Die durchschnittliche Überfälligkeit von Rechnungen an kleine und mittlere Firmenkunden lag im ersten Halbjahr 2026 bei 10,52 Tagen, 1,87 Tage mehr als im Vorjahr, zeigt der Creditreform Zahlungsindikator Deutschland (Sommer 2026) anhand von rund 4 Millionen ausgewerteten Rechnungen. Wer das Mahnwesen automatisieren will, setzt deshalb zuerst bei der Priorisierung an, nicht beim Versand.
Kurzfassung
- KI wertet Fälligkeiten und Mahnstufen aus offenen Rechnungen automatisch aus und schlägt priorisierte Listen samt Entwurfstexten vor.
- Laut Creditreform (Sommer 2026) liegt die durchschnittliche Überfälligkeit bei Firmenkunden im Mittelstand bei 10,52 Tagen, 1,87 Tage mehr als im Vorjahr.
- Das betrifft vor allem Unternehmen mit vielen wiederkehrenden B2B-Rechnungen und knapper Buchhaltungskapazität.
Forderungsmanagement: immer dieselben Schritte
Mahnwesen klingt nach Einzelfallentscheidung, ist aber in den meisten Unternehmen ein fester Ablauf mit vier wiederkehrenden Schritten: Fälligkeit prüfen, Mahnstufe zuordnen, Erinnerungstext formulieren, Versand dokumentieren. Genau diese Wiederholung macht den Prozess für Automatisierung interessant, unabhängig davon, ob die offenen Posten in DATEV, lexoffice, sevDesk oder einer SAP-Instanz stehen.
Das eigentliche Zeitproblem liegt selten beim Versand selbst, sondern beim Zusammentragen: Wer aus zwanzig oder zweihundert offenen Posten die dringendsten zehn heraussucht, vergleicht Fälligkeitsdaten, bereits erreichte Mahnstufen und oft eine zweite, informell mitgeführte Liste mit Sonderfällen. In vielen Buchhaltungen passiert das unregelmäßig, weil dafür keine feste Zeit eingeplant ist und die Aufgabe zwischen Tagesgeschäft und Monatsabschluss verloren geht.
Was sich automatisieren lässt
Eine Auswertung liest pro Kunde die offenen Posten, ordnet sie nach Fälligkeitsdatum und bereits erreichter Mahnstufe und markiert, seit wie vielen Tagen ein Posten offen ist. Das Ergebnis ist eine Liste, die oben zeigt, was am dringendsten ist, statt alle Posten gleichrangig aufzuführen. Für Unternehmen mit vielen kleinen, ähnlich strukturierten Rechnungen, etwa im Handel oder in der Auftragsfertigung, ist dieser Schritt allein schon eine deutliche Entlastung.
Der zweite Schritt geht weiter: aus der priorisierten Liste lässt sich direkt ein kundenfertiger Erinnerungstext ableiten, den die Buchhaltung nur noch prüft und freigibt, statt ihn für jeden Fall neu zu formulieren. Struktur und Tonfall einer ersten Zahlungserinnerung unterscheiden sich zwischen den Fällen kaum, trotzdem wird der Text in vielen Betrieben jedes Mal neu geschrieben. Das ist der Schritt, der in der Praxis am meisten Zeit spart.
Praxis-Tipp
Zahlungsvereinbarungen, Ratenzahlungen und bekannte Streitfälle vorab aus der Auswertung herausfiltern. Ohne diesen Filter tauchen Posten in der priorisierten Liste auf, die absichtlich offen sind, und das untergräbt das Vertrauen in die Automatisierung schneller als jeder andere Fehler.
Wo der Kontext beim Menschen bleibt
Der naheliegende nächste Schritt wäre, die vorsortierte Liste direkt zu automatisieren: Fälligkeit erkannt, Erinnerung verschickt. Genau das bleibt riskant. Eine Fälligkeitsauswertung kennt keine Zahlungsvereinbarung, die gestern telefonisch getroffen wurde, keinen Streitfall, der gerade verhandelt wird, und keine Rücksicht, die ein langjähriger Kunde in einer schwierigen Phase verdient. Dieses Kontextwissen liegt bei der Buchhaltung, nicht in den Buchungsdaten.
Die Automatisierung liefert deshalb ein Signal, keine Entscheidung. Die Buchhaltung sieht die priorisierte Liste, streicht Posten mit bekanntem Kontext, passt Formulierungen an und gibt frei, was tatsächlich rausgeht. Für Steuerkanzleien, die dieselbe Vorsortierung für die offenen Posten ihrer Mandanten aufbauen wollen, beschreibt der Beitrag Offene-Posten-Liste in der Kanzlei die berufsrechtlichen Besonderheiten, die dort zusätzlich gelten.
