40 monatliche GPS-Belege,
Ein Mitarbeiterregister
Eine mittelständische Buchhaltungskanzlei in São Paulo verwaltet die Lohnabrechnung für 12 Firmenkunden. Jeder Kunde hat zwischen 5 und 120 Mitarbeitern. Jeden Monat erhält die Kanzlei eine Zahlungsbestätigung – eine GPS (Guia da Previdência Social) oder eine DARF aus DCTFWeb – für den konsolidierten INSS-Beitrag jedes Kunden. Einige kommen als PDFs von der Bank. Andere sind Screenshots aus eSocial. Ein paar kommen als ausgedruckte Belege, die eingescannt werden. Bis zum 20. des Monats liegen im Lohnbuchhaltungsteam 30 bis 60 Zahlungsdokumente in einem Ordner, und eine Person ist dafür zuständig, jedes zu öffnen, den INSS-Wert abzulesen, die competência (Referenzmonat) zu notieren und in eine Master-Tabelle einzutippen. Diese Tabelle bezeichnen sie in der Kanzlei als ihr „INSS-Mitarbeiterregister“.
Die wichtigsten Erkenntnisse
- Eine Buchhaltungskanzlei, die die Lohnabrechnung für 12 Kunden verwaltet, verarbeitet 40 GPS- und DARF-Belege pro Monat – jeder einzelne wird von Hand geöffnet, gelesen und abgetippt.
- Die Daten sind korrekt, wenn sie die Bank verlassen – der manuelle Tippschritt führt Übertragungsfehler zwischen der Zahlungsbestätigung und Ihrem Mitarbeiterregister ein.
- Die Batch-Extraktion aller Belege in einem Durchgang erzeugt ein strukturell identisches Register, in dem jeder Wert auf ein bankverarbeitetes Dokument zurückgeht – nicht auf einen Tastendruck.
Das monatliche GPS-Problem: 40 Zahlungsdokumente, kein einziges Hauptbuch
Die Herausforderung besteht nicht darin, dass die Daten fehlen — sondern dass sie verstreut sind. Jeder GPS- oder DARF-Beleg enthält den INSS-Beitragsnachweis für einen Betrieb (identifiziert durch seine CEI oder seinen CNPJ) für einen Referenzmonat. Ein Unternehmen mit vier Filialen und 80 Mitarbeitern erzeugt vier GPS-Dokumente pro Monat — eines pro CEI — jeweils mit einem separaten INSS-Arbeitgeberbeitrag, einem separaten Arbeitnehmerabzugsbetrag und separaten Beiträgen für Dritte, wenn ihr FPAS-Code SENAI, SESI, SEBRAE oder Bildungsabgaben umfasst. Über ein Jahr produziert dieser einzelne Mandant 48 Belege. Bei 12 Mandanten sind das über 500 Dokumente jährlich, die alle in einzelnen PDFs oder Screenshots ohne strukturelle Verbindung zueinander liegen.
Das Hauptbuch, das sie verbindet — die eine Tabelle, die auf einen Blick zeigen sollte, was jeder Mandant monatlich an INSS gezahlt hat — wird manuell erstellt. Jemand öffnet jeden Beleg, liest den Beitragswert aus dem INSS-Feld, prüft, ob die competência (Referenzmonat, z. B. 06/2026) dem erwarteten Zeitraum entspricht, und tippt die Zahl in eine Tabellenzeile. Dieser Prozess dauert zwei bis drei Stunden pro Monat bei einem mittelgroßen Lohnvolumen. Wichtiger noch: Er schafft eine Übertragungslücke zwischen dem Quelldokument (das korrekt ist — die Bank hat die Zahlung verarbeitet) und dem Tracking-Datensatz (der falsch sein kann — ein Mensch hat ihn eingegeben).
Für ein umfassenderes Bild davon, wie die brasilianische Sozialversicherung in das gesamte Steuer- und Dokumentenökosystem des Landes passt, behandelt der Leitfaden zu brasilianischen Steuerdokumenten die Beziehung zwischen NF-e, DCTFWeb und dem Zahlungsbelegsystem. Der Fokus hier ist enger: was in den GPS- und DARF-Dokumenten steckt, die INSS-Zahlungen tragen, und wie man von 40 verstreuten Belegen zu einem sauberen Mitarbeiterhauptbuch gelangt.
Was GPS- und DARF-Dokumente tatsächlich enthalten
Bevor man ein Hauptbuch erstellt, hilft es zu verstehen, welche Daten genau in jedem Zahlungsdokument gespeichert sind. Brasilianische Sozialversicherungsbeiträge fließen über zwei primäre Kanäle, und welchen Ihr Team nutzt, hängt von der Meldeart des Arbeitgebers ab.
