Lohnabrechnung-Vorbereitung automatisieren
KI liest Stundenzettel aus unterschiedlichen Formaten, gleicht Stunden gegen Schichtbuchungen ab, berechnet Zuschläge nach BAP/DGB-Tarifvertrag und liefert eine prüffertige Datei für DATEV, drei Tage Vorbereitungszeit werden zu einem Nachmittag.
- Problem
- Alle zwei Wochen trudeln 180 Stundenzettel in unterschiedlichen Formaten ein. Ein Disponent tippt drei Tage lang Stunden in Tabellen. Der letzte Lohnlauf hatte 12 Korrekturen, weil Zuschläge fehlten, Überstunden falsch zugeordnet waren oder Handschriften falsch gelesen wurden.
- KI-Lösung
- IDP-Pipeline (Transformer-basierte OCR + Regelwerk-Engine) liest Stundenzettel aus PDFs, Fotos und E-Mails, validiert gegen gebuchte Schichten, berechnet Tarifzuschläge und erzeugt eine exportfertige DATEV-Importdatei, mit automatischer Markierung aller Ausnahmen, die manuell geprüft werden müssen.
- Typischer Nutzen
- Vorbereitungszeit von drei Tagen auf vier bis sechs Stunden reduziert. Fehlerquote um 70–80 Prozent gesenkt. Weniger Mitarbeiterbeschwerden, kein Vertrauensverlust, keine Korrekturrunden nach Auszahlung.
- Setup-Zeit
- 10–14 Wochen inkl. DATEV-Integration und Tarifdaten
- Kosteneinschätzung
- Einrichtung: 8.000–20.000 € einmalig; laufend: 44–800 €/Monat (IDP-Tool + Automatisierung)
Es ist Donnerstagnachmittag, 16:42 Uhr, zwei Tage vor dem Lohnlauf.
Tanja Möller öffnet ihren E-Mail-Eingang. 23 neue Stundenzettel. Einige als PDF-Anhang, ordentlich gescannt. Einer als Foto, leicht schräg, mit einem Kugelschreiber ausgefüllt. Drei per Fax über das Büro-Multifunktionsgerät ausgedruckt und dann von einer Kollegin eingescannt, der Kontrast stimmt, die Handschrift nicht. Zwei fehlen noch ganz. Den Rest hat Tanja schon sortiert: 156 Zettel, die sie die letzten eineinhalb Tage in ihre Excel-Tabelle eingetippt hat. Stunde für Stunde. Nachtschicht-Zuschlag ja oder nein. Überstunden über den Monatstakt oder innerhalb der Woche. Feiertag am Mittwoch, war das ein Klient, bei dem Equal Pay schon gilt?
Der Lohnlauf läuft am Montag. Tanja hat noch ungefähr vier Stunden heute und morgen einen vollen Tag.
Letzte Periode: zwölf Korrekturen nach Auszahlung. Sieben Mitarbeitende hatten ihren Nachtschichtzuschlag nicht bekommen. Zwei Überstunden falsch gebucht. Drei Mails von Mitarbeitenden, die nachfragten, ob das normal sei. Das Vertrauen bröckelt langsam.
Das ist kein seltenes Pech. Das ist der Standard-Lohnprozess in einem 60-Personen-Zeitarbeitsunternehmen ohne digitale Unterstützung.
Für Unternehmen
Nicht nur lesen, umsetzen.
Wir entwickeln KI-Lösungen für genau deinen Anwendungsfall und begleiten dich bei der Einführung.
Das echte Ausmaß des Problems
In einem typischen Zeitarbeitsunternehmen mit 60 Mitarbeitenden im Einsatz kommen alle zwei Wochen zwischen 120 und 200 Stundenzettel herein. Format, Handschrift und Vollständigkeit variieren je nach Kundenunternehmen. Manche Kunden senden ordentlich ausgefüllte Excel-Tabellen. Andere schicken handgeschriebene DIN-A4-Formulare, die jemand am Ende der Nachtschicht ausgefüllt hat. Einige kommen per E-Mail, andere per WhatsApp-Foto.
Der manuelle Verarbeitungsprozess kostet laut einer Branchenerhebung von SD Worx (Payroll Navigator 2024, mehr als 5.000 Unternehmen, 18.000 HR-Fachleute in 18 Ländern) in europäischen Unternehmen durchschnittlich 2,5 bis 4 Personentage pro Abrechnungszyklus, bei einem Zeitarbeitsunternehmen mit Zuschlagslogik und Tarifkomplexität liegt dieser Wert regelmäßig am oberen Ende. Dieselbe Studie zeigt: 25 Prozent der Mitarbeitenden, die falsch bezahlt wurden, suchen aktiv einen neuen Job, gegenüber nur 9 Prozent bei korrekter Abrechnung. Falsche Lohnabrechnungen sind kein Verwaltungsproblem. Sie sind ein Mitarbeiterbindungsproblem.
