Kommentar von Bertrand Muth, N2F Mit Künstlicher Intelligenz gegen Fehler und Betrug bei Reisekostenabrechnungen

Von Bertrand Muth 4 min Lesedauer

Anbieter zum Thema

Die Reisekostenabrechnung von Mitarbeitern ist ein Bereich, in dem Unternehmen weltweit erhebliche finanzielle Verluste verzeichnen. Fehler oder Betrug durch falsche Angaben, Dubletten oder auch manipulierte Belege verursachen jährlich hohe Kosten. Mithilfe von KI-basierter Software in der Finanzbuchhaltung lässt sich gegensteuern.

Der Autor: Bertrand Muth ist General Manager of International bei N2F(Bild:  N2F)
Der Autor: Bertrand Muth ist General Manager of International bei N2F
(Bild: N2F)

Jeder Euro, der durch Betrug verloren geht, zieht zusätzliche Kosten (juristische Kosten, Personalkosten etc.) von 4,18 Euro für das betroffene Unternehmen nach sich. Das belastet nicht nur die Bilanz, sondern kann auch die Integrität und Transparenz im Unternehmen gefährden. Laut der Association of Certified Fraud Examiners (ACFE) beobachten 51 Prozent der Unternehmen seit der Corona-Pandemie einen klaren Anstieg der Betrugsfälle im Bereich der Reisekostenabrechnung. Außerdem erwarten 71 Prozent der Unternehmen, dass diese Betrugsfälle auch darüber hinaus noch weiter zunehmen werden.

Unternehmen mit weniger als 100 Mitarbeitern sind überdurchschnittlich stark betroffen. So verlieren Unternehmen pro Jahr rund fünf Prozent ihres Umsatzes durch Betrug. Moderne Technologien wie Künstliche Intelligenz (KI) bieten mittlerweile effektive Möglichkeiten, um solche Verlustquellen rechtzeitig zu erkennen und diese von Beginn an zu beschränken. Durch den Einsatz von KI-basierter Software in der Finanzbuchhaltung lassen sich automatisierte Prüfungen durchführen, die gezielt Anomalien und Unregelmäßigkeiten in Abrechnungsdaten aufdecken und diese Informationen in Echtzeit bereitstellen. Das ermöglicht Unternehmen, auf potenziellen Betrug schnell zu reagieren und den Abrechnungsprozess insgesamt zu optimieren.

Betrug und häufige Fehler durch Datenanalyse und KI vermeiden

Da es sich bei Finanzgeschäften um sensible Vorgänge handelt, sind Machine-Learning-Algorithmen und Künstliche Intelligenz von großem Nutzen bei der Betrugserkennung in der Ausgabenverwaltung. KI ermöglicht es dank der Verarbeitung von Millionen von Daten, Nutzer- und Ausgabenprofile zu erstellen und die bereitgestellten Daten als Vergleichsgrundlage im Ausgabeprozess heranzuziehen. Die KI vergleicht die Angaben mit ihren existierenden Nutzermodellen und Profilen (zum Beispiel IBANs). Stellt sie ein ungewöhnliches Verhalten oder abweichende Angaben fest, welche nicht den gewohnten Ausgabenmustern und Informationen entsprechen, wird die Information zur Überprüfung an die Buchhaltung weitergeleitet. Somit müssen nur potentiell fehlerhafte Angaben geprüft werden, was eine Zeitersparnis bedeutet.

Folgende Fehler oder Betrugsformen können etwa durch Datenanalyse und KI identifiziert werden:

Dubletten

Bei Erkennung mehrerer identischer Rechnungen im Abrechnungssystem löst die KI automatisch einen Alarm aus und warnt die Buchhaltung, dass diese Reisekostenabrechnung vor der Freigabe einer besonderen Überprüfung bedarf. So können potenzielle Betrugsversuche automatisch identifiziert und verhindert werden. Die KI kann somit nicht nur Dubletten, welche durch ein und dieselbe Person eingereicht wurden erkennen, sondern auch identische Rechnungen, welche von verschiedenen Mitarbeitern eingereicht wurden. Des Weiteren kann die KI doppelt eingereichte Eingangsrechnungen, welche bereits als Reisekostenabrechnung erstattet wurden, erkennen.

