Was manuelle Spesenabrechnungen Ihr
Finanzteam pro Mitarbeiter kosten

Der 58 $-Richtwert – Was steckt in dieser Zahl

Die Bearbeitungskosten von 58 $ pro Bericht stammen aus einer Studie der GBTA Foundation aus dem Jahr 2015, die in Zusammenarbeit mit HRS durchgeführt und auf gbta.org veröffentlicht wurde. Die Studie befragte Travel Buyer in Nordamerika (79 % nutzen Spesensoftware von Drittanbietern), Europa (66 %), Asien-Pazifik (75 %) und Lateinamerika. Es handelt sich um den am weitesten verbreiteten Richtwert in der Spesenmanagement-Branche – zitiert von SAP Concur, Ramp, BILL und fast jedem Anbieter von Spesenautomatisierung. Er wurde durch keine autoritativere öffentliche Studie ersetzt.

Aber „58 $ pro Bericht“ ist ein Durchschnittswert. Um ihn in einem Kostenmodell zu verwenden, müssen Sie wissen, was darin enthalten ist – und was nicht:

• Mitarbeiterzeit (Einreichung): 20 Minuten pro Bericht. Der Mitarbeiter sammelt Belege, erfasst Ausgabenbeschreibungen, ordnet Buchungskonten oder Kategorien zu, hängt Belege an und reicht ein. Bei einem voll belasteten Stundensatz von 35 $ (den ungefähren effektiven Kosten eines Mitarbeiters auf mittlerer Ebene mit einem Gehalt von 50.000–55.000 $, inklusive Lohnnebenkosten und Arbeitsplatzkosten) entsprechen diese 20 Minuten etwa 11,67 $ an Arbeitskosten.
• Finanzprüfungszeit (Bearbeitung): Der verbleibende Teil der 58 $ – etwa 46,33 $ – entfällt auf die Genehmigung durch den Vorgesetzten, die Prüfung durch die Finanzabteilung, die Überprüfung der Buchungskontenzuordnung, die Einhaltung von Richtlinien und die Auszahlung der Erstattung. Hier liegen die meisten Bearbeitungskosten, und dieser Teil ist am resistentesten gegenüber einfachen „Belegfoto"-Lösungen, da der Prüfungsprozess selbst mehrere Personen und Entscheidungspunkte umfasst.
• Fehlerkorrekturpuffer (nicht in den 58 $ enthalten): Die GBTA-Studie ergab zudem, dass 19 % der Spesenabrechnungen Fehler enthalten, deren Korrektur jeweils zusätzliche 52 $ und 18 Minuten kostet. Dies sind separate Kosten – eine Belastung für die 19 % der Berichte, die nachbearbeitet werden müssen – und müssen zu den Basiskosten von 58 $ hinzugerechnet werden, um einen ehrlichen Wert pro Bericht zu erhalten. Über alle Berichte gewichtet, erhöht der Fehlerpuffer die Kosten um 9,88 $ pro Bericht (19 % × 52 $). Die effektiven Kosten pro Bericht, unter Berücksichtigung der Fehlerquote, liegen bei etwa 67,88 $.

Die Zahl von 58 Dollar stammt aus dem Jahr 2015. Die Löhne sind seither gestiegen – das BLS meldete für Mai 2024 einen mittleren Stundenlohn von 23,66 Dollar für Buchhalter (U.S. Bureau of Labor Statistics), und die Arbeitgeberkosten für die Vergütung der Arbeitnehmer sind im gleichen Zeitraum laut BLS Employment Cost Index deutlich gestiegen. Bereinigt man die 58 Dollar allein um das Lohnwachstum, liegt der heutige Gegenwert bei etwa 70 Dollar. Aber die 58 Dollar sind die Zahl, die die Branche verwendet, und sie ist konservativ genug, um als vertretbare Basis zu dienen. Wenn überhaupt, liegt man damit zu niedrig.