GPS (Guia da Previdência Social) ist der traditionelle Sozialversicherungs-Zahlungsbeleg, der weiterhin von kleineren Arbeitgebern, Einzelbeitragszahlern und Haushaltsarbeitgebern verwendet wird, die ihre Löhne über GFIP/SEFIP statt über eSocial melden. Er enthält die CNPJ oder CEI des Beitragszahlers, die competência (Beitragsmonat), den INSS-Wert (gesamt Arbeitnehmer + Arbeitgeber + Dritte), eine Aufschlüsselung der Beiträge für Dritte (SENAI, SESI, SEBRAE, Bildungsabgabe) und einen Zahlungscode, der die Beitragsart identifiziert — zum Beispiel Code 2003 für reguläre Arbeitgeber-INSS, 2100 für Einzelbeitragszahler oder 1007 für Haushaltsarbeitgeber.
DARF aus DCTFWeb ist der neuere Kanal, der von Unternehmen genutzt wird, die über eSocial melden. Seit 2020 ersetzt eSocial schrittweise GFIP, und wenn die Lohnabrechnung eines Unternehmens über eSocial gemeldet wird, generiert das DCTFWeb-Modul (Digitale Sozialversicherungs- und Steuererklärung) automatisch eine DARF — nicht eine GPS — für den konsolidierten INSS-Betrag. Diese DARF enthält dieselben zugrunde liegenden Daten, verwendet jedoch das bundesstaatliche Steuerzahlungsformat: einen código da receita (Einnahmencode, in der Regel 2909 für INSS auf Lohnabrechnungen), die CNPJ des Steuerpflichtigen, den período de apuração (Berechnungszeitraum), den Hauptbetrag (fälliger INSS) und den Gesamtbetrag, falls nach Ablauf der Frist mit Bußgeld und Zinsen gezahlt wird.
| Dokument | Schlüsselfeld | Was es erfasst |
|---|---|---|
| GPS | CNPJ / CEI | Arbeitgeber- oder Betriebsstättenkennung |
| Competência | Beitragsmonat (z. B. 07/2026) | |
| INSS-Wert | Gesamtbeitrag (Arbeitnehmer + Arbeitgeber + Dritte) | |
| Wert für Drittorganisationen | SENAI/SESI/SEBRAE-Abgaben gemäß FPAS-Code | |
| Zahlungscode | Beitragsart (2003 für Arbeitgeber, 2100 für Einzelpersonen usw.) | |
| DARF (DCTFWeb) | CPF / CNPJ | Steuerpflichtigenkennung |
| Einnahmencode (código da receita) | Steuerart — 2909 für INSS-Lohnabrechnung | |
| Berechnungszeitraum (período de apuração) | Monat, auf den sich der Beitrag bezieht | |
| Hauptbetrag | Fälliger INSS vor Strafen | |
| Gesamtbetrag | Hauptbetrag + Bußgeld + Zinsen (bei Verspätung) |
Die Gemeinsamkeit beider Formate ist die Notwendigkeit, die Betriebsstättenkennung (CNPJ oder CEI), den Referenzmonat (competência oder período de apuração) und den Beitragswert zu erfassen. Diese drei Felder sind das Minimum, um eine Zeile in einem Sozialversicherungsregister aufzubauen, das nach Monat summiert, mit DCTFWeb-Meldungen abgeglichen und zum Jahresende geprüft werden kann.
So verarbeiten Sie GPS-Belege im Batch in ein INSS-Mitarbeiterverzeichnis
Batch-Verarbeitung bedeutet hier nicht „jede PDF öffnen und die Nummer etwas schneller kopieren“. Es bedeutet, alle Zahlungsdokumente — GPS-Scheine, DARF-Belege, Bankzahlungsbelege, eSocial-Screenshots — in einem einzigen Durchgang hochzuladen und eine KI-Engine die strukturierten Felder aus jedem Dokument gleichzeitig extrahieren zu lassen, wobei die Ergebnisse in einer Tabelle zusammengeführt werden. Der folgende Workflow verwendet ImageToTable.ai, ein ohne Vorlage arbeitendes Extraktionstool, das Dokumente durch semantisches Verständnis liest — es identifiziert die CNPJ, den INSS-Wert und die competência (Referenzmonat) danach, was diese Felder bedeuten, nicht danach, wo sie auf der Seite stehen. Das ist wichtig, weil GPS-Dokumente von verschiedenen Banken, verschiedenen Bundesstaaten und verschiedenen Quellen (PDF-Schein vs. Handy-Screenshot vs. gescannter Ausdruck) völlig unterschiedlich aussehen, aber dieselben logischen Felder enthalten.
