Belege aus dem Foto in eine Tabelle bekommen

31. August 2026 · 7 Min. Lesezeit

Der Kassenbon fuer das Werkzeug, die Quittung fuer den Parkplatz, der Beleg fuer den schnellen Kaffee mit dem Kunden, alles landet als Foto im Handy, weil das Papier sonst verloren geht. Nach ein paar Wochen sind es vierzig, fuenfzig Fotos in einem Ordner, und irgendjemand muss daraus eine Liste machen, bevor die Unterlagen an die Steuerkanzlei gehen.

In einem Kleinbetrieb ist das selten die Aufgabe einer eigenen Buchhaltung, es ist eine Aufgabe, die nebenbei erledigt wird, meist von der Person, die ohnehin die Rechnungen schreibt. Am Ende des Monats sitzt sie vor dem Fotoordner und tippt Betrag, Datum und Haendler von jedem einzelnen Bon in eine Tabelle ab, oft mit zusammengekniffenen Augen, weil Thermopapier nach ein paar Wochen im Portemonnaie kaum noch lesbar ist.

Wichtig vorab, dieser Beitrag beschreibt nur das Erfassen der Zahlen in einer Tabelle. Welche Ausgabe steuerlich wie zu behandeln ist, welche Kategorie stimmt und was ein Beleg ueberhaupt hergeben muss, das entscheidet die Steuerkanzlei, nicht ein Ablauf aus diesem Text.

Wie das heute laeuft

Ohne festen Ablauf sieht ein Monat ungefaehr so aus.

1. Belege sammeln sich als Fotos im Handy, teils im Kamera-Ordner, teils als Anhang in einer WhatsApp-Nachricht, teils als Zettel in einer Schublade.
2. Einmal im Monat, oft kurz vor der Abgabe an die Steuerkanzlei, geht jemand den Ordner durch und oeffnet Foto fuer Foto.
3. Betrag, Datum, Haendler und eine grobe Kategorie werden von Hand in eine Tabelle abgetippt, mit Blick zurueck aufs Foto bei jeder unklaren Zahl.
4. Verblasste oder schraeg fotografierte Bons werden zweimal gelesen, manchmal mit einer Lupen-Funktion am Handy vergroessert.
5. Am Ende wird die Tabelle nochmal ueberflogen, ob eine Zeile doppelt vorkommt oder ein Beleg ganz fehlt.
6. Bei fuenfzig Belegen im Monat sind das, grob geschaetzt, zwei bis drei Stunden reines Abtippen und Nachschauen, je nach Lesbarkeit der Fotos.

Der einzelne Beleg ist schnell erfasst, aber die Menge summiert sich. Ein Betrieb mit zwei Fahrzeugen und regelmaessigen Kleineinkaeufen kommt leicht auf sechzig bis achtzig Belege im Monat, und jeder davon verlangt denselben manuellen Schritt vom Foto zur Zeile.

Was sich davon abnehmen laesst

Ein Sprachmodell mit Bilderkennung kann ein Beleg-Foto lesen und die sichtbaren Angaben in ein festes Format bringen. Es liest, was auf dem Papier steht, es entscheidet nichts ueber die steuerliche Behandlung.

Erstens, ein fester Ablageort fuer Fotos. Alle Beleg-Fotos landen in einem einzigen Ordner, egal ob sie aus der Handykamera, aus einer Chat-Nachricht oder aus einem Scan stammen. Ohne diesen einen Ort bleibt jede Automatisierung Stueckwerk.

Zweitens, das Auslesen der sichtbaren Felder. Ein Modell mit Bildverstehen extrahiert aus dem Foto Datum, Betrag, Haendlername und, wenn vorhanden, die Mehrwertsteuer, so wie sie auf dem Bon gedruckt stehen. Das Ergebnis ist eine Zeile in einer Tabelle, kein Urteil ueber den Beleg.

Drittens, eine Kategorie als Vorschlag, nicht als Festlegung. Anhand des Haendlernamens oder der Artikelbezeichnung kann ein Modell eine grobe Kategorie vorschlagen, etwa Fahrzeug, Buero oder Bewirtung. Der Vorschlag beschleunigt das Sortieren, er ersetzt nicht die Pruefung, ob die Kategorie steuerlich zutrifft.

Viertens, ein kurzer Abgleich vor dem Export. Bevor die Tabelle die Steuerkanzlei erreicht, geht jemand die Zeilen durch, vergleicht Stichproben mit dem Original-Foto und korrigiert, was falsch gelesen wurde. Bei Thermopapier, das mit der Zeit verblasst, kommt das haeufiger vor, als man denkt.

Der Nutzen liegt im Abtippen selbst, nicht in der Entscheidung, was mit der Zahl passiert. Fuenfzig Belege in eine Tabelle zu uebertragen kann so von zwei Stunden auf eine kurze Pruefzeit sinken, weil die erste Fassung der Tabelle schon steht.

Was es ungefaehr kostet

Alle Angaben sind Groessenordnungen fuer einen Betrieb mit vierzig bis achtzig Belegen im Monat, keine Software- und keine Anbieterpreise.

Der groesste Zeitgewinn liegt nicht in der Technik, sondern darin, dass aus fuenfzig einzelnen Lesevorgaengen ein einziger Pruefvorgang wird. Die Technik liest, ein Mensch bestaetigt.

Was von Hand bleibt

Die steuerliche Einordnung. Ob eine Ausgabe absetzbar ist, in welcher Kategorie sie steht und wie sie in der Buchfuehrung zu behandeln ist, entscheidet die Steuerkanzlei. Ein Modell liest Zahlen von einem Bon, es bewertet sie nicht.

Schlecht lesbare oder handschriftliche Belege. Verblasstes Thermopapier, handschriftlich ergaenzte Betraege oder ein schief fotografierter Bon fuehren zu falsch gelesenen Zahlen, die niemandem auffallen, wenn keiner nachschaut. Genau deshalb bleibt der Abgleich mit dem Original noetig.

Fehlende oder doppelte Belege. Ob ein Beleg fuer eine bekannte Ausgabe ueberhaupt fehlt oder ob derselbe Bon versehentlich zweimal fotografiert wurde, erkennt ein Mensch beim Ueberblick ueber den Monat zuverlaessiger als eine automatische Liste.

Die Entscheidung, was ueberhaupt ein Beleg ist. Ein Kassenbon, eine Quittung, eine handschriftliche Notiz auf einem Zettel, was davon in die Buchfuehrung gehoert und was nicht, ist eine fachliche Frage, die bei der Steuerkanzlei bleibt.

Woran Sie merken, dass es sich nicht lohnt

• Wenige Belege im Monat. Bei zehn oder weniger Belegen ist das Abtippen von Hand oft schneller als Fotos in einen Ablauf einzuspeisen und das Ergebnis zu pruefen.
• Die Steuerkanzlei nimmt Fotos direkt entgegen. Manche Kanzleien haben bereits eine eigene App oder ein Portal fuer Beleg-Fotos. Ein zusaetzlicher eigener Schritt davor ist dann doppelte Arbeit.
• Die meisten Belege kommen ohnehin schon digital. Wer vorwiegend elektronische Rechnungen per Mail bekommt, hat gar kein Foto-Problem, sondern ein anderes.
• Die Pruefzeit frisst den Gewinn wieder auf. Sind die Fotos durchgehend schlecht lesbar, weil sie schnell und unter schlechtem Licht gemacht werden, kann die Zeit fuer Korrekturen den Vorteil gegenueber dem direkten Abtippen wieder aufheben.