Stapelverarbeitung deutscher Lohnsteuerbescheinigungen
80 Mitarbeiter, eine Tabelle

Warum das Extrahieren eines Zertifikats nichts über das Extrahieren von achtzig aussagt

Öffnen Sie eine Lohnsteuerbescheinigung als PDF. Finden Sie Bruttoarbeitslohn in Position 3. Kopieren Sie die Zahl. Fügen Sie sie in Excel ein. Wiederholen Sie dies für die Positionen 4, 5, 6 und 22 bis 25. Wiederholen Sie nun alles für 79 weitere PDFs. Bei drei Minuten pro Dokument – der durchschnittlichen manuellen Erfassungszeit für eine Seite mit etwa 10 Datenfeldern – sind das vier Stunden ununterbrochene Dateneingabe. Und das setzt null Fehler, null Unterbrechungen und null Mitarbeiter mit ungewöhnlichen Bescheinigungsbedingungen voraus.

Das eigentliche Problem bei Stapeln ist nicht die Geschwindigkeit. Es ist, dass Fehler in einem Stapel lautlos eskalieren. Vertauschen Sie zwei Zahlen in einer einzelnen Bescheinigung, und ein scharfer Prüfer bemerkt es. Machen Sie dasselbe bei Bescheinigung Nr. 47 von 80, und es verschwindet. Das Einzeldokument-Tutorial lehrt Sie, von einem PDF-Feld zu einer Tabellenzelle zu gelangen. Das Stapelproblem ist orthogonal: Überprüfen, ob 800 Zellen in 80 Zeilen korrekt sind, während zwanzig andere Februar-Aufgaben um Ihre Aufmerksamkeit buhlen.

Es gibt auch einen strukturellen Unterschied in der Art, wie die Daten eintreffen. Eine einzelne Bescheinigung stammt aus einem Lohnabrechnungssystem – sagen wir, der DATEV LODAS-Instanz Ihres Steuerberaters. Ein Stapel von 80 Bescheinigungen eines deutschen Unternehmens mit normaler Mitarbeiterfluktuation könnte Folgendes enthalten:

• 70 Bescheinigungen vom aktuellen Steuerberater (DATEV-Format, einheitliches Layout)
• 6 Bescheinigungen von Mitarbeitern, die im Laufe des Jahres eingetreten sind, ausgestellt von deren vorherigen Arbeitgebern (Lexware, Sage oder ein anderer Steuerberater mit DATEV – anderes Layout)
• 4 Bescheinigungen für Mitarbeiter, die im Laufe des Jahres ausgeschieden sind und jetzt ausgestellt werden müssen, nicht zum Jahresende (gleiches System, aber die Bescheinigung deckt einen Teil des Jahres ab – anderer Datumsbereich in Position 1)

Wann haben Sie zuletzt 80 PDFs geöffnet, drei verschiedene Layouts gefunden und überprüft, ob alle 800 extrahierten Werte korrekt sind? Ein Batch-Workflow, der Layout-Variationen nicht verarbeiten und Mitarbeiter mit ungewöhnlichen Bedingungen markieren kann, ist kein Batch-Workflow. Es sind 80 Einzeldokument-Extraktionen nacheinander – mit eingebauten Fehlern.

Steuerklassen in einem echten Unternehmen: Warum sechs verschiedene Abzugsformeln die manuelle Extraktion sprengen

Die sechs deutschen Steuerklassen (I–VI, geregelt durch §38b EStG) bestimmen, wie viel Lohnsteuer monatlich vom Gehalt jedes Mitarbeiters einbehalten wird. Sie ändern nichts an der jährlichen Gesamtsteuerschuld – die wird mit der Steuererklärung des Mitarbeiters abgerechnet –, aber sie ändern, was in Position 4 der Bescheinigung (einbehaltene Lohnsteuer) erscheint. Für den Datenextraktor bedeutet das praktisch: Sie können Position 4 nicht mit einem einheitlichen Prozentsatz von Position 3 plausibilisieren. Zwei Mitarbeiter mit demselben Bruttogehalt können deutlich unterschiedliche Lohnsteuerabzüge haben.

