Arbeitsstunden aus Baustellen-Stundenzetteln nach
Kostenstelle & Bauabschnitt zuordnen (2026)

Warum Baustellen-Stundenzettel jeden generischen Zeiterfassungs-Tracker sprengen

Ein generischer Stundenzettel stellt zwei Fragen: Wer hat gearbeitet und wie lange? Ein Baustellen-Stundenzettel stellt fünf: Wer hat gearbeitet, an welchem Projekt, unter welcher Kostenstelle, in welchem Bauabschnitt und in welcher Arbeitsklassifizierung? Jede dieser zusätzlichen Dimensionen ist nicht optional – sie entscheidet darüber, ob die Arbeitskosten in der richtigen Budgetzeile landen, ob die zertifizierte Lohnabrechnung eine DOL-Prüfung besteht und ob der Projektmanager sieht, dass die Rahmenarbeiten in Phase 2 18 % über dem Kostenvoranschlag liegen, bevor der Auftrag abgeschlossen wird.

Die Bundesregierung formalisiert diese Komplexität durch das Davis-Bacon-Gesetz. Bei jedem bundesfinanzierten Bauprojekt müssen Auftragnehmer wöchentlich Formular WH-347 als zertifizierte Lohnabrechnung einreichen, das die Stunden jedes Arbeitnehmers aufgeschlüsselt nach Arbeitsklassifizierung – Elektriker, Zimmermann, Bauarbeiter, Maschinenführer – in separaten Positionen verlangt. Wenn ein Arbeitnehmer in der Woche in mehr als einer Klassifizierung gearbeitet hat, verlangt das Formular „eine genaue Aufschlüsselung der in jeder Arbeitsklassifizierung geleisteten Stunden". Kann der Auftragnehmer diese Aufschlüsselung nicht vorlegen, verlangt das DOL, den Arbeitnehmer für alle geleisteten Stunden zum höchsten anwendbaren vorherrschenden Lohnsatz zu bezahlen. Die Kosten, die Aufteilung nicht zu kennen, sind nicht nur ein Buchhaltungsfehler – es ist eine unfreiwillige Lohnerhöhung. Diese Anforderung fließt auch in die Kostenprinzipien für Regierungsaufträge unter FAR 31.205-6 ein, das die Zulässigkeit von Vergütungen regelt und Zeiterfassungssysteme verlangt, die Arbeit nach Zwischen- oder Endkostenzielen identifizieren.

Auf der Kostencodierungsseite ist der Industriestandard das CSI MasterFormat – ein 50-Abteilungs-, sechsstelliges Klassifizierungssystem, bei dem 03 30 00 Ortbeton bedeutet, 06 10 00 Rohbau-Zimmerarbeiten und 09 30 00 Fliesenarbeiten. Diese Codes fließen vom Stundenzettel in den Auftragskostenbericht, dann in die Leistungsbeschreibung mit Einheitspreisen, dann in den Zahlungsantrag. Ein falscher Code auf Stundenzettelebene kaskadiert in drei falsche nachgelagerte Dokumente. Laut dem CFMA 2024 Construction Financial Benchmarker verbraucht die Kostenverwaltung – die Arbeit, Zahlen abzugleichen, die von Anfang an hätten übereinstimmen sollen – durchschnittlich 5,4 % des Projektumsatzes für US-Generalunternehmer. Bei einem Projekt im Wert von 30 Millionen Dollar sind das 1,6 Millionen Dollar, die für den Abgleich von Daten ausgegeben werden, die an der Quelle falsch eingegeben wurden.

Die American Payroll Association schätzt, dass manuelle Stundenzettelfehler 1 % bis 8 % der gesamten Lohnsumme kosten. Für einen Auftragnehmer mit 2 Millionen Dollar jährlichen Arbeitskosten sind das 20.000 bis 160.000 Dollar pro Jahr an Überzahlungen, Rundungsfehlern und falsch zugeordneten Stunden – und das bevor die nachgelagerte Auftragskostenverfälschung berücksichtigt wird, die falsche Schätzungen für das nächste Angebot produziert.

Field Crews Don't Want an App — and They Shouldn't Need One

The construction technology market has spent the last decade building field time-tracking apps. Procore Timecard lets workers log hours by cost code from a mobile device. hh2 ties clock-ins directly to job phases. SmartBarrel uses facial recognition at the jobsite gate. These tools solve the data accuracy problem — for the contractors who successfully roll them out. But the rollout gap is real. Foremen who have filled out the same paper timesheet for 15 years, in the mud with gloves on, are not eager to learn a new app. Anecdotal data from field technology surveys consistently shows that even among companies that invest in these tools, actual on-site adoption lags significantly behind tool availability.

