KI-Buchhaltung: Warum 95 % Genauigkeit nichts sagt

Jedes Buchhaltungsprodukt, das 2026 verkauft wird, trägt eine Genauigkeitsangabe im Marketing, und fast alle liegen zwischen 85 % und 99 %. Behandle diese Zahl so, wie du ein Restaurant behandelst, das sich selbst als authentisch bezeichnet. Sie ist keine Lüge. Sie ist nur keine Messung, weil dir niemand den Nenner nennt.

Hier ist der Grund, anhand unserer eigenen Daten, und danach die Fragen, die Produkte tatsächlich unterscheiden.

Was zählt "95 % genau" eigentlich?

Eine Genauigkeitsangabe ist ein Bruch, und der Bruch braucht eine Bezugsgröße: Zeilen, Belege, Felder, Euro. Anbieter sagen fast nie, welche. Die naheliegende und zugleich schmeichelhafteste Annahme ist pro Buchungszeile, ungewichtet. Jede Zeile zählt gleich viel. Ein Kaffee für drei Euro zählt genauso viel wie eine Rechnung über vierzigtausend.

Diese Entscheidung erledigt den Großteil der Arbeit an einer gut aussehenden Zahl, denn echte Buchungsbestände sind gleich in zwei Richtungen schief, und beide begünstigen den, der zählt. Norman macht Buchhaltung und Steuererklärungen für Unternehmen in Deutschland, und über ein paar hunderttausend kategorisierte Ausgabenzeilen in diesem Jahr liegt unsere mittlere Zeile bei etwa dreißig Euro.

Antworte immer "19 % USt" und du bist schon bei 87 %

Fang beim Steuersatz an, denn das ist das Feld mit direkter steuerlicher Wirkung. Deutschland hat einen Regelsatz von 19 %, einen ermäßigten Satz von 7 % sowie steuerfreie und nicht steuerbare Fälle. In unseren Ausgabenzeilen dieses Jahres tragen rund sieben von acht den Satz 19 %.

Ein Programm, das aus einer einzigen Zeile besteht, return 19, kommt damit auf etwa 87 % Genauigkeit beim Steuersatz. Kein Modell, keine Texterkennung, kein Lernen. Es würde mehrere veröffentlichte Genauigkeitsangaben schlagen, und es läge in jedem Fall falsch, in dem der richtige Satz überhaupt Wissen erfordert.

Derselbe Trick funktioniert bei Kategorien. Wir haben ein paar Dutzend Ausgabenkategorien im aktiven Einsatz, fünf davon decken deutlich mehr als die Hälfte aller Zeilen ab. Ein Klassifikator, der sich den Kopf dieser Verteilung gemerkt hat und im Zweifel die häufigste Kategorie rät, liefert eine starke Zahl pro Zeile und ist genau dort nutzlos, wo ein Mensch Hilfe gebraucht hätte. Das ist kein hypothetischer Fehlerfall, sondern das erwartbare Verhalten von allem, was auf Genauigkeit pro Zeile optimiert wurde, denn die billigste verfügbare Genauigkeit liegt immer im Kopf der Verteilung.

Die Hälfte des Geldes steckt in einem Prozent der Zeilen

Gewichte jetzt nach Euro statt nach Zeilen, so wie es deine Steuererklärung tut.

In unseren Daten tragen das größte eine Prozent der Ausgabenzeilen nach Betrag etwa die Hälfte des gesamten Ausgabenvolumens. Die kleinere Hälfte aller Zeilen zusammengenommen macht unter zwei Prozent des Geldes aus.

Lies diese beiden Sätze nebeneinander, und das Problem wird schwer zu übersehen. Du kannst bei 99 % der Zeilen richtig liegen und bei der Hälfte des Geldes falsch, oder bei 20 % der Zeilen falsch und finanziell nahezu perfekt. Auf einem schiefen Bestand haben Genauigkeit pro Zeile und Genauigkeit nach Euro kaum etwas miteinander zu tun. Die eurogewichtete Zahl veröffentlicht niemand, und sie ist die einzige, die auf deine Zahllast abbildet.

Die schweren Fälle passen ins Fehlerbudget

Das dritte Problem ist das schärfste. Eine 95-Prozent-Angabe gewährt ein Fehlerbudget von 5 %. Frag, wie groß die wirklich schwierige Grundgesamtheit überhaupt ist.

Bei uns: etwa eine Ausgabenzeile von fünfzig ist eine Reverse-Charge-Buchung, bei der der Lieferant keine Umsatzsteuer ausweist und der Empfänger sie selbst schuldet. Ausländische Lieferanten jeder Art machen unter eine von zehn Zeilen aus.

