Das Wichtigste in Kürze
- Den Zahlungsabgleich automatisieren Sie in sieben Schritten mit fester Reihenfolge: Erst binden Sie die Daten an und erfassen die Zahlungsavise, dann schreiben Sie die erste Zuordnungsregel.
- Bei den Anwendern der von Hackett untersuchten Software für den Zahlungsabgleich liegt die automatische Zuordnungsquote im Median bei 70 %. Ein Drittel von ihnen kommt auf über 80 % (The Hackett Group, 2025).
- KI hebt die Zuordnungsquote, weil sie unstrukturierte Avise liest, Zahler erkennt, deren Name vom Kundenstamm abweicht, und Sammelzahlungen auf mehrere Rechnungen aufteilt.
- Klärfallbearbeitung und Buchungsprüfung müssen vor dem Produktivstart stehen, damit keine automatische Zuordnung ungeprüft als Buchung im ERP landet.
- Messen Sie die Dunkelverarbeitungsquote, nicht die Gesamtzuordnungsquote, und gehen Sie mit einer Gesellschaft live, bevor weitere folgen.
In diesem Artikel
- Das Wichtigste in Kürze
- Warum ist der Zahlungsabgleich so schwer zu automatisieren?
- Was brauchen Sie, bevor Sie den Zahlungsabgleich automatisieren?
- So automatisieren Sie den Zahlungsabgleich in 7 Schritten
- Wie steigert KI die Zuordnungsquote im Zahlungsabgleich?
- Typische Fehler beim Automatisieren des Zahlungsabgleichs
- Was können Sie von einem automatisierten Zahlungsabgleich erwarten?
Warum ist der Zahlungsabgleich so schwer zu automatisieren?
Der Zahlungsabgleich ist schwer zu automatisieren, weil die Zahlung und die Angaben, die sie erklären, meist getrennt und in unterschiedlichen Formaten eintreffen. Bevor das ERP eine Rechnung ausgleichen kann, muss jemand beides wieder zusammenführen.
Zahlungsabgleich (Cash Application) heißt: jede eingehende Zahlung den offenen Rechnungen zuordnen, die sie begleicht, und das Ergebnis buchen. Laut einer Umfrage des US-Verbands AFP entfallen auf Schecks heute 26 % der B2B-Zahlungen, 2022 waren es noch 33 %. Nach wie vor erhalten 25 % der Unternehmen Zahlungen per Scheck (AFP, 2025).
Eine elektronische Zahlung bringt nur einen knappen Verwendungszweck mit; die Einzelheiten stehen in einer E-Mail, einem PDF, einer Tabelle oder einem Portal. Für die Avisdaten zu ACH-Zahlungen (dem US-Verfahren für Überweisungen und Lastschriften) war die E-Mail der häufigste Kanal, 61 % der befragten US-Unternehmen nutzten ihn (AFP, 2022).
Viele Unternehmen nehmen Automatisierungsquoten unter 40 % hin. Dort dauert es bis zu drei Tage, bis Zahlungen gebucht sind, und bis zu 6 % der Zahlungseingänge bleiben ohne Zuordnung (The Hackett Group, 2025). Solange eine Zahlung nicht zugeordnet ist, mahnt das Forderungsmanagement bereits bezahlte Rechnungen an, und Ihr Liquiditätsstatus bleibt eine Schätzung.
Was brauchen Sie, bevor Sie den Zahlungsabgleich automatisieren?
Sie brauchen einen klar abgegrenzten Umfang, Ausgangswerte, eine zuständige Person für jeden Schritt und Lesezugriff auf Kontoauszüge, offene Posten und Kundenstamm. Die Softwareauswahl kommt danach, nicht davor.
- Umfang: eine Gesellschaft, ihre Bankkonten und die Zahler, die den Großteil des Volumens ausmachen.
- Ausgangswerte über zwei bis vier Wochen: Zahlungen pro Monat, Dunkelverarbeitungsquote, Stunden vom Kontoauszug bis zur Buchung, nicht zugeordnete Zahlungseingänge zum Periodenende, Klärfälle nach Ursache.
- Zuständigkeiten: Die Leitung der Debitorenbuchhaltung verantwortet die Klärfälle, die Leitung des Rechnungswesens die Buchungsfreigabe, die IT den Zugang zu Bankdateien und ERP.