Die Fehlerquote bei manueller Entgeltabrechnung liegt branchenübergreifend bei 1 bis 5 Prozent. Bei einem Zeitarbeitsunternehmen mit 60 Mitarbeitenden und zwei Lohnläufen pro Monat bedeutet das: 14 bis 72 fehlerhafte Abrechnungen pro Jahr. Jede Korrektur kostet Arbeitszeit für Rückfragen, Neuberechnung und Nachzahlung, und Vertrauen, das sich nicht einfach zurückbuchen lässt.
Hinzu kommt die AÜG-Dokumentationspflicht: Laut §8 Arbeitnehmerüberlassungsgesetz greift nach neun Monaten ununterbrochener Überlassung das Equal-Pay-Gebot, die vollständige Angleichung an die Vergütung vergleichbarer Stammmitarbeiter beim Entleiher, inklusive aller Zuschläge, Sonderzahlungen und Sachbezüge. Die Finanzkontrolle Schwarzarbeit (FKS) des Zolls und die Bundesagentur für Arbeit können Bußgelder von bis zu 500.000 Euro verhängen, wenn Nachweise fehlen oder Berechnungen nicht nachvollziehbar sind. Wer die Lohnvorbereitung manuell macht, hat selten eine lückenlose Dokumentation dieser Berechnungskette.
Mit vs. ohne KI, ein ehrlicher Vergleich
| Kennzahl | Ohne KI | Mit KI-gestützter Vorbereitung |
|---|---|---|
| Vorbereitungszeit pro Lohnlauf | 2–4 Personentage | 4–8 Stunden |
| Eingabefehler (falsche Stundenanzahl, fehlende Zuschläge) | 1–5 % aller Abrechnungen | Unter 0,5 % (noch übersehene Ausnahmen) |
| Korrekturrunden nach Auszahlung | 5–15 pro Lohnlauf | 1–3 pro Lohnlauf |
| Dokumentation für Equal-Pay-Nachweis | Manuell, lückenhaft | Automatisch protokolliert |
| Verarbeitungsformat-Abdeckung | Manuell alle Formate | PDF, Foto, E-Mail-Text automatisch; Handschrift mit Qualitätsmarkierung |
| Reaktionszeit bei Mitarbeiteranfrage zur Abrechnung | 1–2 Tage Recherche | Sofort, weil alle Schritte dokumentiert |
Die Vergleichswerte bei Eingabefehlern und Korrekturrunden basieren auf Erfahrungswerten aus IDP-Implementierungen in vergleichbaren Zeitarbeitsunternehmen (80–200 Mitarbeitende). Keine repräsentative Studie, aber konsistente Beobachtungen.
Einschätzung auf einen Blick
Zeitersparnis, hoch (4/5)
Drei Tage manuelles Eintippen werden zu einem Nachmittag validierter Daten, das ist einer der größten Zeithebel im gesamten Zeitarbeitsprozess. Nicht die absolute Höchstwertung, weil die Ausnahmenbearbeitung (unlesbare Handschrift, fehlende Bestätigungen, Disputes mit Kundenunternehmen) weiterhin manuell bleibt. Der Automatisierungsgrad liegt typischerweise bei 80–90 Prozent der Stundenzettel, die restlichen 10–20 Prozent erfordern Eingriff.
Kosteneinsparung, hoch (4/5)
Die Einsparungen sind in zwei Kategorien direkt messbar: erstens Personalzeit (3 Tage Disponenten-Arbeitszeit pro Lohnlauf, zweimal im Monat), zweitens vermiedene Nachzahlungskosten und Bußgeldrisiken. In der Praxis addieren sich Korrekturrunden, Mitarbeiterkommunikation und Nachberechnungen auf 800–3.000 Euro monatlich, ein konservativer Wert. Nicht die Höchstwertung, weil Setup und Integration eine echte Einmalpaywall haben.
Schnelle Umsetzung, mittel (3/5)
Die technische Extraktion der Stundenzettel ist in wenigen Wochen pilotierbar. Der eigentliche Aufwand liegt in der DATEV-Integration und der sauberen Abbildung des jeweiligen Tarifwerks (BAP/DGB-Manteltarifvertrag, iGZ-Tarifvertrag, Branchenzuschläge). Wer mehrere Tarifwerke gleichzeitig anwendet, in der Praxis bei Zeitarbeitsfirmen, die mehrere Branchen bedienen, keine Seltenheit, braucht 10–14 Wochen realistisch bis zum produktiven Betrieb. Das entspricht dem Branchenmittel für eine DATEV-integrierte HR-Automatisierung.
ROI-Sicherheit, sehr hoch (5/5)
Dies ist der stärkste Punkt: Der Nutzen ist vollständig zählbar. Jede vermiedene Korrektur, jeder eingesparte Bearbeitungstag, jedes dokumentierte Equal-Pay-Protokoll hat einen direkten Gegenwert in Euros. Anders als bei vielen KI-Anwendungen, die indirekte Effekte produzieren, sind die Einsparungen hier buchbar. Kein anderer Anwendungsfall im Zeitarbeitsbereich ist so einfach in harten Zahlen zu belegen, weshalb auch die interne Genehmigung für das Projekt typischerweise schnell läuft.
