Was ist Bank-Matching?
Bank-Matching (oder Bank-Abgleich) ist der Prozess, bei dem Banktransaktionen den entsprechenden Buchungen in der Buchhaltung zugeordnet werden. Jede Zahlung auf dem Bankkonto gehört zu einem Geschäftsfall -- einer Eingangsrechnung, einer Ausgangsrechnung, einer Lohn- oder Steuerzahlung.
In der klassischen Buchhaltung sieht dieser Prozess so aus: Der Buchhalter öffnet den Kontoauszug, sucht zu jeder Transaktion den passenden offenen Posten, ordnet ihn zu und bucht die Zahlung. Bei 200 Transaktionen im Monat dauert das Stunden.
Automatisches Matching übernimmt diese Zuordnung maschinell. Die Software analysiert jede Transaktion und schlägt den wahrscheinlichsten offenen Posten vor -- oder bucht ihn direkt, wenn die Zuordnung eindeutig ist.
Wie funktioniert automatisches Matching?
Ein Matching-Algorithmus vergleicht jede Banktransaktion mit den offenen Posten in der Buchhaltung. Dabei werden mehrere Kriterien herangezogen:
1. Betrag
Das naheliegendste Kriterium: Der Betrag der Bankbewegung wird mit den offenen Rechnungsbeträgen verglichen.
- Exakter Match: Der Betrag stimmt auf den Cent genau überein. Das ist der stärkste Indikator.
- Teilzahlung: Der Betrag ist kleiner als die offene Rechnung -- möglicherweise eine Rate.
- Überzahlung: Der Betrag ist größer -- eventuell wurden mehrere Rechnungen zusammen bezahlt.
Beispiel: Eine Bankgutschrift über EUR 3.570,00 und eine offene Ausgangsrechnung über EUR 3.570,00 -- das ist mit hoher Wahrscheinlichkeit ein Match.
2. Referenznummer / Verwendungszweck
Der Verwendungszweck einer Überweisung enthält oft wertvolle Hinweise:
- Rechnungsnummer: "RE-2026-0042" im Verwendungszweck kann direkt einer Rechnung zugeordnet werden.
- Kundennummer: "Kd.-Nr. 12345" hilft, den Kunden zu identifizieren.
- Strukturierte Zahlungsreferenz: Österreichische Banken unterstützen die Structured Creditor Reference (ISO 11649), die eine eindeutige Zuordnung ermöglicht.
Beispiel: Im Verwendungszweck steht "RE-2026-0042 TechSolutions". Die Software findet Rechnung RE-2026-0042 an TechSolutions GmbH über EUR 8.500,00 und die Transaktion beträgt genau EUR 8.500,00. Perfekter Match.
3. Datum
Das Zahlungsdatum wird mit den Fälligkeitsdaten der offenen Posten abgeglichen:
- Liegt die Zahlung nahe am Fälligkeitsdatum, steigt die Matching-Wahrscheinlichkeit.
- Ein Skonto-Abzug (z.B. 2% bei Zahlung innerhalb von 14 Tagen) kann erkannt werden, wenn der Betrag entsprechend reduziert ist.
4. Kontrahent
Wenn die IBAN oder der Name des Zahlenden bekannt ist, kann die Software den Kontakt in der Buchhaltung identifizieren und nur dessen offene Posten zum Abgleich heranziehen. Das reduziert Fehlzuordnungen drastisch.
5. Historische Muster
Moderne Matching-Systeme lernen aus früheren Zuordnungen:
- Wenn die monatliche Büromiete immer EUR 1.200,00 beträgt und immer von derselben IBAN kommt, erkennt das System nach ein paar Monaten das Muster und ordnet automatisch zu.
- Wiederkehrende Zahlungen (Strom, Internet, Versicherung) werden nach dem ersten manuellen Match zukünftig automatisch erkannt.
Confidence Scores: Wie sicher ist der Match?
Nicht jede Zuordnung ist gleich sicher. Ein gutes Matching-System bewertet jeden Vorschlag mit einem Confidence Score -- einem Wert, der die Zuverlässigkeit der Zuordnung ausdrückt.
Wie entsteht der Confidence Score?
Der Score wird aus den einzelnen Matching-Kriterien berechnet. Jedes Kriterium trägt unterschiedlich stark bei:
| Kriterium | Gewicht | Erklärung |
|---|---|---|
| Betrag exakt | 40% | Stärkster Einzelindikator |
| Rechnungsnummer im Verwendungszweck | 30% | Fast eindeutig |
| Kontrahent identifiziert | 15% | Reduziert Kandidaten |
| Datum nahe Fälligkeit | 10% | Unterstützend |
| Historisches Muster | 5% | Ergänzend |
Schwellenwerte und Aktionen
Basierend auf dem Confidence Score wird automatisch entschieden, was passiert:
| Confidence | Aktion | Beispiel |
|---|---|---|
| > 95% | Automatisch buchen | Betrag + Rechnungsnr. + Kontrahent stimmen |
| 70--95% | Vorschlag zur Prüfung | Betrag stimmt, aber kein Verwendungszweck |
| 40--70% | Mehrere Kandidaten | Betrag stimmt mit 3 offenen Rechnungen |
| < 40% | Manuelle Zuordnung | Kein passender offener Posten gefunden |
Praxisbeispiel: Eine Gutschrift über EUR 4.200,00 kommt von IBAN AT12 3456 7890 1234 5678. Die Software findet:
- Offene Rechnung RE-2026-0089 über EUR 4.200,00 an "Maier Consulting" -- und die IBAN gehört zu Maier Consulting.
