformationen: Lieferantennummer, Rechnungsnummer, Betrag, Steuerbetrag, Datum, Fälligkeitsdatum, Kontenkodierung (basierend auf Projekt und Kostentyp). Die XML wird direkt zu DATEV übertragen.

DATEV liest die XML ein und erstellt die Rechnung automatisch im System. Keine manuelle Dateneingabe mehr. Keine Typos. Die Rechnung ist sofort in DATEV dokumentiert und kann für die Zahlung bereitgestellt werden.

Phase 4 — Archivierung und Transparenz:

Die genehmigte Rechnung wird in SharePoint archiviert, gekennzeichnet als "DATEV-verarbeitet". Eine Nachricht zurück an den Freigeber informiert ihn: "Rechnung genehmigt und in DATEV übertragen". Die Rechnungsdatei wird mit allen extrahierten Metadaten indiziert — das heißt, sie lässt sich später volltext-durchsuchen.

Gleichzeitig landen alle diese Daten in Power BI Dashboards, die ins Teams integriert sind. Die Geschäftsführung sieht auf einen Blick: Wie viele Rechnungen sind diesen Monat eingegangen? Durchschnittliche Verarbeitungszeit? Welche Projekte haben die meisten Lieferanten? Welche Abrechnungsverzögerungen gibt es?

Eliminieren von Verschwendung

Aus Sicht von Lean ist das System ein Lehrbuch-Beispiel für Waste-Elimination:

• Transport: Rechnungen reisen nicht mehr physisch. Null Wege.
• Motion: Niemand muss aufstehen, Ordner suchen oder drucken.
• Wartezeit: Rechnungen werden nicht mehr "auf dem Schreibtisch gestapelt", sondern sofort zugeordnet.
• Rework: Die AI-gestützte Extraktion reduziert Fehler. Falls Korrektionen nötig sind, laufen sie digital.
• Überproduktion: Kein Doppeldruck mehr. Keine redundanten Tabellenkalkulationen.

Das Planungsbüro hatte etwa 2.000 Rechnungsseiten pro Jahr manuell anfassen müssen. Das ist vorbei.

Die Zahlen

Nach Implementierung (etwa 6 Wochen Laufzeit für korrekte Kalibrierung der AI-Modelle):

• Manuelle Verarbeitungszeit: von etwa 25 Minuten pro Rechnung (Druck, Routen, Dateneingabe) auf 3 Minuten reduziert — ein Rückgang um 88 Prozent
• Genauigkeit der DATEV-Einträge: von circa 94 Prozent auf 99,2 Prozent (die restlichen 0,8 Prozent sind Edge-Cases wie falsche Währungen oder unbekannte Lieferanten)
• Papierverbrauch: von 2.000+ Seiten/Jahr auf etwa 150 (nur für Archivdruck, falls erforderlich) — minus 92 Prozent
• DATEV-Durchlaufzeit: von durchschnittlich 4 Tagen auf unter 6 Stunden
• Kosten pro Rechnung: von etwa 1,50 Euro (Druck, Zeit, Fehlerbearbeitung) auf 0,12 Euro Systemkosten gesunken

Noch wichtiger: Die Geschäftsführung hat zum ersten Mal echte Echtzeitdaten über Kostenflüsse und Lieferantenleistung. Die Transparenz erinnert an das, was wir auch bei einer allgemeinen Rechnungsfreigabe für ein Unternehmen mit 340 Rechnungen/Monat erreicht haben — dort allerdings ohne DATEV-Anbindung.

Skalierbarkeit und Wartung

Die Infrastruktur ist bewusst dezentral strukturiert. Ein neuer Lieferant? Die Zuordnungsregeln werden aktualisiert, die AI-Modelle recyceln sich selbst durch Feedback-Loops. Ein neues Projekt mit anderen Kostenkonten? Ein neuer Mapping-Eintrag in Dataverse. Der Flow bleibt unveränder.

Die XML-Schnittstelle zu DATEV ist standardisiert — wenn DATEV Updates bringt, müssen nur die XML-Vorlagen angepasst werden, nicht die gesamte Logik.

Fehlerbehandlung läuft automatisiert: Wenn eine PDF nicht lesbar ist oder die AI-Extraktion zu unsicher ist (Confidence-Score unter 70 Prozent), landen diese Rechnungen automatisch in einer Warteschlange für manuelle Prüfung. Ein "Escalation Channel" in Teams zeigt dem Team, welche Rechnungen Aufmerksamkeit brauchen. Typischerweise sind das weniger als 5 Prozent.

Was kommt danach?

Das Planungsbüro plant bereits die nächste Phase: Die gleiche Intelligenz auf Ausgangsrechnungen an Kunden anwenden. Entwürfe von Kostenvoranschlägen könnten automatisch in PDF konvertiert, nummeriert und versand-verwaltet werden. Rechnungen nach Projektabschluss könnten auf Basis der genehmigten Lieferantenrechnungen halbautomatisch generiert werden.

Das Kernverständnis: Eine einmal aufgebaute Automatisierungs-Infrastruktur ist nicht das Ende, sondern der Anfang. Sie schafft das Fundament für kontinuierliche Verbesserung und echte digitale Unternehmensplanung.

---

Strategie-Gespräch buchen