Dieser Artikel beschreibt, wie Software Konten einer Kostenart zuordnen kann, wenn die Kontonummer allein nicht reicht: im Abgrenzungs-Mapper, der eine DATEV-Summen- und Saldenliste in die 24 Knoten des Kostenartenplans aus dem Buch überführt, und in der CostEngine, die mit einem auf 19 Knoten verdichteten Schema bis zum Maschinenstundensatz rechnet. Er richtet sich an Leser mit technischem Interesse; für die Anwendung selbst muss man nichts davon wissen.
Die erste Fassung (07/2026) hat zwei Dinge unscharf beschrieben: welche Texte überhaupt klassifiziert werden — Kontobezeichnungen oder Buchungstexte — und welches Modell im Werkzeug tatsächlich läuft. Beides ist korrigiert. Neu sind die Abschnitte zum richtigen Messen (Kap. 7) und eine Fallstudie über zwei Modelle, die nie gelaufen sind (Kap. 8). Im November 2026 ergänzt: die Messung eines Embedding-Modells gegen den Textabgleich und dessen Einbau als Zweitmeinung in die CostEngine.
1 · Das Problem: Texte sind chaotisch — aber welche Texte?
Bevor man über Modelle spricht, muss eine Frage geklärt sein: Welcher Text liegt im Echtbetrieb überhaupt vor? In der Buchhaltung gibt es zwei sehr verschiedene Quellen, und sie werden oft verwechselt.
Eine Summen- und Saldenliste oder GuV enthält je Konto genau einen Text: die Kontobezeichnung, die der Steuerberater oder Mandant vergeben hat. Ein Buchungsjournal enthält dagegen jede einzelne Buchung mit ihrem Buchungstext. Abgrenzungs-Mapper und CostEngine lesen Summen- und Saldenlisten. Ihr Text ist also die Kontobezeichnung. Buchungstexte gibt es nur, wenn zusätzlich das Journal exportiert wird.
Chaotisch sind beide. Bei Kontobezeichnungen liegt das Problem darin, dass Mandanten Konten umbenennen und anders nutzen, als der Kontenrahmen vorsieht — die Nummer sagt dann etwas anderes als der Name:
| Konto | SKR03-Standard | Bezeichnung beim Mandanten | Was der Name nahelegt |
|---|---|---|---|
| 4508 | Kfz-Kosten (Bereich) | „Kfz-Kosten Gabelstapler" | Fuhrpark, nicht Personal |
| 4806 | Wartung Hard- und Software | „Instandhaltung Büromaschinen" | IT oder Instandhaltung — Auslegungssache |
| 4986 | — | „Rep./Instandh. Anl.+Masch (Kühlschmier)" | Instandhaltung statt Werkzeug |
Bei Buchungstexten ist die Vielfalt noch größer, weil sie im Tagesgeschäft ohne jedes Schema entstehen:
| Buchungstexte im Original | Gemeinte Kostenart |
|---|---|
| „Nachschliff Fräser 12mm" · „Fräser Schliff" · „WZ Aufbereitung" · „Schleifen VHM" · „Werkzeug Reparatur Fräser" | Verbrauchswerkzeuge Knoten 05 |
| „Strom Halle" · „Energie Nov." · „EL Verbrauch" · „Strom+Wärme" · „Gas Heizung Produktion" | Energiekosten Knoten 07 |
| „Wartung BAZ" · „Instandh. Maschine" · „Rep. CNC Fräsen" · „IH Drehzentrum" | Instandhaltung Knoten 08 |
| „Gehalt Meister" · „Lohn Einrichter" · „Bezüge Schichtführer" · „Vergütung Fertigungsleitung" | Fertigungsgemeinkosten Knoten 06 |
Ein Modell, das auf Buchungstexte trainiert ist, nützt nichts, wenn das Werkzeug nur Summen- und Saldenlisten bekommt. Genau das ist der CostEngine passiert (Kap. 8). Die Frage „Liegt diese Eingabe im Echtbetrieb vor?" gehört an den Anfang, nicht ans Ende.