Skalierbarkeit, hoch (4/5)
Das System verarbeitet 180 oder 1.800 Stundenzettel mit dem gleichen technischen Aufwand. Der Skalierungsvorteil ist real. Einschränkung: Wenn du neue Kundenunternehmen mit unbekannten Formaten aufnimmst oder in neue Tarifbranchen gehst, muss die Extraktions-Pipeline erweitert werden. Das ist handhabbar, aber es ist nicht “null Aufwand”.
Richtwerte, stark abhängig von Anzahl der Mitarbeitenden, Tarifkomplexität und vorhandener IT-Infrastruktur.
Was die KI-Pipeline konkret macht
Der technische Prozess läuft in drei Schritten ab:
Schritt 1: Stundenzettel-Extraktion via IDP
Eingehende Dokumente, PDFs, E-Mail-Anhänge, Fotos, Scans, werden durch ein Intelligent Document Processing System geführt. Die Automatisierung erkennt Dokumenttyp, Mitarbeiterkennzeichen, Einsatzzeitraum und Stundenpositionen. Bei handschriftlichen Feldern gibt das System einen Konfidenzwert zurück: Felder über 0,85 Konfidenz werden übernommen, Felder darunter werden zur manuellen Prüfung markiert. Das Ergebnis ist eine strukturierte JSON-Datei pro Stundenzettel, kein Tippfehler, kein vergessenes Feld.
Schritt 2: Validierung gegen Schichtbuchungen
Die extrahierten Stunden werden automatisch gegen das gebuchte Schichtsoll abgeglichen. Weicht ein Stundenzettel mehr als eine Schwelle (z.B. 15 Minuten) von der Buchung ab, wird er markiert. Fehlen Stundenzettel komplett, erzeugt das System eine Erinnerungsaufgabe. Der Disponent sieht nicht mehr alle 180 Zettel, sondern eine kurze Liste von Ausnahmen, typischerweise 15 bis 30 Fälle, die tatsächliche Aufmerksamkeit brauchen.
Schritt 3: Zuschlagsberechnung nach Tarifdaten und DATEV-Export
Auf Basis der validierten Stunden berechnet eine Regelwerk-Engine die Zuschläge nach dem anwendbaren Tarifwerk: Nachtarbeit (ab 23:00 Uhr nach §6 ArbZG und Manteltarifvertrag), Sonntagsarbeit, Feiertagsarbeit (je nach Bundesland unterschiedlich), Überstundenzuschlag nach Monatskonto oder Wochen-Korridor, je nach Vertragsmodell. Das Ergebnis ist eine strukturierte Exportdatei im DATEV-kompatiblen Format, die der Steuerberater oder die eigene Lohnbuchhaltung direkt importiert.
Kein manuelles Eintippen. Kein Vergessen eines Feiertags in NRW. Kein Übersehen, dass jemand seit dem ersten des Monats die neun-Monats-Schwelle überschritten hat.
Tarifvertrag-Komplexität: Das zentrale Datenmodell
Das ist der Schritt, den viele unterschätzen, und der den Unterschied zwischen einem funktionierenden und einem gefährlichen System ausmacht.
Ein Zeitarbeitsunternehmen, das in mehreren Branchen tätig ist, kann gleichzeitig nach mehreren Tarifwerken abrechnen:
- BAP/DGB-Manteltarifvertrag: Grundlagen für Zeitarbeit (Überstunden, Urlaub, Zuschläge), mit neun Entgeltgruppen (EG 1–9) und Zuschlagsstaffeln für Nacht (25 %), Sonntag (50 %) und Feiertag (100 %)
- iGZ-DGB-Tarifvertrag: Alternative Grundlage mit ähnlicher Struktur, aber anderen Referenztabellen
- Branchenzuschlagstarifverträge (BZV): Für bestimmte Branchen (Metall, Chemie, Elektro, Holz, Kunststoff etc.) gelten Branchenzuschläge, die nach Einsatzdauer stufenweise steigen, von 15 % im ersten Einsatzmonat bis zu 50 % nach mehr als 15 Monaten beim gleichen Entleiher
- AÜG Equal Pay nach 9 Monaten: Anspruch auf vollständige Angleichung an alle Vergütungskomponenten vergleichbarer Stammmitarbeitender beim Entleiher, das umfasst Grundlohn, Schichtzuschläge, Urlaubsgeld, Weihnachtsgeld, Sachbezüge
Für die KI-Pipeline bedeutet das: Bevor das erste Dokument verarbeitet wird, muss das System die korrekte Tariffassade für jeden Mitarbeitenden kennen. Das ist keine technische Frage, sondern eine Datenpflege-Frage. Die Regelwerk-Engine ist nur so gut wie die hinterlegten Tarifparameter, veraltete oder falsch eingetragene Werte führen zu systematischen Berechnungsfehlern, die das System selbstbewusst und ohne Warnung durchreicht.