- Datenzugriff: Kontoauszugsdateien, offene Posten im ERP, Kundenstamm, das gemeinsame Postfach der Debitorenbuchhaltung und die Zugänge zu Kundenportalen.
Die Toolauswahl ist eine eigene Entscheidung. Wie Debitorenteams dabei vorgehen, zeigt unser Beitrag zur Bewertung von Anbietern für den automatischen Zahlungsabgleich.
So automatisieren Sie den Zahlungsabgleich in 7 Schritten
Arbeiten Sie die sieben Schritte der Reihe nach ab. Jeder Schritt hat ein Abnahmekriterium („erledigt, wenn“), und erst wenn es erfüllt ist, beginnt der nächste.
- Bank-, ERP- und Kundendaten anbinden. Erledigt, wenn zu jeder Zahlung auf dem heutigen Kontoauszug die infrage kommenden offenen Posten vorliegen.
- Zahlungsavise aus allen Kanälen erfassen. Erledigt, wenn die Extraktionsgenauigkeit an einer Stichprobe echter Avise Ihrer wichtigsten Zahler gemessen ist.
- Zuordnung in Stufen aufbauen: Regeln, Toleranzen, dann KI. Erledigt, wenn der Konfidenzschwellenwert festgelegt und per Backtest an mindestens 90 Tagen Historie geprüft ist.
- Klärfallbearbeitung vor dem Produktivstart festlegen. Erledigt, wenn jede Klärfallart einen Ursachencode, eine zuständige Person und eine Frist hat.
- Jede Buchung prüfen, bevor sie ins ERP geht. Erledigt, wenn keine Buchung ins ERP gelangen kann, ohne die Prüfung zu bestehen und von einer verantwortlichen Person freigegeben zu sein.
- Mit einer Gesellschaft live gehen, dann ausweiten. Erledigt, wenn der Parallelbetrieb die vorab vereinbarten Go/No-Go-Kriterien erfüllt.
- Jede Woche messen und nachjustieren. Erledigt, wenn Dunkelverarbeitungsquote, Zeit bis zur Buchung und nicht zugeordnete Zahlungseingänge im Vergleich zu den Ausgangswerten berichtet werden.
Schritt 1: Bank-, ERP- und Kundendaten anbinden
Sie brauchen drei Datenquellen: Kontoauszüge (täglich per API oder als Datei im Format camt.053, MT940 oder BAI2), die offenen Posten aus dem ERP und den Kundenstamm.
Bereinigen Sie zuerst die Stammdaten. Doppelt angelegte Kunden, fehlende Bankverbindungen der Zahler und veraltete Mutter-Tochter-Verknüpfungen lassen Zuordnungen scheitern, und das behebt kein Algorithmus. Exportieren Sie die ausgeglichenen Zahlungen aus mindestens 90 Tagen für den Backtest in Schritt 3.
Schritt 2: Zahlungsavise aus allen Kanälen erfassen
Avise kommen auf vielen Wegen: über das gemeinsame Postfach der Debitorenbuchhaltung, als PDF- oder Tabellenanhang, über Kundenportale, als Datei im Format EDI 820, aus Lockbox-Daten und im Verwendungszweck der Bankbuchung. Jedes Zahlungsavis muss in denselben Ablauf münden.
Vorlagenbasierte OCR braucht für jedes Layout eine eigene Vorlage und versagt, sobald ein Kunde sein Format ändert. Vision-Language-Modelle (KI-Modelle, die Bild und Text zusammen auswerten) lesen Layout, Tabellen und Kontext und erfassen deshalb auch ein neues Format auf Anhieb. DocSense von Transformance arbeitet mit Vision-Language-Modellen statt mit OCR und Regex. Ganz ohne Vorlagenkonfiguration erreicht DocSense eine Extraktionsgenauigkeit von über 97 %, für mehr als 100 Dokumenttypen in über 170 Sprachen.
Strukturierte Daten helfen, nehmen Ihnen die Arbeit aber nicht ganz ab. Deshalb automatisiert die E-Rechnung allein den Zahlungsabgleich nicht.
