So extrahieren HR-Teams Daten aus
gescannten Spesenabrechnungen automatisch

Der Spesenbericht-Engpass, über den niemand spricht

Bezahlt ein Mitarbeiter eine geschäftliche Ausgabe mit einer Firmenkreditkarte, ist das Problem der Datenerfassung weitgehend gelöst. Die Belastung erscheint auf einem Kontoauszug mit Datum, Betrag und Händler – und Spesenverwaltungsplattformen wie Expensify oder Ramp gleichen Belege automatisch mit diesen Transaktionen ab. Dieser Workflow funktioniert jedoch nur, wenn alle eine Firmenkreditkarte nutzen.

In vielen Organisationen – insbesondere in mittelständischen Unternehmen, Außendienstbetrieben, Baufirmen und gemeinnützigen Organisationen – zahlen Mitarbeiter aus eigener Tasche und reichen am Monatsende ein papierbasiertes Spesenabrechnungsformular ein. Sie tragen ihren Namen, ihre Personalnummer, Abteilung, den Zeitraum und eine Tabelle mit Einzelposten ein: Datum jeder Ausgabe, Händler, Beschreibung, Kategorie und Betrag. Sie heften Belege an, scannen das gesamte Paket und senden es als PDF per E-Mail. Jemand in der Personalabteilung oder Buchhaltung öffnet dieses PDF und tippt jedes Feld von Hand neu ein.

Dies ist kein Problem des Belegscannens. Es ist ein Problem der Extraktion aus gescannten Formularen – und die beiden unterscheiden sich grundlegend. Ein Belegscanner extrahiert drei Felder (Datum, Betrag, Händler) aus einem Bild. Ein gescanntes Spesenabrechnungsformular erfordert die Extraktion von Kopfmetadaten und einer mehrzeiligen Einzelpostentabelle aus demselben Dokument in einem einzigen Durchgang. Nichts auf dem Verbrauchermarkt wurde dafür entwickelt – bis hin zur KI-basierten Dokumentenextraktion, die funktioniert, indem sie versteht, was Felder bedeuten, und nicht, wo sie auf der Seite stehen.

Laut der GBTA Foundation verarbeitet ein durchschnittliches Unternehmen jährlich 51.000 Spesenabrechnungen. Bei 58 $ pro Abrechnung sind das fast 3 Millionen $ an Bearbeitungskosten – und etwa eine halbe Million davon entfällt allein auf die Korrektur von Fehlern. Eine Organisation, die monatlich selbst 500 gescannte Papierbelege verarbeitet, braucht eine Möglichkeit, den Schritt des erneuten Abtippens zu vermeiden, ohne den gesamten Spesenworkflow auf eine neue Plattform umzustellen.

Warum gescannte Formulare herkömmliche OCR überfordern

Die optische Zeichenerkennung (OCR) gibt es seit Jahrzehnten – aber sie wurde entwickelt, um gedruckte Textseiten zu digitalisieren, nicht um die Logik eines Geschäftsformulars zu verstehen. Wenn Sie einen gescannten Spesenbeleg durch herkömmliche OCR laufen lassen, erhalten Sie einen Textblock. Die Software erkennt nicht, dass „John Smith" oben auf der Seite der Mitarbeitername ist, dass „45,00 $" in der dritten Zeile einer handschriftlichen Tabelle ein Taxifahrpreis ist oder dass das daneben gekritzelte Datum zu dieser Position gehört und nicht zu der darüber.

KI-gestützte OCR-Tools versuchen, dieses Problem zu lösen, indem sie Sie bitten, auf einem Musterformular Kästchen um jedes Feld zu zeichnen – „hier kommt der Mitarbeitername hin, dort das Berichtsdatum.“ Doch dieser Ansatz scheitert, wenn der nächste Mitarbeiter eine andere Spesenabrechnungsvorlage verwendet, handschriftliche Notizen in den Rand macht oder das Dokument in einem anderen Winkel scannt. Jede Formatvariation erfordert eine neue Vorlage. Für ein Team, das Formulare von Dutzenden oder Hunderten von Mitarbeitern aus verschiedenen Abteilungen erhält, wird die Verwaltung von Vorlagen zu einer eigenen administrativen Aufgabe.