So sieht die Belegschaft eines typischen deutschen KMU durch die Brille der sechs Steuerklassen aus:

Die Verteilung ist entscheidend, denn sie bedeutet, dass Ihr Batch nicht eine einzige, 80-mal wiederholte Berechnung ist. Mitarbeiter Nr. 23 in Steuerklasse III mit 65.000 € Brutto zeigt einen deutlich niedrigeren Lohnsteuerabzug in Position 4 als Mitarbeiter Nr. 47 in Steuerklasse I mit dem gleichen Brutto. Mitarbeiter Nr. 61 in Steuerklasse V zeigt einen höheren Abzug als beide, obwohl er weniger verdient. Wenn Ihr Prüfprozess von einem sauberen Brutto-Steuer-Verhältnis ausgeht, werden Sie gültige Bescheinigungen fälschlicherweise als Fehler markieren und tatsächliche Extraktionsfehler bei Bescheinigungen an den Rändern der Verteilung übersehen.

Der Batch-Verarbeitungsansatz umgeht dies, indem er vollständig auf eine verhältnisbasierte Validierung verzichtet. Anstatt zu prüfen, ob Position 4 "richtig aussieht" für Position 3, liest die Extraktion selbst den Wert, der im Feld erscheint – denn die Werte wurden bereits von einem Lohnabrechnungssystem berechnet, das die korrekte Steuerklassenformel angewendet hat. Ihre Aufgabe ist die genaue Extraktion, nicht die Neuberechnung.

Kirchensteuer im Batch: Warum ein Feld, das bei der Hälfte der Mitarbeiter leer ist, am schwierigsten korrekt zu erfassen ist

Die Kirchensteuer (Position 6 auf der Bescheinigung) wird mit 8 % der Lohnsteuer in Bayern und Baden-Württemberg, 9 % in allen anderen Bundesländern einbehalten. Sie gilt nur für Arbeitnehmer, die einer steuererhebenden Religionsgemeinschaft angehören – katholisch, evangelisch oder jüdisch. Der Mitgliedschaftsstatus des Arbeitnehmers wird im ELStAM-System gespeichert und automatisch an die Lohnabrechnungssoftware des Arbeitgebers übermittelt. Arbeitnehmer, die durch einen formellen Kirchenaustritt aus der Kirche ausgetreten sind oder nie Mitglied waren, zeigen in Position 6 null oder einen leeren Wert.

In einem Batch von 80 deutschen Arbeitnehmern haben etwa 35–45 einen Kirchensteuerwert und 35–45 nicht. Diese Aufteilung schafft drei batchspezifische Probleme, die bei der Einzelbelegextraktion nie auftreten:

Problem 1: Die Nullwert-Mehrdeutigkeit. Wenn Position 6 auf einem gescannten Zertifikat leer ist, liegt das daran, dass der Arbeitnehmer kein Kirchenmitglied ist? Oder weil die Extraktion das Feld übersehen hat? Ein manueller Prüfer kann einen Blick auf das Zertifikat werfen und dies beantworten. Bei einer Charge von 80 mit einem zweistündigen Prüffenster führt eine Mehrdeutigkeit selbst bei fünf Zeilen dazu, dass Sie trotzdem PDFs öffnen müssen – und damit den Sinn der Automatisierung untergraben.

Problem 2: Überprüfung des Bundeslandes ohne Kontext. Wenn Ihre Berichterstattung überprüfen muss, ob die Kirchensteuer mit dem korrekten Satz (8 % vs. 9 %) berechnet wurde, müssen Sie wissen, in welchem Bundesland der Arbeitnehmer seinen Wohnsitz hat. Die Lohnsteuerbescheinigung gibt das Bundesland nicht direkt an – Sie leiten es aus der Betriebsnummer des Arbeitgebers (linke Spalte) oder aus separaten Personalakten ab. Eine Batch-Extraktion mit einer berechneten Spalte kann den effektiven Kirchensteuersatz (Position 6 / Position 4) pro Arbeitnehmer berechnen und Zeilen markieren, bei denen der Satz außerhalb des Bereichs von 8–9 % liegt, zur Prüfung.

