Die besten KI-Tools für Mahnwesen und Forderungsmanagement im Mittelstand

Die durchschnittliche deutsche B2B-Rechnung wird heute zu spät bezahlt. Das Atradius-Zahlungsmoralbarometer 2025 berichtet, dass der Anteil überfälliger Rechnungen binnen zwölf Monaten von 51 auf 57 Prozent gestiegen ist. 60 Prozent der befragten Unternehmen melden eine Verschlechterung des Zahlungsverhaltens ihrer Kunden. Forderungsausfälle stiegen von 8 auf 10 Prozent. 62 Prozent der Firmen erwarten in den kommenden zwölf Monaten mehr B2B-Insolvenzen^1,2.

Das Working Capital des Mittelstands wird genau zu dem Zeitpunkt eingeengt, an dem Bankfinanzierung teuer geworden ist. Jeder Tag DSO über Plan ist Cash, das in der Bilanz festsitzt. Bei einem 50-Millionen-Euro-Mittelständler mit 60 Tagen DSO setzt der Sprung auf 50 Tage 1,4 Millionen Euro Cash frei - ohne einen einzigen neuen Kunden.

KI-Tools für Forderungsmanagement und Mahnwesen sind 2026 von einem Nice-to-have zur Vorstandsfrage geworden. Die Kategorie deckt alles ab - von Bonitätsprüfung über automatisierte Mahnungen, KI-gestützte Cash Application, Voice-Agenten für die erste Mahnstufe bis hin zu prädiktiven Risikomodellen, die Konten flaggen, bevor sie ausfallen. Dieser Leitfaden bewertet die zehn Tools, die 2026 für deutsche Mittelständler wirklich funktionieren - nach DACH-Konformität, Integrationstiefe, Automatisierungsgrad und DSGVO-Position.

Warum das Mittelstands-Forderungsmanagement gerade bricht

Der Druck auf deutsche Finance-Teams steigt nicht graduell. Fünf Kräfte treffen 2026 gleichzeitig aufeinander, und keine davon wird nachlassen.

• Zahlungsverzug ist die Norm - Atradius berichtet, dass 57 Prozent der B2B-Rechnungen in Deutschland verspätet bezahlt werden, gegenüber 51 Prozent im Vorjahr. 60 Prozent der befragten Firmen melden eine Verschlechterung des Zahlungsverhaltens. Die Baubranche kommt auf 87 Tage durchschnittliche Forderungslaufzeit, die Automobilindustrie auf 68 Tage^1,2.
• Forderungsausfälle steigen - Der Anteil endgültig abgeschriebener Forderungen wuchs von 8 auf 10 Prozent. Allianz Trade berichtet, dass deutsche Lieferanten 60 Prozent mehr Zahlungsausfälle erleiden als vor einem Jahr. 62 Prozent der Firmen erwarten mehr B2B-Insolvenzen in den nächsten zwölf Monaten^3,26.
• Bankfinanzierung ist teuer - Mittelstands-Kreditzinsen liegen 2026 zwischen 5 und 6 Prozent. Jeder Euro, der in überfälligen Forderungen gebunden ist, ist zu Premium-Konditionen finanziert. 43 Prozent der deutschen Firmen nutzen Rechnungsfinanzierung oder Factoring nur, um den Cashflow stabil zu halten.
• Die Forderungsteams sind unterbesetzt - Mahn- und Inkasso-Teams im Mittelstand sind strukturell klein. Die Bundessteuerberaterkammer meldet über 10.000 offene Stellen im deutschen Finance-Service-Bereich. Die meisten Mittelstands-AR-Teams haben ein bis zwei Spezialisten, die Tausende Konten verwalten.
• KI-Extraktion und Prognose haben die Schwelle überschritten - Moderne Cash-Application-Engines erreichen über 95 Prozent Straight-Through-Quoten bei Standardzahlungen. Prädiktive Modelle priorisieren Worklists mit über 80 Prozent Genauigkeit. Die Technologie ist seit zwei Jahren nicht mehr der Engpass.