Wenn Sie mit dem Einzeldokument-Extraktionsworkflow für brasilianische Zahlungsbelege noch nicht vertraut sind, behandelt der Leitfaden zur Extraktion von DARF/GPS-Daten in Excel die Grundlagen zum Definieren von Spalten und zum Ausführen der Extraktion für ein Dokument. Der Batch-Workflow übernimmt all das und fügt die Konsolidierungsebene für mehrere Dokumente hinzu.
Die entscheidende betriebliche Änderung: Die Tabelle wird nicht mehr von einer Person erstellt, die einen Beleg liest und abtippt. Sie wird von der KI erstellt, die den Beleg liest und schreibt. Der Unterschied zwischen diesen beiden Methoden liegt nicht in der Geschwindigkeit – es ist die Beseitigung des Übertragungsfehlerrisikos. Jede Zahl in der Ausgabe stammt aus einem Quelldokument, das dadurch authentifiziert ist, dass die Bank die Zahlung verarbeitet hat, und wurde durch denselben Prozess, der sie gelesen hat, in eine strukturierte Tabelle überführt.
Aufbau Ihres INSS-Beitragskontos aus den extrahierten Daten
Mit einer im Batch extrahierten Tabelle aller monatlichen GPS- und DARF-Belege wird das Sozialversicherungskonto des Arbeitnehmers zu einem strukturierten Datensatz statt einer manuellen Zusammenstellung. Drei Berichtsebenen werden dadurch unkompliziert:
Monatliches Register pro Betriebsstätte. Filtern Sie nach CEI oder CNPJ, um eine monatliche Aufzeichnung der INSS-Beiträge für jede Betriebsstätte zu erstellen. Dieses Register zeigt für jeden Referenzmonat den gezahlten INSS-Betrag, die Beiträge an Drittinstitutionen und ob die Zahlung am oder vor dem Fälligkeitsdatum (dem 15. des Folgemonats für GPS, dem 20. für DARF aus DCTFWeb) erfolgte. Ein fehlender Monat in der Sequenz – eine competência (Referenzmonat) ohne entsprechende Zeile – signalisiert eine versäumte Zahlung, die untersucht werden muss, bevor die Verspätungszuschläge (0,33 % pro Tag bis zu 20 % zuzüglich Selic-Zinsen) anfallen.
Betriebsstättenübergreifende Konsolidierung. Für Unternehmen, die mehrere Filialen unter verschiedenen CEI-Codes betreiben, ermöglicht die extrahierte Tabelle die Zusammenfassung aller INSS-Beiträge in einer einzigen Unternehmensansicht. Summieren Sie nach competência (Referenzmonat) über alle CEI-Codes, um den gesamten vom Unternehmen für den Monat gezahlten INSS zu erhalten. Vergleichen Sie diese Summe mit dem in DCTFWeb erklärten konsolidierten INSS – eine Abweichung bedeutet, dass entweder ein Beleg im Konto fehlt oder die Erklärung mit einem anderen Wert eingereicht wurde. Dies am Monatsende zu erkennen, anstatt erst bei der DIRF-Erstellung im Februar, vermeidet das kostspielige Verfahren der nachträglichen Änderung von DCTFWeb-Übermittlungen.
Verfolgung von Drittinstitutionen nach FPAS-Code. Die GPS enthält eine Zeile für Beiträge an Drittinstitutionen (SENAI, SESI, SEBRAE und den Bildungszuschuss, die gemeinsam durch den FPAS-Code des Unternehmens bestimmt werden – ein vierstelliger Code, der das Unternehmen für Zwecke der Sozialbeiträge nach seiner Wirtschaftstätigkeit klassifiziert). Wenn Ihre Extraktionsspalten „Wert der Beiträge an Drittinstitutionen“ als separates Feld enthalten, können Sie diese Beiträge unabhängig vom Kern-INSS-Betrag verfolgen. Dies ist wichtig, da der FPAS-Code den Satz bestimmt – einige Branchen zahlen 3,3 % der Lohnsumme an diese Institutionen, andere zahlen 2,5 % oder 4,0 % – und ein Fehler in der FPAS-Klassifizierung an der Quelle bedeutet, dass die Zeile für Drittinstitutionen auf der GPS für jeden Monat des Jahres falsch sein könnte.
