Teil 4: Buchhaltung, die mitdenkt: Wie Open Source Kontoauszüge, Belege und Zahlungen automatisch zusammenführt

Wer kennt das nicht: Am Monatsende stapeln sich die Kontoauszüge, die Rechnungen liegen verteilt über E-Mail-Postfächer, Scans und Papierordner – und jemand muss das alles händisch zusammenbringen. Welche Zahlung gehört zu welchem Beleg? Was ist noch offen? Was wurde doppelt gebucht? Was ist diese merkwürdige Buchung mit dem abgekürzten Verwendungszweck?

Das ist keine Ausnahme. Das ist der Alltag in der Buchhaltung vieler kleiner und mittlerer Unternehmen.

Ich habe in den vergangenen Monaten an einem System gearbeitet, das genau dieses Problem löst – vollständig auf Open-Source-Basis, vollständig intern, ohne dass Bankdaten oder Rechnungsinformationen das Unternehmen verlassen.

---

Der Ausgangspunkt: Daten aus mehreren Banken, Belege aus vielen Quellen

Unser System beginnt mit dem Abruf der Kontoauszüge. Dafür setzen wir Hibiscus/Jameica ein – einen Open-Source-Banking-Client, der über die standardisierte FinTS/HBCI-Schnittstelle Kontoauszüge direkt von der Bank abruft. Mehrere Bankverbindungen lassen sich parallel verwalten: Hausbank, Geschäftskonto, Fremdwährungskonten – alles in einer Oberfläche, alles lokal gespeichert.

Parallel dazu läuft die Belegerfassung in Paperless-ngx. Rechnungen kommen per E-Mail, als Scan, aus dem Postfach. Paperless erfasst sie automatisch – und hier beginnt der erste intelligente Schritt.

---

Belegextraktion: E-Rechnung und KI arbeiten zusammen

Für Belege, die als strukturierte E-Rechnung im ZUGFeRD-Format vorliegen, kommt Mustang zum Einsatz. Mustang ist eine Open-Source-Bibliothek zur Verarbeitung von ZUGFeRD-Rechnungen – sie extrahiert Rechnungsnummer, Betrag, Datum, IBAN und alle relevanten Felder direkt aus dem maschinenlesbaren Teil der PDF-Datei. Kein OCR, keine Interpretation – die Daten sind exakt so, wie der Aussteller sie hinterlegt hat.

Für Belege, die keine E-Rechnung sind – gescannte Rechnungen, ältere PDFs, Quittungen – übernimmt eine KI die Extraktion. Sie liest den Text, erkennt die relevanten Informationen und füllt dieselben Felder.

Das Ergebnis in beiden Fällen: benutzerdefinierte Felder in Paperless, die maschinenlesbar sind – Rechnungsnummer, Betrag, Währung, Fälligkeitsdatum, Aussteller-IBAN, Dokumententyp. Damit wird aus einem abgelegten Dokument ein strukturierter Datensatz, der durchsucht, gefiltert und ausgewertet werden kann.

---

Die Zuordnung: Mehrstufige Analyse statt einfacher Textsuche

Der eigentlich anspruchsvolle Teil ist die Zuordnung: Welche Kontobewegung gehört zu welchem Beleg?

Dafür habe ich eine Zwischendatenbank aufgebaut, die Kontobewegungen aus Hibiscus und Belege aus Paperless in Relation setzt. Die Zuordnung läuft mehrstufig:

Erste Stufe – Regex: Strukturierte Muster werden zuerst erkannt. Rechnungsnummern, die im Verwendungszweck auftauchen, werden direkt mit dem Paperless-Archiv abgeglichen. Das trifft einen großen Teil der Fälle – schnell, zuverlässig, ohne KI-Aufwand.

Zweite Stufe – KI-Analyse: Was Regex nicht auflösen kann, übernimmt die KI – und hier zeigt sich der entscheidende Vorteil gegenüber klassischen regelbasierten Verfahren.

Ein konkretes Beispiel: Eine Überweisung trägt den Verwendungszweck RE120005 -7. Für ein iteratives Suchsystem ist das ein Sackgasse – der genaue String RE120005 -7 existiert in keiner Rechnung. Kein direkter Treffer, keine Zuordnung.

Die KI interpretiert den Kontext: Sie erkennt, dass es sich um einen Rechnungsbezug mit einem Korrekturhinweis oder einer Korrekturzahl handelt, löst den Ausdruck auf und sucht im Paperless-Archiv nach den Rechnungen RE120005, RE120006 und RE120007 als Kandidaten. Sie prüft dann Betrag, Datum und Absender gegen alle drei – und findet die tatsächlich zugehörige Rechnung, die mit einem einfachen String-Abgleich nie gefunden worden wäre.

Genau hier schlägt der Vorteil der KI klassische Methoden: Sie versteht Bedeutung, nicht nur Form. Ein Regex sucht nach dem, was dasteht. Die KI sucht nach dem, was gemeint ist.

Bei eindeutigem Ergebnis erfolgt die Zuordnung automatisch. Bei Unsicherheit landet der Fall in einer Klärungsliste – mit dem besten Vorschlag als Ausgangspunkt.

Nichts geht verloren. Jede Buchung, die nicht automatisch zugeordnet werden konnte, wird sauber zur manuellen Prüfung vorgelegt.

---

Rückmeldung in beide Systeme

Nach erfolgreicher Zuordnung wird das Ergebnis in beide Richtungen zurückgeschrieben:

• In Paperless wird am Beleg vermerkt, mit welchem Kontoauszug die Zahlung erfolgt ist.