Reverse Charge allein passt zweimal in ein Fehlerbudget von 5 %. Ein Produkt könnte jede einzelne Reverse-Charge-Entscheidung falsch treffen, in beide Richtungen, und trotzdem wahrheitsgemäß mit 95 % Genauigkeit pro Zeile werben. Es sind zugleich die Buchungen, die am ehesten einen Fehler erzeugen, der dem Finanzamt auffällt, weil sie verändern, welche Kennzahlen der Voranmeldung sich bewegen, und nicht nur den Betrag in einer davon. Die Schlagzeilen-Kennzahl ist strukturell blind für genau die Fälle, für die sie dich beruhigen soll.

Was du einen Anbieter von KI-Buchhaltung stattdessen fragen solltest

Frag nach dem Nenner, und frag nach dem Rand der Verteilung. Nichts davon ist schwer zu beantworten, wenn die Antwort gut ist:

Die letzte Zeile dreht das übliche Verkaufsgespräch um, und ich würde sie am höchsten gewichten. Ein System, das sich bei Fällen enthält, die es nicht bestimmen kann, ist nützlicher als eines, das ein paar Punkte "genauer" und dabei still selbstsicher ist. Sicherheit ohne Enthaltung ist keine Genauigkeit, sondern ungeprüfte Arbeit, und unterschreiben musst du.

Eine Frage noch: welche Entscheidungen gehen überhaupt an ein Modell? Vieles, was als KI-Urteil verkauft wird, ist ein Nachschlagen. Steuersätze stehen in einer Tabelle, Reverse Charge folgt aus Sitzland und Art der Leistung, Grenzwerte stehen im Gesetz. Wo eine Regel existiert, ist die Regel auszuführen nicht nur billiger als ein Modell zu fragen, sondern prüfbar, und das zählt, wenn das Finanzamt wissen will, warum eine Zeile so gebucht wurde. Wo wir diese Grenze ziehen, steht in wie wir einen Agenten gebaut haben, der die Umsatzsteuervoranmeldung abgibt, und der Rest, der wirklich mehrdeutig ist, läuft über die Schleife aus was unsere Kategorisierung aus Korrekturen lernt.

Und wie lautet Normans Zahl?

Berechtigte Frage, und es wäre billig von mir, ohne eine zu enden.

Von den maschinellen Kategorisierungen, die unsere Pipeline dieses Jahr vorgenommen hat, wurden etwa fünfzehn von sechzehn nie von Hand geändert. Umgekehrt: rund eine von sechzehn wird von der Person korrigiert, deren Bücher es sind. Das ist unser nächstes Gegenstück zu den Zahlen im Marketing aller anderen, und nach dem Argument von oben solltest du davon nicht beeindruckt sein. Es ist eine ungewichtete Zählung pro Lauf, auf einem Bestand mit genau der Schieflage, die ich gerade beschrieben habe.

Und hier ist der Teil, den ich dir nicht geben kann. Unser Korrekturdatensatz speichert, was sich geändert hat und warum, aber nicht, zu welcher Buchung er gehörte. Deshalb können wir unsere eigene Korrekturquote derzeit nicht nach Euro gewichten. Ich habe beim Schreiben dieses Textes nach der Zahl gesucht, und sie ist nicht da. Das ist genau die Lücke, die ich kritisiere, in unserer eigenen Telemetrie, und die Korrektur zurück auf den Betrag zu verknüpfen steht jetzt auf der Liste.

Eines sagen die Korrekturen aber doch: Wenn die Maschine eine Kategorie falsch setzt, liegt es fast immer am Lesen des Belegs und nicht an der Regel, die ihn zugeordnet hat. Nur etwa eine Korrektur von sechzig geht auf eine Regel zurück. Das ist das empirische Argument dafür, die deterministische Hälfte deterministisch zu halten.

Zwingt der EU AI Act Anbieter, Genauigkeitsangaben zu belegen?

Nein, und das solltest du wissen, bevor du annimmst, die Regulierung habe das für dich erledigt.

Die Transparenzpflichten des AI Act nach Artikel 50 gelten und sind seit dem 2. August 2026 durchsetzbar. Sie verlangen, dass dir gesagt wird, dass du es mit einem KI-System zu tun hast, und dass synthetische Inhalte gekennzeichnet werden. Artikel 50 sagt nichts über Genauigkeit, Leistung oder darüber, wie ein Anbieter beides beschreiben darf.

Die Pflichten, die technische Dokumentation und Risiko betreffen, also das Hochrisiko-Regime, wurden durch den AI Omnibus verschoben, Verordnung (EU) 2026/1744, in Kraft seit dem 27. Juli 2026. Eigenständige Systeme nach Anhang III haben nun bis zum 2. Dezember 2027 Zeit, in regulierte Produkte eingebettete KI bis zum 2. August 2028.