Schritt 3: Zuordnung in Stufen aufbauen (Regeln, Toleranzen, dann KI)
Bauen Sie die Zuordnung in drei Stufen auf, von der günstigsten zur leistungsfähigsten.
- Regeln: exakte Rechnungsnummer plus Betrag plus Kunde. Günstig, nachvollziehbar und für saubere Zahlungen genau richtig.
- Toleranzen: Rundungs- und Kursdifferenzen sowie Bankgebühren unterhalb eines festgelegten Betrags, jeweils auf ein bestimmtes Konto ausgebucht und im Audit-Trail vermerkt.
- KI: Zahlernamen, die vom Kundenstamm abweichen, fehlende oder falsche Rechnungsnummern, eine Zahlung für viele Rechnungen oder viele Zahlungen für eine.
Bei der KI-gestützten Zuordnung erhält jeder Vorschlag einen Konfidenzwert. Liegt er über dem Schwellenwert, kommt die Zuordnung zur Prüfung und Freigabe in den Buchungsstapel. Liegt er darunter, geht sie mit Begründung und einem Zuordnungsvorschlag in die Klärungsliste.
Den Schwellenwert legen Sie per Backtest fest: Wählen Sie den Wert, ab dem die Vorschläge mit dem übereinstimmen, was Ihr Team tatsächlich zugeordnet hat. „Automatisch zugeordnet“ heißt, dass niemand die Zuordnung suchen musste. Es heißt nie, dass die Buchung ohne Prüfung ins ERP geht (Schritt 5).
Schritt 4: Klärfallbearbeitung vor dem Produktivstart festlegen
Jeder Klärfall braucht einen Ursachencode. Diese Codes brauchen Sie mindestens: unbekannter Zahler, fehlendes Avis, Minderzahlung, Überzahlung, Doppelzahlung und Abzug.
Jeder Code bekommt eine zuständige Person und eine Frist (zum Beispiel: unbekannte Zahler innerhalb von zwei Arbeitstagen klären). Wer den Fall bearbeitet, sieht das Avis, die infrage kommenden Rechnungen und den Grund, warum die Zuordnung unter dem Schwellenwert lag.
Jede Klärung fließt in die Zuordnung zurück, damit derselbe Klärfall nicht wiederkommt. Abzüge brauchen einen eigenen Ablauf; mehr dazu im Beitrag Teilzahlungen und Abzüge automatisieren.
Schritt 5: Jede Buchung prüfen, bevor sie ins ERP geht
Nehmen Sie diesen Schritt so ernst wie die Zuordnung. Eine Zuordnung ist ein Vorschlag, eine Buchung verändert das Hauptbuch.
Vor jeder Buchung prüfen Sie, ob Soll und Haben übereinstimmen, Sachkonto und Buchungskreis für die Gesellschaft gültig und die Pflichtfelder gefüllt sind. Außerdem muss der Ausgleich auf die richtigen offenen Posten laufen, und Ausbuchungen dürfen die Toleranz nicht überschreiten. Die Leitung des Rechnungswesens (oder ihre Vertretung) sieht vorab den Buchungsstapel mit dem Ergebnis „bestanden“ oder „nicht bestanden“ je Buchung und gibt ihn frei. Wer Klärfälle bearbeitet, sollte keine Buchungen freigeben.
Transformance prüft 100 % der Buchungen, und ohne Freigabe durch einen Menschen wird nichts gebucht. Der Agent arbeitet mit einem vierstufigen Freigabemodell (Lesen, Empfehlen, Ausführen, Buchen); bei ERP-Buchungen ist immer ein Mensch eingebunden (Human in the Loop). Angebunden ist er an SAP S/4HANA und ECC, Oracle, NetSuite und Dynamics.
Schritt 6: Mit einer Gesellschaft live gehen, dann ausweiten
Fahren Sie für die ausgewählte Gesellschaft zwei bis vier Wochen Parallelbetrieb zum heutigen Prozess. Das System schlägt vor und prüft, Ihr Team bucht weiter wie gewohnt, und Sie vergleichen die Ergebnisse.
Vereinbaren Sie vorher die Go/No-Go-Kriterien: Dunkelverarbeitungsquote im Vergleich zu den Ausgangswerten, Korrekturquote, fehlgeschlagene Buchungsprüfungen und Alter des Klärfallrückstands. So planen Sie ein Pilotprojekt Woche für Woche.
