Wie funktioniert der Vorkontierungs-Agent?

Beim Export von Ausgaben prüft der Agent die von dir zugewiesenen Buchhaltungsattribute. Diese historischen Zuordnungen bilden die Grundlage, auf der der Agent lernt, wie dein Unternehmen Ausgaben codiert.

Sobald du die ersten 150 Transaktionen, 25 Rechnungen oder 25 Geschäftsausgaben (Rückerstattungen) exportiert hast, trainieren wir auf der Grundlage deiner Daten ein KI-Modell für dein Unternehmen und deine Ausgaben. Das Modell analysiert, wie deine Sachkonten, Umsatzsteuersätze und andere Dimensionen zuvor zugeordnet wurden. Auf der Grundlage dieser Muster trifft es Vorhersagen zu den richtigen Buchhaltungsdetails.

Für alle zukünftigen Transaktionen, Rechnungen und Rückerstattungen versucht das Modell dann, die Umsatzsteuer, das Sachkonto und andere Dimensionen vorherzusagen. Diese Vorhersage basiert auf Wahrscheinlichkeiten. Wenn die Zuversichtlichkeit des Agenten unter eine bestimmte Schwelle fällt, bleibt der Wert leer. So entstehen weniger falsche Zuordnungen.

Wenn es mehrere Optionen mit höherer Wahrscheinlichkeit gibt, zeigt der Agent bis zu fünf Vorschläge in den Dropdown-Menüs an, die oben angeheftet sind, sodass Buchhalter schnell den richtigen Wert auswählen können, ohne die gesamte Liste durchsuchen zu müssen. Wenn kein Vorschlag die Mindestschwelle erreicht, werden im Dropdown-Menü keine Vorschläge angezeigt und die Felder bleiben für die manuelle Eingabe leer.

Unsere internen Daten zeigen, dass der Agent häufiger korrekte Buchhaltungsattribute zuweist als statische Regelsätze. Wir empfehlen daher, in den Einstellungen die Option „Agent überschreibt Regeln“ zu aktivieren, damit die besten Vorhersagen des Agenten Vorrang haben. Die Standardeinstellung ist „Regeln zuerst“, sodass die Regeln so lange maßgeblich bleiben, bis du diese Option aktivierst.

Der Agent verbessert sich kontinuierlich durch eine Feedbackschleife. Wenn er eine falsche Vorhersage trifft, kannst du diese korrigieren, und der Agent lernt aus dieser Korrektur. Jedes Mal, wenn du Transaktionen, Rechnungen oder Erstattungen exportierst, erstellen wir ein aktualisiertes Modell, das deine vorherigen Korrekturen und die neuesten exportierten Daten berücksichtigt.

Wenn du ein bestimmtes Sachkonto, einen USt-Satz oder einen anderen Wert löschst, überarbeiten wir das Modell, sodass diese Werte nicht mehr vorhergesagt werden.

Der Agent benötigt Beispiele, um zu lernen. Wenn ein Wert nur selten in deinen Daten vorkommt (beispielsweise in weniger als ~10 Transaktionen), ist es unwahrscheinlich, dass der Agent eine zuverlässige Vorhersage treffen kann. Der Wert wird dann möglicherweise ignoriert.

Wenn identische Transaktionen oder Rechnungen routinemäßig unterschiedlichen Konten zugeordnet werden (z. B. derselbe Kreditor wird manchmal unterschiedlichen Kostenstellen angerechnet), wird es für den Agenten schwierig, ein klares Muster zu erkennen, und er neigt dazu, den häufigsten Wert auszuwählen.

Wenn sich das Modell unsicher ist – in der Regel aufgrund unzureichender oder verrauschter Daten –, lässt es Felder leer, anstatt eine riskante Vorhersage zu treffen. Dieses Verhalten schützt vor falschen Übereinstimmungen.