KI-Unterstützung in der Lohnbuchhaltung

Das echte Ausmaß des Problems

Lohnbuchhaltung ist eine der technisch komplexesten Aufgaben in einer Steuerkanzlei. Nicht weil einzelne Lohnabrechnungen schwierig wären, sondern weil die Fehler fast immer in den Ausnahmen entstehen: der Mitarbeitende, der nach der Elternzeit mit reduzierter Stundenzahl zurückkommt und dabei in eine andere Steuerklasse wechselt. Die Einmalzahlung im Dezember, die zu einem anderen Zeitpunkt als der reguläre Lohn gemeldet werden muss. Die rückwirkende Gehaltserhöhung, die die Sozialversicherungsbeiträge der Vormonate ändert.

Eine belastbare Branchenzahl dazu, wie viele Lohnabrechnungen korrigiert werden müssen, haben wir nicht gefunden. Zähl deshalb vor dem Start die Korrekturläufe der letzten drei Monate in deinen Mandaten, das ist deine Ausgangsquote. Über ein Jahr und viele Mandate addieren sich Nachzahlungen, Beitragsrückforderungen von Sozialversicherungsträgern und der Aufwand für die Korrespondenz mit Finanzamt und Krankenkassen.

Der zweite Kostentreiber ist der Kommunikationsaufwand. Jeder Mandant mit 20 Mitarbeitenden hat monatlich 10 bis 15 Rückfragen von Mitarbeitenden zu ihrer Lohnabrechnung: „Warum ist mein Nettolohn diesen Monat niedriger als sonst?”, „Ich habe einen Steuerklassenwechsel beantragt, wurde der übernommen?”, „Meine Frau ist jetzt familienversichert, ändert sich mein Beitrag?” Diese Fragen landen beim Steuerberater oder Lohnbuchhalter, pro Mandant manchmal 1–2 Stunden pro Monat.

Mit vs. ohne KI, ein ehrlicher Vergleich

Richtwerte und Annahmen, keine Messung. Die Werte der zweiten Zeile stammen aus dem Rechenbeispiel weiter unten.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5) Die Einsparung durch reduzierte Fehlerquote und weniger Mandantenmitarbeitenden-Rückfragen ist real, aber nicht so dramatisch wie bei der reinen Automatisierung (Belegverarbeitung, DATEV-Vorbereitung). Der Nutzen ist am stärksten bei Kanzleien mit hoher Fehlerquote oder großem Lohnvolumen.

Kosteneinsparung, mittel (3/5) DATEV LODAS oder DATEV Lohn und Gehalt sind bereits vorhanden, was zusätzliche Prüfmodule kosten, hängt am Paket. Die Einsparung durch reduzierte Korrekturen und weniger Haftungsrisiken ist real, aber schwerer monetarisierbar als bei direkten Zeitersparnissen: Die Lohnabrechnung wird je Arbeitnehmer abgerechnet, schnellere Arbeit bringt kein höheres Honorar, sondern nur dann Geld, wenn Stunden wegfallen oder neue Abrechnungen tragen.

Schnelle Umsetzung, niedrig (2/5) DATEV-interne Prüfmodule aktivieren: 1 Tag. HR-System-Integration für bessere Datenpflege: mehrere Wochen. Chatbot für Mitarbeitendenfragen: 2–4 Wochen Setup. Das ist ein mittlerer Implementierungsaufwand, nicht sofort, aber auch kein Langzeit-Projekt.

ROI-Sicherheit, hoch (4/5) Die Fehlerquote lässt sich messen, aber die Baseline muss bekannt sein. Kanzleien, die ihre aktuelle Fehlerquote nicht kennen, können den ROI nicht präzise belegen. Investiere vor der Einführung 2 Wochen in eine Fehler-Baseline-Messung.

Skalierbarkeit, hoch (4/5) Das System skaliert direkt mit der Anzahl der Lohnabrechnungen. Mit jedem neuen Mandanten und jedem neuen Mitarbeitenden wächst der Nutzen proportional. Keine besonderen Skalierungshürden.