• In Hibiscus wird in den Notizen zur Buchung die Paperless-ID des zugeordneten Belegs eingetragen.

Beide Systeme kennen damit den Zusammenhang – und der ist jederzeit nachvollziehbar, ohne dass jemand zwischen Systemen suchen muss.

---

Fremdwährungen: Kurs, Gebühr, saubere Umrechnung

Wer in Fremdwährungen zahlt oder Rechnungen in anderen Währungen erhält, kennt das Problem: Die Buchung auf dem Kontoauszug zeigt den Euro-Betrag, die Rechnung den Fremdwährungsbetrag – und die Differenz liegt irgendwo zwischen Wechselkurs und Bankgebühr.

Das System löst das automatisch: Für den jeweiligen Buchungstag werden die aktuellen Umrechnungskurse abgerufen. Die Bankgebühr wird berücksichtigt. Der tatsächlich umgerechnete Betrag wird sauber dokumentiert – und am Beleg in den Notizen festgehalten. Damit ist die Fremdwährungsbuchung genauso transparent wie eine Euro-Zahlung.

---

Fake-Rechnungs-Erkennung: Quarantäne statt blindes Vertrauen

Ein Punkt, der im normalen Buchhaltungsalltag oft unterschätzt wird: Nicht jede Rechnung, die eingeht, ist echt. Gefälschte Rechnungen – mit abweichender IBAN, unbekanntem Absender oder auffälligen Merkmalen – sind ein reales Risiko.

Das System prüft eingehende Belege automatisch auf mehrere Kriterien:

• Passt die Aussteller-IBAN zu dem Unternehmen, das auf der Rechnung steht?

• Gibt es historische Zahlungen an diesen Absender – stimmt das Muster?

• Gibt es frühere Belege von diesem Korrespondenten – und sehen sie konsistent aus?

Belege, die diese Prüfung nicht bestehen, werden nicht einfach abgelegt. Sie landen in einer Quarantäne und werden zur manuellen Prüfung markiert. Das ist kein Ersatz für menschliches Urteil – aber es ist ein zuverlässiges Frühwarnsystem, das die relevanten Fälle herausfiltert.

---

Sauber strukturiert: Titel, Mandant, Typ, Korrespondent

Ein weiterer Schritt, der den Alltag spürbar erleichtert: Das System bringt die Dokumente in eine einheitliche, aussagekräftige Form.

• Dokumententitel werden automatisch in ein lesbares, konsistentes Format gebracht – kein „Scan_0047.pdf" mehr, sondern „Muster GmbH – Rechnung 2024-089 – 847,20 EUR".

• Der korrekte Mandant wird zugeordnet, wenn mehrere Gesellschaften oder Kostenstellen im System verwaltet werden.

• Dokumententyp (Rechnung, Gutschrift, Lieferschein, Kontoauszug) wird klassifiziert.

• Der Korrespondent – also das Unternehmen oder die Person, von der der Beleg stammt – wird erkannt und einheitlich hinterlegt.

Das Ergebnis: Ein Paperless-Archiv, das tatsächlich durchsuchbar ist. Nicht nach Dateinamen, sondern nach Inhalt, Absender, Betrag, Typ.

---

Was als nächstes kommt

Aktuell arbeite ich an zwei Erweiterungen:

Revolut Business in Hibiscus: Revolut nutzt keine klassische FinTS-Schnittstelle, sondern eine eigene API. Die Integration bringt Fremdwährungskonten und internationale Zahlungen vollständig in denselben Prozess – mit denselben Zuordnungs- und Dokumentationsmechanismen.

Offene-Posten-Listen für Debitoren und Kreditoren: Aus den zugeordneten Belegen und Buchungen lassen sich automatisch aktuelle OP-Listen generieren – welche Rechnungen sind noch offen, welche Forderungen noch nicht beglichen, wo droht ein Zahlungsverzug. Das gibt der Buchhaltung und der Geschäftsleitung jederzeit einen aktuellen Überblick, ohne dass jemand händisch eine Liste pflegen muss.

---

Was dieses System zeigt

Dieses Projekt ist kein Produkt von der Stange. Es ist ein Beispiel dafür, was entsteht, wenn man konkrete Alltagsprobleme ernst nimmt und Open-Source-Werkzeuge gezielt kombiniert.

Hibiscus/Jameica, Paperless-ngx, Mustang, n8n, eine KI-Komponente für die Analyse – jedes dieser Werkzeuge ist für sich genommen frei verfügbar. Der Wert entsteht durch die Verbindung: durch den Workflow, der sie zusammenhält, durch die Logik, die Daten interpretiert, und durch die Entscheidung, alles intern zu betreiben.

Bankdaten, Rechnungen, Buchungshistorie – nichts davon verlässt das Unternehmen. Kein Cloud-Dienst, kein SaaS-Anbieter, keine Abhängigkeit von Plattformen, deren Konditionen sich ändern können.

Das ist Datensouveränität – nicht als Versprechen, sondern als technische Eigenschaft.

EDNT IT-Services GmbH · IT-Systemhaus · Bensheim · www.ednt.de

© 2025 Karlheinz Knapp · Alle Rechte vorbehalten. Dieser Artikel darf nur mit ausdrücklicher schriftlicher Genehmigung des Autors vervielfältigt, verbreitet oder anderweitig genutzt werden.