Problem 3: Mitgliedschaftswechsel im Laufe des Jahres. Ein Arbeitnehmer, der im Juli einen Kirchenaustritt vollzieht, hat von Januar bis Juni Kirchensteuer einbehalten, von Juli bis Dezember jedoch nicht. Die Jahresbescheinigung spiegelt den anteiligen Jahresbetrag wider. Er wird niedriger sein als entweder null oder die vollen 8–9 % der jährlichen Einkommensteuer. Ein Prüfer, der eine saubere Trennung zwischen „Mitglied" und „Nichtmitglied" erwartet, könnte dies als Abweichung markieren, obwohl es korrekt ist.

Arbeitnehmer mit mehreren Arbeitgebern: Die Stapel-Konsolidierung, auf die niemand vorbereitet ist

Ein Arbeitnehmer, der im Mai den Job wechselt, erhält von jedem Arbeitgeber eine separate Lohnsteuerbescheinigung. Arbeitgeber A stellt eine Bescheinigung für Januar bis Mai aus. Arbeitgeber B stellt eine Bescheinigung für Juni bis Dezember aus. Das gesamte Jahreseinkommen des Arbeitnehmers für eine ausländische Steuergutschrift oder einen Shadow-Payroll-Abgleich ergibt sich aus der Summe beider Bescheinigungen.

In einem Stapel von 80 Arbeitnehmern haben beispielsweise 12 im Laufe des Jahres den Job gewechselt. Aus 80 Bescheinigungen werden 92. Plötzlich muss Ihre Tabelle 12 Arbeitnehmer über jeweils zwei Zeilen konsolidieren, während die anderen 68 auf einzelnen Zeilen sitzen. Excel-Pivot-Tabellen können dies, benötigen aber die Arbeitnehmerkennung – die Steuer-Identifikationsnummer (11-stellige, permanente Steuer-ID) – die aus allen Bescheinigungen einheitlich extrahiert werden muss. Wenn die Steuer-ID von Arbeitnehmer #41 aus der Bescheinigung von Arbeitgeber A sauber extrahiert wurde, aber aufgrund eines Layout-Unterschieds bei Arbeitgeber B fehlt, bricht die Pivot-Tabelle still: 11 Arbeitnehmer konsolidiert, einer erscheint doppelt als separate Einträge.

Der Stapel-Workflow, der dies sauber handhabt, extrahiert die Steuer-ID als Spalte neben den Lohndaten. Nach dem Export aggregiert eine einfache SUMIF-Funktion auf der Steuer-ID-Spalte das Bruttogehalt, die einbehaltene Lohnsteuer und die Sozialversicherungsbeiträge pro Arbeitnehmer. Die Extraktion selbst führt die Konsolidierung nicht durch – das ist eine Tabellenkalkulationsoperation – aber die Extraktion ermöglicht die Konsolidierung, indem sie eine saubere, konsistente Kennungsspalte über alle Bescheinigungen im Stapel bereitstellt.

Das ist betrieblich relevant, da die Frist zum 28. Februar gemäß §41b EStG den Arbeitgeber betrifft, nicht den Arbeitnehmer. Arbeitgeber A muss dem ausscheidenden Arbeitnehmer innerhalb einer angemessenen Frist nach Beendigung des Arbeitsverhältnisses eine Bescheinigung ausstellen. Arbeitgeber B erhält eine Kopie dieser Bescheinigung – als PDF, nicht als maschinenlesbaren Datenfeed. Es gibt keine Schnittstelle zwischen der Lohnabrechnung von Arbeitgeber A und der von Arbeitgeber B. Das PDF ist die Datenbrücke.

Jahresübergreifende Konsolidierung: Wenn eine dreijährige Vergütungsprüfung auf drei verschiedene Lohnabrechnungssysteme trifft

Ein Global-Mobility-Team, das die Gesamtvergütung eines deutschen Entsandten für 2023–2025 abstimmt, benötigt Lohnsteuerbescheinigungen aus drei Steuerjahren. Wenn der Entsandte zwischen Tochtergesellschaften wechselte, stammen die Bescheinigungen von drei verschiedenen Arbeitgebern, die jeweils ein anderes Lohnabrechnungssystem nutzen. Die Feldnummerierung (Positionen 1–27) ist über die Jahre hinweg stabil, das Layout der Bescheinigung jedoch nicht – DATEV, Lexware und Sage formatieren dieselben 27 Felder jeweils unterschiedlich.

