Nicht zugeordnete Aufwendungen im Finanzbereich mit Gemini-gestützter KI beheben
Nicht zugeordnete Aufwandsbuchungen verlangsamen den Monatsabschluss, verschleiern die tatsächlichen Ausgaben und frustrieren Finanzteams. In diesem Leitfaden zeigen wir, wie Sie Gemini nutzen können, um Aufwendungen automatisch zu klassifizieren, manuelle Prüfungen zu reduzieren und dem Finanzbereich Echtzeit-Transparenz über Kostentreiber zu geben – ohne Ihre bestehenden Systeme zu ersetzen.
Inhalt
Die Herausforderung: Nicht zugeordnete Aufwandsbuchungen
In vielen Organisationen sind nicht zugeordnete Aufwandsbuchungen zu einem dauerhaften Ärgernis für den Finanzbereich geworden. Mitarbeitende reichen Spesen mit vagen Beschreibungen, fehlenden Kostenstellen ein oder wählen einfach „Sonstiges“, um ihre Belege durchzubekommen. Finanzteams verbringen dann Tage damit, fehlende Informationen hinterherzulaufen, Belege zu entschlüsseln und Kontenrahmen-Konten sowie Projektcodes manuell zuzuweisen. Monatsabschlüsse ziehen sich in die Länge, und niemand vertraut den Ausgabenberichten wirklich.
Traditionelle Ansätze – Richtlinien-PDFs, Schulungen und manuelle Prüfungen – reichen nicht mehr aus. Mit steigenden Transaktionsvolumina in Reise, Einkauf und Abonnements kann der Finanzbereich die Belegflut nicht allein durch zusätzliche Köpfe bewältigen. ERP- und Spesentools helfen, einige Regeln durchzusetzen, haben aber Schwierigkeiten mit Freitextbeschreibungen, mehrsprachigen Einträgen und unsauberen Belegfotos. Starre regelbasierte Engines brechen zusammen, sobald Lieferanten Formate ändern oder Mitarbeitende kreativ bei den Beschreibungen werden.
Die geschäftlichen Auswirkungen sind erheblich. Falsch gebuchte Kosten verzerren Margen nach Produkt, Kunde und Projekt. Budgetverantwortliche sehen Ausgabendaten zu spät, um zu reagieren. Controller verlieren produktive Tage mit wenig wertschöpfender Klassifizierungsarbeit statt mit Analyse. Schlechte Ausgabentransparenz untergräbt die Ausgabenkontrolle, verschleiert Richtlinienverstöße und verlangsamt Entscheidungen – besonders kritisch, wenn Liquidität und Profitabilität unter Druck stehen.
Die gute Nachricht: Dieses Problem lässt sich mit heutiger KI sehr gut lösen. Durch die Kombination von Geminis multimodaler Verarbeitung (Text + Bilder) mit Ihrer finanziellen Kontierungslogik können Sie nicht zugeordnete Buchungen und manuelle Eingriffe deutlich reduzieren. Bei Reruption haben wir Organisationen dabei unterstützt, KI-first-Workflows rund um komplexe Dokumenten- und Datenverarbeitung aufzubauen. Im Folgenden zeigen wir praxisnahe, finance-taugliche Wege, wie Sie Gemini für die Aufwandsklassifizierung einsetzen können – ohne Ihre zentrale ERP-Landschaft zu stören.
Brauchen Sie einen Sparring-Partner für diese Herausforderung?
Lassen Sie uns unverbindlich sprechen und brainstormen.
Innovatoren bei diesen Unternehmen vertrauen uns:
Unsere Einschätzung
Eine strategische Einschätzung der Herausforderung und High-Level-Tipps, wie Sie sie angehen können.
Aus Reruptions Arbeit beim Aufbau von KI-gestützten Dokumenten- und Daten-Workflows wissen wir: Nicht zugeordnete Aufwendungen sind fast nie nur ein Tooling-Thema – sie sind ein Prozess- und Design-Thema. Gemini ist ein leistungsstarker Motor, um Händlernamen, Texte und Belegbilder zu interpretieren, aber seinen echten Wert entfaltet er erst, wenn Sie ihn in eine klare Ausgabenkontroll-Strategie einbetten – mit den richtigen Leitplanken rund um Kontenlogik, Kostenstellen und Genehmigungsflüsse.