Vom extrahierten Hauptbuch zur DCTFWeb-Abstimmung
Der wahre Wert eines INSS-Beitragshauptbuchs zeigt sich bei der Abstimmung. In Brasilien müssen Arbeitgeber ihre monatliche Sozialversicherungspflicht über DCTFWeb melden, die den DARF zur Zahlung generiert. Die DCTFWeb-Erklärung und die tatsächlich bezahlten Belege sollten übereinstimmen. Wenn sie das nicht tun, markiert das automatisierte Malha Fiscal-Abgleichsystem der Receita Federal (brasilianische Bundessteuerbehörde) die Abweichung.
Mit einem strukturierten Hauptbuch, das aus per Batch extrahierten GPS- und DARF-Daten erstellt wurde, wird die Abstimmung zu einem Tabellen-Join: Pivotieren Sie das Hauptbuch nach competência (Referenzmonat), um die gesamten monatlich gezahlten INSS-Beiträge zu erhalten, vergleichen Sie diese mit den für denselben Zeitraum in DCTFWeb gemeldeten Beträgen und identifizieren Sie Monate, in denen die beiden voneinander abweichen. Eine Abweichungsanalyse, für die früher das Öffnen von 40 einzelnen Belegen und deren Abgleich mit einem separaten System erforderlich war, dauert jetzt nur noch wenige Minuten in einer Tabellenkalkulations-Pivot. Die extrahierten Daten werden zur Brücke zwischen den Zahlungsdokumenten (die belegen, dass das Geld das Konto verlassen hat) und der Erklärung (die belegt, dass der Receita Federal der korrekte fällige Betrag mitgeteilt wurde).
Für Lohnbuchhaltungsteams, die auch einzelne Mitarbeiterzahlungen verwalten – wie zum Beispiel die Batch-Verarbeitung brasilianischer holerites (Gehaltsabrechnungen) in ein konsolidiertes Lohnregister – funktioniert derselbe Batch-Ansatz über Dokumenttypen hinweg: Laden Sie alle Dokumente eines Monats Lohnabrechnung hoch (GPS-Belege, holerites (Gehaltsabrechnungen), FGTS-Quittungen), definieren Sie die Spalten und erhalten Sie ein Hauptbuch, das das gesamte Steuer- und Lohnbild abdeckt.
Häufig gestellte Fragen
Kann das Tool in derselben Charge zwischen GPS-Dokumenten und DARF-Dokumenten unterscheiden?
Ja. Wenn Ihre Spaltendefinitionen „Dokumententyp (Optionen: GPS/DARF)“ als abgeleitete Spalte enthalten, klassifiziert die KI jedes Dokument automatisch. Sie liest die Kopfzeile und das Layout des Dokuments – GPS-Dokumente enthalten Felder wie „CEI do Contribuinte“ und „Competência (Referenzmonat)“, DARF-Dokumente enthalten „Período de Apuração (Berechnungszeitraum)“ und „Código da Receita (Einnahmencode)“ – und weist jeder Zeile den korrekten Typ zu. So können Sie eine gemischte Charge mit GPS-Belegen eines Kunden und DARF-Belegen eines anderen Kunden in einem einzigen Upload verarbeiten, wobei die Spalte „Dokumententyp“ die Ergebnisse organisiert hält.
Wie verarbeitet das Tool GPS-Belege mit mehreren Beitragszeilen (Arbeitnehmer-INSS, Arbeitgeber-INSS, Dritte)?
Das Tool extrahiert jede Zeilenkomponente unabhängig. Definieren Sie separate Spalten – „Arbeitnehmer-INSS“, „Arbeitgeber-INSS“, „Dritte“ – und die KI liest die entsprechenden Werte aus dem Aufschlüsselungsbereich des Belegs. Bei GPS-Dokumenten, bei denen dieselbe Beitragskategorie in mehreren Zeilen erscheint (z. B. separate Zeilen für verschiedene CEI-Codes innerhalb derselben Einrichtung), erzeugt jede Zeile eine separate Zeile in der Ausgabe, wobei die CEI-Wert-Beziehung erhalten bleibt. Dies ist nützlich, um Beiträge zu verfolgen, die für verschiedene Zweige desselben Unternehmens gelten.
Was passiert, wenn ein GPS verspätet gezahlt wurde und Bußgeld und Zinsen enthält?
