Spesenautomatisierung als Systemproblem – und wie wir es mit Unburden gelöst haben

1. Problemraum

Spesenverwaltung sollte im Jahr 2026 kein Zeitfresser mehr sein. Wir verfügen über leistungsfähige KI-Modelle, Echtzeit-Bankdaten und integrierte Cloud-Buchhaltungssysteme. Und dennoch sieht die Realität in vielen Unternehmen anders aus: Am Monatsende werden Belege zusammengesucht, Transaktionen manuell abgeglichen und Mehrwertsteuer-Codes von Hand bestimmt.

Das eigentliche Problem ist nicht fehlende Software. Es ist die Lücke zwischen einzelnen Systemen. Ein Mensch erkennt in Sekunden, dass ein Kassenbon zu einer bestimmten Transaktion gehört. Er sieht, dass der Betrag passt, das Datum plausibel ist und der Händlername ähnlich klingt. Für ein System ist das deutlich komplexer. Unterschiedliche Schreibweisen, Zeitverschiebungen zwischen Zahlungs- und Buchungsdatum, virtuelle Kartenendungen bei Apple Pay oder Google Wallet sowie verschiedene Mehrwertsteuersätze machen aus einer scheinbar simplen Aufgabe ein strukturelles Problem.

Diese unsichtbare Übersetzungsarbeit summiert sich – Beleg für Beleg, Monat für Monat.

2. Unser Ansatz

Nach mehreren Versuchen mit bestehenden Lösungen haben wir uns entschieden, das Problem nicht nur teilweise zu verbessern, sondern vollständig zu modellieren. Daraus entstand Unburden.

Das Ziel war klar: Der gesamte Ablauf – vom Beleg bis zur fertigen Buchung in Bexio – sollte automatisiert, korrekt und nachvollziehbar ablaufen. Entscheidend war dabei ein Prinzip: Das System wartet nicht auf den Benutzer. Belege werden hochgeladen, und die Verarbeitung läuft im Hintergrund. Man greift nur dann ein, wenn tatsächlich ein Ausnahmefall vorliegt.

Damit verschiebt sich der Prozess grundlegend. Statt jeden Schritt manuell zu bestätigen, prüft man nur noch das, was nicht eindeutig automatisch gelöst werden konnte.

3. Operative Realität

In der Praxis zeigt sich schnell, wie viele Details berücksichtigt werden müssen.

Sobald ein Beleg hochgeladen wird, extrahiert ein Vision-Modell relevante Informationen wie Händlername, Betrag, Datum, Währung und Kartenreferenz. Mehrseitige PDFs werden konsolidiert, damit sie als zusammenhängendes Dokument verarbeitet werden. Bereits hier zeigt sich: Die Extraktion funktioniert gut, ist aber nie perfekt. Deshalb werden die erkannten Werte nicht blind übernommen, sondern systematisch validiert.

Besonders anspruchsvoll ist die Mehrwertsteuerlogik. Schweizer Belege enthalten häufig mehrere Steuersätze auf einem einzigen Dokument. Zusätzlich hängt der korrekte Buchungscode vom Kontext ab: Handelt es sich um internen Aufwand oder eine weiterverrechenbare Ausgabe? Stammt die Leistung aus dem Ausland? Wurde in Fremdwährung bezahlt? Diese Logik ist vollständig deterministisch implementiert. KI unterstützt bei der Erkennung der Struktur, die Berechnung und Validierung übernimmt regelbasierter Code.

Das Matching zwischen Beleg und Banktransaktion ist ein weiterer kritischer Punkt. Für jede relevante Transaktion wird ein Score berechnet, der Betrag, Datum, Kartenendung und Händlerähnlichkeit berücksichtigt. Nur wenn mehrere Signale eindeutig übereinstimmen, erfolgt eine automatische Zuordnung. Unsichere Fälle werden klar als Konflikt markiert. So wird vermieden, dass eine falsche Buchung unbemerkt durchläuft.

Auch typische Randfälle sind berücksichtigt. Virtuelle Kartenendungen bei digitalen Wallets lassen sich einmalig zuordnen und werden danach automatisch korrekt gematcht. Bei Fremdwährungen wird der Originalbetrag vor Umrechnung berücksichtigt. Duplikate werden erkannt und explizit angezeigt.

4. Erkenntnisse

Die wichtigste Erkenntnis war konzeptionell: KI allein löst das Problem nicht. Sie ist hervorragend darin, Muster zu erkennen und unstrukturierte Informationen zu lesen. Doch Verlässlichkeit entsteht erst durch deterministische Logik.

Wir haben gelernt, dass echte Automatisierung nicht bedeutet, alles blind durchlaufen zu lassen. Sie bedeutet, klare Kriterien für Sicherheit zu definieren und nur dort menschliches Eingreifen zu verlangen, wo Unsicherheit besteht.

Entscheidend war außerdem die asynchrone Verarbeitung. Wenn Belege im Hintergrund verarbeitet werden und der Monatsabschluss zu einem kurzen Review statt zu einem Erfassungsmarathon wird, verändert sich der gesamte Arbeitsrhythmus.

5. Systemische Konsequenz

Viele Tools digitalisieren Spesen. Sie ersetzen Papier durch Apps. Das reduziert Reibung, aber es beseitigt nicht die strukturelle Arbeit dahinter.

Erst wenn Matching, Mehrwertsteuerlogik, Validierung und Ausnahmebehandlung als Gesamtsystem gedacht werden, entsteht echte Entlastung. Automatisierung ist kein Feature, sondern eine Architekturentscheidung.

Wenn ein System zuverlässig entscheidet, statt nur vorzuschlagen, verschwindet nicht nur Arbeit. Es verschwindet Unsicherheit.

6. Prinzip

KI erkennt Muster. Code sorgt für Verlässlichkeit.

Erst die Kombination aus beidem macht aus einem beeindruckenden Demo-Case ein Werkzeug, das man im Alltag tatsächlich benutzt.

Und dann ist der letzte Tag des Monats wieder ein normaler Donnerstag.