Verankern Sie Gemini in Ihrem Finance-Datenmodell, nicht nur im Spesentool
Bevor Sie Belege an Gemini schicken, braucht der Finanzbereich ein klares, dokumentiertes Datenmodell: Welche Kontenrahmen-Konten (GL-Konten) sind für welche Kostenstellen und Projekte zulässig, wie typische Ausgabenmuster aussehen und welche Kategorien aus Richtliniensicht „risikoreich“ sind. Ohne dieses Rückgrat wird selbst ein starkes KI-Modell uneinheitliche Klassifizierungen liefern.
Behandeln Sie Gemini als Dolmetscher zwischen unstrukturierten Realwelt-Eingaben und Ihrem strukturierten Kontenrahmen. Definieren Sie explizite Zuordnungen, Prioritäten und Übersteuerungsregeln, die widerspiegeln, wie Ihre Controller bereits denken. So bleiben KI-Ergebnisse im Einklang mit Ihrer Buchhaltungslogik und der Widerstand von Prüfern und lokalen Finanzteams wird reduziert.
Starten Sie mit einem engen, volumenstarken Use Case
Statt „KI für alle Aufwendungen“ starten Sie mit einem klar abgegrenzten, aber volumenstarken Bereich: zum Beispiel Reisespesen (Flüge, Hotels, Taxis) oder Software-Abonnements. In diesen Domänen sind Händlerstrukturen und Beschreibungen relativ konsistent, was es Gemini leichter macht zu lernen – und dem Finanzbereich, Ergebnisse zu validieren.
Dieser Fokus erlaubt Ihnen klare Erfolgskennzahlen zu setzen (z. B. „nicht zugeordnete Reiseaufwendungen in drei Monaten von 25 % auf <5 % senken“) und Feedback von einer kleineren Gruppe an Mitarbeitenden und Genehmigenden zu sammeln. Sobald der Pilot stabil und akzeptiert ist, übertragen Sie dieselben Muster auf weitere Ausgabentypen.
Gestalten Sie von Beginn an Human-in-the-Loop statt Vollautomatisierung
Für Finanzverantwortliche ist das größte Risiko nicht, dass Gemini einmal eine Taxifahrt falsch klassifiziert – sondern die Kontrolle über den Prozess zu verlieren. Um Akzeptanz und Risiko zu steuern, entwerfen Sie zunächst einen Human-in-the-Loop-Workflow: Gemini schlägt Kategorien, Kostenstellen und Richtlinien-Flags vor; der Finanzbereich (oder Führungskräfte) prüft und akzeptiert, ändert oder lehnt ab.
Dieser Ansatz baut Vertrauen auf und liefert Ihnen gelabelte Feedbackdaten, um Geminis Prompts und Fine-Tuning zu verbessern. Im Zeitverlauf können Sie Konfidenzschwellen definieren – z. B. automatische Übernahme bei Konfidenz > 0,9, Weiterleitung zur Prüfung zwischen 0,6–0,9 und Blockieren oder Eskalieren unter 0,6 – sodass die Automatisierung dort wächst, wo sich das Modell als zuverlässig erwiesen hat.
Bereiten Sie Ihr Team und Ihre Richtlinien auf KI-gestütztes Spesenmanagement vor
Die Einführung einer KI-gesteuerten Aufwandsklassifizierung verändert die Aufgabenteilung im Prozess. Controller verbringen weniger Zeit mit der Kontierung von Spesen und mehr mit der Definition von Regeln, dem Testen von Stichproben und dem Monitoring von Auffälligkeiten. Mitarbeitende erhalten schnelleres Feedback zu Richtlinienverstößen. Um Widerstände zu vermeiden, machen Sie diese Verschiebungen explizit.
