KI im Lohn: Was vor und nach der Abrechnung möglich ist

Brutto zu Netto rechnet kein Sprachmodell, und das soll auch so bleiben. Interessant wird KI dort, wo noch keine strukturierten Abrechnungsdaten vorliegen: bei E-Mails, Zetteln und PDFs. Dieser Beitrag ordnet ein, welcher Teil der Lohnarbeit überhaupt für die KI geeignet ist und wo klassische Software und Automatisierung die bessere Lösung bleiben.

Wenn der KI-Workshop etwas anderes findet

Ich werde derzeit vor allem für eines angefragt: KI-Workshops. Fast jedes Erstgespräch beginnt damit.

Und fast jedes zweite endet an einer anderen Stelle. Sobald wir gemeinsam in den Ist-Zustand schauen, steht da nicht die Frage nach dem richtigen Modell, sondern eine Liste ungehobener Grundlagen. Einer der Bereiche, der dabei regelmäßig auftaucht, ist der Lohn: Bewegungsdaten werden von Hand erfasst, Stundenzettel kommen als Foto, Änderungen per E-Mail, und am Ende tippt jemand ab. Das ist kein KI-Thema.

Trotzdem ist die Frage nach KI im Lohn berechtigt. Sie muss nur an der richtigen Stelle gestellt werden. Dafür hilft es, drei Ebenen auseinanderzuhalten, die im Alltag oft vermischt werden.

Für die Praxis ist vor allem die Unterscheidung zwischen Automatisierung und KI wichtig.. Automatisierung ist regelbasiert: gleicher Input, gleiches Ergebnis, jedes Mal. KI ist flexibel, sie kommt mit Unstrukturiertem zurecht, liefert aber nicht garantiert zweimal exakt dasselbe. Das ist kein Mangel – es ist der Grund, warum sie Dinge kann, für die sich keine Regel schreiben lässt. Und es ist zugleich der Grund, warum sie in der Berechnung nichts zu suchen hat.

Der erste Schritt ist fast nie KI

Den Transfer von Stamm- und Bewegungsdaten regelt man über die Software, nicht über KI. Wenn Stundenzettel, Fehlzeiten und Änderungen strukturiert von der Mandantschaft in die Kanzlei gelangen sollen, liegt die Lösung meist in einem System: einer Personalsoftware, einem Vorsystem bei den Mandant:innen oder einer Schnittstelle. Da steckt null KI drin, und trotzdem liegt dort der größte Hebel.

Dieser Herbst liefert dafür den Aufhänger, und zwar einen, der mit KI nichts zu tun hat. Zum 1. Januar 2027 fällt bei den elektronischen Entgeltunterlagen die letzte Ausweichmöglichkeit weg. Die Pflicht besteht seit 2022: Bestimmte ergänzende Unterlagen nach § 8 Abs. 2 BVV sind elektronisch zu führen, etwa Bescheide der Krankenkassen zur Versicherungspflicht, Befreiungsanträge geringfügig Beschäftigter, Nachweise der Elterneigenschaft sowie Arbeitserlaubnis und Aufenthaltstitel. Wer sich davon befreien lassen wollte, konnte das formlos beim Prüfdienst der Rentenversicherung beantragen. Möglich ist das nur noch bis zum 31. Dezember 2026.

Zwei Präzisierungen dazu, weil im Markt etwas anderes erzählt wird: Die Personalakte ist in § 8 Abs. 2 BVV nicht aufgeführt, und der Arbeitsvertrag auch nicht; erfasst ist die Niederschrift der wesentlichen Vertragsbedingungen nach dem Nachweisgesetz. Aus der Pflicht zu elektronischen Entgeltunterlagen folgt daher nicht automatisch die Pflicht, die gesamte Personalakte zu digitalisieren. Das ist ein Organisationsthema, kein KI-Thema. Für Kanzleien zeigt die Regelung vor allem die richtige Reihenfolge: Erst die Software ausreizen, dann anschauen, was übrigbleibt. Für die meisten Kanzleien heißt das konkret, dass die Aufgabe der nächsten Monate nicht KI ist, sondern Anbindung. Mandant:innen an Vorsysteme und vorbereitende Lohntools heranführen, diese Systeme digital an die Kanzlei anbinden, die Daten über Schnittstellen sauber ins Lohnprogramm bekommen. Das ist unspektakulär und steht auf keiner Konferenzbühne. Es bringt im Lohn trotzdem mehr als jeder Chatbot.

Warum trotzdem genug übrig bleibt

Wenn die Software den Kern übernimmt: Warum dann überhaupt über KI im Lohn reden? Dafür gibt es drei sehr praktische Gründe:

1. Nicht jede:r Mandant:in geht den Weg mit. Sie können ihm ein Vorsystem empfehlen, Sie können rechnen, Sie können drängen. Zwingen können Sie ihn nicht. Der Mandant, der seit Jahren dieselbe Excel-Tabelle schickt, schickt sie auch im nächsten Jahr. Manche Kanzleien trennen sich deshalb von solchen Mandaten. In vielen anderen bleibt die Aufgabe bestehen, mit dem Material zu arbeiten, das tatsächlich ankommt.