Richtwerte, stark abhängig von aktueller Fehlerquote, Mandantenstruktur und Komplexität der Sonderfälle.

Was KI-Lohnbuchhaltung konkret macht

Schritt 1, Automatischer Vormonatsvergleich Das System vergleicht jede fertige Lohnabrechnung automatisch mit dem Vormonat. Abweichungen über einem konfigurierbaren Schwellenwert werden markiert: „Bruttolohn Mitarbeiter Müller: +2.800 Euro gegenüber Vormonat.” Der Bearbeiter sieht diese Markierungen vor dem Versand und kann gezielt prüfen, ob die Abweichungen korrekte Ursachen haben oder auf Fehler hindeuten.

Schritt 2, Regelbasierte Plausibilitätsprüfung Das System prüft jede Lohnabrechnung gegen ein hinterlegtes Regelwerk: Passt die Steuerklasse zum Familienstand? Stimmen die Sozialversicherungsbeiträge mit den aktuellen Beitragssätzen überein? Sind Minijob-Grenzen eingehalten (2026: 603 Euro im Monat, die Grenze steigt mit dem Mindestlohn)? Wurden Freibeträge korrekt berücksichtigt? Sind Beitragsbemessungsgrenzen beachtet? Jede Abweichung von den Regeln erzeugt einen Prüfhinweis.

Schritt 3, KI-Chatbot für Mitarbeitendenfragen der Mandanten Für die Kommunikation mit Mandantenmitarbeitenden kann ein LLM-Chatbot eingesetzt werden, der auf häufige Lohnfragen trainiert ist: Erklärungen zu Steuerklassenunterschieden, Brutto-Netto-Berechnungen, Elterngeld-Auswirkungen, Steuerklassenwechsel-Timing. Der Chatbot beantwortet allgemeine Fragen direkt und leitet alles, was die eigene Abrechnung betrifft, an den Lohnbuchhalter weiter.

Konkrete Werkzeuge, was wann passt

DATEV LODAS / Lohn und Gehalt, Beide Lohnbuchhaltungsprogramme von DATEV integrieren bereits Plausibilitätsprüfungen. Wer diese Systeme nutzt, sollte die Prüfmodule vollständig aktivieren, bevor externe Tools evaluiert werden. Die DATEV-eigene Prüflogik deckt viele Standardfehler ab.

personio , HR-Software mit Lohnabrechnung-Integration. Personio verwaltet Mitarbeiterdaten, Urlaubszeiten und Änderungsmeldungen zentral und reduziert Fehlerquellen durch bessere Datenpflege vor der Lohnabrechnung. Personio bucht in aller Regel der Mandant für seine eigene Belegschaft, nicht die Kanzlei. Laut Preisseite ab 7,60 Euro je Mitarbeitenden und Monat netto, plus einmalige Einrichtungsgebühr.

chatgpt , Für den Aufbau eines internen FAQ-Systems: Häufige Mitarbeitendenfragen zu Lohnabrechnungen in einem Prompt-Template hinterlegen, ChatGPT als Basisschicht für einen FAQ-Bot nutzen. Business-Version 20 US-Dollar je Nutzer bei Jahreszahlung, 25 bei monatlicher, ab zwei Nutzern.

Claude , Für die Analyse komplexer Lohn-Sonderfälle: Wenn eine rückwirkende Änderung mehrere Monate betrifft und die Neuberechnung strukturiert aufbereitet werden muss, hilft Claude bei der dokumentierten Aufarbeitung. Pro 20 US-Dollar im Monat für anonymisierte Fälle, mit echten Lohndaten nur Claude Team (20 bis 25 US-Dollar je Platz, mindestens zwei Plätze).

make-com (ab 9 US-Dollar im Monat bei jährlicher Zahlung), Für automatische Workflows zwischen HR-System und Lohnbuchhaltung: Wenn Änderungsmeldungen (Steuerklassenwechsel, neue Mitarbeitende, Kündigungen) aus einem HR-System automatisch in DATEV übertragen werden sollen.