Aktualisieren Sie Ihre Spesenrichtlinie um einen kurzen Abschnitt zu KI-Unterstützung: Was Gemini tut, wie Kategorien vorgeschlagen werden, welche Übersteuerungen zulässig sind und wie Daten genutzt werden. Schulen Sie Finanzmitarbeitende darin, KI-Ergebnisse zu lesen, Konfidenzwerte zu verstehen und Grenzfälle zu interpretieren. Je vertrauter sie damit sind, desto schneller werden sie Automatisierung nutzen statt sie zu umgehen.
Bauen Sie Auditierbarkeit, Nachvollziehbarkeit und Compliance von Anfang an ein
Für den Finanzbereich ist ein leistungsstarkes Modell wertlos, wenn es eine Blackbox ist. Stellen Sie von Beginn an sicher, dass Ihre Gemini-Integration die Eingaben (wo nötig pseudonymisiert), die vorgeschlagene Klassifizierung, die Begründung (wo technisch über Prompts möglich), den Konfidenzwert und die finale menschliche Entscheidung speichert.
Diese Nachvollziehbarkeit gibt Prüfern Sicherheit und ermöglicht regelmäßiges Backtesting: Wie oft entspricht Gemini der finalen Buchung? In welchen Kategorien tut sich das Modell schwer? In Kombination mit klaren Datenschutz- und Zugriffskontrollen hilft Ihnen dies, Anforderungen an interne Kontrollen, Compliance und Betriebsrat zu erfüllen – und gleichzeitig Effizienzgewinne zu realisieren.
Bewusst eingesetzt kann Gemini nicht zugeordnete Aufwandsbuchungen von einem chronischen Ärgernis in einen weitgehend automatisierten, prüfbaren Workflow verwandeln. Entscheidend ist nicht nur, eine API aufzurufen, sondern das Modell mit Ihrem Kontenrahmen, Ihren Richtlinien und Ihren Menschen in Einklang zu bringen. Bei Reruption sind wir darauf spezialisiert, solche KI-first-Finance-Prozesse End-to-End aufzubauen – von der Proof-of-Concept-Phase bis hin zu produktionsreifen Integrationen. Wenn Sie sehen möchten, was Gemini mit Ihren realen Spesendaten leisten kann, unterstützen wir Sie gerne dabei, es fokussiert und risikoarm zu testen.
Hilfe bei der Umsetzung dieser Ideen?
Nehmen Sie gerne unverbindlich Kontakt zu uns auf.
Fallbeispiele aus der Praxis
Von Gesundheitswesen bis Automobilindustrie: Erfahren Sie, wie Unternehmen Gemini erfolgreich einsetzen.
Best Practices
Erfolgreiche Implementierungen folgen bewährten Mustern. Werfen Sie einen Blick auf unsere taktischen Ratschläge für den Einstieg.
Multimodale Eingaben nutzen: Händler, Text und Belegbilder kombinieren
Geminis Stärke im Finanzbereich ist die Fähigkeit, mehrere Eingabetypen gemeinsam zu interpretieren. Senden Sie für jede Aufwandszeile den Händlernamen, den Transaktionsbetrag, die Währung, die Freitextbeschreibung des Mitarbeitenden und ein Belegbild (sofern vorhanden). So kann Gemini zum Beispiel zwischen Restaurant- und Zimmerkosten eines Hotels unterscheiden oder zwischen privaten und geschäftlichen Positionen auf demselben Beleg.
Strukturieren Sie Ihre API-Payload so, dass finanzielle Metadaten von Rohtext klar getrennt sind, damit Prompts explizit darauf verweisen können. Wenn Ihr Spesentool bereits OCR-Daten aus Belegen extrahiert, übergeben Sie sowohl das Originalbild als auch den OCR-Text, damit Gemini diese korrigieren oder anreichern kann.
Beispiel-Gemini-Promptvorlage (konzeptionell):
Sie sind ein Assistent für Aufwandsklassifizierung für die Finanzabteilung.
Sie erhalten: Händler, Betrag, Datum, Beschreibung des Mitarbeitenden und ein Belegbild.
Aufgaben:
1. Schlagen Sie die wahrscheinlichste Aufwandskategorie (GL-Konto) aus dieser Liste vor: [...].
2. Schlagen Sie Kostenstelle und Projekt vor, sofern eindeutig ableitbar.
3. Markieren Sie potenzielle Richtlinienverstöße (z. B. Ausgaben am Wochenende, First-Class-Reisen).
4. Geben Sie ein JSON-Objekt mit folgenden Feldern zurück: category_code, cost_center, project,
policy_flags[], confidence_score, reasoning.