2. Es bleiben Fälle außerhalb des Standards. Der Nachweis, den Beschäftigte handschriftlich einreichen. Die Änderung, die per Mail kommt, weil sie eilig war. Der Sonderfall, für den im Vorsystem kein Feld existiert. Je besser die Schnittstelle, desto schmaler wird dieser Rest, verschwinden wird er nicht. Und gerade diese Einzelfälle kosten Zeit, weil sie nicht gesammelt nach einem festen Ablauf verarbeitet werden können.

3. KI steckt teilweise bereits in der Software. Im Markt für Lohn-Software gibt es inzwischen Produkte, die den Eingang bearbeiten, bevor die Abrechnung beginnt. Bei ihnen ist die Frage „Software oder KI?“ gegenstandslos, sie sind beides.

Wo KI im Lohn konkret hilft

Was damit gemeint ist, zeigt sich an fünf konkreten Tätigkeiten. Vier liegen vor der Abrechnung, eine danach.

Aus einem Blatt Papier wird ein Datensatz

Nehmen wir einen typischen Fall aus der Lohnabrechnung: den Personalfragebogen für eine Neueinstellung, von der Mandantin handschriftlich ausgefüllt und als Foto oder Scan zurückgeschickt.

Bisher lief das auf Abtippen hinaus. Eine Texterkennung wäre theoretisch möglich gewesen, nur hat kaum eine Kanzlei dafür je eine im Einsatz gehabt, und das aus einem guten Grund: Klassische OCR liest Zeichen. Sie erkennt, dass da etwas steht, aber nicht, dass die Ziffernfolge in der oberen Hälfte die Steuer-Identifikationsnummer ist und die daneben die Sozialversicherungsnummer. Bei Handschrift wird es vollends unzuverlässig. Am Ende hat man eine Textwüste und tippt trotzdem.

Genau hier liegt der Unterschied. Ein KI-System liest nicht nur, es versteht die Struktur des Dokuments. Es weiß, welches Feld welche Bedeutung hat, kommt mit Handschrift zurecht und gibt Ihnen auf Wunsch kein Fließtextergebnis, sondern einen sauberen Datensatz: Name, Geburtsdatum, Steuer-Identifikationsnummer, Sozialversicherungsnummer, Krankenkasse, Eintrittsdatum, Wochenstunden, Kinderfreibeträge, Bankverbindung. Aus einem unstrukturierten Blatt Papier wird etwas, mit dem sich weiterarbeiten lässt. Gerade bei umfangreichen Personalfragebögen kann das einen erheblichen Teil der manuellen Übertragung vorbereiten.

Genau hier liegt allerdings auch das Risiko. Generative Modelle können bei schlecht lesbaren oder fehlenden Angaben plausible Werte erzeugen, obwohl diese nicht eindeutig aus dem Dokument hervorgehen. Aus einer halb lesbaren Steuer-Identifikationsnummer kann so eine vollständig aussehende Nummer werden. Deshalb sollte der Auftrag ausdrücklich mit einer Prüfanweisung verbunden werden:

Das Ergebnis besteht dann idealerweise aus zwei Teilen: Erstens den Datensatz. Zweitens darunter eine kurze Liste: Steuer-Identifikationsnummer nicht sicher lesbar, Angabe zur Krankenkasse fehlt, Wochenstunden widersprüchlich. Das ist keine Fehlermeldung, sondern Ihre Rückfrageliste für die Mandantin, fertig formuliert.

Die Anweisung ersetzt allerdings nicht die Kontrolle. Bevor Angaben in das Abrechnungssystem übernommen werden, müssen sie gegen das Original geprüft werden. Reale Beschäftigtendaten sollten zudem nur in einer dafür geprüften und freigegebenen KI-Umgebung verarbeitet werden; für erste Tests bieten sich anonymisierte oder synthetische Dokumente an.

Vom einmaligen Prompt zur Routine

Ein Prompt, der einmal funktioniert hat, ist noch kein Werkzeug. Wenn er nur im Chatverlauf einer Kollegin steht, baut ihn der Kollege am Nebentisch im nächsten Monat neu, mit anderem Wortlaut und anderem Ergebnis. Dann haben Sie keine Routine, sondern drei Zufälle.

Aus dem Einzelfall wird in drei Ausbaustufen eine Routine, je nachdem, was Ihr System hergibt.