- Confidence: 98% (Betrag exakt + Kontrahent identifiziert) -- automatisch gebucht.
Umgang mit nicht zugeordneten Transaktionen
Nicht jede Transaktion lässt sich automatisch zuordnen. Typische Fälle:
Sammelzahlungen
Ein Kunde bezahlt drei Rechnungen mit einer Überweisung. Der Gesamtbetrag stimmt mit keiner einzelnen Rechnung überein.
Lösung: Die Software schlägt eine Sammelzuordnung vor -- mehrere offene Posten werden zusammen mit einer Transaktion abgeglichen. Wenn die Summe der drei ältesten offenen Rechnungen des Kunden genau dem Überweisungsbetrag entspricht, ist die Zuordnung wahrscheinlich korrekt.
Teilzahlungen
Ein Kunde zahlt nur einen Teil einer Rechnung.
Lösung: Die Teilzahlung wird der Rechnung zugeordnet und der Restbetrag bleibt als offener Posten bestehen. Die Software reduziert den offenen Betrag entsprechend.
Unbekannte Transaktionen
Bankgebühren, Zinsen, Steuerzahlungen oder Kartentransaktionen ohne klaren Verwendungszweck.
Lösung: Für wiederkehrende unbekannte Transaktionen kannst du Regeln definieren. Zum Beispiel: "Jede Transaktion mit dem Verwendungszweck 'Kontogebühr' auf Konto 7790 (Bankspesen) buchen."
Differenzen und Skonto
Wenn ein Kunde den Rechnungsbetrag abzüglich Skonto bezahlt, entsteht eine Differenz.
Lösung: Das System erkennt gängige Skonto-Prozentsätze (2%, 3%) und schlägt die Aufteilung automatisch vor: Hauptbetrag auf das Forderungskonto, Skontobetrag auf das Skonto-Aufwandskonto (z.B. 7890 Skontoerträge/-aufwendungen).
Vorteile des automatisierten Bank-Abgleichs
1. Zeitersparnis
Der offensichtlichste Vorteil: Statt jede Transaktion manuell zu suchen und zuzuordnen, läuft der Großteil automatisch. Bei einem typischen KMU mit 150-300 Transaktionen pro Monat spart das 3-5 Stunden monatlich.
2. Weniger Fehler
Manuelle Zuordnung ist fehleranfällig. Besonders bei ähnlichen Beträgen oder mehreren offenen Posten eines Kunden kommt es leicht zu Verwechslungen. Algorithmen machen keine Flüchtigkeitsfehler.
3. Aktuelle offene Posten
Wenn Banktransaktionen zeitnah zugeordnet werden, ist die Offene-Posten-Liste immer aktuell. Du siehst sofort, welche Kunden noch nicht bezahlt haben und kannst frühzeitig mahnen.
4. Bessere Liquiditätsübersicht
Durch den laufenden Abgleich weißt du jederzeit, wie deine tatsächliche Liquiditätslage aussieht -- nicht nur laut Kontoauszug, sondern im Kontext deiner Buchhaltung.
5. Revisionssicherheit
Automatisches Matching dokumentiert, warum eine Zuordnung vorgenommen wurde (welche Kriterien mit welchem Score). Das ist bei einer Betriebsprüfung ein Vorteil, weil die Buchungslogik nachvollziehbar ist.
Best Practices
- Rechnungsnummern im Verwendungszweck: Bitte deine Kunden, bei der Zahlung immer die Rechnungsnummer anzugeben. Das ist der wichtigste Hebel für automatisches Matching.
- Regelmäßig importieren: Je aktueller die Bankdaten, desto besser funktioniert der Abgleich. Wöchentlich ist ideal.
- Regeln pflegen: Definiere Buchungsregeln für wiederkehrende Transaktionen (Miete, Strom, Versicherung). Einmal eingerichtet, laufen sie dauerhaft.
- Offene Posten bereinigen: Räume regelmäßig alte, nicht mehr relevante offene Posten auf. Je kleiner die Kandidatenliste, desto präziser das Matching.
- Schwellenwerte anpassen: Wenn du feststellst, dass zu viele Vorschläge zur manuellen Prüfung kommen, kann eine Anpassung der Confidence-Schwellenwerte helfen.
In Numeris funktioniert der Bank-Abgleich per Drag & Drop: MT940-Datei importieren, Matching-Vorschläge prüfen, mit einem Klick bestätigen. Wiederkehrende Transaktionen werden automatisch zugeordnet, und die offene-Posten-Liste ist immer aktuell.