Das tiefere Problem ist, dass Spesenabrechnungsformulare gedruckten Text und Handschrift auf unvorhersehbare Weise mischen. Das Formular selbst kann gedruckt sein (mit Bezeichnungen wie „Mitarbeitername“, „Datum“, „Betrag“), aber die ausgefüllten Werte können getippt, handschriftlich oder eine Mischung aus beidem sein – manchmal sogar innerhalb desselben Feldes. Herkömmliche OCR liest Zeichen; sie versteht nicht, dass die handschriftliche „1.213,50 €“ am unteren Seitenrand die darüber liegenden Einzelposten aufsummiert oder dass die Unterschrift anzeigt, dass der Bericht zur Genehmigung bereit ist.

Was die Extraktion gescannter Spesenabrechnungen endlich möglich macht, ist ein anderer Ansatz: Spaltennamen-Extraktion basierend auf einem großen visuellen Modell (VLM). Anstatt der Software zu sagen, wo sie suchen soll, sagen Sie ihr, was Sie wollen – Sie geben die benötigten Feldnamen ein („Mitarbeitername“, „Datum“, „Händler“, „Kategorie“, „Betrag“) und die KI findet jeden Wert überall auf der Seite, indem sie dessen Kontext und Bedeutung versteht. Sie liest das Formular wie ein Mensch: Sie erkennt, dass „15.04.2026“ im Datumsbereich einer Belegtabelle ein Einzelposten-Datum ist, nicht das Einreichungsdatum des Berichts. Sie identifiziert, welche Schrift zu welchem Feld gehört. Sie funktioniert mit jedem Layout, von jedem Mitarbeiter, ohne Vorlagen.

Schritt für Schritt: Daten aus einem gescannten Spesenbericht extrahieren

Hier ist der tatsächliche Arbeitsablauf von Anfang bis Ende. Die folgenden Schritte gehen davon aus, dass Sie ein gescanntes Spesenbericht-PDF haben – die Art, die Sie von einem Mitarbeiter erhalten, der ein Papierformular ausgefüllt, Belege angehängt, alles gescannt und Ihnen per E-Mail geschickt hat.

Der entscheidende Unterschied zur manuellen Eingabe: Ein einzelner gescannter Spesenbericht mit 8-10 Belegpositionen benötigt von Hand etwa 15-20 Minuten zum Abtippen und Prüfen. Mit der Spaltennamenextraktion wird derselbe Bericht in 5-10 Sekunden verarbeitet. Für ein Team, das 100 Berichte pro Monat erhält, bedeutet das den Unterschied zwischen 33 Stunden Dateneingabe und etwa 15 Minuten Prüfzeit.

Vorher vs. Nachher – So sieht die Ausgabe aus

Zur Veranschaulichung: Ein typischer gescannter Spesenbeleg als PDF enthält alle nötigen Daten für die Buchhaltung – jedoch in einem unstrukturierten Format, das manuell extrahiert werden muss:

Die Ausgabe ist eine strukturierte Tabelle, in der jede Position eine Zeile belegt und die Spalten exakt Ihren Vorgaben entsprechen. Bei einem Bericht mit 10 Belegeinträgen erhalten Sie 10 Zeilen mit sauberen, kategorisierten Daten – kein undurchsichtiger OCR-Text, der noch mühsam analysiert und sortiert werden muss. Die Spaltenüberschriften entsprechen Ihren Angaben aus Schritt 2, sodass die Tabelle sofort im Format Ihrer Buchhaltungssoftware vorliegt – ohne Nachbearbeitung.