Der einjährige, einzelarbeitgeberbezogene Workflow lautet: eine Bescheinigung hochladen, Felder extrahieren, fertig. Die dreijährige, mehrarbeitgeberbezogene Version lautet: sechs Bescheinigungen hochladen (zwei Arbeitgeber pro Jahr für einen Entsandten, der einmal den Job gewechselt hat), mit denselben Spaltendefinitionen aus allen sechs extrahieren und darauf vertrauen, dass die KI den Bruttoarbeitslohn korrekt liest – unabhängig davon, ob DATEV ihn 45 mm vom Seitenanfang oder Lexware 72 mm vom Seitenanfang platziert hat.

Hier unterscheidet sich die Spaltennamenextraktion für deutsche Lohnsteuerbescheinigungen von der schablonenbasierten OCR. Eine Schablonenlösung benötigt eine Positionskarte pro Layoutvariante. Sechs Bescheinigungen aus drei Abrechnungssystemen und drei Jahren bedeuten potenziell neun verschiedene Schablonen, die gewartet und geprüft werden müssen. Die Spaltennamenextraktion benötigt einen einzigen Satz englischer Spaltenüberschriften, der einmal angewendet wird. Sie geben „Bruttogehalt (EUR)“, „Einbehaltene Lohnsteuer (EUR)“ und „Rentenbeitrag (EUR)“ ein – die KI findet die entsprechenden Werte auf jeder Bescheinigung, indem sie versteht, was das Feld bedeutet, nicht wo es steht.

Der jahresübergreifende Batch ist auch der Punkt, an dem sich berechnete Spalten für den Einrichtungsaufwand lohnen. Statt rohe Werte aus Position 3 und Position 4 nach Excel zu extrahieren und dort Formeln zur Berechnung der Steuerlastquote zu schreiben, definieren Sie die Berechnung während der Extraktion: Die Spalte „Effektiver Steuersatz“ ist `Einbehaltene Lohnsteuer / Bruttogehalt`. Die KI führt die Berechnung für jede Bescheinigung durch und gibt das Ergebnis aus. Für eine Dreijahresprüfung, ob sich der effektive Steuersatz des Entsandten nach einem Steuerklassenwechsel geändert hat, liefert die berechnete Spalte die Antwort direkt – über alle sechs Bescheinigungen hinweg in einem einzigen Batch-Durchlauf.

Der Batch-Workflow: von 80 PDFs zu einer Tabelle an einem Nachmittag

Hier ist der Extraktions-Workflow für das Februarszenario: Ihr Steuerberater hat PDF-Bescheinigungen für Ihre deutsche Belegschaft geschickt. Ihre Berichtsfrist ist in Tagen, nicht Wochen. Der Workflow ist darauf ausgelegt, so schnell wie möglich zu einer prüfbaren Tabelle zu gelangen, wobei Ausnahmen proaktiv gemeldet werden, statt erst bei der manuellen Prüfung entdeckt zu werden.

Schritt 1: Alles auf einmal hochladen. Ziehen Sie alle Bescheinigungs-PDFs in einem einzigen Durchgang in den Upload-Bereich. Nicht nach Steuerklasse, Abteilung oder Format trennen. Ein gemischter Batch – DATEV- und Lexware-PDFs zusammen, gescannte und native PDFs, Jahres- und Teilzeitbescheinigungen – wird nacheinander im selben Durchlauf verarbeitet und in einer Ausgabetabelle zusammengefasst. Das Tool akzeptiert PDF, JPG und PNG; wenn einige Bescheinigungen als E-Mail-Anhänge und andere als Scans aus dem Aktenschrank vorliegen, laden Sie beide Formate gemeinsam hoch.