Datenschutz und Datenhaltung

Lohnbuchhaltungsdaten sind besonders schützenswert: Sie enthalten Gehalts-, Steuer- und Sozialversicherungsdaten natürlicher Personen und unterliegen neben der DSGVO auch § 26 BDSG (Beschäftigtendatenschutz). Die Verschwiegenheitspflicht nach § 57 StBerG gilt ebenso.

Für externe KI-Tools gilt: Keine vollständigen Lohnabrechnungen mit Personennamen und Gehaltsdaten in öffentliche KI-Systeme eingeben. Für die Chatbot-Lösung gilt: Generische Antworten auf häufige Fragen enthalten keine personenbezogenen Daten, das ist datenschutzrechtlich unkritisch. Für die Fehleranalyse mit Claude oder chatgpt Business gilt: Anonymisierte Beispiele (ohne Namen, ohne individuelle Steuer-IDs) für die Entwicklung von Prüfregeln nutzen. Vorsicht beim Kirchensteuermerkmal: Es verrät die Religionszugehörigkeit und ist damit ein besonders geschütztes Datum nach Art. 9 DSGVO. Und wer einen externen Dienstleister an echte Lohndaten lässt, muss ihn berufsrechtlich nach § 62a StBerG in Textform zur Verschwiegenheit verpflichten, der AVV allein reicht dafür nicht.

DATEV verarbeitet alle Daten auf deutschen Servern und ist in diesem Kontext die datenschutzrechtlich sicherste Option. personio verarbeitet Daten in der EU, stellt AVV bereit.

Was es kostet, realistisch gerechnet

Einstieg (DATEV-Prüfmodule vollständig aktivieren)

• Voraussetzung: DATEV LODAS oder Lohn und Gehalt vorhanden
• Ob verfügbare Prüfmodule extra kosten, hängt an deinem DATEV-Paket, eine öffentliche Preisliste gibt es nicht
• Einrichtungsaufwand: 1 Tag für Konfiguration
• Erwarteter Effekt: weniger manuelle Nachprüfungen, wie viel, zeigt deine Vorher-Zählung

Skaliert (HR-Integration + Mitarbeitenden-FAQ)

• Personio (50 Mitarbeitende): 50 × 7,60 = 380 Euro laut Preisseite, plus einmalige Einrichtungsgebühr
• Chatbot-Aufbau mit Make und ChatGPT Business: Make ab 9 US-Dollar plus 2 × 20–25 US-Dollar für ChatGPT = rund 50–60 US-Dollar im Monat
• Einrichtungsaufwand: 5–8 Tage
• Erwarteter Effekt: weniger allgemeine Rückfragen von Mandantenmitarbeitenden, im Rechenbeispiel ein Drittel. Fragen zur eigenen Abrechnung bleiben beim Lohnbuchhalter.

ROI-Beispiel: Eine Kanzlei betreut 25 Mandanten mit je 15 Mitarbeitenden (375 Lohnabrechnungen/Monat). Angenommen, 10 Prozent der Abrechnungen brauchen eine Korrektur (eine belastbare Branchenzahl gibt es nicht, setz deine eigene Quote ein): 37,5 Fehler im Monat, bei 20 Minuten je Fehler 12,5 Stunden. Mitarbeitendenfragen: 1 Stunde je Mandant und Monat, zusammen 25 Stunden. Gesamtaufwand: 37,5 Stunden. Weitere Annahme: Der Vormonatsvergleich halbiert die Korrekturen (6,25 Stunden weniger), das FAQ fängt ein Drittel der Rückfragen ab (gut 8 Stunden weniger), der Rest betrifft die eigene Abrechnung und braucht die echten Daten. Zusammen gut 14 Stunden im Monat, rund 175 Stunden im Jahr. Bei 70 Euro internem Stundensatz stecken darin rund 12.250 Euro Lohnkosten (175 mal 70 Euro), bei Tool-Kosten von rund 5.000–5.300 Euro/Jahr plus Personio-Einrichtungsgebühr. Bucht der Mandant Personio für seine eigene Belegschaft, bleiben bei der Kanzlei nur die Chatbot-Kosten.

