BuchhaltGenie
Von der Idee zur Production
Die Herausforderung
Österreichische Unternehmen kämpfen täglich mit der Buchhaltung. Belege scannen, kategorisieren, UStG-konform verbuchen - ein zeitfressender Prozess, der Fehler provoziert.
- OCR-Systeme versagen bei österreichischen Belegen (Umlaute, spezielle Formate)
- Keine KI versteht die Nuancen des österreichischen UStG
- Bestehende Lösungen erfordern manuelle Nacharbeit bei 30-40% der Belege
- Integration in bestehende Buchhaltungssysteme ist komplex
Es gab keine Lösung, die diese Probleme ganzheitlich adressierte. Also habe ich eine gebaut.
Der Lösungsansatz
Nach 100+ Prototypen und unzähligen Iterationen kristallisierte sich ein klarer Ansatz heraus:
Statt auf generische Modelle zu setzen, trainierte ich eigene Modelle auf österreichische Belege und UStG-Anforderungen.
Qwen VL als Basis, fine-tuned mit LoRA auf tausende annotierte Belege aus dem DACH-Raum.
742 Entwicklungs-Sessions mit kontinuierlichem Feedback und Verbesserungen.
Spezialisierte Agenten für OCR, Compliance, Kategorisierung und User-Interaktion.
Entwickelte Kernfeatures
Jedes Feature wurde in dutzenden Iterationen perfektioniert
Konversationelle KI mit Zugriff auf die gesamte Wissensbasis. Beantwortet Fragen, erklärt Buchungen, hilft bei Compliance.
- Natürlichsprachliche Interaktion auf Deutsch
- Kontextbewusstes Gedächtnis
- Proaktive Compliance-Hinweise
Speziell trainiertes Vision-Language Model für österreichische und deutsche Belege mit höchster Genauigkeit.
Gegenüber Standard-OCR-Lösungen bei österreichischen Belegen
Automatische Überprüfung auf UStG-Konformität. Erkennt fehlende Pflichtangaben, falsche Steuersätze und potenzielle Risiken.
- Echtzeit UStG-Validierung
- Automatische Kategorisierung
- Vorsteuer-Optimierung
Spezialisierte KI-Agenten arbeiten zusammen: OCR-Agent, Compliance-Agent, Kategorisierungs-Agent und Supervisor.
- Parallelisierte Verarbeitung
- Fehler-Recovery-Mechanismen
- Transparente Entscheidungsketten
Features im Detail
Smarte Kundenkategorisierung mit AI
AI-gestützte Belegerkennung (99% Genauigkeit)
Vollautomatische UVA-Integration
Von 58% auf 99% Erkennungsrate
Automatische Kategorisierung und Vorschläge
Live-Synchronisation mit österreichischem Finanzamt
Ergebnisse & Metriken
Messbare Verbesserungen gegenüber bestehenden Lösungen
Entwicklungs-Sessions
OCR Verbesserung
Getestete Prototypen
Production-Ready
Tech Stack
Moderne Technologien für maximale Performance und Skalierbarkeit
Learnings
Was funktioniert hat
- LoRA Fine-Tuning ermöglicht schnelle Iterationen ohne Kompromisse bei der Qualität
- Multi-Agent Systeme skalieren besser als monolithische Ansätze
- Intensive Zusammenarbeit mit echten Nutzern von Tag 1 an
Was nicht funktioniert hat
- H100 GPUs lieferten keine besseren Ergebnisse als A100 für diesen Use Case - nur höhere Kosten
- Zu frühe Optimierung auf Edge Cases verzögerte den MVP um Wochen
- Erste RAG-Implementation war zu komplex - Einfachheit gewinnt
- Custom Training schlägt generische Modelle bei spezifischen Domänen
- Iterative Entwicklung mit echtem Feedback ist unersetzlich
- Die richtige Architektur-Entscheidung früh im Projekt spart Monate später
Ähnliche Herausforderungen?
Ich helfe Unternehmen, digitale Lösungen von der Idee zur Umsetzung zu bringen. Wenn Sie vor ähnlichen Herausforderungen stehen, lassen Sie uns sprechen.