Accounting AI: Der Jahresabschluss wird automatisiert

Einleitende Worte zum Thema Accounting AI 

Noch vor drei Jahren galt der Jahresabschluss als Domäne erfahrener Buchhalterinnen und Wirtschaftsprüfer, die mit geschultem Blick Tausende von Buchungszeilen durchforsteten. Heute übernimmt eine KI dieselbe Aufgabe in Sekunden: präziser, lückenloser und rund um die Uhr. Was klingt wie Science-Fiction, ist in den Büros der Big Four längst Alltag. Die Frage lautet nicht mehr ob, sondern wie schnell die restliche Branche nachzieht.

83 % der Accounting-Professionals nutzen laut PwC-Studie 2025 bereits KI-gestützte Werkzeuge. 76 % erwarten erhebliche Veränderungen in der Abschlussprüfung.

Der globale KI-Markt im Accounting wächst laut Lünendonk-Studie 2025 mit jährlich 30 Prozent. Das ist kein gradueller Wandel, sondern eine Disruption. Für Buchhalterinnen, Revisoren und Finanzverantwortliche in der Schweiz stellt sich damit eine drängende Frage: Fachleute, die auf den Einsatz moderner KI-Werkzeuge verzichten, riskieren in wenigen Jahren den Anschluss zu verlieren.

Die Konsequenzen zeigen sich bereits am oberen Ende des Marktes. KPMG setzt mit seiner Clara-Plattform auf eine vollständige Transaktionsprüfung: Nicht mehr 50 Stichproben aus 50'000 Rechnungen, sondern alle 50'000 werden analysiert. PwC, Deloitte und EY haben KI ebenfalls tief in ihre Audit-Practices integriert, mit Schwerpunkten auf Anomalieerkennung und Musteranalyse.

Was Accouting AI  konkret leistet

Der Begriff «KI im Rechnungswesen» ist weit gefasst. Im Kontext des Jahresabschlusses konzentriert sich der praktische Nutzen auf drei Anwendungsfelder:

1. Anomalieerkennung im Buchungsjournal

Traditionell werden auffällige Buchungen per Stichprobe geprüft, ein Verfahren, das statistische Blindstellen erzeugt. KI hingegen screent 100 Prozent aller Transaktionen auf typische Risikokategorien:

• Betragsbasierte Anomalien: Buchungen knapp unter Freigabegrenzen (sogenannte Splitting-Versuche, z.B. 9'999 CHF), auffällig runde Beträge, statistische Ausreisser
• Zeitbasierte Anomalien: Buchungen an Wochenenden, in der Nacht (nach 22:00 Uhr) oder an Feiertagen
• Musterbasierte Anomalien: Duplikate, Sequenzlücken, Kreisbuchungen
• Textbasierte Anomalien: Verdächtige Schlagwörter wie «Korrektur», «Test», «Privat» oder «Diverse», fehlende oder unvollständige Belegtexte
• Nutzerbezogene Anomalien: Selbstgenehmigungen, unübliche Erfasserpersonen

Ein Praxistest mit einem Demo-Buchungsjournal von 496 Buchungen, in dem 46 Anomalien eingebaut waren, zeigte: Claude (Anthropic) identifizierte die kritischsten Befunde im Textformat, ChatGPT ergänzte statistische Auswertungen und Visualisierungen.

2. Benford'sches Gesetz: ein klassisches Prüfinstrument neu entdeckt

Das Benford'sche Gesetz beschreibt, wie in natürlichen Datensätzen die erste Ziffer einer Zahl verteilt ist: Die «1» erscheint in rund 30 Prozent aller Fälle, die «9» nur in knapp 5 Prozent. Weicht ein Buchungsjournal signifikant von dieser Verteilung ab, deutet das auf mögliche Manipulation hin.

Bisher war diese Analyse aufwendig und wurde selten systematisch eingesetzt. Mit KI-gestützten Tools ist sie in Sekunden abrufbar, inklusive grafischer Darstellung der Abweichungen. Was früher zum Spezialwissen des forensischen Auditors gehörte, steht nun jedem Buchhalter zur Verfügung.

3. Dokumentenanalyse und Berichtserstellung

Grosse Kontextfenster moderner KI-Modelle ermöglichen die simultane Analyse ganzer Jahresabschlüsse, Prüfungsrichtlinien und historischer Vergleichsdaten. Claude 4.5 Opus verarbeitet bis zu einer Million Token, was rund 750'000 Wörtern entspricht. Was früher eine Woche dauerte, lässt sich in Stunden abschliessen: strukturierte Prüfberichte, Executive Summaries, Risikoeinschätzungen nach Hoch, Mittel und Tief.