Danach geht es in fester Reihenfolge weiter: zuerst die nächste Gesellschaft, dann der nächste Zahlungskanal, zuletzt die vielen kleinen Zahler. Mit Transformance dauert der Proof of Value für eine Gesellschaft 4 bis 5 Wochen, der vollständige Rollout ist in 4 bis 8 Wochen abgeschlossen.
Schritt 7: Jede Woche messen und nachjustieren
Verfolgen Sie diese Kennzahlen im Vergleich zu Ihren Ausgangswerten:
- Dunkelverarbeitungsquote (automatische Zuordnungsquote) = ohne manuelle Arbeit zugeordnete Zahlungen / alle eingegangenen Zahlungen.
- Klärfallquote nach Ursache = Klärfälle je Ursachencode / alle Zahlungen.
- Zeit bis zur Buchung = Stunden vom Eingang des Kontoauszugs bis zur geprüften und freigegebenen Buchung im ERP.
- Nicht zugeordnete Zahlungseingänge = nicht zugeordnete Zahlungen und On-Account-Zahlungen zum Periodenende / Zahlungseingänge der Periode.
- Korrekturquote = später zurückgenommene automatische Zuordnungen / alle automatischen Zuordnungen.
Berichten Sie die Dunkelverarbeitungsquote, nicht die Gesamtzuordnungsquote. Die Gesamtzuordnungsquote zählt auch die Zahlungen mit, die Ihr Team von Hand zugeordnet hat, und verdeckt so den Aufwand. Beheben Sie jede Woche die drei häufigsten Klärfallursachen an der Quelle: in den Stammdaten, mit einer Regel oder durch Nachtraining anhand der Korrekturen.
Wie steigert KI die Zuordnungsquote im Zahlungsabgleich?
KI-Agenten wie Vero von Transformance steigern die Zuordnungsquote, weil sie Avise lesen, an denen Regeln scheitern, und Zahler erkennen, deren Name oder Referenz nicht zum ERP passt. Außerdem teilen sie Zahlungen auf mehrere Rechnungen auf und lernen aus jeder Korrektur Ihres Teams.
Bei den Anwendern der von Hackett untersuchten Software für den Zahlungsabgleich liegt die automatische Zuordnungsquote im Median bei 70 %. Ein Drittel dieser Anwender erreicht über 80 %, und 61 % ordnen Zahlungen noch am Eingangstag zu (The Hackett Group, 2025). Bei sauberen Referenzen genügen Regeln; um den Rest kümmert sich die KI mit fünf Mechanismen:
- Unstrukturierte Avise lesen, ob als PDF, E-Mail, Tabelle oder im Portal, ohne Vorlagen.
- Zahler erkennen (Entity Resolution): „ACME GMBH ZWEIGNL“ auf dem Kontoauszug ist im ERP der Kunde „Acme Group“.
- Aufteilung: eine Sammelzahlung auf 40 Rechnungen verteilt oder drei Teilzahlungen auf eine Rechnung.
- Kundengedächtnis: Die Gewohnheiten jedes Zahlers (zahlt immer abzüglich eines festen Rabatts, schickt das Avis einen Tag später) fließen in die nächste Zuordnung ein.
- Lernen aus Korrekturen: Ein Klärfall, den Ihr Team löst, wird zum Muster und nicht zur wiederkehrenden Aufgabe.
ClearMatch erreicht eine automatische Zuordnungsquote von 95 % und erledigt den gesamten Ablauf in unter 8 Minuten. Vero, der Agent dahinter, arbeitet mit Customer 360, einem Graphen je Kunde, der ihm als Arbeitsgedächtnis dient. So sieht Mechanismus 4 in der Praxis aus.
Typische Fehler beim Automatisieren des Zahlungsabgleichs
Die meisten gescheiterten Projekte automatisieren die Zuordnung und vernachlässigen alles davor und danach: die Eingangsdaten und die Kontrollen.
- Zuordnungsregeln schreiben, bevor die Avise erfasst sind. Die Regeln arbeiten dann nur mit der Hälfte der Informationen.