Die Knotennummern folgen dem 24-Knoten-Kostenartenplan aus Kapitel 4.5 des Buchs, den auch der Abgrenzungs-Mapper verwendet. Die CostEngine fasst ihn zu 19 Knoten zusammen (zum Beispiel Verwaltungs-, Vertriebs- und sonstige Gemeinkosten zu einem Knoten); das Prinzip bleibt dasselbe.
2 · Die Architektur: Regel vor Modell
Der wichtigste Entwurfsgrundsatz lautet: Das Modell ist die letzte Instanz, nicht die erste. Was eine feste Regel sicher entscheiden kann, entscheidet die Regel. So läuft eine Zeile im Abgrenzungs-Mapper durch das System:
Zwei Dinge sind daran wichtig. Erstens greift der Klassifikator nur dort allein, wo keine Kontonummer-Regel existiert, und auch dann nur oberhalb von 85 % Konfidenz. Zweitens läuft er auch bei Konten mit Regel mit — als Gegenprüfung. Widerspricht er der Regel mit mindestens 65 % Konfidenz, erscheint ein Konflikt-Hinweis. Das ist der eigentliche Mehrwert: Die Nummer kennt den Kontenrahmen, der Name kennt die Nutzung beim Mandanten.
Die CostEngine verfeinert die Gegenprüfung um eine Bedingung: Ein Hinweis erscheint nur, wenn der Mandant das Konto umbenannt hat. Trägt ein Konto seinen Standardnamen, gilt die Regel als verbindlich. Das hält die Hinweisliste kurz — bei 202 Kostenzeilen aus sieben echten Jahresabschlüssen waren es fünf.
Im ursprünglichen Python-Prototyp gab es zwischen Regel und Modell noch eine zweite Schicht aus rund 200 Stichwortregeln für Buchungstexte. Dort verteilten sich die Zeilen auf etwa 75 % Kontonummer, 15 % Stichworte und 8 % Modell; die übrigen rund 2 % blieben ohne sichere Zuordnung und gingen in die manuelle Prüfung.
Die große Mehrheit der Zeilen wird von Regeln erledigt, die man lesen, prüfen und korrigieren kann. Das Modell bearbeitet nur den schwierigen Rest. Damit ist der Anteil des Systems, der prinzipiell unerklärbar bleibt, klein und eingegrenzt — und ein Fehler im Modell kann das Gesamtergebnis nur begrenzt verfälschen. Wer umgekehrt vorgeht und alles ans Modell gibt, hat ein System gebaut, dessen Ergebnisse er nicht mehr begründen kann. In der Kostenrechnung ist das disqualifizierend.
3 · Welches Modell — und warum lokal
Für die Aufgabe „ordne einen kurzen deutschen Text einer von 24 Kategorien zu" braucht es kein Modell mit hunderten Milliarden Parametern. Oft braucht es nicht einmal ein Sprachmodell. Die Spanne reicht von einer Gewichtstabelle im Browser bis zu einem feingetunten Sprachmodell:
Der Abgrenzungs-Mapper nutzt heute einen linearen Klassifikator (logistische Regression über Wörter, Wortpaare und Buchstaben-Dreiergruppen), trainiert auf den offiziellen DATEV-Kontenbezeichnungen und realen Fertigungs-GuVs. Die Gewichte passen in 0,45 MB und werden mit gut 30 Zeilen JavaScript im Browser ausgewertet. Für Kontobezeichnungen, die oft nah am Standard liegen, reicht das erstaunlich weit. Ein Sprachmodell der 0,5-Milliarden-Klasse (im Prototyp: Qwen2-0.5B) versteht mehr Variation, ist aber rund tausendmal größer.
Dazwischen liegt eine Modellklasse, die für Zuordnungsaufgaben oft die bessere Wahl ist: Embedding-Modelle. Sie erzeugen keinen Text, sondern übersetzen einen Begriff in einen Bedeutungsvektor. „Stromkosten" und „Energie" liegen dann nah beieinander, obwohl sie keinen Buchstaben teilen. Ein solches Modell (etwa multilingual-e5-small mit 118 Millionen Parametern) passt quantisiert in rund 120 MB und braucht für eine erste Version kein Training. Die Messung in Kapitel 7 zeigt: Allein ist es dem einfachen Textabgleich nicht überlegen — als Zweitmeinung schon.