Schritt 2: Spalten einmal definieren. Geben Sie die englischen Spaltennamen ein, die Ihre Berichterstattung benötigt. Ein praktischer Spaltensatz für die internationale Vergütungsberichterstattung aus deutschen Lohnsteuerbescheinigungen umfasst die Kernfelder plus Kennungen zur Konsolidierung:

Für eine erweiterte Batch-Einrichtung fügen Sie ein oder zwei berechnete Spalten hinzu, die als Querchecks bei der Prüfung dienen. Eine Spalte namens „Steuerlast-Prüfung“, definiert als (Lohnsteuer + Soli + Kirchensteuer) / Bruttogehalt, liefert eine Quote pro Mitarbeiter. Ausreißer – Mitarbeiter mit einem effektiven Steuersatz über 35 % oder unter 10 % – fallen in einer sortierten Spalte sofort auf, bevor Sie etwas überprüfen. Eine weitere Spalte „Sozialversicherungs-Prüfung“, die die vier Spalten mit Arbeitnehmerbeiträgen summiert, liefert eine einzelne Zahl zum Vergleich mit groben Erwartungen (die Arbeitnehmer-Sozialbeiträge betragen für gesetzlich Versicherte insgesamt etwa 20–21 % des Bruttogehalts).

Schritt 3: Verarbeiten und stichprobenartig prüfen. Die KI verarbeitet die Bescheinigungen nacheinander. Bei 5–10 Sekunden pro Seite ist ein Batch mit 80 Mitarbeitern in unter 10 Minuten abgeschlossen. Die Ausgabe ist eine Tabelle mit 80 Zeilen und Ihren definierten Spalten. Der erste Prüfdurchlauf sollte nicht jede Zelle überprüfen. Er sollte Folgendes prüfen:

• Zeilenanzahl: Gibt es genau 80 Zeilen (oder mehr, wenn Mitarbeiter mehrere Jobs hatten)?
• Kopfzeile: Sind alle erwarteten Spalten mit den korrekten englischen Namen vorhanden?
• Fünf Stichproben: Wählen Sie fünf Mitarbeiter, über die Sie etwas wissen – den Spitzenverdiener, einen Neuzugang, jemanden in Steuerklasse III, jemanden mit Kirchensteuer, jemanden ohne – und überprüfen Sie diese Zeilen anhand ihrer PDFs.
• Ausreißer in berechneten Spalten: Sortieren Sie die Spalte „Steuerlast-Prüfung“. Untersuchen Sie die drei höchsten und drei niedrigsten Werte. Meistens sind sie korrekt, aber ungewöhnlich (z. B. ein Mitarbeiter der Klasse V mit einer hohen Quote oder ein Mitarbeiter der Klasse III mit einer niedrigen).

Schritt 4: Exportieren und ausliefern. Sobald die Stichproben bestanden sind, exportieren Sie als XLSX. Die Datei hat englische Spaltenüberschriften, eine Zeile pro Bescheinigung und Werte, die aus der maßgeblichen, mit dem Finanzamt abgestimmten Quelle extrahiert wurden. Übergeben Sie sie an Ihr globales Vergütungsteam.

Dieser Workflow ersetzt, was die Personalabteilung eines mittelständischen deutschen Unternehmens jeden Februar manuell erledigt: Jede PDF öffnen, jedes Feld suchen, in eine Tabelle übertragen, deutsche Bezeichnungen in englische Spaltenüberschriften übersetzen und hoffen, dass nichts vertauscht wurde. Bei 80 Mitarbeitern und je zehn Feldern sind das 800 manuelle Feldabgleiche über Dokumente hinweg – in einer Sprache, die der Bearbeiter möglicherweise nicht fließend beherrscht. Die Stapelverarbeitung ersetzt nicht die Prüfung – kein automatisiertes System sollte bei Gehaltsdaten ohne Verifizierung vertrauenswürdig sein –, aber sie verkürzt den Extraktionsschritt von einem ganzen Arbeitstag auf unter zehn Minuten.

Ausnahmen, die erst im Stapelbetrieb sichtbar werden

Bei der Verarbeitung eines einzelnen Zertifikats fällt ein fehlendes Feld sofort auf. Bei 80 Zertifikaten verstecken sich fehlende Felder mitten in der Tabelle. Hier sind die Ausnahmekategorien, die die Stapelverarbeitung explizit behandeln muss:

Solidaritätszuschlag: Die meisten Zeilen sind null. Seit der Reform 2021, die den Freibetrag auf 19.950 € (Einzelperson) / 39.900 € (gemeinsam) angehoben hat, zahlen rund 90 % der deutschen Steuerzahler keinen Soli. Bei einer Belegschaft von 80 Personen bedeutet das, dass Position 5 bei etwa 72 Mitarbeitern null ist. Ein Prüfer, der 72 Zeilen mit 0,00 € und 8 Zeilen mit kleinen positiven Beträgen sieht, könnte annehmen, dass die 72 Nullen Extraktionsfehler sind. Das sind sie nicht. Das Bundesverfassungsgericht hat die Verfassungsmäßigkeit des Solis im März 2025 bestätigt, und die aktuelle Struktur ist stabil. Gegenprobe: Die 8 Mitarbeiter mit einem Soli ungleich null sollten auch eine Einkommensteuer oberhalb des Freibetrags aufweisen.