Die Lohnabrechnung rechnest du nach § 34 StBVV je Arbeitnehmer und Abrechnungszeitraum ab, das Honorar bleibt also gleich, wenn die Arbeit schneller geht. Die gesparten Stunden sind Marge, auf dem Konto landen sie aber nur, wenn sie wegfallen (weniger Überstunden, eine Stelle wird nicht nachbesetzt) oder zusätzliche Abrechnungen tragen. Die Korrektur eigener Fehler konntest du ohnehin nicht abrechnen.

Typische Einstiegsfehler

1. Beitragssätze nicht aktuell halten. Beitragssätze für Sozialversicherung ändern sich jährlich zum 1. Januar. Prüfregeln, die noch mit dem Vorjahresbeitragssatz laufen, produzieren ab Januar systematisch falsche Alerts oder schlagen echte Fehler nicht an. Lege einen Kalender-Reminder für den ersten Arbeitstag im Januar an: Beitragssätze aktualisieren.

2. Sonderfälle aus dem Prüfprozess herausnehmen. Elternzeit-Rückkehr, rückwirkende Gehaltsänderungen und Einmalzahlungen sind genau die Fälle, bei denen Prüfregeln am wichtigsten wären, und bei denen viele Teams denken, sie seien zu komplex für automatische Prüfung. Das Gegenteil ist richtig: Genau diese Ausnahmen müssen mit spezifischen Prüfregeln abgedeckt werden.

3. HR-System und Lohnbuchhaltung nicht synchron halten. Die häufigste Ursache für Lohnfehler ist nicht die Berechnung, sondern die Datenpflege: Steuerklassenwechsel wurde gemeldet, aber nicht im System übernommen. HR-System und Lohnbuchhaltung sind nicht synchron. Ein zentrales HR-System, das Änderungsmeldungen direkt an DATEV übergeben kann, ist die strukturelle Lösung.

4. Den Chatbot für Mitarbeitendenfragen mit konkreten Mandantendaten befüllen. Wenn ein Chatbot mit mandantenspezifischen Daten gefüttert wird (Gehalt, Steuerklasse, Urlaubsanspruch), entstehen Datenschutzrisiken. Beschränke den Chatbot auf allgemeine Fragen (Was ist der Unterschied zwischen Steuerklasse I und III? Wie funktioniert das Elterngeld?), für mandantenspezifische Fragen leite an den Lohnbuchhalter weiter.

Was mit der Einführung wirklich passiert

Der häufigste Widerstand: Erfahrene Lohnbuchhalterinnen und -buchhalter, die ihren Prozess gut kennen, sehen die automatische Prüfung zunächst als Misstrauenssignal. Das Gegenteil kommunizieren: Die Prüfung nimmt die Routine-Checks ab, und damit die Aufmerksamkeit für die wirklich schwierigen Sonderfälle frei.

Was sehr gut funktioniert: Der Vormonatsvergleich. Der Effekt ist sofort sichtbar: Abweichungen, die früher erst bei der Jahresabrechnung auffielen, werden jetzt im Monat der Entstehung markiert. Das reduziert Korrekturaufwand erheblich.

Was weniger gut funktioniert als erwartet: Automatische Beantwortung von Mitarbeitendenfragen. Mandantenmitarbeitende stellen oft Fragen, die einen Klick in die echten Daten erfordern, „Warum genau ist mein Nettolohn diesen Monat 80 Euro geringer?” ist kein FAQ-Fall, sondern ein Fall für die echten Abrechnungsdaten. Der Chatbot kann allgemeine Erklärungen geben, aber mandantenspezifische Rückfragen nicht vollständig übernehmen.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Unsere DATEV-Daten sind so spezifisch, dass automatische Prüfregeln nicht funktionieren.” Die wertvollsten Prüfregeln sind mandantenübergreifend: Stimmt die Steuerklasse? Sind Beitragsbemessungsgrenzen eingehalten? Hat sich das Bruttogehalt unerwarteterweise geändert? Diese Checks gelten für jeden Mandanten.