Klassifizieren Sie nun die folgende Ausgabe:
MERCHANT (HÄNDLER): {{merchant}}
AMOUNT (BETRAG): {{amount}} {{currency}}
DATE (DATUM): {{date}}
DESCRIPTION (BESCHREIBUNG): {{description}}
RECEIPT_IMAGE (BELEGBILD): <Binärdaten oder URL>Ausgaben mit JSON-Schemas und Konfidenzschwellen standardisieren
Für eine verlässliche Weiterverarbeitung definieren Sie ein striktes JSON-Schema für Gemini-Antworten. Legen Sie Pflichtfelder fest (z. B. category_code, confidence_score), zulässige Werte (z. B. Liste von GL-Konten) und Standardverhalten, wenn das Modell unsicher ist.
Implementieren Sie auf der konsumierenden Seite (Ihr Middleware-Layer oder Spesentool) Konfidenzschwellen. Wenn zum Beispiel confidence_score >= 0.9, wenden Sie die Klassifizierung automatisch an; bei 0.7–0.9 leiten Sie die Buchung mit der von Gemini vorbefüllten Begründung in eine Prüfwarteschlange für Controller; bei < 0.7 bleibt die Zeile „nicht zugeordnet“, aber der Vorschlag wird zur schnelleren manuellen Bearbeitung angehängt.
Erwartete Struktur der Gemini-Antwort:
{
"category_code": "6130_TRAVEL_HOTEL",
"cost_center": "CC_102_MKT_DE",
"project": "PRJ_4567_CAMPAIGN_Q4",
"policy_flags": ["WEEKEND", "NO_APPROVAL_FOUND"],
"confidence_score": 0.92,
"reasoning": "Händler ist eine Hotelkette, Datum passt zur Konferenz…"
}Gemini in bestehende Spesen- und ERP-Workflows integrieren
Statt ein separates Tool zu bauen, betten Sie die Gemini-Klassifizierung in die Workflows ein, die Ihre Mitarbeitenden und Controller ohnehin nutzen. Typische Muster sind ein Middleware-Service zwischen Spesen-App und ERP oder eine API-Erweiterung innerhalb des Spesenmanagement-Systems.
Die Umsetzung könnte beispielsweise so aussehen: (1) Mitarbeitende reichen eine Spesenabrechnung wie gewohnt ein; (2) ein Webhook löst einen Gemini-API-Call mit allen Eingaben aus; (3) Middleware schreibt vorgeschlagene Kategorie, Kostenstelle und Flags in benutzerdefinierte Felder zurück; (4) Genehmigende oder Controller sehen die vorbefüllten Vorschläge und können sie annehmen oder anpassen; (5) Die finalen Daten werden ins ERP gebucht. Das minimiert Change-Management-Aufwand und beschleunigt die Einführung.
Prompts kontinuierlich mit Feedback aus dem Finanzbereich verbessern
Richten Sie einen einfachen Kreislauf ein, in dem Feedback aus dem Finanzbereich die Gemini-Performance direkt verbessert. Immer wenn ein Controller Kategorie oder Kostenstelle übersteuert, protokollieren Sie sowohl Geminis Vorschlag als auch die finale Entscheidung. Ziehen Sie diese Übersteuerungen regelmäßig als Stichprobe heran und aktualisieren Sie Ihre Prompt-Instruktionen (z. B. „Für <Händler> in Deutschland Kostenstelle X bevorzugen, außer die Beschreibung erwähnt Y“).
Selbst ohne Modell-Fine-Tuning kann iterative Prompt-Optimierung die Genauigkeit von „grob hilfreich“ auf „ausreichend gut, um die meisten Fälle zu automatisieren“ steigern. Planen Sie monatliche Prompt-Reviews mit dem Finanzbereich und Ihrem Technikteam, um Regeln zu justieren, neue Händlermuster hinzuzufügen und Richtlinienprüfungen zu verfeinern.