This has created a false choice in the industry conversation: either accept the data-entry burden of paper timesheets, or force app adoption on field crews who don't want it. But there's a third path that doesn't require either sacrifice — and it starts with the camera already in every foreman's pocket.

If a foreman can fill out a paper timesheet, and a project administrator can take a clear photo of that timesheet with a phone, an AI vision model can read every handwritten field on it — worker names, cost codes, job phases, regular hours, overtime hours, classification — and export them into an Excel spreadsheet structured exactly for job cost reporting. The field crew changes nothing. The office eliminates the re-typing.

This isn't traditional OCR. Traditional optical character recognition sees characters — it converts shapes into text but doesn't understand what those shapes mean. A paper timesheet that's been folded in a back pocket, written in ballpoint pen with varying pressure, and has a dirt smudge in the corner will stump an OCR engine. A vision large model — the same class of AI that can look at a photograph and describe everything in it — approaches the problem differently. It asks: "What information is on this page?" rather than "What characters are here?" It understands that the scribble next to "Carpenter" under "Classification" is a labor type, that the number in the "Reg" column under Tuesday is regular hours, and that the handwritten "03 30 00" in the margin is a CSI MasterFormat cost code — even when those labels are abbreviated differently, handwritten differently, or positioned differently from one week's timesheet to the next.

The mechanism is column-name extraction: instead of marking coordinates on a template (which breaks the moment someone uses a different timesheet format), you type the field names you want to capture. The AI searches the document for information that matches each field name by meaning, not by position. Define a column called "Worker Name" and the AI finds names anywhere on the page. Define "Cost Code" and it locates the CSI codes whether they're in a dedicated column, scribbled in the margin, or embedded in a job number. One column definition works across different timesheet formats — even if today's timesheet is a printed form from one GC and yesterday's was a handwritten carbon copy from another. The AI reads semantically, not positionally. For a deeper dive into how this works across document types, see our guide on extracting timesheet data to Excel.

Schritt für Schritt: Vom Papier-Stundenzettel zur baustellenfertigen Excel-Datei

Der Arbeitsablauf ersetzt den manuellen Übertragungsschritt – den Teil, bei dem jemand im Büro handschriftliche Stundenzetteldaten in eine Tabellenkalkulation tippt – durch einen KI-Extraktionsdurchlauf. Alles andere in Ihrem bestehenden Prozess bleibt gleich. So funktioniert es, von Anfang bis Ende.

Verbindungen herstellen: Von der Stundenzettel-Erfassung zur zertifizierten Lohnabrechnung WH-347

Die Verbindung zwischen der Datenextraktion aus Stundenzetteln und der zertifizierten Lohnabrechnung ist der Punkt, an dem dieser Workflow von „nice to have" zu „Compliance-Notwendigkeit" wird. Bei einem Davis-Bacon-Projekt ist ein Auftragnehmer, der keine genaue Aufschlüsselung der Stunden nach Arbeitsklassifizierung auf Formular WH-347 vorlegen kann, nicht konform. Die Anweisungen des Arbeitsministeriums für WH-347 sind eindeutig: „Wenn ein Arbeiter in der Woche in mehr als einer Arbeitsklassifizierung gearbeitet hat, muss eine genaue Aufschlüsselung der in jeder Arbeitsklassifizierung geleisteten Stunden auf der eingereichten Lohnabrechnung durch Verwendung einer separaten Zeile für jede Arbeitsklassifizierung ausgewiesen werden."

Diese Anforderung schafft ein Datenpipeline-Problem, das beim Stundenzettel beginnt. Der Vorarbeiter schreibt „8 Stunden" neben den Namen eines Arbeiters – aber dieser Arbeiter hat 3 Stunden mit Elektro-Rohbau (Klassifizierung: Elektriker) und 5 Stunden mit allgemeiner Arbeit (Klassifizierung: Hilfsarbeiter) verbracht. Der Papier-Stundenzettel erfasst die Aufteilung nicht, sodass die Person, die die Lohnabrechnung verarbeitet, sie aus dem Gedächtnis rekonstruieren oder eine fundierte Vermutung anstellen muss. Beide Ansätze verstoßen gegen die Genauigkeitsanforderung.