Praktische Konsequenz: Der Aufbau und die Pflege der Tarifdaten ist ein eigenständiger Projektbestandteil, der mindestens 2–3 Wochen eines Zeitarbeitsfachkundigen benötigt und regelmäßig (mindestens bei Tarifanpassungen, in der Regel einmal jährlich) aktualisiert werden muss. Tools wie zvoove haben diese Tarifdaten teilweise bereits hinterlegt, das spart Aufwand, ersetzt aber nicht die Prüfung.
Integrations-Realität: DATEV und die Schnittstellen
Wer glaubt, die größte Arbeit liegt in der Stundenzettel-Extraktion, unterschätzt die Schnittstellen-Wirklichkeit.
DATEV Lohn und Gehalt importiert Daten über ein definiertes Format (LODAS-Schnittstelle oder DATEV-Importer). Die Felder müssen exakt belegt sein: Kostenstelle, Personalnummer, Lohnart-Schlüssel, Abrechnungszeitraum, Betrag oder Stunden je nach Lohnart. Ein falsch formatiertes Feld verwirft der Import-Wizard, ohne eine hilfreiche Fehlermeldung zu geben.
Das bedeutet in der Praxis: Die KI-Pipeline muss nicht nur “irgendwie strukturierte Daten” produzieren, sondern DATEV-spezifische Exportdateien in einem definierten Schema. Das erfordert in der Regel eine einmalige technische Abstimmung zwischen dem Tool-Setup und eurem Steuerberater (oder eurer Lohnbuchhaltungsabteilung), die die DATEV-Konfiguration kennt.
Alternativer Weg: Wer zvoove als Zeitarbeit-Verwaltungssoftware einsetzt, hat diese Integration bereits eingebaut. zvoove verarbeitet Stundenzettel, berechnet Zuschläge nach hinterlegten Tarifwerken und übergibt die Daten direkt an DATEV, die manuelle Exportdatei entfällt. In diesem Fall ist das Setup deutlich einfacher, aber man kauft sich in ein Gesamtsystem ein, statt nur die Vorbereitungs-Pipeline zu automatisieren.
Wer Lexware statt DATEV nutzt: Ähnliche Logik, aber das Importformat unterscheidet sich. Beide Wege sind technisch umsetzbar, beide brauchen eine einmalige Konfigurationsphase.
Konkrete Werkzeuge, was wann passt
zvoove, wenn du alles aus einer Hand willst
Die führende deutsche Zeitarbeitssoftware hat Stundenzettelerfassung, AÜG-Compliance, Tarifberechnung und DATEV-Export als integrierte Funktionen. Wenn du zvoove noch nicht einsetzt, kaufst du ein Gesamtsystem, aber du sparst dir den Aufbau einer separaten IDP-Pipeline. Geeignet für Zeitarbeitsfirmen ab ca. 30 Mitarbeitenden, die eine vollständige Prozessdigitalisierung wollen. Preise auf Anfrage; vier Paketstufen (Basic bis Premium Full Service). Für kleinere Betriebe oft überdimensioniert.
Nanonets, wenn du eine flexible IDP-Pipeline aufbauen willst
Nanonets extrahiert Daten aus PDFs, Fotos und E-Mails mit vortrainiertem Modell für Zeiterfassungsdokumente. Template-freie Extraktion, das System lernt aus Beispielen, statt feste Feldkoordinaten zu definieren. Wichtig: Standard-Hosting in den USA; EU-Datenresidenz nur im Enterprise-Plan. Für Zeitarbeitsfirmen mit datenschutzsensiblen Lohndaten ist das ein relevanter Punkt, der vor dem Start geklärt werden muss. Einstieg mit 200 USD Startguthaben ohne Kreditkarte möglich.
Mindee, wenn du EU-konformes Hosting brauchst und Entwicklerressourcen hast
Mindee ist ein französischer Anbieter mit EU-Hosting (AWS Irland) und einer gut dokumentierten API für Dokumentenextraktion. Geeignet für Teams, die eine eigene Integrationsschicht bauen wollen. Starter ab 44 EUR/Monat für 500 Seiten/Monat, bei 180 Stundenzetteln alle zwei Wochen also ca. 360 Seiten/Monat, das passt in den Starter-Plan. Developer-orientiert: ohne Programmierressourcen nicht sinnvoll einsetzbar.
Konfuzio, wenn du deutsches Hosting mit On-Premises-Option brauchst
Berliner Anbieter (Helm & Nagel GmbH) mit Fokus auf Datensouveränität. On-Premises-Betrieb möglich, Daten verlassen nie dein Rechenzentrum. Relevant für Zeitarbeitsfirmen, die für bestimmte Kundenunternehmen (Behörden, kritische Infrastruktur) strikte Datenhaltungsanforderungen nachweisen müssen. Preise auf Anfrage.
Make.com oder n8n, für die Orchestrierungs-Schicht
Unabhängig davon, welches IDP-Tool du wählst, brauchst du eine Automatisierungsebene, die eingehende E-Mails verarbeitet, das IDP-Tool aufruft, Ergebnisse validiert und in DATEV-Format konvertiert. Make.com ist die visuelle No-Code-Lösung (Einstieg kostenlos, Produktivbetrieb ab 9–16 EUR/Monat). n8n ist die Open-Source-Alternative mit Self-Hosting-Option, höhere technische Anforderung, aber volle Datenkontrolle.