Monatliche Kosten pro Mitarbeiter – Eigene Zahlen einsetzen

Kostenmodelle werden erst dann nützlich, wenn sie an die eigene Mitarbeiterzahl und die eigenen Ausgabenerfassungsgewohnheiten angepasst werden können. Die Rechnung ist simpel genug, um sie auf einer Serviette durchzuführen. Die benötigten Variablen:

• N: Anzahl der Mitarbeiter, die Spesenabrechnungen einreichen
• E: Durchschnittliche Spesenabrechnungen pro Mitarbeiter und Monat (Branchendaten der Aberdeen Group und der GBTA-Forschung beziffern dies für die meisten mittelständischen Unternehmen auf 1,0–1,5 – Vielreisende reichen 3–4 ein, Nicht-Reisende 0–1)
• M: Prozentsatz der manuell bearbeiteten Abrechnungen (wenn Ihr Team für irgendeinen Teil des Workflows Tabellenkalkulationen und E-Mails verwendet, sind das 100 %)
• Effektive Kosten pro Abrechnung: 67,88 $ (die GBTA-Basis von 58 $ + 9,88 $ gewichteter Fehlerpuffer)

Die Formel:

Jetzt für ein mittelständisches Unternehmen berechnet – 150 Mitarbeiter, jeder reicht durchschnittlich 1,2 Spesenabrechnungen pro Monat ein, alle manuell bearbeitet:

150 × 1,2 × 1,0 × 67,88 € = 12.218,40 € pro Monat. Das sind 146.620,80 € pro Jahr. Allein für die Verarbeitung von Spesenabrechnungen – nicht für die erstatteten Ausgaben selbst, sondern nur für den Verwaltungsaufwand, die Daten durch das System zu schleusen.

Skalieren wir das auf ein kleineres Team herunter. Ein Unternehmen mit 40 Mitarbeitern und denselben Parametern: 40 × 1,2 × 67,88 € = 3.258,24 € pro Monat oder 39.098,88 € pro Jahr. Das entspricht in etwa den jährlichen Vollkosten einer Teilzeit-Buchhaltungskraft – ausgegeben für eine Aufgabe, die weder Umsatz noch Analyse oder strategischen Mehrwert bringt.

Der Pro-Kopf-Wert liegt bei 67,88 € × 1,2 = 81,46 € pro Person und Monat, also 977,47 € pro Jahr. Für jeden Mitarbeiter, der Spesenabrechnungen einreicht, zahlt Ihr Finanzteam fast tausend Euro jährlich – nur um deren Belegdaten von Papier und Screenshots in die Hauptbuchhaltung zu übertragen. Multiplizieren Sie das mit Ihrer Mitarbeiterzahl, und die Summe ist selten klein.

Die Fehlersteuer – 19 % der Berichte, doppelte Kosten

Die Fehlerquote bei manuellen Spesenabrechnungen ist kein Rundungsfehler – sie ist der Mechanismus, der aus einem 58-€-Bericht ein Problem für über 110 € macht. Die GBTA-Studie ergab, dass 19 % der Berichte Fehler enthalten und jede Korrektur 52 € und 18 Minuten kostet. Doch der eigentliche Schaden durch Fehler geht weit über die direkten Korrekturkosten hinaus.

Wenn ein Spesenbericht eine falsch kategorisierte Ausgabe, eine fehlende Quittung oder einen vertauschten Dollarbetrag enthält, passieren drei Dinge. Erstens gerät der Bericht in eine Korrekturschleife: Die Finanzabteilung beanstandet ihn, der Mitarbeiter reicht ihn erneut ein, die Finanzabteilung prüft erneut. Die von der GBTA angenommene Korrekturzeit von 18 Minuten geht von einem einzigen Durchlauf aus; in der Praxis erfordern komplexe Fehler oft zwei oder drei Austauschvorgänge, was die tatsächlichen Korrekturkosten weit über 52 $ treibt. Zweitens verzögert der Fehler die Erstattung. Mitarbeiter, die geschäftlich gereist sind, aus eigener Tasche bezahlt und Belege eingereicht haben, warten nun eine weitere Woche oder länger auf ihr Geld – ein Reibungspunkt, den Finanzteams selten verfolgen, den Mitarbeiter aber deutlich spüren, besonders in einem wirtschaftlichen Umfeld, in dem eine Bankrate-Umfrage ergab, dass 56 % der Amerikaner einen Notfallausgaben von 1.000 $ nicht aus Ersparnissen decken können. Drittens lösen fehlerhafte Berichte oft ein Problem des Batch-Vertrauens aus: Sobald ein Prüfer einen Fehler in einem Batch findet, wird er langsamer und prüft jeden folgenden Bericht genauer, was jedem Bericht in der Warteschlange unsichtbare Minuten hinzufügt – ein Verhaltenskostenfaktor, den keine Benchmark-Studie erfasst, den aber jeder erfahrene AP-Manager beobachtet hat.

