BuchhaltGenie
Von der Idee zur Production
Die Herausforderung
Österreichische KMUs 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, komplexe KI-Projekte von der Idee zur Production zu bringen. Wenn Sie vor ähnlichen Herausforderungen stehen, lassen Sie uns sprechen.