Das Gesetz verpflichtet einen Buchhaltungsanbieter also, dir zu sagen, dass KI im Spiel ist, und erlaubt ihm, deren Genauigkeit zu beschreiben, wie er möchte. Die Prüfung machst du. Auch die Kaufberater wissen das: Ein Vergleich aus 2026 markiert die Zahlen der Wettbewerber mit "[vendor claim]", schreibt offen, dass solche Angaben meist unbelegt sind, und führt die eigenen Zahlen ohne diese Markierung.

Häufige Fragen

Wie genau ist KI-Buchhaltung wirklich?

Bei laufenden inländischen Geschäftsvorfällen sind heutige Systeme tatsächlich stark, und Angaben von 85 % bis 99 % sind für diese Grundgesamtheit plausibel. Als Produktvergleich sind sie trotzdem fast bedeutungslos, weil es fast immer ungewichtete Zahlen pro Zeile auf einem stark schiefen Bestand sind. Frag nach eurogewichteter Genauigkeit und gezielt nach der Leistung bei ungewöhnlichen Fällen, und rechne damit, dass die meisten Anbieter diese Zahlen nicht haben.

Was bedeutet 95 % Genauigkeit bei Buchhaltungssoftware?

Meistens: 95 % der einzelnen Buchungszeilen haben die richtige Kategorie bekommen, gemessen an der eigenen Stichprobe des Anbieters, ohne Gewichtung nach Betrag und ohne getrennten Ausweis für schwierige Fälle. Weil wenige häufige Kategorien und ein häufiger Steuersatz die meisten Zeilen abdecken, erreicht schon ein trivialer regelbasierter Rater hohe achtziger Werte. Über die verbleibende, teure Minderheit sagt der Prozentsatz sehr wenig.

Kann KI Reverse Charge korrekt behandeln?

Ja, aber nur wenn das Produkt es als Regel behandelt und nicht als Vermutung. Reverse Charge folgt aus Tatsachen, vor allem dem Sitzland des Lieferanten und der Art der Leistung. Richtig ist deshalb ein Entscheidungsbaum über diese Tatsachen, bei dem das Modell sie aus dem Beleg extrahiert, statt das Ergebnis zu erraten. Da diese Buchungen einen kleinen Anteil ausmachen, verrät eine Gesamtzahl nichts darüber. Die Regeln stehen in unserem Leitfaden zu Reverse Charge.

Welche KI ist die beste für Steuern?

Die falsche Frage, denn das Modell ist selten der Unterschied. Jedes aktuelle Spitzenmodell kann einen Beleg lesen und Umsatzsteuer addieren. Produkte unterscheiden sich in allem drumherum: ob deterministische Regeln die Entscheidungen übernehmen, die deterministische Antworten haben, ob das System sich enthält, wenn eine nötige Tatsache fehlt, ob jede Buchung eine prüfbare Spur hinterlässt, und ob ein Mensch die Abgabe freigibt.

Sollte ich nach der Fehlerquote bei großen Beträgen fragen?

Ja, und das ist die aussagekräftigste Frage der Liste. Weil sich der Wert so stark auf die größten wenigen Prozent der Zeilen konzentriert, bestimmen Fehler in diesem Ausschnitt dein finanzielles Risiko fast vollständig und tragen zur Genauigkeit pro Zeile fast nichts bei. Wer das gemessen hat, nennt dir die Zahl. Wer nicht, wiederholt die Schlagzeile.

Die Zahl, die ich auf einem Datenblatt sehen will

Wenn ich für diese Produktkategorie eine einzige Kennzahl standardisieren könnte, wäre es nicht Genauigkeit. Es wäre der Anteil der Buchungen, den das System ohne Rückfrage abgeschlossen hat, zusammen mit der eurogewichteten Fehlerquote auf genau dieser Menge. Zwei Zahlen, gemeinsam berichtet, über einen genannten Zeitraum auf echten Daten. Dieses Paar lässt sich nicht durch Raten im Kopf der Verteilung schönen, weil Raten die erste Zahl aufbläht und die zweite ruiniert. Die erste können wir heute veröffentlichen, die zweite noch nicht, und das ist ein fairer Maßstab dafür, wie früh das alles noch ist.

Bis es so etwas gibt, behandle jede Prozentangabe in diesem Markt als Aussage über das Selbstvertrauen des Anbieters, nicht über deine Bücher. Frag, was mit der Rechnung über vierzigtausend Euro passiert und mit dem einen Einkauf bei einer irischen Softwarefirma. Dort entscheidet sich deine Meldung, und dort steckt nichts von den 95 %.