Bei einer Fehlerquote von 19 % und 150 Mitarbeitern, die jeweils 1,2 Berichte pro Monat einreichen: etwa 34 Berichte pro Monat werden Fehler enthalten. Bei 52 $ pro Stück sind das 1.768 $ pro Monat an direkten Korrekturkosten – 21.216 $ pro Jahr – noch bevor die Auswirkungen der verzögerten Erstattung auf die Moral oder der Batch-Verlangsamungseffekt berücksichtigt werden.

Fehler treten zudem nicht gleichmäßig auf. Gescannte Papierbelege – der zerknitterte Taxibeleg, die verblasste Restaurantrechnung, der thermisch bedruckte Tankstellenbon, der durch die Wäsche ging – verursachen deutlich mehr Transkriptionsfehler als saubere digitale Belege. Die alleinige Variation der Belegqualität führt dazu, dass eine einheitliche Fehlerrate die tatsächliche Streuung in der Spesenabrechnung eines Unternehmens unterschätzt.

Der Engpass von Beleg zu Daten ist die größte Geldleckstelle

Die gesamte Spesenverwaltungsbranche – Concur, Expensify, Ramp, Brex und zwei Dutzend weitere – hat zwei Jahrzehnte damit verbracht, den Genehmigungsablauf, die Richtlinienumsetzung und den Erstattungszeitpunkt zu optimieren. Und das sind echte Verbesserungen: automatisierte Genehmigungsweiterleitung beseitigt Manager-Engpässe, Integration von Firmenkreditkarten füllt Transaktionsdaten vor, mobiles Belegscannen hängt Bilder an Positionen an. Doch all diese Verbesserungen umgehen den Extraktionsschritt. Keine davon beseitigt ihn. Der Mitarbeiter muss immer noch einen Beleg ansehen und Händlername, Datum, Betrag, Ausgabenkategorie und die Aufschlüsselung der Positionen in den Bericht übertragen. Oder jemand in der Finanzabteilung macht es für sie. So oder so liest jemand ein Bild und tippt.

Deshalb hält sich die Zahl von 20 Minuten pro Beleg. Der GBTA-Benchmark stammt aus dem Jahr 2015, aber die eigentliche Aufgabe – „Beleg ansehen, Gesehenes eintippen“ – hat sich nicht geändert. Auch die Belegformate sind gleich geblieben: Kreditkartenbelege, E-Mail-PDFs, mobile Screenshots, unter Bürobeleuchtung fotografierte Papierbelege, mehrseitige Hotelabrechnungen, Mitfahrgelegenheits-Zusammenfassungen. Jedes Format zeigt dieselben Daten in einem anderen visuellen Layout. Ein Mensch, der eine Marriott-Abrechnung liest, muss den Zimmerpreis, die Steuern, die Nebenkosten und die Gesamtsumme finden – Posten, die über eine Seite verteilt sind, die für einen Gast und nicht für einen Buchhalter gestaltet wurde. Ein Mensch, der einen Tankstellenbeleg liest, muss die Kraftstoffsorte, die Liter, den Preis pro Liter und die Gesamtsumme aus vier Zeilen Thermoaufdruck unterscheiden, die oft verblasst sind. Die kognitive Belastung, diese unterschiedlichen Layouts nacheinander zu entschlüsseln, verbraucht den Großteil dieser 20 Minuten.

Dies ist kein Workflow-Problem. Es ist ein Problem des visuellen Verständnisses – und genau die Art von Problem, für die visuelle KI-Modelle entwickelt wurden. Wenn Sie ein Belegbild in ein KI-Extraktionstool einspeisen, liest das Modell das Bild so, wie ein Mensch es tun würde: Es versteht, dass „59,40“ neben „Gesamtsumme“ in einer größeren Schrift der Gesamtbetrag ist, dass „15.03.2026“ unter einem Hotel-Logo das Check-in-Datum ist und dass die Zeilen unter „Gebühren“ einzelne Ausgaben beschreiben. Der Beleg muss keiner bestimmten Vorlage oder keinem bestimmten Format folgen – das Modell identifiziert jedes Feld danach, was es bedeutet, nicht danach, wo es auf der Seite steht.

Was KI-Extraktion pro Beleg kostet

Visuelle KI-Extraktion für Spesenbelege ersetzt nicht den gesamten Workflow. Sie ersetzt einen Schritt: die Erfassung. Der Mitarbeiter oder die Finanzkraft muss den Beleg weiterhin einreichen, genehmigen lassen und die Erstattung abwarten. Aber der Schritt, der 15 der 20 Minuten pro Beleg verschlang – das Lesen und manuelle Eintippen jedes Feldes – schrumpft auf die Zeit zum Hochladen eines Bildes und Prüfen der extrahierten Daten.

