Von KI-Agenten zur agentischen KI in der Rechnungsbearbeitung

GenAI war erst der Anfang: Heute reden alle von KI-Agenten, die aktiv handeln, statt nur zu analysieren. Echte agentische KI braucht aber mehrere Agenten, die gemeinsam auf ein Gesamtziel hinarbeiten. In der Kreditorenbuchhaltung zeigt xSuite dazu erste interessante Szenarien.

Künstliche Intelligenz fällt in der Rechnungsverarbeitung auf besonders fruchtbaren Boden. Was damit zusammenhängt, dass die dortigen Rahmenbedingungen sie für einen KI-Einsatz prädestinieren: hohe Volumina, noch immer viele manuelle Tätigkeiten sowie Prozesse, die in weiten Teilen strukturiert und regelbasiert sind.

Seit einiger Zeit sind KI-Agenten en vogue, die in der Lage sind, einzelne Arbeitsschritte oder klar definierte Teilprozess selbstständig und automatisiert durchzuführen. In der Kreditorenbuchhaltung erkennt die KI dann beispielsweise sowohl eine Abweichung im 3-Way-Match und leitet zugleich den passenden nächsten Schritt ein (Status auf „warten“ setzen/Folgeprozess anstoßen). Agenten sind an dieser Stelle ein echter Fortschritt, weil es die Effektivität von Kreditoren-Teams bisher deutlich ausbremst, wenn sie solche Entscheidungen immer wieder aufs Neue treffen müssen. 

Schnellere, robustere Prozesse mit KI-Agenten 

Mit KI-Agenten lässt sich das Potenzial der Automatisierung zu weiten Teilen ausschöpfen. Typische Anwendungsszenarien bieten sich bei der Beleglesung, der Ausnahmenbehandlung, beim automatischen Abgleich von Rechnung und Bestellung oder auch bei Themen wie Betrugsprävention und Risikomanagement. KI-Agenten machen diese Prozesse schneller, robuster und effizienter.

Nicht alles, was heute als Agent verkauft oder beschrieben wird, ist allerdings bereits Agentic AI. Auf den Anwendungsfall Rechnungsbearbeitung bezogen: Nicht jede Finanz- oder Buchhaltungsabteilung, die mehrere KI-gestützte Automatisierungen einsetzt, hat damit schon den Sprung zu Agentic AP vollzogen. KI-Agenten können parallel in einem Prozess existieren, ohne wirklich zusammenzuarbeiten. Jeder von ihnen erfüllt seine klar definierte Aufgabe, ohne aber den größeren Zusammenhang zu verstehen.  

Gemeinsames Handeln im Kontext eines Gesamtziels

Von Agentic AI spricht man erst, wenn mehrere Agenten in der Lage sind, gemeinsam im Kontext eines Gesamtziels zu handeln. Es werden dabei also nicht nur einzelne Tätigkeiten effizienter ausgeführt, sondern verschiedene spezialisierte Fähigkeiten orchestriert. Agentic AI bezieht Kontext aus mehreren Quellen ein, wägt Optionen gegeneinander ab und leitet daraus eigenständig nächste Schritte ab. Aus einer losen Kette vordefinierter Automationen wird damit eine koordinierte Bearbeitung ganzer Prozesszusammenhänge.

Agenten werden gekoppelt 

In der Kreditorenbuchhaltung sähe ein solches Zusammenspiel zum Beispiel so aus: Zunächst extrahiert ein Matching Agent Positionen aus einer Rechnung und reichert sie mit SAP-Stammdaten an bzw. gleicht sie mit ihnen ab. Ein Verification Agent übernimmt den Vorgang, prüft, ob eine 100% Verbuchung im Hintergrund bereits möglich ist (z. B. bei 3-Wege-Match) und initiiert weitere Schritte, falls dem etwa noch ein ausbleibender Wareneingang entgegensteht. Anschließend automatisiert ein Workflow Agent die nächsten Folgeaufgaben, z. B. durch Vorschläge für zuständige Prüfer oder Kontierungen, und übergibt den Vorgang zur Buchung und Zahlung.  

Das Gesamtziel dieses Betriebsmodells, in dem spezialisierte Agenten entlang eines gemeinsamen Ziels zusammenwirken, lautet hier: „Bringe eine Rechnung compliant, risikobewusst, Skonto-orientiert und mit minimalem manuellem Aufwand durch den gesamten Prozess.“ 

Ein Beispiel: Eine Rechnung über 100.000 Euro enthält drei Prozent Skonto und soll daher vorrangig beglichen werden. Eine klassische Automatisierung per Agent kann sie durchaus schneller bearbeiten, ein agentisches System aber darüber hinaus bewerten, ob der Skonto überhaupt genutzt werden sollte (!). Es prüft, ob Vertragskonditionen eingehalten wurden, ein SLA erfüllt wurde, der Lieferant in der Vergangenheit Auffälligkeiten gezeigt hat oder ob ein optimierter Zahlungszeitpunkt überhaupt die Liquidität verbessert. Isolierte Agenten können solche Entscheidungen nicht treffen, im Verbund als Agentic AP aber vermögen sie durch Zusammenspiel, Kontextverständnis und Prozessintelligenz genau dies zu leisten. 

Neue Qualität von Automatisierung 

Durch die Form des orchestrierten Zusammenarbeitens entsteht noch einmal eine neue Qualität von Automatisierung. Es geht nicht mehr allein um das Auslesen einer Rechnung oder darum, Abweichungen zu erkennen, sondern um die zentrale Frage: Was ist in dieser Situation die beste finanzielle Entscheidung?

Unternehmen sollten deshalb nicht nur den bloßen Einsatz von KI in ihren Rechnungsabteilungen forcieren, sondern zudem darauf achten, auf welcher Reifestufe sich diese bereits befindet. Die Zukunft gehört Buchhaltungs-Teams, die den Schritt von isolierter KI-Automatisierung zu echter agentischer Zusammenarbeit schaffen.