Unterjährige Abgänge: Eine Teilbescheinigung wirkt unvollständig, ist es aber nicht. Ein im August ausgeschiedener Mitarbeiter erhält eine Lohnsteuerbescheinigung für Januar bis August. Sein Bruttogehalt in Position 3 beträgt etwa zwei Drittel dessen, was man bei einer ganzjährigen Beschäftigung erwarten würde. Prüft der Bearbeiter auf Auffälligkeiten, indem er Gesamtbeträge statt Verhältnisse betrachtet, lösen Teilbescheinigungen wiederholt Fehlalarme aus. Die Lösung: Fügen Sie eine Spalte „Zeitraum“ in Ihre Extraktion ein, sofern das Bescheinigungsformat dies unterstützt – die meisten DATEV-Bescheinigungen drucken die Beschäftigungszeiträume. Oder ergänzen Sie eine berechnete Spalte, die das effektive Monatsgehalt (Bruttogehalt / abgerechnete Monate) zum Vergleich ermittelt.

Steuerfreie Arbeitgeberleistungen, die auftauchen, wo Sie nicht danach gefragt haben. Die Positionen 10 bis 19 der Bescheinigung decken steuerfreie Leistungen ab: Verpflegungsmehraufwand (Position 21), doppelte Haushaltsführung, Umzugskostenerstattungen, vermögenswirksame Leistungen. Diese Felder erscheinen auf der Bescheinigung, sind aber nicht in Ihren Standardspaltendefinitionen enthalten. Bei den meisten Mitarbeitern sind sie null. Bei einigen wenigen – etwa Expatriates im Rotationsmodell oder Mitarbeiter, die für die Stelle umgezogen sind – enthalten sie relevante Beträge. Wenn Ihre Gesamtvergütungsberichterstattung arbeitgeberfinanzierte Leistungen berücksichtigen muss, definieren Sie Spalten für diese Felder, auch wenn sie bei 75 von 80 Mitarbeitern leer sind. Die Kosten für ein paar zusätzliche leere Spalten im Output sind null. Die Kosten, wenn Sie im Juli feststellen, dass die steuerpflichtigen Leistungen von drei Entsandten nie erfasst wurden, sind eine Neudarstellung.

Namensabgleich zwischen HRIS und Bescheinigungen. Ihr HRIS führt Mitarbeiter unter englischsprachigen Namen oder Mitarbeiter-IDs. Die PDF-Bescheinigung enthält den beim Finanzamt registrierten Namen des Mitarbeiters, der Mittelnamen, deutsche Sonderzeichen (Müller nicht Mueller, Straße nicht Strasse) oder einen vom Ledignamen abweichenden Ehenamen umfassen kann. Das einzig zuverlässige Querfeld ist die Steuer-Identifikationsnummer – die 11-stellige lebenslange Steuer-ID. Wenn Ihre Batch-Extraktion diese als Spalte enthält, können Sie Bescheinigungszeilen mit 100%iger Sicherheit HRIS-Datensätzen zuordnen. Ohne sie gleichen Sie Namen ab, die möglicherweise nicht übereinstimmen.

Qualitätskontrolle bei 80 Zeilen: Was und in welcher Reihenfolge prüfen

Die Überprüfung eines 80-zeiligen Extraktionsergebnisses unterscheidet sich von der Prüfung einer einzelnen Zeile. Ziel ist nicht, jede Zelle zu verifizieren. Ziel ist zu verifizieren, dass die Extraktions-Engine konsistent gearbeitet hat und dass Ausnahmen legitim sind, keine Fehler.