Statt Spalten wie „Lieferant“, „Datum“, „Betrag“, „Kategorie“ und „Beschreibung“ für jede Quittung manuell einzugeben, definieren Sie die Spaltennamen einmal – mittels benutzerdefinierter Spaltenextraktion, bei der Sie die benötigten Feldnamen eingeben und die KI jeden Wert anhand seiner Bedeutung auf der Quittung lokalisiert, ohne Vorlagenabgleich mit einem vortrainierten Layout – und das Tool befüllt alle Felder aus dem hochgeladenen Belegbild in 5–10 Sekunden. Für einen Bericht mit fünf einzelnen Quittungen ergibt das eine Verarbeitungszeit von etwa 30–50 Sekunden, verglichen mit 12–15 Minuten manueller Übertragung. Die Zeitersparnis allein beim Extraktionsschritt beträgt rund das 18-Fache.

Was das im Kostenmodell bedeutet: Wenn der Dateneingabeanteil an den Verarbeitungskosten von 58 $ rund 60 % ausmacht (eine konservative Schätzung – die GBTA-Studie identifizierte „Dateneingabe“ und „Belege anhängen“ als die größten Schmerzpunkte, die von 54 % bzw. 55 % der Geschäftsreisenden genannt wurden), dann sind 34,80 $ pro Bericht durch KI-Extraktion adressierbar. Bei einer Reduzierung dieses Anteils um 90 % sinken die Dateneingabekosten pro Bericht von 34,80 $ auf 3,48 $. Die Gesamtkosten pro Bericht fallen von 67,88 $ (mit Fehlerpuffer) auf rund 36,56 $ – eine Reduzierung um 46 %. Für das Unternehmen mit 150 Mitarbeitern, das 180 Berichte pro Monat verarbeitet: Die monatlichen Kosten sinken von 12.218 $ auf 6.581 $. Jährliche Ersparnis: 67.649 $.

Dies ist kein vollständiger Ersatz für eine Spesenverwaltungssuite – diese Suiten decken den Genehmigungs- und Erstattungsprozess zusätzlich zur Erfassung ab. Für Finanzteams, die bereits ein Buchhaltungssystem und einen Prozess haben, aber durch manuelle Dateneingabe Zeit verlieren, bietet die Erfassung den höchsten ROI. Sie erfordert keine Prozessänderung, keine Softwaremigration, kein Change Management. Sie melden sich im Tool an, laden die Belege hoch und erhalten eine strukturierte Tabelle in Excel, die direkt in Ihren bestehenden Workflow einfließt. Der gleiche Ansatz skaliert auf die Stapelverarbeitung: Laden Sie die Spesenbelege Ihrer Mitarbeiter für einen ganzen Monat auf einmal hoch, und die KI extrahiert alle in eine einzige strukturierte Tabelle – was früher Stunden manueller Tipparbeit dauerte, erledigt sich in Minuten.

Zum Vergleich: Die Kostenstruktur anderer manueller Dokumentenprozesse zeigt das gleiche Muster versteckter Arbeit. Unsere Analyse des manuellen Protokollierens von Zahlungsbestätigungen ergab, dass eine einzige administrative Aufgabe ein typisches kleines Unternehmen 562 $ pro Monat kostet – und die Ursache ist dieselbe: Jemand liest Screenshots und PDFs und tippt Daten ab, die ein visuelles KI-Modell automatisch extrahieren könnte.

Häufig gestellte Fragen

Ist die GBTA-Zahl von 58 $ pro Bericht für 2026 noch gültig?

Die Zahl stammt aus einer Benchmark-Studie von 2015 und wurde seitdem in keiner vergleichbar maßgeblichen öffentlichen Studie aktualisiert. Sie bleibt jedoch der am weitesten verbreitete Referenzwert in der Branche, da sie konservativ ist: Bereinigt um die Lohninflation läge das heutige Äquivalent eher bei 70 $. Finanzteams sollten 58 $ als Untergrenze betrachten, nicht als Obergrenze. Verwenden Sie die Formel in diesem Artikel – wenn Ihre eigenen Zahlen höher ausfallen, sind Ihre Zahlen die relevanten.

Funktioniert die KI-Erfassung auch bei handschriftlichen Belegen?