| Kriterium | Linearer Klassifikator | Lokales Modell (0,1–0,5 Mrd.) | Cloud-Modell |
|---|---|---|---|
| Datenabfluss | keiner — läuft im Browser | keiner — läuft offline | Buchungsdaten verlassen das Haus |
| Hardware | beliebig, < 1 MB | CPU, unter 2 GB RAM | keine eigene nötig |
| Kosten je Anfrage | 0,00 € | 0,00 € | API-Entgelt je Zeile |
| Verfügbarkeit | unabhängig | unabhängig von Netz und Anbieter | abhängig von beidem |
| Sprachverständnis | nur Wort- und Buchstabenmuster | Synonyme, Abkürzungen | deutlich besser |
| Anpassung an eigene Daten | Neutraining in Sekunden | LoRA, geringer Aufwand | meist nicht möglich |
| Begründbarkeit | Gewicht je Merkmal ablesbar | über ähnlichste Beispiele | kaum |
Der Datenschutzpunkt ist kein Nebenaspekt. Eine Summen- und Saldenliste enthält Gehaltssummen, Lieferantenbeziehungen und Margendaten. Sie an einen externen Dienst zu übertragen, wirft Fragen zur Auftragsverarbeitung auf, die sich schlicht nicht stellen, wenn die Verarbeitung den Rechner nie verlässt.
4 · LoRA: Feintuning ohne Rechenzentrum
Ein Basismodell kennt die Kostenrechnung nicht. Es muss lernen, dass „Nachschliff" zu Knoten 05 gehört und „Gewerbesteuer" in die neutrale Abgrenzung. Der klassische Weg wäre, alle Modellgewichte neu zu trainieren — teuer und für ein kleines Team unrealistisch.
LoRA (Low-Rank Adaptation) geht anders vor. Die ursprünglichen Gewichte bleiben eingefroren. Stattdessen werden kleine Zusatzmatrizen trainiert, die neben den bestehenden Schichten liegen und deren Verhalten verschieben. Der mathematische Kniff: Diese Anpassung lässt sich als Produkt zweier sehr schmaler Matrizen darstellen — statt einer vollen Matrix mit Millionen Einträgen genügen zwei mit wenigen tausend.
W0 bleibt unverändert — trainiert wird nur B·A
Praktische Folgen: Das Training läuft auf einer gewöhnlichen Grafikkarte statt auf einem Cluster. Das Ergebnis ist ein Adapter von wenigen Megabyte, nicht ein neues Gesamtmodell. LoRA funktioniert bei Sprachmodellen wie bei Embedding-Modellen — man kann also mit einem untrainierten Embedding-Modell beginnen und erst dann einen Adapter trainieren, wenn die Messung es rechtfertigt.
Der aufwendige Teil ist nicht das Training, sondern das Labeling: Jede Bezeichnung braucht die korrekte Kostenart — nach denselben Kontierungsregeln, die auch der Mensch anwendet. Wer hier unsauber arbeitet, trainiert seine eigenen Fehler ein. Ein Modell ist immer nur so gut wie die Systematik, die man ihm zeigt.
Der eleganteste Weg zu guten Trainingsdaten ist, sie im Alltag entstehen zu lassen. Beide Werkzeuge machen aus jeder Korrektur ein beschriftetes Beispiel: der Abgrenzungs-Mapper über den Export „Korrekturen als Trainingsdaten", die CostEngine über ein Korrektur-Gedächtnis je Mandant, das beim nächsten Import automatisch angewendet wird. In den Namensabgleich fließt eine Korrektur erst ein, wenn der Anwender sie als allgemein gültig markiert oder zwei Mandanten dieselbe Bezeichnung gleich korrigiert haben — damit die Eigenheit eines Betriebs nicht zur Regel für alle wird.