Für Teams, die Berichte in großen Mengen verarbeiten, ermöglicht die Stapelverarbeitung die gleichzeitige Verarbeitung mehrerer Mitarbeiterberichte in einem Upload. Sie ziehen auf einmal 20 eingescannte PDFs hinein, geben Ihre Spaltennamen einmal an und erhalten eine konsolidierte Excel-Datei mit allen Ausgaben aller Mitarbeiter aus allen Berichten. Dies ist eine grundlegend andere Betriebsgröße als die Einzelverarbeitung – und hier vervielfachen sich die Zeitersparnisse weit über das hinaus, was die meisten Teams zunächst erwarten. Für einen tieferen Einblick in den Stapel-Workflow über verschiedene Ausgabenformate hinweg finden Sie in unserem Leitfaden zum Verarbeiten von Mitarbeiter-Spesenbelegen aus Screenshots in Excel, wie die Stapelextraktion aussieht, wenn die Eingabedokumente von Mitarbeiter zu Mitarbeiter variieren.

IRS-Konformität: Warum extrahierte Daten korrekt sein müssen

Neben der Zeitersparnis gibt es einen Compliance-Grund, die Erfassung von Spesenabrechnungsdaten korrekt durchzuführen: die IRS-Regeln für verantwortungsvolle Pläne. Gemäß Treasury Regulation §1.62-2 gilt der Spesenerstattungsplan eines Arbeitgebers nur dann als „verantwortungsvoller Plan“ – d. h. Erstattungen sind für den Arbeitnehmer kein steuerpflichtiges Einkommen –, wenn drei Bedingungen erfüllt sind: Die Ausgaben haben einen geschäftlichen Bezug, der Arbeitnehmer legt innerhalb einer angemessenen Frist ausreichende Belege vor (der IRS-Safe-Harbor beträgt 60 Tage), und etwaige Überschreitungen werden zurückgezahlt.

„Ausreichende Belege“ bedeutet, dass die Dokumentation den Betrag, das Datum, den Ort und den geschäftlichen Zweck jeder Ausgabe nachweisen muss. Für Übernachtungskosten ab 75 USD verlangt IRS §274(d) eine Quittung. Wenn eine Spesenabrechnung als gescanntes PDF mit fehlenden oder unleserlichen Feldern eingeht – ein handschriftlicher Betrag, der schwer zu lesen ist, ein unklares Datum, eine Händlerbeschreibung, die nicht zur Quittung passt –, sind die Belege unzureichend. Ist die Belegführung nicht ausreichend, kann die Erstattung als steuerpflichtiger Lohn für den Arbeitnehmer umklassifiziert werden, was Lohnsteuerpflichten und mögliche Strafen für den Arbeitgeber auslöst.

Hier wird die Extraktionsgenauigkeit mehr als nur eine Produktivitätskennzahl. Eine 99%ige Genauigkeit bei gedruckten Feldern bedeutet, dass fast jeder Betrag und jedes Datum beim ersten Mal korrekt erfasst wird – aber noch wichtiger: Das Tool macht Unklarheiten sichtbar, anstatt fragwürdige Werte stillschweigend durchzureichen. Wenn die KI einen handschriftlichen Betrag nicht sicher lesen kann, markiert sie das Feld zur manuellen Prüfung, anstatt zu raten. Das ist ein qualitativer Unterschied zur manuellen Eingabe, bei der Dateneingabefehler (Tippfehler, vertauschte Ziffern, falsche Kategoriezuordnungen) gar nicht markiert werden – sie landen direkt in der Erstattungstabelle und werden erst später entdeckt, wenn überhaupt.

Das finanzielle Risiko ist nicht theoretisch. Laut GBTA enthalten 19 % aller Spesenabrechnungen Fehler, deren Korrektur durchschnittlich 52 USD pro Abrechnung kostet. Für ein Unternehmen mit 2.000 Abrechnungen pro Jahr sind das über 100.000 USD Korrekturkosten – und einige dieser Fehler führen zu falschen Erstattungen, Prüfungsfeststellungen oder Compliance-Verstößen, die weit mehr kosten als die reine Korrekturzeit.

FAQ

Kann KI wirklich handschriftliche Spesenabrechnungen lesen?