Beim Standardisieren zeigt sich außerdem häufig, dass einzelne Schritte gar keine KI benötigen. Wer einen Ablauf zum zweiten Mal beschreibt, sieht oft, dass ein Stück davon keine Verständnisleistung ist, sondern eine Regel: Werte gegen eine Liste abgleichen, ein Format umwandeln, eine Plausibilität prüfen. Dafür lässt sich ein kleines eigenes Werkzeug bauen, etwa eine Browser-Erweiterung, die im Lohn bereitsteht und lokal auf die hinterlegten Angaben zugreift. Neu ist daran nicht die Technik, sondern dass man so etwas ohne Entwicklerteam hinbekommt, weil die KI beim Bauen hilft. Im fertigen Werkzeug steckt dann keine KI, und das ist der Vorteil: Das Ergebnis ist deterministisch und prüfbar, die Daten verlassen den Rechner nicht. Kein Marktprodukt, sondern ein Werkzeug für eine Handvoll Arbeitsplätze, und für eine kleinere Kanzlei oft genau das Richtige.

Und schließlich gibt es Speziallösungen für den Lohn, die sich vor das Abrechnungssystem legen und den Eingang bearbeiten. Dort ist der Ablauf bereits gebaut, samt Zuordnung, Prüfschritt, Freigabe und Übergabe an die Abrechnung. Dafür können sie eben nur Lohn, während Sie mit einem allgemeinen System jeden Fall selbst bauen müssen, aber auch jeden Fall bauen können. Beides hat seinen Platz, in derselben Kanzlei nebeneinander.

Dauerhafte Entlastung entsteht erst, wenn ein funktionierender Anwendungsfall dokumentiert, geprüft und für das Team reproduzierbar gemacht wird.

Wenn die Abrechnung steht, fängt die Beratung an

Nach der Abrechnung liegen die Daten strukturiert vor. Damit verschiebt sich der Einsatz von KI: Statt Informationen zunächst zu erfassen und zu ordnen, kann sie vorhandene Daten auswerten. Wo laufen über die Monate Auffälligkeiten auf? Welche Beschäftigten liegen an einer Schwelle, die bei der nächsten Erhöhung relevant wird? Welche Bestandteile einer Vergütung wären es wert, mit dem Mandanten oder der Mandantin einmal grundsätzlich durchzusprechen, Stichwort Nettooptimierung? Das Ergebnis ist keine fertige Empfehlung, sondern eine vorbereitete Gesprächsgrundlage. Den fachlichen Teil macht weiterhin die Kanzlei.

Technisch ist der entscheidende Schritt dabei nicht das Modell, sondern der Zugang. Der übliche Weg ist bis heute: Auswertung ziehen, exportieren, hochladen, Frage stellen. Das funktioniert und ist für den Anfang völlig in Ordnung.

Spannender ist, was sich daneben gerade entwickelt. KI-Systeme lassen sich inzwischen direkt an die Kanzleisoftware anbinden, bislang überwiegend lesend, in ersten Ansätzen auch schreibend. Der offene Standard dafür heißt Model Context Protocol (MCP). Ich habe es im Einsatz, und diese Art der Verknüpfung verändert vor allem die Art der Frage: Aus „Werte mir diese Datei aus“ wird „Schau dir die letzten zwölf Monate bei diesem Mandanten an“.

Wenn der Zugang einmal steht, lässt sich eine Auswertung auch terminieren: Das System schaut in festgelegten Abständen selbst in die Daten und meldet sich, wenn ihm etwas auffällt. Nicht mit einer Entscheidung, sondern mit einem Hinweis, bei welchen Mandant:innen sich ein Gespräch lohnen könnte. Aus der Auswertung auf Zuruf wird damit ein stehender Blick auf den Bestand.

Datenschutz, Verschwiegenheit und Berufsrecht gelten dabei bereits lange vor dem direkten Zugriff auf Kanzleidaten. Schon ein hochgeladener Personalfragebogen enthält personenbezogene und mandatsbezogene Informationen. Ein direkter Systemzugriff erweitert Umfang und Risiko der Verarbeitung zusätzlich. Welche Daten eine KI verarbeiten darf und über welche Schnittstellen sie darauf zugreifen kann, sollte deshalb vor dem produktiven Einsatz geklärt sein.

Was vor dem KI-Einsatz geklärt sein muss

Welche der Stufen Ihnen offensteht und wie weit Sie mit den Daten gehen können, hängt an einer Entscheidung, die vor allen anderen steht: welches System Sie einsetzen und wie Sie es in der Kanzlei aufsetzen.

Vor allem drei Regelwerke spielen dabei hinein.

Keines dieser Regelwerke steht dem Einsatz entgegen. Es sind Hausaufgaben, keine Hindernisse.

Sinnvoll ist der Einsatz von KI-Plattformen, die für die berufliche Nutzung gebaut sind, in Deutschland etwa Langdock oder logicc. Sie bringen den gemeinsamen Datenraum, die geteilte Promptbibliothek und die vertraglichen Grundlagen mit, mit denen auch eine kleinere Kanzlei die drei Regelwerke erfüllt. Ohne diese Basis lässt sich weder eine Routine im Team teilen noch später nachvollziehen, wer mit welchem Stand gearbeitet hat.

Wo Sie anfangen

Der Einstieg beginnt am besten mit einem konkreten Fall, nicht mit der Suche nach einem neuen Werkzeug.

In vier Schritten zum ersten Anwendungsfall im Lohn