Zusammenfassung: Wann welcher Ansatz
- Vollständige Prozessdigitalisierung gewünscht → zvoove (Gesamtsystem)
- Flexible Pipeline, US-Hosting akzeptabel → Nanonets + Make.com
- EU-Hosting, Entwicklerressourcen vorhanden → Mindee + n8n oder Make.com
- Deutsches Hosting, maximale Datenkontrolle → Konfuzio + n8n
Datenschutz und Datenhaltung
Stundenzettel und Lohnvorbereitungsdaten enthalten personenbezogene Daten im Sinne der DSGVO: Namen, Stundennachweise, Vergütungsinformationen und Einsatzorte der Mitarbeitenden. Sobald ein KI-System diese Dokumente verarbeitet, gilt Art. 28 DSGVO, ein Auftragsverarbeitungsvertrag (AVV) mit dem Tool-Anbieter ist Pflicht.
Was das konkret bedeutet:
- Nanonets (Standard): US-Hosting. Für EU-Datenpflichten brauchst du den Enterprise-Plan mit EU-Datenresidenz oder du hast keine rechtlich saubere Basis. Standard-Vertragsklauseln allein reichen für Lohndaten nicht, wenn keine Datenresidenz in der EU.
- Mindee: EU-Hosting (AWS Irland). AVV verfügbar. Für deutsche Zeitarbeitsfirmen der einfachste DSGVO-Pfad unter den internationalen Anbietern.
- Konfuzio: Deutsches Rechenzentrum, On-Premises-Option. Maximale Kontrolle.
- zvoove: Deutsches bzw. EU-Rechenzentrum, speziell für Personaldienstleister konzipiert, DSGVO-konform out of the box.
Besondere Hinweise für die Zeitarbeit: Lohndaten unterliegen der arbeitsrechtlichen Aufbewahrungspflicht von 6 Jahren (§257 HGB) sowie der steuerrechtlichen Aufbewahrungspflicht von 10 Jahren. Die automatisiert erzeugten Protokolle (wer hat wann welche Stunden eingereicht, wie wurde der Zuschlag berechnet) sind Bestandteil dieser Dokumentation. Das ist nicht nur eine Compliance-Anforderung, sondern auch der Beweis, der bei einer Betriebsprüfung oder AÜG-Kontrolle vorgelegt werden muss.
Tipp: Hol dir den AVV vom Anbieter, bevor du die ersten echten Lohndaten durch das System schickst, nicht danach.
Was es kostet, realistisch gerechnet
Einmalige Einrichtungskosten
- IDP-Tool konfigurieren und auf eure Stundenzettelformate anlernen: 2–4 Wochen intern + ggf. externer Dienstleister 3.000–8.000 EUR
- Tarifdaten erfassen und Regelwerk aufbauen: 2–3 Wochen Zeitarbeitsfachkundige:r intern (nicht auslagerbar)
- DATEV-Export konfigurieren und mit Steuerberater abstimmen: 1 Woche + Abstimmungstermine
- Gesamt Setup typisch: 8.000–20.000 EUR (inkl. Dienstleister), abhängig von Tarifkomplexität
Laufende Kosten (monatlich)
- Mindee Starter (500 Seiten/Monat): 44 EUR/Monat, reicht für ein 60-Personen-Betrieb mit ~360 Stundenzetteln/Monat
- Nanonets Growth oder Enterprise: nach Angebot, typisch 200–800 EUR/Monat
- zvoove (All-in-Lösung): Auf Anfrage; Jahresvertrag
- Make.com Automatisierung: 9–16 EUR/Monat (Einstieg)
Konservatives ROI-Szenario
Ein Disponent verdient brutto ca. 3.200–3.800 EUR/Monat. Drei Tage Lohnvorbereitungszeit zweimal im Monat entsprechen ca. 6 Arbeitstagen, rund einem Monatsdrittel Arbeitszeit. Allein diese Zeitersparnis hat einen Gegenwert von ca. 1.000–1.200 EUR pro Monat (rund ein Drittel des Bruttogehalts). Dazu kommen vermiedene Korrekturrunden: 12 Fehler pro Lohnlauf, je ca. 30 Minuten Bearbeitungszeit und Kommunikation = 6 Stunden × ca. 25 EUR Stundenkosten = 150 EUR pro Lohnlauf, 300 EUR im Monat.
Zusammen: ca. 1.300–1.500 EUR monatliche Einsparung, konservativ, ohne Bußgeldrisiko-Vermeidung. Bei Einrichtungskosten von 12.000 EUR amortisiert sich das System in 8–10 Monaten.