Der KI-Extraktionsworkflow erstellt einen strukturierten Datenpunkt für jedes Feld auf dem Stundenzettel – einschließlich separater Zeilen für jede Klassifizierung, wenn ein Arbeiter seine Zeit aufteilt. Wenn der Stundenzettel selbst die Aufteilung erfasst (was er sollte, wenn der Vorarbeiter ihn korrekt ausfüllt), bewahrt die Extraktion dieses Detail. Wenn nicht, existiert das Foto als prüfbare Aufzeichnung – ein zeitgestempeltes Bild, das beweist, was auf dem ursprünglichen Stundenzettel stand, was mehr ist, als eine manuelle Übertragung in eine Tabellenkalkulation bietet.

Für Auftragnehmer, die zertifizierte Lohnabrechnungen über LCPtracker oder eMars einreichen, können die extrahierten Daten im Excel-Format neu formatiert werden, um den Importvorlagen dieser Plattformen zu entsprechen. Für Auftragnehmer, die baubranchenspezifische Lohnabrechnungssysteme wie Foundation oder Miter verwenden, fließt die strukturierte Excel-Ausgabe direkt in Lohnabrechnungsläufe ein, ohne manuelle Neueingabe. Das Ziel ist nicht, zertifizierte Lohnabrechnungssoftware zu ersetzen – es geht darum, den manuellen Dateneingabeschritt zu eliminieren, der sie speist und wo die Fehler entstehen.

Der stille Killer: Warum falsche Kostenstellen schlimmer sind als falsche Stunden

Es lohnt sich, bei einem bestimmten Fehlertyp zu verweilen, denn er ist sowohl der schädlichste als auch der unsichtbarste in der Bauabrechnung. Wenn ein Stundenzettel 8 Stunden zeigt und jemand 7 einträgt, ist der Fehler sichtbar – die Summen stimmen nicht überein. Jemand bemerkt ihn. Wenn ein Stundenzettel 8 Stunden Zimmererarbeit zeigt und jemand 8 Stunden einträgt, sie aber der falschen Kostenstelle zuordnet, ist der Fehler unsichtbar. Die Summen stimmen. Die Lohnabrechnung läuft problemlos durch. Aber der Auftragskostenbericht zeigt die Zimmererarbeiten nun unter Budget und die Kostenstelle, die die falsch zugeordneten Stunden erhalten hat, über Budget.

Der daraus resultierende Schaden verstärkt sich. Wenn die Auftragskostendaten besagen, dass die Betonphase $X an Arbeitskosten verursacht hat, fließt diese Zahl in die Kalkulation für das nächste Projekt. Wenn $X falsch ist, weil 40 Stunden der Arbeitszeit eines Arbeiters der Beton- statt der Baustellenvorbereitung zugeordnet wurden, ist die nächste Betonkalkulation aufgebläht – und der Auftragnehmer bietet entweder zu hoch an und verliert den Auftrag oder bietet zu niedrig an und verliert an Marge. Eine vom CFMA Benchmarker zitierte Studie ergab, dass Best-in-Class-Auftragnehmer (Top 25 % nach Gesamtkapitalrendite) eine Gesamtkapitalrendite von 28,4 % erzielten, verglichen mit 11,8 % Branchendurchschnitt, und der Hauptunterschied war die direkte Kostenkontrolle – nicht niedrigere Vertriebs- und Verwaltungskosten, nicht höhere Umsätze, sondern ein besseres Management der Projektkosten. Diese Kontrolle beginnt damit, zu wissen, wohin jede Arbeitsstunde tatsächlich gegangen ist.

KI-Extraktion geht das auf zwei Arten an. Erstens, indem Kostenstellen so erfasst werden, wie sie auf dem Stundenzettel erscheinen – die KI liest, was der Vorarbeiter geschrieben hat, nicht, was der Datenerfasser interpretiert hat. Zweitens, indem ein Fotoarchiv erstellt wird: Die Originalbilder der Stundenzettel werden zusammen mit den extrahierten Daten gespeichert. Wenn eine Kostenstelle also keinen Sinn im Zusammenhang mit dem Bauabschnitt ergibt, dem sie zugeordnet ist, können Sie das Originalfoto aufrufen und prüfen. Manuelle Übertragung in Excel lässt Ihnen nichts zum Prüfen übrig.

FAQ

Kann KI handschriftliche Baustellen-Stundenzettel lesen?