Snippet zur Prompt-Optimierung:
Bisherige Fehler: Taxifahrten für Kundenbesuche wurden als "interne Dienstreisen" gebucht.
Aktualisierte Anweisung:
- Wenn die Beschreibung Wörter wie "Kunde", "Customer", "Meeting" enthält
und der Händlertyp Taxi/Fahrdienst ist, klassifizieren Sie unter
6145_CLIENT_VISIT_TRAVEL statt 6140_INTERNAL_TRAVEL.Gemini für Richtlinienprüfung und Anomalieerkennung nutzen
Neben der Basiskategorisierung können Sie Gemini nutzen, um Richtlinienverstöße und Anomalien in Echtzeit zu markieren. Erkennen Sie zum Beispiel First- oder Business-Class-Tarife anhand des Ticketbilds, Ausgaben an Wochenenden oder Feiertagen oder doppelt eingereichte Belege in unterschiedlichen Abrechnungen.
Gestalten Sie Prompts so, dass Gemini explizit aufgefordert wird, über Kontext zu „reasonen“: Tageszeit, Ort vs. Bürostandort des Mitarbeitenden, ungewöhnliche Beträge im Vergleich zu typischen Ausgaben für diesen Händler. Leiten Sie markierte Positionen in eine spezielle Warteschlange mit klaren Labels, damit Controller schnell entscheiden können, ob sie genehmigen, ablehnen oder weitere Informationen anfordern.
Beispiel-Snippet für Richtlinienprüfung:
Zusätzlich zur Klassifizierung prüfen Sie:
- Reiseklasse (Economy vs. Business/First) aus Ticket oder Beleg.
- Wochenend- oder Feiertagsdaten.
- Mehrere ähnliche Belege in einem kurzen Zeitraum.
Geben Sie ein "policy_flags"-Array mit Gründen zurück, z. B. [
"BUSINESS_CLASS_FLIGHT",
"WEEKEND_EXPENSE"
]Kennzahlen und Dashboards zur Erfolgsmessung definieren
Um den Mehrwert zu belegen, verfolgen Sie eine kleine Auswahl an Automatisierungs-KPIs für Aufwände vor und nach der Gemini-Einführung. Gängige Kennzahlen sind: Anteil nicht zugeordneter Zeilen, durchschnittliche Zeit von Einreichung bis Buchung, manuelle Touch-Rate pro Aufwand sowie Reklassifizierungsquote nach Monatsabschluss.
Visualisieren Sie diese KPIs in Ihrem bestehenden BI- oder ERP-Reporting, idealerweise nach Fachbereich und Land. So erkennen Sie, wo das Modell gut performt, wo zusätzliches Training nötig ist und wo Prozessprobleme (nicht die KI) Verzögerungen verursachen. Nutzen Sie diese Erkenntnisse, um weitere Verbesserungen zu priorisieren und zusätzliche Investitionen in KI-gestützte Finance-Workflows zu begründen.
Pragmatisch umgesetzt sehen Finanzteams typischerweise innerhalb der ersten 2–3 Monate 30–60 % weniger nicht zugeordnete Buchungen, eine 20–40 % geringere manuelle Kontierungsarbeit und deutlich schnellere Transparenz über Ausgaben nach Kostenstelle und Projekt – genug, um einen spürbaren Unterschied bei Monatsabschluss und Budgetsteuerung zu machen.
Brauchen Sie jetzt Umsetzungskompetenz?
Lassen Sie uns über Ihre Ideen sprechen!
Häufig gestellte Fragen
Gemini kombiniert Text- und Bildverständnis, um zu interpretieren, wofür eine Ausgabe tatsächlich steht. Es liest Händlernamen, Beschreibungen der Mitarbeitenden, Transaktionsbeträge und sogar Belegfotos und ordnet diese dann Ihren vordefinierten Aufwandskategorien, Kostenstellen und Projekten zu.