Kein Versand ohne Freigabe
Eine Vorsortierung, die automatisch verschickt, ist kein Vorteil, sondern ein Risiko. Der Freigabeschritt durch die Buchhaltung ist kein Sicherheitszuschlag, sondern der Teil des Prozesses, der Kontextwissen einbringt, das die Buchungsdaten allein nicht liefern.
Fertige Software oder eigene Automatisierung
Am Markt gibt es spezialisierte Anbieter für automatisiertes Forderungsmanagement, etwa Agicap oder nexnet. Solche Systeme sollen laut Anbieterangaben Zahlungseingänge vorhersagen, Mahnstufen automatisch eskalieren und die Tonalität von Erinnerungen an den jeweiligen Kunden anpassen. Für Unternehmen, deren Buchhaltung bereits vollständig in einem solchen Tool abläuft, kann das ein sinnvoller Baustein sein.
Der Unterschied zu einer eigenen Automatisierung liegt im Systembruch. Eine zusätzliche SaaS-Plattform braucht einen eigenen Datenexport, einen eigenen Auftragsverarbeitungsvertrag und meist eine zweite Oberfläche neben der bestehenden Buchhaltungssoftware. Eine Automatisierung, die direkt in DATEV, lexoffice oder dem bestehenden ERP-System ansetzt, liest dieselben Daten, ohne dass ein weiteres System dazukommt. Welche Schnittstelle dafür bei DATEV-Kanzleien technisch nötig ist, ordnet der Beitrag DATEV-Schnittstelle im Vergleich ein.
EU AI Act und Datenschutz kurz eingeordnet
Für die reine Fälligkeitsauswertung und Texterstellung gilt in der Regel minimales Risiko nach der europäischen KI-Verordnung: Es handelt sich um ein Effizienzwerkzeug ohne eigene Entscheidungsfunktion, die Freigabe bleibt beim Menschen. Anders sieht es aus, wenn ein System die Kreditwürdigkeit natürlicher Personen bewertet und daraus automatisiert Konsequenzen ableitet, etwa eine Bonitätseinschätzung für Einzelkunden. Dann kann die Hochrisiko-Kategorie der Verordnung greifen, mit entsprechend höheren Anforderungen an Dokumentation und Prüfung. Wie Unternehmen KI-Systeme im eigenen Haus systematisch einordnen, beschreibt der Beitrag KI-Governance im Unternehmen aufbauen.
Rechnungs- und Kundendaten sind personenbezogene Daten, sobald sie sich einer natürlichen Person zuordnen lassen, etwa bei Einzelkunden oder Ansprechpartnern. Jeder Anbieter, der solche Daten im Auftrag verarbeitet, braucht einen Auftragsverarbeitungsvertrag, unabhängig davon, ob die Automatisierung im eigenen System oder bei einem externen Tool läuft. Eine ausführliche Checkliste dazu liefert der Beitrag KI in der Buchhaltung.
Was jetzt zu tun ist
Schritt 1: Mahnstufen-Logik festhalten. Welche Fälligkeitsgrenzen lösen welche Mahnstufe aus, welche Ausnahmen gelten heute schon informell. Diese Regeln müssen vor der ersten Auswertung explizit werden, sonst übernimmt die Automatisierung stillschweigend falsche Annahmen.
Schritt 2: Datenquelle klären. Prüfe, ob die Buchhaltungssoftware einen Lesezugriff auf Fälligkeiten und Mahnstufen erlaubt, ohne dass Buchungen verändert werden. Für die Auswertung selbst reicht durchgehend Lesezugriff.
Schritt 3: Freigabeprozess definieren. Wer sieht die priorisierte Liste zuerst, wer gibt den Versand frei, wie wird dokumentiert, was rausgegangen ist.
Schritt 4: Mit einem Kundensegment starten. Ein homogenes Segment mit ähnlicher Zahlungsstruktur zeigt schneller, ob die Priorisierung stimmt, als ein sofortiger Rollout über den gesamten Kundenstamm.
Für die technische Umsetzung im eigenen System ist KI-Prozessautomatisierung der passende Ausgangspunkt.
Im Kennenlerngespräch gehst du mit uns Gründern 30 Minuten lang deinen Forderungsprozess durch, danach weißt du, wo du anfangen solltest.