Praxisbeispiel: Prüfbericht in 30 Minuten

Ein Buchungsjournal mit 496 Zeilen wird hochgeladen. Der Prompt lautet: «Erstelle einen zusammenfassenden Prüfbericht mit Executive Summary, kritischen Befunden und Empfehlungen.» Das Ergebnis ist ein strukturierter, zitierfähiger Report in unter einer Minute. Die menschliche Expertin überprüft, bewertet und unterzeichnet. Gesamtaufwand für die KI-Vorsichtung: unter 30 Minuten statt mehrerer Stunden.

Tool-Vergleich

Nicht jedes KI-Werkzeug eignet sich für jede Aufgabe. Für den Jahresabschluss haben sich drei Plattformen als besonders relevant erwiesen, mit klar unterschiedlichen Stärken.

Claude (Anthropic): Stärke in Textanalyse und Dokumentenverarbeitung

Claude überzeugt durch seine Fähigkeit, grosse Mengen unstrukturierter Daten wie PDFs, Word-Dokumente und Excel-Dateien kontextuell zu verstehen und strukturiert aufzubereiten. Das enorme Kontextfenster ist besonders für den Jahresabschluss relevant, wo Buchungsjournal, Bilanz und Revisionsberichte gleichzeitig analysiert werden müssen.

Die Cowork-Desktop-App macht diese Funktionalität auch für Nicht-Techniker zugänglich: Datei hochladen, Frage stellen, Ergebnis erhalten. Programmierkenntnisse sind keine Voraussetzung.

ChatGPT Code Interpreter (OpenAI): Stärke in Statistik und Visualisierung

ChatGPT mit aktiviertem Code Interpreter führt Python-Code direkt im Browser aus. Das erlaubt statistische Analysen, die über einfaches Textverstehen hinausgehen: Z-Score-Berechnungen zur Ausreisseridentifikation, Benford-Analysen, Heatmaps der Buchungsaktivität nach Wochentag und Uhrzeit, Boxplots zur Verteilungsanalyse.

Ein weiterer Vorteil ist der Export in strukturierte Excel-Dateien mit mehreren Reitern für Übersicht, Anomalien, Statistik und Empfehlungen, die direkt weiterverarbeitbar sind.

NotebookLM (Google): Stärke im Wissensmanagement ohne Halluzinationen

NotebookLM arbeitet «grounded», das heisst, es antwortet ausschliesslich auf Basis der hochgeladenen Dokumente und erfindet keine Informationen hinzu. Das macht es besonders wertvoll für die Arbeit mit internen Richtlinien und Standards wie Prüfungsrichtlinien, Anomalie-Checklisten und ISA-Vorgaben.

Daneben bietet die Plattform eine Bandbreite an Output-Formaten, die für Schulungen und Dokumentation nützlich sind: interaktive Mind Maps, automatisch generierte Präsentationen, Infografiken, Quiz und KI-generierte Audio-Podcasts über die eigenen Dokumente.

Fünf Schritte zur erfolgreichen Implementierung

Die grösste Hürde bei der KI-Einführung ist nicht technischer Natur, sondern organisatorisch. Ein klarer Plan verhindert typische Anfängerfehler.

Schritt 1: Testen (diese Woche). Starten Sie mit anonymisierten Testdaten. Laden Sie ein bereinigtes Buchungsjournal in ChatGPT oder Claude. Formulieren Sie den Prompt: «Finde ungewöhnliche Buchungen und liste sie mit Begründung auf.» Die erste Erfahrung kostet 20 Minuten und ist kostenlos.

Schritt 2: Anwendungsfälle identifizieren (Woche 2). Welche drei Aufgaben im Arbeitsalltag kosten am meisten Zeit bei gleichzeitig hohem Repetitionsgrad? Buchungsjournalanalyse, Belegtextprüfung und Berichtserstellung sind typische Quick Wins.

Schritt 3: Pilotprojekt (Monat 1). Führen Sie eine parallele Prüfung durch: Den gleichen Datensatz klassisch und KI-gestützt. Befunde, Zeitaufwand und Qualität werden anschliessend verglichen.

Schritt 4: Prozesse integrieren (Monat 2 bis 3). Passen Sie bestehende Prüfungsworkflows an. Definieren Sie, welche KI-Outputs als Vorarbeit für den Revisor gelten und wie die manuelle Validierung dokumentiert wird.

Schritt 5: Skalieren (Monat 4 aufwärts). Rollen Sie erfolgreiche Anwendungsfälle auf weitere Mandate aus, schulen Sie das Team und evaluieren Sie spezialisierte Tools für Ihr ERP-System.

Ausblick: Wohin die Entwicklung führt

Die KI-Modelle der nächsten Generation werden autonomer agieren. Anthropic, OpenAI und Google arbeiten an sogenannten agentischen Workflows, bei denen KI-Systeme nicht mehr nur auf Anfragen reagieren, sondern selbständig mehrere Analyseschritte verknüpfen, Berichte erstellen und Handlungsempfehlungen formulieren, ohne manuellen Eingriff für jeden Schritt.