Ja — mit Einschränkung. Ein visuelles Large Language Model kann die meisten Handschriften lesen, einschließlich Schreibschrift, Druckschrift und Randnotizen. Es erfasst den Kontext: Wenn ein Formular ein gedrucktes Feld "Mitarbeitername" und daneben handschriftlich "Sarah Chen" enthält, erkennt die KI diese Beziehung und extrahiert "Sarah Chen" in die Spalte Mitarbeitername. Extrem unleserliche Handschriften — die auch ein menschlicher Kollege kaum entziffern könnte — liefern weiterhin unsichere Ergebnisse. In solchen Fällen markiert das Tool das Feld zur manuellen Prüfung, anstatt eine Schätzung auszugeben. Standardmäßige Druckschrift (druckbuchstabenartige Schrift, keine fließende Schreibschrift) erzielt die höchste Genauigkeit.

Extrahiert es einzelne Belegpositionen oder nur Kopfsummen?

Beides — im selben Durchlauf. Wenn Sie Spalten wie Ausgabedatum, Händler, Beschreibung, Kategorie, Betrag angeben, lokalisiert die KI jede Positionszeile in der Spesenabrechnungstabelle und extrahiert die entsprechenden Werte. Kopfzeilenfelder (Mitarbeitername, Abteilung, Berichtsdatum, Gesamterstattung) werden gleichzeitig extrahiert. Die Ausgabe ist eine Zeile pro Belegposition, wobei die Kopfmetadaten in jeder Zeile wiederholt werden — genau das Format, das Buchhaltungssysteme für den Import erwarten.

Muss ich für jedes unterschiedliche Berichtsformat der Mitarbeiter eine Vorlage einrichten?

Nein. Die Spaltennamensextraktion erfolgt vorlagenfrei. Sie geben welche Daten Sie möchten (z. B. "Mitarbeitername", "Betrag", "Kategorie") an, nicht wo sie auf der Seite erscheinen. Die KI findet diese Werte unabhängig davon, ob das Formular eine Standard-Unternehmensvorlage, ein handschriftliches Blatt oder ein Ausdruck eines Drittanbieter-Spesentrackings ist. Verschiedene Mitarbeiter können unterschiedliche Formate verwenden, und Sie müssen nichts pro Format konfigurieren.

Wie viele gescannte Berichte kann ich auf einmal verarbeiten?

Sie können mehrere gescannte PDFs in einem einzigen Batch hochladen – 10, 20 oder mehr auf einmal – und Ihre Extraktionsspalten einmal definieren. Die KI verarbeitet alle Dateien und fasst die Ergebnisse in einer einzigen Excel-Tabelle zusammen. Dies ist besonders nützlich am Monatsende, wenn die Spesenabrechnungen aller Mitarbeiter etwa zur gleichen Frist eingehen. Die Verarbeitungsgeschwindigkeit pro Seite bleibt bei 5–10 Sekunden, sodass ein Batch von 20 mehrseitigen Berichten in wenigen Minuten abgeschlossen ist, statt der Stunden, die manuelles Abtippen dauern würde.

Sind die Finanzdaten der Mitarbeiter während der Verarbeitung sicher?

Hochgeladene Dateien werden im Arbeitsspeicher verarbeitet und nach Abschluss der Extraktion nicht auf dem Server gespeichert. Das Tool behält weder Spesenabrechnungsdokumente noch extrahierte Daten über die aktive Sitzung hinaus. Für Organisationen mit spezifischen Datenverarbeitungsanforderungen ist der Verarbeitungsablauf so ausgelegt, dass die Datenpersistenz minimiert wird – die Ausgabetabelle wird direkt auf Ihren Rechner heruntergeladen, und es verbleiben keine Kopien auf der Plattform.

Falls Ihr Team die Gesamtkosten der manuellen Spesenabwicklung prüft, zeigt die Kostenanalyse der manuellen Zahlungserfassung den Transaktionsaufwand, der sich in den Debitorenprozessen summiert – und beschreibt strukturelle Muster, die direkt auf die Spesenabrechnung übertragbar sind. Für Teams, die Spesendaten über mehrere getrennte Anwendungen verarbeiten, lohnt es sich, das Abstimmungsproblem mit mehreren Plattformen zu verstehen, bevor ein weiteres Tool hinzugefügt wird.