Wie du den Nutzen tatsächlich misst:
Dokumentiere vor dem Start drei Dinge: Dauer des letzten Lohnlauf-Vorbereitungsprozesses in Stunden, Anzahl der Korrekturen nach dem letzten Lohnlauf und Anzahl der Mitarbeiteranfragen zur Abrechnung. Nach sechs Monaten mit dem System: gleiche drei Kennzahlen. Das ist deine ROI-Kalkulation, keine Theorie.
Drei typische Einstiegsfehler
1. Die Tarifparameter “später” pflegen
Das größte Risiko: Du richtest die technische Pipeline ein und gehst produktiv, aber die Tarifzuschläge sind nicht korrekt oder nicht vollständig hinterlegt. Das System berechnet dann zuverlässig die falschen Werte und gibt keinerlei Hinweis, weil es die eigene Regelwerk-Engine für korrekt hält. Dieser Fehler ist schwer zu bemerken, weil die Ausgabe “professionell” aussieht. Lösung: Tarifdaten zuerst abbilden, dann Stundenzettel-Extraktion, dann DATEV-Export, in dieser Reihenfolge, nicht parallel.
2. Handschriftliche Stundenzettel ohne Konfidenz-Markierung übernehmen
Kein KI-System liest handschriftliche Felder perfekt. Ein System, das alle Felder ohne Konfidenzwert übernimmt, übernimmt auch die falsch gelesenen. Wer den Konfidenz-Schwellenwert zu hoch setzt (0,95), hat wenige falsche Übernahmen aber viele manuelle Prüfaufgaben. Wer ihn zu niedrig setzt (0,70), hat wenig manuelle Arbeit aber mehr Fehler in der Ausgabe. Der richtige Wert liegt empirisch bei 0,80–0,85, und sollte in den ersten vier Wochen nach Echtbetrieb kalibriert werden.
3. Die Pipeline einrichten und dann nicht warten
Wenn ein Kundenunternehmen ein neues Stundenzettel-Format einführt, scheitert das bestehende Extraktionsmodell zunächst, es gibt kein Warnlicht, das leuchtet. Der Disponent bemerkt das erst, wenn Felder leer sind oder systematisch falsche Werte zurückkommen. Lösung: Monatliche Stichprobenprüfung (10 % der Stundenzettel manuell gegenprüfen) und ein Monitoring-Alert, wenn die Durchschnitts-Konfidenz unter einen Schwellenwert fällt. Diese Wartungsroutine muss vor dem Go-live definiert und einer konkreten Person zugewiesen sein.
Was mit der Einführung wirklich passiert, und was nicht
Die Technik läuft nach vier bis sechs Wochen stabil. Was länger dauert: das Vertrauen der Mitarbeitenden in der Lohnbuchhaltung.
Wer drei Jahre lang jeden Stundenzettel persönlich geprüft hat, weiß: Nicht alle Stundenzettel stimmen. Manchmal passt die Handschrift nicht zur Person, manchmal fehlt eine Unterschrift, manchmal klingt die Überstundenanzahl unplausibel. Dieses implizite Prüfwissen ist nicht automatisch im neuen System enthalten.
Das Risiko ist real: Wenn das System in den ersten Wochen mehrere Stundenzettel mit hohem Konfidenzwert übernimmt, die ein erfahrener Sachbearbeiter sofort als verdächtig erkannt hätte, entsteht schnell Misstrauen. “Das Ding macht Fehler, ich prüfe lieber nochmal alles durch”, und schon ist der Zeitvorteil weg.
Was hilft:
Starte mit einem Schattenbetrieb: Das System verarbeitet alle Stundenzettel parallel, aber der Disponent macht zunächst noch die manuelle Prüfung wie bisher. Nach zwei Lohnläufen vergleicht ihr, wo das System von der manuellen Prüfung abgewichen ist. Das schafft Vertrauen durch Transparenz, und zeigt, welche Grenzfälle das System systematisch nicht abfängt.
Kommuniziere klar an die Mitarbeitenden: “Wir haben ein System eingeführt, das eure Stundenzettel automatisch verarbeitet. Fragen zu eurer Abrechnung beantwortet weiterhin [Name], nur schneller als vorher, weil wir alle Berechnungsschritte protokolliert haben.” Wer fragt, bekommt sofort eine Antwort. Das ist der sichtbare Nutzen für die Mitarbeitenden.