IBAN-Prüfung

Digitale Reisekostenabrechnungssysteme prüfen automatisch, ob die IBAN auf eingereichte Rechnungen mit den in den Stammdaten des Unternehmens hinterlegten IBANs übereinstimmt. Wird eine IBAN festgestellt, welche nicht in den Stammdaten gespeichert ist, generiert das System eine Warnmeldung. Dieses Verfahren erhöht die Sicherheit und hilft dabei, potenzielle Fehler oder Betrugsversuche mit gefälschten Rechnungen frühzeitig zu erkennen.

Unstimmigkeiten bei Mehrwertsteuersätzen

Künstliche Intelligenz ist in der Lage, die Anwendung des korrekten Mehrwertsteuersatzes auf Rechnungen zu überprüfen. Erkennt sie eine Unstimmigkeit, meldet sie diese und das Unternehmen kann die erforderlichen Überprüfungen durchführen.

Optische Texterkennung (OCR)

KI-gestützte OCR-Technologie extrahiert und berechnet alle wichtigen Daten aus Belegen. Dadurch können Zusatzinformationen sowie handgeschriebene Kommentare direkt in der Datenbank hinterlegt werden. Die Künstliche Intelligenz berechnet die Plausibilität der angegebenen Daten und erhöht so die Genauigkeit und Effizienz der Abrechnung.

Diese umfassende Betrugs- und Fehlerprävention ist möglich, da Softwaresysteme wie N2F wöchentlich Millionen von Ausgaben und deren Daten wie Datum, Beträge oder Umsatzsteuer verarbeiten und überprüfen. Bei manchen Systemen wird hierbei auch ein Plausibilitätsindex vergeben, der auf Ausgaben aufmerksam macht, die einer genaueren Prüfung bedürfen. Diese Kennziffer gibt den Verantwortlichen in der Finanzabteilung wertvolle Hinweise darauf, wo eine spezifischere Überprüfung erforderlich ist, wenn es sich etwa um Dubletten handelt, und trägt so dazu bei, das Risiko für Betrug signifikant zu senken. Auch die Bearbeitungszeit verringert sich dadurch.

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Vorausschauende Analysen für eine strategische und resiliente Budgetplanung

Neben der Prävention von Betrug ist die Rolle der KI in der Finanzverwaltung jedoch noch umfassender. Prädiktive Analyse geht über die bloße Vergangenheitsanalyse hinaus, indem sie Muster und Trends in den Ausgaben identifiziert und Hinweise darauf gibt, wie diese sich in Zukunft entwickeln könnten. Dank dieser prädiktiven Analyse kann KI nicht nur helfen, das aktuelle Budget besser zu überwachen, sondern auch zukünftige Finanzanforderungen zu identifizieren. Durch die Kombination historischer Daten mit der Analyse aktueller Ausgabenmuster können Budgetprognosen erstellt werden, die Unternehmen als Entscheidungsgrundlage dienen. Unternehmen profitieren somit von einer datenbasierten Grundlage für fundierte strategische Entscheidungen, die eine nachhaltigere Verwaltung und Planung der finanziellen Ressourcen ermöglichen. Das Monitoring von Trends und das Erkennen ineffizienter Muster sorgt dafür, dass Unternehmen ihre Ausgaben kontinuierlich anpassen und optimieren können, um langfristig wettbewerbsfähig zu bleiben.

Künstliche Intelligenz und Reisekostenabrechnung

Zusammenfassend lässt sich sagen, dass KI das Potenzial hat, die Finanzverwaltung nachhaltig zu transformieren. Sie trägt zur Sicherheit und Transparenz bei der Reisekostenabrechnung bei. Automatisierung durch KI spart Unternehmen bis zu 75 Prozent der Bearbeitungszeit und kann zu einer Kostenreduktion von bis zu 50 Prozent führen. Unternehmen gewinnen dadurch nicht nur eine höhere Effizienz in der Abrechnung, sondern auch eine verlässliche Sicherheitsebene, die zur langfristigen Erhöhung der Datenintegrität beiträgt und die Transparenz im Umgang mit Reisekostenabrechnungen erhöht.

Des Weiteren schützt sie vor Betrugsversuchen und vermindert Fehler. Durch die Freisetzung von Ressourcen sowie die KI-gestützte Optimierung der Analyse von Reisekostendaten wird die vorausschauende Planung erleichtert und nachhaltig gestärkt. KI-basierte Lösungen eröffnen der Finanzabteilung somit auch eine neue Rolle: weg von der rein administrativ kontrollierenden Funktion hin zu einer beratenden und strategisch wertvollen Rolle im Unternehmen.

Artikelfiles und Artikellinks

(ID:50255734)