Dieses Prüfprotokoll dauert bei 80 Bescheinigungen etwa zehn Minuten. Es erfasst nicht jeden möglichen Fehler, aber die relevanten Fehlermodi: Ausfall einer ganzen Feldkategorie, systemisches Fehlextraktionsmuster oder grober Fehler bei den Daten eines Spitzenverdieners. Die Stichprobe von fünf Mitarbeitern bietet statistische Sicherheit: Wenn fünf zufällig ausgewählte Mitarbeiter aus verschiedenen Steuerklassen und Lohnsystemformaten korrekt extrahieren, ist die Wahrscheinlichkeit weit verbreiteter Fehler in den anderen 75 gering.

FAQ

Mein Steuerberater sendet Bescheinigungen als passwortgeschützte PDFs. Kann die Extraktion damit umgehen?

Passwortgeschützte PDFs müssen vor dem Hochladen entsperrt werden. Das Extraktionstool liest ungeschützte PDFs, JPGs und PNGs. Die meisten Steuerberater senden Bescheinigungen als Standard-PDFs ohne Passwortschutz. Falls Ihr Steuerberater jedoch Passwörter verwendet, müssen Sie diese zuerst entfernen – z. B. mit der Funktion „Passwort entfernen“ oder „Als PDF drucken“ eines beliebigen PDF-Readers.

Kann ich aus Bescheinigungen verschiedener Steuerjahre im selben Batch extrahieren?

Ja. Die 27-stellige Feldnummerierung ist über Steuerjahre hinweg stabil, sodass dieselben Spaltendefinitionen für 2023er-, 2024er- und 2025er-Bescheinigungen gelten, die gemeinsam verarbeitet werden. Die Werte in den Feldern unterscheiden sich (Steuerklassen, Sozialversicherungsbeitragsbemessungsgrenzen ändern sich jährlich), aber die Extraktion selbst ist jahresunabhängig. Wenn Sie Bescheinigungen für einen Arbeitnehmer mit mehreren Arbeitgebern über Jahre hinweg zusammenführen, laden Sie alle Bescheinigungen im selben Batch hoch und fügen Sie eine Steuer-ID-Spalte zum Abgleich hinzu.

Was passiert mit den Mitarbeiterdaten nach der Extraktion? Werden sie auf dem Server gespeichert?

Hochgeladene Dateien und Extraktionsergebnisse werden kurz nach der Verarbeitung automatisch gelöscht. Daten werden während der Übertragung verschlüsselt (TLS) und im Arbeitsspeicher verarbeitet. Es werden keine extrahierten Gehaltsdaten gespeichert oder zum Trainieren von Modellen verwendet. Für Organisationen, die Artikel 28 der DSGVO unterliegen, ist die Verarbeitungsarchitektur auf kurzlebige Sitzungen ohne dauerhafte Datenspeicherung über das Extraktionsfenster hinaus ausgelegt.

Verarbeitet die Extraktion eingescannte Bescheinigungen oder nur digital erstellte PDFs?

Beides. Eingescannte Papierbescheinigungen im JPG- oder PNG-Format sind geeignet, sofern die Scanqualität ausreichend ist – der Text muss für einen menschlichen Leser lesbar sein. Schräge, unscharfe oder stark verschattete Scans beeinträchtigen die Genauigkeit. Digital erstellte PDFs (wie sie DATEV, Lexware und Sage nativ ausgeben) werden mit höchster Genauigkeit extrahiert, da der Text maschinell codiert und nicht optisch erkannt wird.

Was ist, wenn meine Bescheinigungen unterschiedliche Layouts haben, weil die Mitarbeiter von verschiedenen Arbeitgebern kommen?

Die Spaltennamensextraktion hängt nicht von der Layout-Konsistenz ab. Die KI findet „Bruttoarbeitslohn“ auf einer DATEV-, Lexware- und Sage-Bescheinigung, indem sie versteht, dass das Feld das Bruttogehalt bedeutet – nicht, indem sie an einer bestimmten Position auf der Seite danach sucht. Mischen Sie Bescheinigungen verschiedener Abrechnungssysteme im selben Batch. Die Spaltendefinitionen bleiben gleich.

Kann ich berechnete Spalten hinzufügen, die während der Batch-Extraktion berechnet werden?