- Einen hohen Konfidenzwert als Buchungserlaubnis verstehen. Die Konfidenz entscheidet, wohin eine Zuordnung geht; ob gebucht wird, entscheiden die Prüfung und die Freigabe durch eine verantwortliche Person.
- Mit allen Gesellschaften gleichzeitig live gehen. Dann kann niemand sagen, welche Änderung ein Problem verursacht hat.
- Eine einzige Klärungsliste führen, ohne Ursachencodes, Zuständigkeiten und Fristen. Dann kommen jeden Monat dieselben Posten wieder.
Was können Sie von einem automatisierten Zahlungsabgleich erwarten?
Rechnen Sie damit, dass weniger Zahlungen von Hand bearbeitet werden. Der Großteil der Zahlungseingänge wird am selben Tag gebucht, sobald der Buchungsstapel freigegeben ist. Ihr Team steckt seine Zeit dann in Klärfälle statt in die Suche nach Rechnungen.
Im gesamten Debitorenmanagement ermöglicht ein automatisierter Zahlungsabgleich, 63 % des Personals anders einzusetzen und die Prozesskosten um 43 % zu senken (The Hackett Group, 2025). Wie das für ein Team aussehen kann, zeigt ein Rechenbeispiel (keine Kundendaten):
Die 40 % zum Start liegen an der Grenze zu den Automatisierungsquoten „unter 40 %“, die Hackett beschreibt. Die 95 % entsprechen der oben genannten automatischen Zuordnungsquote. Selbst wenn jeder Klärfall dreimal so lange dauert, werden im Beispiel rund 360 Stunden im Monat frei.
Fazit: den Zahlungsabgleich in der richtigen Reihenfolge automatisieren
Wer den Zahlungsabgleich automatisiert, erfasst Daten und Avise vor der Zuordnung und richtet Klärfallbearbeitung und Buchungsprüfung vor dem Produktivstart ein. Danach führt er das System Gesellschaft für Gesellschaft ein, gemessen an den eigenen Ausgangswerten.
Häufig gestellte Fragen
Wie lässt sich die Cash Application mit KI automatisieren?
Sie binden Bank-, ERP- und Avisdaten an und lassen die KI Avise auslesen und Zuordnungen mit Konfidenzwert vorschlagen. Fälle mit niedriger Konfidenz leiten Sie in eine Klärungsliste. Geprüfte Buchungen gelangen erst ins ERP, wenn ein Mensch sie freigegeben hat.
Welche automatische Zuordnungsquote ist im Zahlungsabgleich ein guter Wert?
Mit über 80 % gehören Sie zum oberen Drittel der Anwender der von Hackett untersuchten Software für den Zahlungsabgleich. Unter diesen Anwendern liegt der Median bei 70 % (The Hackett Group, 2025). Maßgeblich ist die Dunkelverarbeitungsquote, also der Anteil der ohne manuelle Arbeit zugeordneten Zahlungen, nicht die Gesamtzuordnungsquote.
Wie lange dauert es, den Zahlungsabgleich zu automatisieren?
Rechnen Sie mit Wochen je Gesellschaft, nicht mit Quartalen, sofern die Erfassung der Avise ohne Vorlagen auskommt. Bei Transformance dauert der Proof of Value für eine Gesellschaft 4 bis 5 Wochen, der vollständige Rollout ist in 4 bis 8 Wochen abgeschlossen.
Lässt sich der Zahlungsabgleich in SAP S/4HANA automatisieren?
Ja. Eine KI-Schicht für den Zahlungsabgleich, etwa ClearMatch von Transformance, liest Kontoauszüge und Avise und ordnet sie den offenen Posten in SAP zu. Erst nach der Freigabe schreibt sie die geprüften Ausgleichsbuchungen zurück in SAP S/4HANA oder ECC. Das funktioniert nach demselben Muster auch mit Oracle, NetSuite und Dynamics.
Muss beim automatisierten Zahlungsabgleich noch ein Mensch prüfen?
Ja, bei Klärfällen und bei Buchungen. Auf der Transformance-Plattform schlägt die KI Zuordnungen vor und prüft Buchungen; ein Mensch gibt frei, was das Hauptbuch verändert, und klärt, was unter dem Konfidenzschwellenwert liegt.