5 · Quantisierung: von Gigabyte zu Megabyte
Ein trainiertes Modell speichert seine Gewichte üblicherweise als 16- oder 32-Bit- Gleitkommazahlen. Für eine Zuordnungsaufgabe ist diese Genauigkeit Verschwendung. Bei der Quantisierung werden die Gewichte auf gröbere Zahlenformate abgebildet: auf 8 Bit oder — blockweise mit eigenen Skalierungsfaktoren, damit der Fehler klein bleibt — auf rund 4 Bit.
| Format | Bits/Gewicht | Größe (0,5B-Modell) | Praxis |
|---|---|---|---|
| FP16 Trainingsformat | 16 | ~1,0 GB | Referenz für Qualitätsvergleiche |
| INT8 üblich bei ONNX | 8 | ~0,5 GB | Qualitätsverlust bei Klassifikation meist nicht messbar |
| Q4 4 Bit blockweise, GGUF/llama.cpp | ~4,5 | ~300 MB | bewährter Kompromiss für Textgenerierung auf der CPU |
Der Effekt ist doppelt: Das Modell passt in den Arbeitsspeicher eines gewöhnlichen Bürorechners, und es wird schneller — weil bei diesen Modellgrößen nicht die Rechenleistung der Engpass ist, sondern die Speicherbandbreite. Weniger Bytes je Gewicht heißt direkt kürzere Antwortzeiten. Ob die Qualität hält, zeigt nur eine Messung auf denselben Prüfdaten vor und nach der Quantisierung.
6 · ONNX: das Modell vom Trainingsrahmen lösen
Ein Modell wird in einem Trainings-Framework entwickelt, soll aber in einer Anwendung laufen — idealerweise ohne dass diese Anwendung die gesamte Trainingsumgebung mitschleppen muss. ONNX (Open Neural Network Exchange) ist ein herstellerunabhängiges Austauschformat: Das trainierte Modell — inklusive des eingerechneten LoRA-Adapters — wird als Rechengraph exportiert und von einer schlanken Laufzeitumgebung ausgeführt.
Für ein Werkzeug, das in einem Betrieb installiert werden soll, ist das der entscheidende Schritt zur Wartbarkeit: eine Modelldatei, eine Laufzeitbibliothek, keine Python-Abhängigkeitsketten, die bei der nächsten Aktualisierung brechen. Noch einfacher geht es nur ohne Modelldatei: Der Klassifikator des Abgrenzungs-Mappers ist eine Gewichtstabelle, die in der HTML-Seite selbst steckt.
7 · Richtig messen
Für den Python-Prototyp mit Sprachmodell wurde auf 80 Buchungszeilen gemessen, die nicht im Training enthalten waren:
| Metrik | Ergebnis | Bedeutung |
|---|---|---|
| Trefferquote | 93,7 % | 75 von 80 Zeilen korrekt zugeordnet |
| Ø Konfidenz | 87,3 % | Grundlage der 85-%-Schwelle für manuelle Prüfung |
| Falsch-Neutral-Rate | 0,0 % | keine echte Kostenposition fälschlich ausgesondert |
80 Beispiele sind ein Funktionsnachweis, keine belastbare Statistik. Der Datensatz stammt aus einem Betriebstyp; bei anderer Kontenstruktur oder anderer Buchungspraxis können die Werte deutlich abweichen. Die aussagekräftigste Zahl ist die dritte: Dass keine echte Kostenposition fälschlich als neutral eingestuft wurde, ist wichtiger als die Trefferquote insgesamt — denn ausgesonderte Kosten fehlen später im Stundensatz und fallen niemandem auf. Eine Nachmessung nach der unten beschriebenen Methode steht aus.
Die häufigste Messfalle: Varianten auf beiden Seiten
Trainingsdaten für Kostenarten bestehen oft aus Varianten desselben Begriffs: „Strom Halle", „Strom Halle Jan", „STROM HALLE". Teilt man die Daten zufällig in Training und Prüfung, landen Varianten desselben Begriffs auf beiden Seiten. Das Modell erkennt dann in der Prüfung nur wieder, was es schon gesehen hat — und die Trefferquote misst Wiedererkennen statt Verallgemeinern.
Die Abhilfe ist einfach: Training und Prüfung nach Konto trennen, sodass alle Varianten eines Kontos auf derselben Seite liegen. Erst dann zeigt die Prüfung, was bei einem unbekannten Mandanten passiert.