Ja — innerhalb gewisser Grenzen. Visuelle KI-Modelle können Handschriften lesen, einschließlich Schreibschrift und enger Beschriftung auf Thermopapier, aber die Genauigkeit ist geringer als bei gedrucktem Text. Ein klares, gut beleuchtetes Foto einer handschriftlichen Quittung mit leserlicher Schrift wird in den meisten Fällen korrekt erfasst. Eine verblasste Durchschrift mit überlappenden Texten und kontrastarmen Bleistiftmarkierungen führt zu geringerer Genauigkeit. Das Tool funktioniert am besten, wenn das Quittungsbild einigermaßen scharf und gut beleuchtet ist – dieselbe Voraussetzung, die auch ein menschlicher Prüfer bräuchte.

Kann ich das zusammen mit meiner bestehenden Spesenverwaltungssoftware nutzen?

Ja. Die KI-Extraktion aus Belegen liefert strukturierte Daten – in der Regel eine Excel-Tabelle oder CSV – die in jedes Spesenverwaltungssystem oder ERP importiert werden können, das Dateiimporte akzeptiert. Der Extraktionsschritt erfolgt vor dem Spesenverwaltungs-Workflow, nicht innerhalb. Sie laden Belege hoch, erhalten saubere, strukturierte Daten und speisen diese in Ihre bestehenden Genehmigungs- und Erstattungsprozesse ein. Es ist nicht nötig, Ihre vorhandenen Systeme zu ersetzen.

Wie hoch ist die Genauigkeit im Vergleich zur manuellen Erfassung?

Gedruckte Tabellendaten erreichen mit visueller KI-Extraktion eine Erkennungsgenauigkeit von bis zu 99 %. Die manuelle Dateneingabe weist dagegen eine Fehlerrate von 1–4 % auf Feldebene auf, abhängig von der Dokumentenkomplexität und der Ermüdung des Bearbeiters – und die GBTA-Studie mit einer Fehlerrate von 19 % auf Berichtsebene bestätigt, dass sich menschliche Fehler über mehrere Felder hinweg summieren. Die KI-Extraktion eliminiert nicht alle Fehler (handschriftliche oder stark beschädigte Belege können zu Fehlern führen), aber sie beseitigt die systematischen Fehlerquellen, die bei der manuellen Erfassung dominieren: Vertauschungen, Fehllesungen, Feldvermischungen und falsche Kategorisierungen.

Wie verändert sich das Kostenmodell, wenn meine Mitarbeiter Firmenkreditkarten nutzen?

Firmenkarten reduzieren den Dateneingabeaufwand, indem sie Beträge und Daten vorausfüllen, beseitigen ihn jedoch nicht. Belege müssen weiterhin Transaktionen zugeordnet werden (welcher Kartenfeed? welcher Mitarbeiter? welcher Kontenrahmen?), Positionsdetails aus mehrzeiligen Belegen wie Hotelabrechnungen und Restaurantrechnungen extrahiert werden, und das Belegbild selbst muss für die Prüfungssicherheit angehängt bleiben. Die 58 $ Benchmark umfasst diese verbleibenden Schritte. Die Firmenkartenintegration adressiert den Transaktionsabgleich, lässt aber das Problem der Positionsdatenextraktion – den Teil, den die meisten Finanzteams noch manuell erledigen – unberührt.

Berechnen Sie Ihren eigenen Wert, dann testen Sie die Alternative

Die Formel lautet N × E × M × 67,88 $. Wenn Sie die tatsächlichen Zahlen Ihres Unternehmens einsetzen und das Ergebnis über dem liegt, was Sie für eine Aufgabe zahlen würden, die weder Umsatz noch strategische Erkenntnisse bringt, hat die Benchmark ihren Zweck erfüllt. Sie hat Ihnen keine Antwort gegeben – sondern die richtige Frage: Ab welchen monatlichen Kosten ist die manuelle Extraktion nicht mehr akzeptabel?

Der Einstiegstest ist bewusst niedrigschwellig: Laden Sie einen echten Spesenbeleg hoch, geben Sie die benötigten Spalten an, und sehen Sie zu, wie die KI die Tabelle in Sekunden liest und befüllt – ohne Konto, ohne Einrichtung, ohne Integration. Wenn aus 20 Minuten pro Bericht 30 Sekunden pro Bericht bei Ihren eigenen Belegen werden, ist das Kostenmodell pro Mitarbeiter nicht mehr theoretisch. Es wird zu einem Kalendereintrag: Wie schnell kann sich die Umstellung amortisieren?