„Die Mitarbeitenden unserer Mandanten wollen mit echten Menschen sprechen, nicht mit Chatbots.” Für Fragen zur eigenen Abrechnung stimmt das, und dort gehört auch ein Mensch hin: „Warum ist mein Nettolohn 80 Euro geringer als letzten Monat?” lässt sich nur mit den echten Abrechnungsdaten beantworten. Allgemeine Fragen dagegen, etwa wie sich ein Steuerklassenwechsel auswirkt, beantwortet ein FAQ in Sekunden und entlastet damit den Lohnbuchhalter für die Einzelfälle.

„Das ändert sich jährlich durch neue Beitragssätze und Regelungen.” Genau deswegen braucht man ein System, statt manuelle Prüfungen. Ein zentrales System, das einmal jährlich mit neuen Beitragssätzen aktualisiert wird, ist robuster als 10 Bearbeiter, die jeder für sich prüfen müssen, ob sie den aktuellen Stand kennen.

Woran du merkst, dass das zu dir passt

• Du erstellst monatlich Lohnabrechnungen für mehr als 20 Mitarbeitende über verschiedene Mandate.
• Fehler in der Lohnabrechnung führen regelmäßig zu Nachkorrekturen oder Mandantenanrufen.
• Mandantenmitarbeitende stellen häufig Fragen zu ihren Lohnabrechnungen, die Zeit kosten.
• Elternzeiten, Gehaltsänderungen oder Sonderzahlungen sind eine bekannte Fehlerquelle.

Wer damit noch warten sollte:

• Kanzleien mit weniger als 100 Lohnabrechnungen/Monat gesamt, zu kleines Volumen für spürbaren Einsparungseffekt.
• Teams, bei denen DATEV LODAS noch nicht vollständig konfiguriert ist, zuerst DATEV als Grundlage optimieren.
• Wenn die Datenqualität aus HR-Systemen der Mandanten so niedrig ist, dass eine HR-Integration mehr Probleme schafft als löst.

Das kannst du heute noch tun

Klär mit der Programmhilfe oder deinem DATEV-Ansprechpartner, welche Vergleichs- und Prüfauswertungen dein Lohnprogramm (LODAS oder Lohn und Gehalt) schon mitbringt, und nutze die, die einen Abrechnungsmonat mit dem Vormonat vergleicht. Gibt es keine passende, reicht für den Anfang ein Export beider Monate in eine Tabelle. Markiere Abweichungen ab 10 Prozent. Führe dann im nächsten Abrechnungslauf eine Probe durch und schau, welche Alerts du bekommst. Die Alerts, die alle triviale Erklärungen haben, zeigen dir, wo du den Schwellenwert anpassen solltest. Die überraschenden Alerts zeigen dir den Wert des Systems.

Quellen & Methodik

• DATEV eG, Produktdokumentation LODAS und Lohn und Gehalt
• § 26 BDSG (Bundesdatenschutzgesetz), Beschäftigtendatenschutz; Art. 9 DSGVO, besondere Kategorien personenbezogener Daten
• §§ 57, 62a StBerG, Verschwiegenheitspflicht, Einbindung von Dienstleistern
• § 34 StBVV, Gebühr für die Lohnbuchführung je Arbeitnehmer und Abrechnungszeitraum
• Minijob-Grenze: § 8 Abs. 1a SGB IV (Mindestlohn mal 130 geteilt durch 3, aufgerundet) mit dem Mindestlohn von 13,90 Euro ab 1. Januar 2026 nach der Fünften Mindestlohnanpassungsverordnung, ergibt 603 Euro
• Fehlerquoten und Zeitwerte: Für die Quote korrekturbedürftiger Lohnabrechnungen haben wir keine belastbare Erhebung gefunden. Die 10 Prozent im Rechenbeispiel sind eine Annahme, zähl deine eigenen Korrekturläufe.