Ja. Berechnete Spalten werden während der Extraktion ausgeführt und geben Ergebnisse neben den extrahierten Werten aus. Für einen Batch von Lohnsteuerbescheinigungen sind nützliche berechnete Spalten: effektiver Steuersatz (Gesamtsteuer / Bruttogehalt), gesamte Arbeitnehmer-Sozialabgaben (Summe der Arbeitnehmeranteile an Renten-, Kranken-, Arbeitslosen- und Pflegeversicherung) und gesamte Abzüge (Einkommensteuer + Soli + Kirchensteuer + Sozialabgaben). Die Berechnungen laufen pro Bescheinigung und erscheinen als Spalten in der Ausgabe.

Ist das Extraktionsausgabeformat mit SAP, Workday oder anderen HRIS-Systemen kompatibel?

Die Ausgabe erfolgt als XLSX, CSV oder JSON. CSV ist das universellste Importformat für HRIS- und ERP-Systeme. Stellen Sie vor dem Import sicher, dass Ihre CSV-Spalten mit dem Feld-Mapping Ihres HRIS übereinstimmen. Die Extraktion verbindet sich nicht direkt mit Ihrem HRIS – sie erzeugt eine Datei, die Sie über den standardmäßigen Daten-Upload-Pfad Ihres Systems importieren.

Muss ich die deutsche Lohnsteuer-Terminologie kennen, um die Extraktionsspalten zu definieren?

Nein. Sie definieren Spalten auf Englisch („Bruttogehalt”, „einbehaltene Lohnsteuer”) und die KI ordnet sie anhand der semantischen Bedeutung den deutschen Feldbezeichnungen auf der Bescheinigung zu. Sie müssen nicht wissen, dass Position 3 Bruttoarbeitslohn heißt oder dass Position 22a den Arbeitgeberbeitrag zur Rentenversicherung betrifft. Die KI übernimmt die Sprachzuordnung. Für ein Team, das deutsche Lohnabrechnungsdaten ohne deutschsprachige Mitarbeiter verarbeitet, ist dies der Unterschied zwischen einem Workflow, den jeder ausführen kann, und einem Workflow, der einen deutschen Lohnabrechnungsspezialisten erfordert.

Der Batch-Denkansatz: Warum die Behandlung von achtzig Bescheinigungen als achtzig Einzelfälle das Fehlermuster ist

Die meisten Extraktions-Tutorials führen Sie durch ein Dokument, einen Spaltensatz, einen Export. Dieser Workflow funktioniert, wenn Ihr Anwendungsfall „Ich habe eine Rechnung und brauche ihre Daten” ist. Er bricht zusammen, wenn Ihr Anwendungsfall „Ich habe achtzig Mitarbeiter und brauche ihre zusammengeführten Daten bis Dienstag” ist. Der Unterschied liegt nicht nur im Volumen. Es geht darum, was Sie prüfen, wie Sie es prüfen und was Sie als Kosten eines Fehlers akzeptieren.

In einem Einzeldokument-Workflow kostet ein Extraktionsfehler das erneute Öffnen einer PDF und das erneute Kopieren einer Zahl. In einem Batch-Workflow mit achtzig Mitarbeitern und einer Frist zum 28. Februar kann ein Extraktionsfehler, der sich in Ihren globalen Vergütungsbericht einschleicht, eine Neudarstellung gegenüber Ihrem FP&A-Team, eine Fehlberechnung der Steuerausgleichszahlung für einen entsandten Mitarbeiter oder eine Prüfungsmarkierung bei der Sozialversicherung bedeuten. Das Extraktionstool ersetzt nicht Ihren Prüfprozess. Es ersetzt den Teil Ihres Februars, der damit verbracht wird, Zahlen aus deutschen PDFs in eine englische Tabelle zu kopieren — den Teil, der null Erkenntnis und maximales Fehlerrisiko generiert.

Sobald die Zertifikate in Ihrer Tabelle sind und Ihr globales Team die benötigten Zahlen hat, hinterlässt die Extraktion selbst keine Spuren. Der Wert liegt in den Daten, nicht darin, wie sie gewonnen wurden. So sollte sich die Stapelverarbeitung anfühlen: als ob der Schritt des Extrahierens und Kopierens vollständig aus Ihrem Workflow verschwunden wäre.