Ja. Vision-Sprachmodelle lesen handschriftlichen Text — einschließlich Kugelschreiber auf Papier, das gefaltet, verschmiert oder verschmutzt ist — mit einer für die Lohnabrechnung ausreichenden Genauigkeit. Die KI versteht den Kontext: Eine handschriftliche Zahl neben „OT“ sind Überstunden, selbst wenn die Handschrift hastig oder die Beschriftung abgekürzt ist. Handschriftliche Kostenstellen, Arbeiternamen und Klassifizierungsabkürzungen sind alle lesbar. Bei Stundenzetteln mit sehr schlechter Lesbarkeit — eingerissene Ecken, Durchschläge, bei denen die dritte Lage kaum sichtbar ist — wird eine Stichprobenprüfung der extrahierten Daten gegen das Foto empfohlen, aber die KI bewältigt die überwiegende Mehrheit der realen Baustellenbedingungen.

Was ist, wenn meine Stundenzettel jede Woche ein anderes Format haben?

Die Spaltennamensextraktion hängt nicht vom Format ab. Da die KI nach Bedeutung statt nach Position sucht, funktioniert dieselbe Spaltendefinition — „Arbeitername“, „Reguläre Stunden“, „Kostenstelle“ — über verschiedene Stundenzettel-Layouts hinweg. Ein gedrucktes Formular von GC-A diese Woche und ein handschriftlicher Zettel von GC-B nächste Woche werden beide mit derselben Spaltenkonfiguration verarbeitet. Das ist der Kernunterschied zwischen KI-Extraktion und template-basierter OCR, die für jedes Format eine separate Vorlage benötigt.

Wie gehen Sie mit mehreren Arbeitern auf einem Crew-Stundenzettel um?

Die KI extrahiert die Zeile jedes Arbeiters separat. Wenn ein Crew-Stundenzettel 6 Arbeiter mit individuellen Stunden, Klassifizierungen und Kostenstellen auflistet, hat die Ausgabetabelle 6 Zeilen — eine pro Arbeiter, mit allen Spalten ausgefüllt. Wenn ein Arbeiter zwei Einträge auf demselben Zettel hat (z. B. auf zwei Kostenstellen aufgeteilt), erhalten Sie zwei Zeilen für diesen Arbeiter, was genau das ist, was Sie für die zertifizierte Lohnabrechnung und die Auftragskostenberichterstattung benötigen.

Kann das direkt in Procore, Sage 300 oder Viewpoint eingespeist werden?

Der Export ist eine Standard-Excel-Datei (XLSX), die jede große Bau-ERP- und Lohnabrechnungsplattform importieren kann. Procore, Sage 300 CRE, Viewpoint Spectrum, Foundation und HCSS HeavyBid unterstützen alle Excel-Importe für Arbeitsstunden. Das strukturierte Spaltenformat — mit bereits ausgefüllten Kostenstellen, Bauabschnitten und Klassifizierungen — macht die Importzuordnung unkompliziert. Sie laden keine Rohdaten in ein System und codieren sie dann neu; die Codierung erfolgte bereits im Extraktionsschritt.

Was ist mit zertifizierter Lohnabrechnung – wird ein WH-347 generiert?

Die Extraktion erzeugt die Daten, die in ein WH-347 einfließen – Arbeiternamen, Klassifizierungen, tägliche Stunden (regulär und Überstunden) – in der Struktur, die das Formular verlangt. Es wird kein fertiges PDF erstellt, aber der manuelle Dateneingabeschritt entfällt, der die Rohdaten liefert, die zertifizierte Lohnabrechnungssoftware oder manuelles Ausfüllen benötigt. Für Auftragnehmer, die LCPtracker, eMars, Miter oder Payroll4Construction nutzen, lassen sich die extrahierten Excel-Daten direkt in die Importformate dieser Plattformen überführen.

Funktioniert das auch für wöchentliche Übersichts-Stundenzettel mit täglichen Aufschlüsselungen?

Ja. Wenn der Stundenzettel Spalten von Montag bis Sonntag mit täglichen Stunden pro Arbeiter enthält, extrahiert die KI die Stunden jedes Tages einzeln. Sie können Spalten als „Mo Reg“, „Mo ÜS“, „Di Reg“, „Di ÜS“ usw. definieren oder eine einzelne Spaltendefinition verwenden und die KI eine Zeile-pro-Tag-Struktur ausgeben lassen. Beide Ansätze erzeugen Daten, die für die wöchentliche Lohnverarbeitung bereit sind.