Treffer und Abdeckung gehören zusammen
Eine einzelne Trefferquote verschweigt, wie oft das Verfahren überhaupt etwas sagt. Wer die Schwelle hochsetzt, bekommt weniger, aber sicherere Hinweise. Für den Namensabgleich der CostEngine wurde das auf 1.568 beschrifteten Kontobezeichnungen aus 116 Konten gemessen — fünffach, nach Konto getrennt. Verglichen wurden drei Verfahren: der Textabgleich, ein Embedding-Modell (multilingual-e5-small, INT8, ohne Training) und die Kombination, bei der nur gemeldet wird, wenn beide denselben Knoten sehen.
| Verfahren | richtig gesamt | Abdeckung bei ≥ 90 % richtig | Größe | ms je Name |
|---|---|---|---|---|
| Textabgleich (TF-IDF) | 78,5 % | 71,5 % | 0,26 MB | 1,5 |
| Embedding-Modell allein | 76,2 % | 61,7 % | 118 MB | 3,3 |
| beide einig | — | 78,8 % bei 91,0 % | 118 MB | ≈ 5 |
Drei Dinge fallen auf. Erstens lohnt sich das Modell allein nicht: Bei sehr strengen Schwellen ist es zwar treffsicherer, deckt dann aber nur jedes dritte Konto ab; sobald es mehr als 60 % der Konten erreichen soll, fällt es unter den Textabgleich, weil es auch dort „ähnlich“ sieht, wo nur das Thema verwandt ist. Zweitens bringt es als Zweitmeinung messbar etwas: Bei gleicher Abdeckung sind 91 statt 88 % der Hinweise richtig. Drittens kam der stärkste Sprung nicht vom Modell, sondern von sauberen Daten: Nachdem die Referenznamen nach einem einheitlichen Regelwerk beschriftet waren, stieg der Textabgleich von 87 % richtig bei 44 % Abdeckung auf 94 % bei 53 %.
Welche Einstellung die richtige ist, ist keine technische, sondern eine betriebliche Frage — wie teuer ist ein falscher Hinweis, wie teuer ein übersehener? Eine Einschränkung bleibt: Das Prüfset stammt im Kern aus einem Betrieb. Für ein belastbares Urteil braucht es die Daten weiterer Mandanten.
8 · Fallstudie: Zwei Modelle, die nie liefen
Die CostEngine enthielt bis Version 11.8 zwei feingetunte Klassifikatoren auf Basis von Qwen2.5-0.5B mit LoRA-Adapter, exportiert als ONNX: einer prüfte, ob ein Buchungstext zum Konto passt, der andere, ob eine Buchung Aufwand oder Minderung ist. Beide meldeten im Trainingsbericht 100 % Trefferquote. Eine Nachprüfung im Oktober 2026 ergab:
| Befund | Messwert | Folge |
|---|---|---|
| Eingabe im Echtbetrieb | 0 Buchungstexte in GuV und SuSa | Beide Prüfungen liefen bei keiner einzigen Datei |
| Etikett „Aufwand/Minderung" | in 5.295 von 5.295 Beispielen = Vorzeichen des Betrags | Das Modell lernte das Vorzeichen — das kann eine Regel auch |
| „Text passt zum Konto" | Textähnlichkeit allein trennt 99,0 % | Kaum mehr als ein Buchstabenvergleich |
| Datenbasis | 986 verschiedene Texte in 5.295 Beispielen | Varianten auf beiden Seiten — daher die 100 % |
| Speicherbedarf | ≈ 940 MB für beide Modelle | geladen, ohne je einen Hinweis zu erzeugen |
Am Verfahren lag es nicht: LoRA, Quantisierung und ONNX haben funktioniert. Die Modelle waren auf eine Aufgabe trainiert, deren Eingabe es nicht gab, und auf Daten, die keine echte Herausforderung enthielten. Die Konsequenz in Version 11.9: Beide Modelle wurden entfernt. An ihre Stelle trat ein Namensabgleich ohne Modell, der mit der Eingabe arbeitet, die jede GuV hat — der Kontobezeichnung. Er braucht rund eine Millisekunde je Konto. Erst danach wurde ein Embedding-Modell gegen diese Messlatte gemessen (Abb. 6) und in Version 11.11 als Zweitmeinung eingebaut: optional, lokal, 118 MB, und nur mit Hinweisen, die eine Zahl nie ändern. Ein LoRA-Adapter für dieses Modell folgt erst, wenn Korrekturen aus mehr als einem Betrieb vorliegen — mit den Daten eines einzigen Betriebs würde er vor allem diesen einen auswendig lernen.