Fügen Sie „Bußgeldbetrag“, „Zinsbetrag“ und „Kapitalbetrag“ als separate Spalten in Ihre Definitionen ein. Die KI extrahiert jeden Wert aus den entsprechenden Feldern auf dem Beleg. Ihr Hauptbuch erfasst dann sowohl den Basisbeitrag als auch etwaige Strafgebühren und liefert Ihnen eine vollständige Aufzeichnung darüber, was gezahlt wurde und warum der Gesamtbetrag vom gemeldeten INSS-Betrag abweicht. Dies ist besonders nützlich für den Abgleich, da Bußgeld und Zinsen nicht Teil der INSS-Verpflichtung selbst sind – sie sind eine Folge der verspäteten Zahlung – und ihre Trennung im Hauptbuch hält die Beitragsverfolgung genau.
Kann ich Daten aus einem Bankzahlungsbeleg anstelle des ursprünglichen GPS-Dokuments extrahieren?
Ja – sofern der Kontoauszug dieselben wichtigen Felder (CNPJ/CEI, competência (Referenzmonat), INSS-Wert, Gesamtbetrag) anzeigt, die auch auf dem ursprünglichen GPS erscheinen. Banking-Apps von Caixa, Banco do Brasil, Itaú, Santander und Bradesco generieren alle Zahlungsbestätigungen, die diese Felder enthalten. Laden Sie den Screenshot oder das exportierte PDF als Bild hoch, definieren Sie dieselben Spalten, und die KI extrahiert die Daten aus der Bankbestätigung. Die Einschränkung besteht darin, dass Bankbestätigungen bestimmte Felder kürzen können – die vollständige GPS-Aufschlüsselung des Arbeitnehmer- vs. Arbeitgeber-INSS wird normalerweise zu einem einzigen Gesamtbetrag zusammengefasst, während der ursprüngliche GPS-Beleg die vollständige mehrzeilige Struktur zeigt. Verwenden Sie das ursprüngliche GPS, wenn Sie die detaillierte Aufschlüsselung benötigen; verwenden Sie den Kontoauszug, wenn Sie nur den Gesamtwert für die Buchhaltungsverfolgung benötigen.
Funktioniert dieser Workflow auch für FGTS-Beiträge (Fundo de Garantia do Tempo de Serviço)?
FGTS-Zahlungen verwenden ein separates Abrechnungssystem (GFIP/SEFIP oder eSocial-generiertes FGTS Digital) mit einem anderen Zahlungsbelegformat – der GRF (Guia de Recolhimento do FGTS) oder dem neueren digitalen Zahlungsschein. Derselbe Batch-Extraktionsansatz gilt: Definieren Sie Spalten für die FGTS-spezifischen Felder (Arbeitgeber-CNPJ, Referenzmonat, 8% Arbeitgebereinzahlung und etwaige zusätzliche Abgaben), laden Sie die Zahlungsdokumente hoch und extrahieren Sie sie in ein separates FGTS-Beitragsregister. Der Batch-Workflow selbst ist identisch; nur die Spaltendefinitionen ändern sich, um der FGTS-Dokumentenstruktur zu entsprechen.
Der Unterschied zwischen einer manuell erstellten Aufstellung und einer per Batch extrahierten ist nicht die Geschwindigkeit — er ist strukturell. Eine manuelle Aufstellung ist eine Aufzeichnung dessen, was eine Person eingegeben hat. Eine per Batch extrahierte Aufstellung ist eine Aufzeichnung dessen, was die Dokumente aussagen. Die zweite ist von Natur aus prüfbar, da jeder Wert auf ein Quelldokument zurückgeht, das von einer Bank verarbeitet wurde. Die sozialversicherungsrelevanten Informationen der Arbeitnehmer sind bereits in den GPS- und DARF-Belegen enthalten — sie waren korrekt, als sie die Bank verließen. Die einzige Frage ist, ob Ihre Aufstellung dieselben Informationen widerspiegelt, ohne dass ein manueller Übertragungsschritt Fehler einführt.
Wenn Ihr Lohnbuchhaltungsteam oder Ihre Buchhaltungsfirma GPS- und DARF-Belege für mehrere Mandanten oder Betriebsstätten verarbeitet, ist der nächste Schritt naheliegend: Nehmen Sie die Zahlungsdokumente eines Monats — auch nur eine Handvoll — und führen Sie sie durch den Batch-Extraktions-Workflow. Die Zeit vom Upload bis zu einer strukturierten Excel-Tabelle beträgt unter einer Minute. Vergleichen Sie die Ausgabe mit Ihrer manuellen Aufstellung und sehen Sie, welcher Sie für die DCTFWeb-Abstimmung vertrauen.