Statt dass Mitarbeitende eine Kategorie raten oder „Sonstiges“ wählen, schlägt Gemini in Echtzeit ein konkretes GL-Konto und eine Kontierung vor. Der Finanzbereich kann diese Vorschläge prüfen und anpassen; mit der Zeit können Sie Fälle mit hoher Konfidenz automatisiert buchen und so die Zahl der nicht zugeordneten Zeilen, die bei den Controllern landen, drastisch reduzieren.
In der Regel benötigen Sie drei Kompetenzen: (1) eine Finance-Verantwortliche oder einen Finance-Verantwortlichen, der bzw. die Ihren Kontenrahmen und Ihre Spesenrichtlinien genau kennt, (2) eine technische Ansprechperson, die mit APIs oder der Integrationsschicht Ihres Spesentools arbeiten kann, und (3) jemanden, der sich um Sicherheit, Datenschutz und Zugriffskontrolle kümmert.
Sie brauchen kein großes Data-Science-Team für den Einstieg. Ein kleines, cross-funktionales Team – Finance, IT und eine technische Person – kann in wenigen Wochen einen ersten Gemini-basierten Klassifizierungs-Piloten aufsetzen, insbesondere wenn Sie bestehende Middleware- oder iPaaS-Tools als Integrationsrückgrat nutzen.
Für einen klar abgegrenzten Use Case (z. B. Reiseaufwände) sehen Organisationen üblicherweise innerhalb von 4–8 Wochen spürbare Ergebnisse. In den ersten Wochen konfigurieren Sie Prompts, binden die API an und lassen Gemini im reinen Empfehlungsmodus parallel zu Ihrem aktuellen Prozess laufen.
Sobald der Finanzbereich mit der Qualität der Vorschläge zufrieden ist, können Sie damit beginnen, Klassifizierungen mit hoher Konfidenz automatisch zu übernehmen. Ab diesem Zeitpunkt sollten Sie eine deutliche Reduktion von nicht zugeordneten Buchungen und manueller Kontierungszeit sehen. Die Ausweitung auf weitere Ausgabenkategorien geht in der Regel schneller, da Sie das technische Fundament wiederverwenden und lediglich die finanzielle Logik anpassen.
Die Kosten haben zwei Komponenten: (1) Gemini-Nutzungskosten (API-Calls, die pro Transaktion typischerweise gering sind) und (2) Ihren einmaligen Integrations- und Change-Aufwand. Für die meisten mittelgroßen und großen Organisationen ist der Haupttreiber die interne oder externe Implementierungszeit, nicht die Modellnutzungskosten.
Der ROI entsteht durch weniger manuelle Klassifizierungsarbeit, schnelleren Monatsabschluss, weniger Reklassifizierungen und bessere Transparenz über Ausgaben (die konkrete Einsparmaßnahmen bei Reise, Einkauf und Abonnements ermöglicht). In der Praxis übersteigt bereits eine moderate Reduktion um einige FTE-Tage pro Monat, kombiniert mit vermiedenen Fehlbuchungen und besserer Ausgabensteuerung, in der Regel die laufenden Kosten für den Betrieb von Gemini.
Reruption begleitet Sie End-to-End – von der Idee bis zur funktionierenden Lösung. Mit unserem KI-PoC-Angebot (9.900 €) validieren wir zunächst, ob Gemini Ihre realen Spesendaten zuverlässig klassifizieren kann: Wir definieren den Use Case, bauen einen Prototypen, der sich mit Beispielbelegen und Buchungsdaten verbindet, und messen Genauigkeit, Geschwindigkeit und Kosten pro Lauf.
Über den PoC hinaus bedeutet unser Co-Preneur-Ansatz, dass wir eng mit Ihren Finance- und IT-Teams zusammenarbeiten, den Ziel-Workflow designen, die Gemini-Integration implementieren und bei der Einrichtung von KPIs, Monitoring und Governance unterstützen. Wir bleiben nicht bei Folien stehen – wir bauen und liefern die tatsächliche Automatisierung in Ihrer GuV, sodass nicht zugeordnete Aufwände zur Ausnahme statt zur Regel werden.
Kontaktieren Sie uns!
Direkt Kontaktieren
Philipp M. W. Hoffmann
Founder & Partner
Adresse
Reruption GmbH
Falkertstraße 2
70176 Stuttgart
Kontakt
Telefon