Eine hohe Trefferquote im Trainingsbericht beweist nichts, solange drei Fragen offen sind: Gibt es die Eingabe im Echtbetrieb? Was schafft ein einfaches Verfahren auf denselben Daten? Wurden Training und Prüfung so getrennt, dass die Prüfung wirklich neu ist? Die ehrliche Antwort auf diese Fragen hat in der CostEngine fast ein Gigabyte Modell durch ein Verfahren ersetzt, das man in jeder Zeile nachvollziehen kann.
9 · Die Grenzen — und warum sie bleiben sollen
Drei Dinge kann dieses System nicht, und bei zweien davon wäre es ein Fehler, es zu versuchen:
- 1Es entscheidet nicht. Die Zuordnung eines Kontos zu einer Kostenart ist eine betriebswirtschaftliche Festlegung mit Konsequenzen für Kalkulation und Preis. Das Werkzeug schlägt vor; verantwortlich bleibt der Mensch. Jede Zuordnung muss überschreibbar sein.
- 2Es rechnet nicht. Sprachmodelle sind für Zahlenverarbeitung ungeeignet — sie erzeugen plausibel aussehende Ergebnisse ohne Rechenweg. Sämtliche Beträge stammen aus deterministischem Code, nicht aus dem Modell. Das Modell ordnet zu, mehr nicht.
- 3Es kennt Ihren Betrieb nicht. Ob ein Meistergehalt Fertigungsgemeinkosten oder Verwaltung ist, hängt von der Organisation ab. Solche Festlegungen gehören in das Regelwerk oder in das Korrektur-Gedächtnis — dort sind sie dokumentiert und begründbar.
Der Nutzen dieser Technik liegt nicht darin, den Kalkulator zu ersetzen, sondern darin, ihm die mechanische Vorsortierung abzunehmen — damit er seine Zeit auf die Fälle verwendet, die tatsächlich Urteilsvermögen erfordern. Wer mit der Erwartung startet, das System werde die Kostenrechnung übernehmen, wird enttäuscht. Wer es als Vorsortierer mit Prüfpflicht einsetzt, gewinnt real Zeit.
10 · Aufwand und Nutzen — nüchtern
Der Aufbau eines solchen Systems kostet in erster Linie Zeit für Labeling, Regelpflege und Messung, nicht Geld für Hardware; ein gewöhnlicher Bürorechner genügt. Die Zeitersparnis in der laufenden Anwendung liegt bei einer monatlichen Abgrenzung im Bereich weniger Stunden — nennenswert, aber keine Größenordnung, die eine Stelle einspart.
Belastbare ROI-Angaben sind an dieser Stelle schwierig: Sie hängen von der Zahl der Konten, der Kontenstruktur und davon ab, wie sauber vorher gearbeitet wurde. Wer eine dreistellige Renditezahl präsentiert, extrapoliert aus einer Handvoll Annahmen. Realistischer ist die Betrachtung, dass sich der Aufwand über die Konsistenz rechnet: Eine Abgrenzung, die jeden Monat nach denselben Regeln erfolgt und deren Zuordnungen dokumentiert sind, ist mehr wert als ein paar eingesparte Stunden — weil sie Vergleichbarkeit über Perioden erst herstellt.
11 · Fünf Grundsätze
- 1Eingabe vor Training. Erst klären, welcher Text im Echtbetrieb vorliegt — Kontobezeichnung oder Buchungstext.
- 2Regel vor Modell. Was die Kontonummer sicher entscheidet, entscheidet die Kontonummer.
- 3Messlatte vor Modell. Jedes Modell tritt gegen ein einfaches Verfahren an. Nur der Abstand rechtfertigt den Aufwand.
- 4Nach Konto getrennt messen, Treffer und Abdeckung gemeinsam berichten.
- 5Der Mensch entscheidet — und jede seiner Korrekturen wird zum Trainingsbeispiel.
Dieser Artikel fasst die technischen Kapitel aus Teil VI des Fachbuchs zusammen. Im Buch verbleibt die methodische Einordnung (Kapitel 18); die Umsetzungsdetails stehen hier, weil sie schneller veralten als der kostenrechnerische Teil. Erste Fassung 07/2026, überarbeitet 10/2026, Messung ergänzt 11/2026.