Realistischer Zeitplan mit Risikohinweisen
| Phase | Dauer | Was passiert | Typisches Risiko |
|---|---|---|---|
| Bestandsaufnahme & Formatanalyse | Woche 1–2 | Alle aktuellen Stundenzettelformate sammeln, Tarifwerke dokumentieren, DATEV-Konfiguration mit Steuerberater klären | Mehr Formate als erwartet, mehrere Kundenunternehmen haben eigene Formulare |
| Tarifdaten & Regelwerk aufbauen | Woche 2–5 | BAP/DGB, iGZ, Branchenzuschläge, Equal-Pay-Regeln in die Regelwerk-Engine einpflegen | Unklare Grenzfälle bei Branchenzuschlägen erfordern Rücksprache mit Steuerberater oder Arbeitgeberverband |
| IDP-Modell trainieren | Woche 3–7 | Extraktionsmodell auf eure Stundenzettelformate anlernen (je 20–30 Beispiele pro Formtyp), Konfidenz-Schwellenwert kalibrieren | Handschriftliche Formulare mit niedrigem Scan-Qualität, hier muss ein höherer manueller Anteil akzeptiert werden |
| DATEV-Export konfigurieren | Woche 6–9 | Exportdatei mit DATEV LODAS-Format abstimmen, Lohnarten-Mapping, Testläufe mit Steuerberater | DATEV-Importfehler durch falsche Lohnart-Schlüssel, fühlt sich unhandhabbar an, ist aber Detailarbeit |
| Schattenbetrieb | Woche 10–12 | System läuft parallel zur manuellen Prüfung, Ergebnisse werden verglichen | Hohes manuelles Prüfaufkommen in dieser Phase, als “Investment” kommunizieren, nicht als Mehrarbeit |
| Produktivbetrieb | Ab Woche 13–15 | Nur noch Ausnahmen manuell prüfen | Erste Ausnahme-Fälle, die das System falsch einordnet, Regelwerk nachschärfen |
Häufige Einwände, und was dahintersteckt
“Wir sind zu klein für so ein System.”
Das ist der häufigste Einwand, und selten der eigentliche Grund. Die sinnvolle Untergrenze liegt bei ca. 40–50 Mitarbeitenden im Einsatz und zwei Lohnläufen pro Monat. Darunter ist der manuelle Aufwand vermutlich handhabbar, und der Einrichtungsaufwand überwiegt. Darüber: Jede Wachstumsphase, die ihr ohne das System meistert, verschärft das Problem, weil mehr Mitarbeitende nicht proportional mehr Bearbeitungskapazität bedeuten.
“Unser Steuerberater macht das ohnehin.”
Dann macht er auch die Fehler, und ihre Korrektur landet auf euren Schultern, weil eure Mitarbeitenden nicht beim Steuerberater anrufen. Die Vorbereitungsarbeit (Stundenzettel einsammeln, prüfen, konsolidieren) bleibt immer bei euch. Der Steuerberater importiert, was ihr liefert.
“Was, wenn das System einen Stundenzettel falsch liest und wir es nicht merken?”
Diese Frage ist berechtigt, und die ehrliche Antwort ist: Es wird vorkommen, in den ersten Wochen häufiger, später seltener. Das Ziel ist nicht null Fehler, sondern 90–95 Prozent weniger Fehler als bisher. Ein gut konfiguriertes System mit Konfidenz-Markierung und monatlicher Stichprobenprüfung ist sicherer als manuelle Eingabe, weil manuelle Eingabe keine systematische Fehlerrate ausweist. Du weißt bei manueller Arbeit nicht, wie viele Fehler ihr macht. Mit dem System weißt du es.
“Wir haben dieses Jahr schon zwei IT-Projekte laufen.”
Dann verschiebt das Projekt auf nach dem Abschluss der laufenden Projekte. Aber plant es ein, nicht mit der Begründung “wann es ruhiger wird” (das kommt selten), sondern als konkretes Folgeprojekt mit Starttermin. Die Fehlerquote im Lohnprozess sinkt nicht von selbst.
Woran du merkst, dass das zu dir passt
Passt gut:
- Du hast 40 oder mehr Mitarbeitende im Einsatz, mit zwei Lohnläufen pro Monat
- Ein Disponent verbringt mehr als anderthalb Tage pro Lohnlauf mit Stundenzettel-Eingabe
- Ihr hattet in den letzten drei Monaten mehr als fünf Korrekturen nach einem Lohnlauf
- Stundenzettel kommen aus mehr als drei verschiedenen Quellen oder in mehr als zwei Formaten
- Ihr nutzt bereits DATEV oder Lexware für die Lohnbuchhaltung (klare Export-Zielstruktur)
- Ihr habt Mitarbeitende, die die 9-Monats-Schwelle für Equal Pay erreichen oder bereits überschritten haben
Wann es sich (noch) nicht lohnt, drei harte Ausschlusskriterien:
-
Unter 40 Mitarbeitenden im Einsatz. Der Einrichtungsaufwand (Tarifdaten, DATEV-Integration, IDP-Training) rechnet sich erst bei ausreichendem Abrechnungsvolumen. Darunter ist eine strukturierte Excel-Vorlage mit Tarifdaten-Lookup oft das effektivere Hilfsmittel, günstiger und schneller einzurichten.
-
Kein digitaler Eingang für Stundenzettel. Wenn 80 Prozent der Stundenzettel als handschriftliche Papierformulare physisch per Post ankommen, ist die Datenqualität für automatische Verarbeitung zu niedrig. Die sinnvolle erste Investition ist dann die Einführung eines digitalen Stundenzettels beim Kundenunternehmen (E-Mail-Formular, digitales Portal), erst dann folgt die Automatisierung.
-
Noch kein Lohnbuchhaltungssystem mit definierten Import-Schnittstellen. Wenn die Lohnabrechnung komplett manuell oder über ein System läuft, das keine strukturierten Importe unterstützt, fehlt das Ziel der Pipeline. Die Automatisierung kann nicht helfen, wenn sie nirgendwo ankommen kann.
Das kannst du heute noch tun
Öffne Make.com (kostenloser Test) und erstell ein einfaches Szenario: E-Mail-Anhang empfangen, Dateiname und Absender in eine Google-Tabelle schreiben, dich per E-Mail benachrichtigen. Das klingt trivial, aber es zeigt dir sofort, wie euer heutiger E-Mail-Eingang mit einem Automatisierungsworkflow zusammenspielt. Dieses Szenario kostet 30 Minuten und ist der erste Baustein der späteren Pipeline.
Für die inhaltliche Vorbereitung: Lass dir von einem LLM wie ChatGPT oder Claude helfen, eure Lohnvorbereitungs-Checkliste zu strukturieren. Das klingt klein, aber eine gut dokumentierte Checkliste ist die Grundlage, aus der später das Regelwerk und die Validierungslogik werden.
Hier ist ein Prompt, den du direkt einsetzen kannst:
Mitarbeiter:in
KI-Assistent
Quellen & Methodik
- SD Worx Payroll Navigator 2024: Europäische Studie unter mehr als 5.000 Unternehmen und 18.000 HR-Fachleuten aus 18 Ländern. Kernbefund: 25 % der falsch bezahlten Mitarbeitenden suchen aktiv einen neuen Job. Abrufbar unter sdworx.de.
- Timerack / Automation Personnel Services (APS): Praxisbericht eines großen US-Personaldienstleisters, der nach Einführung von automatisierten Stundenzettel-Workflows manuelle Lohnfehler vollständig eliminiert und Umsatzwachstum verzeichnet hat. Fallstudie abrufbar unter timerack.com/case-studies/staffing-agency-aps/.
- §8 AÜG (Arbeitnehmerüberlassungsgesetz), Equal Pay: Gesetzliche Grundlage des Equal-Pay-Anspruchs nach neun Monaten Überlassung. Vollständige Vergütungsangleichung inklusive aller Zuschläge, Bußgelder bis 500.000 EUR. Quelle: zoll.de, Lohnanspruch bei Arbeitnehmerüberlassung.
- Fehlerquote manuelle Entgeltabrechnung (1–5 %): Branchenübergreifende Einschätzung aus mehreren Quellen, u.a. Payroll Fuchs und project-b.dev (KI in der Lohnabrechnung 2026). Keine repräsentative Einzelstudie, aber konsistente Angabe über mehrere Fachquellen.
- BAP/DGB-Manteltarifvertrag Zuschlagsstaffeln, iGZ-DGB-Tarifvertrag, Branchenzuschlagstarifverträge: Tarifverträge in der jeweils gültigen Fassung (2026). Zuschläge und Staffeldetails: askdante.com/blog/zeitarbeit-tarifvertrag.
- Mindee Pricing (44 EUR/Monat Starter, 500 Seiten): Veröffentlichte Preisliste mindee.com, Stand April 2026.
- Implementierungskosten und ROI-Szenario: Eigene Schätzung basierend auf Erfahrungswerten aus IDP-Projekten in Zeitarbeit und HR-Prozessautomatisierung. Keine repräsentative Erhebung.
Du willst wissen, welches Setup für eure Größe und Tarifstruktur realistisch ist, und was ihr als erstes anfassen solltet? Meld dich, das klären wir gemeinsam.
Diesen Inhalt teilen:
Wissen ist der erste Schritt. Der zweite kostet Zeit.
Du kannst diesen Use Case selbst umsetzen. Realistisch sind das ein paar Wochen Einarbeitung, einige Fehlversuche bei Datenschutz und Toolauswahl und das Risiko, dass es im Alltag doch nicht greift. Oder wir gehen es gemeinsam an: kostenlos und unverbindlich im Erstgespräch.
Weitere Use Cases
KI-gestützte Kandidatenvorauswahl und Matching
KI durchsucht den gesamten Kandidatenpool und gleicht Profile automatisch mit offenen Kundenaufträgen ab, Disponenten finden passende Kandidaten in Minuten statt Stunden.
Mehr erfahrenKandidaten-Matching automatisieren
KI-Matching findet die besten Kandidaten für jeden Auftrag, in Minuten statt Stunden. Aber nur wenn das System auch AÜG-Fristen, Equal Pay und Branchenzuschläge kennt.
Mehr erfahrenLebenslauf-Screening mit KI
KI screent eingehende Bewerbungen auf Passung zur Zielposition, extrahiert relevante Qualifikationen und gibt eine strukturierte Bewerbungsübersicht mit Bewertung.
Mehr erfahrenFrieda Funke
Konzeptentwicklerin
Ich frage nicht, was KI kann. Ich frage, was du in deinem Alltag damit anfängst. Erst wenn ich eine ehrliche Antwort habe, entsteht daraus ein konkreter Use Case. Fehlt ein Anwendungsfall, der zu dir passt? Schreib mir kurz.