Übersetzt: Die Arbeit, die das Geld nach Hause holt (Forderungen einziehen), leidet am stärksten unter Personalmangel, wird am stärksten von Zinsen bestraft und ist am bereitesten für Automatisierung. Teams, die weiter mit Excel und Outlook hinter Zahlungen herlaufen, werden von Teams überholt, die 2025 ein ernstzunehmendes KI-Projekt durchgezogen haben.

Was 2026 als KI-Forderungsmanagement-Tool zählt

„KI fürs Forderungsmanagement" bedeutet je nach Anbieter fünf sehr unterschiedliche Dinge. Wer weiß, welchen Schnitt man eigentlich braucht, trifft eine fundierte Auswahl - statt ein Tool zu kaufen, das ungenutzt bleibt.

• Cash-Application-Engines - Ordnen eingehende Zahlungen automatisch offenen Posten zu, inklusive Teilzahlungen, Sammelzahlungen und unstrukturierten Verwendungszwecken. Beispiele: HighRadius, Sidetrade Aimie, Esker Synergy.
• Mahnwesen- und Inkasso-Automatisierung - Mehrkanalige Erinnerungen, Eskalationslogik, dynamische Worklists für Sachbearbeiter. Beispiele: Bilendo, Serrala FS2, collectAI, Dunwise.
• Credit Management und Risiko-Scoring - Laufende Bonitätsüberwachung, Limitempfehlungen, Creditreform- und Schufa-Integration. Beispiele: Bilendo, Serrala, Coface-Integrationen.
• Voice-KI-Inkasso-Agenten - KI-gestützte Ausgangsanrufe für erste und zweite Mahnstufen, Streitfallerfassung, Ratenplan-Angebote. Beispiele: Dunwise, HighRadius Freeda, voice-agent.ai.
• Ende-zu-Ende-AR-Plattformen - Voller Order-to-Cash inklusive Faktura, E-Rechnung, Zahlungen, Cash App, Mahnwesen, Abzüge. Beispiele: HighRadius, Esker, Billtrust, Agicap.
• Custom-KI-Agenten - Maßgeschneiderte Agenten für Edge Cases, die Standardtools nicht abdecken: komplexe Abzugslogik, Mehrgesellschafts-Faktura, branchenspezifische Zahlungsschemata. Abschnitt 10.

Die 10 Tools im Vergleich

Die folgende Auswahl basiert auf öffentlich verfügbaren Anbieterdaten, deutschen Markteinsätzen und bestätigten Integrationen mit DACH-Bonitätsdiensten und Buchhaltungssystemen. Jeder Eintrag beschreibt, was das Tool leistet, für wen es passt und welchen Trade-off Sie mit der Wahl eingehen.

1. Bilendo - Die DACH-native AR- und Credit-Engine

Münchner Bilendo ist die stärkste DACH-native Option für End-to-End-Credit, Mahnwesen und Inkasso. Von Anfang an für den deutschen Markt gebaut, mit tiefen Integrationen in Creditreform, Schufa und die deutsche ERP- und Buchhaltungslandschaft^11,12.

• Herkunft - Deutschland, München. Gegründet 2015. Series-A-finanziert.
• Primärer Use Case - Credit Risk Management, automatisiertes Mahnwesen, AR-Analytics, Anbindung an deutsche Bonitätsdienste.
• Preis - Mid-Market: grob mittlere fünfstellige Jahreskosten, abhängig vom Volumen.
• Stärken - Integrierte Creditreform- und Schufa-Anbindung. Konfigurierbare Mahnstufen entlang BGB § 286. Starke deutsche UX. DATEV-Export. Multi-Language im DACH-Raum.
• Schwächen - Außerhalb der DACH weniger bekannt. Cash-Application-KI nicht so fortgeschritten wie HighRadius. Eher Enterprise-Klasse.
• DATEV - Ja (Export).
• DSGVO - DE (München).
• BGB § 286 - Nativ.
• Am besten für - 20-500 Mitarbeiter mit aktivem Bonitäts- und Mahnmanagement.

2. Serrala - Das SAP-nahe AR-Schwergewicht

Hamburger Serrala ist das Schwergewicht der deutschen AR-Automatisierung. FS2 Collections und Disputes ist eine der tiefsten SAP-eingebetteten Inkasso-Plattformen am Markt, mit zwei Jahrzehnten Enterprise-Erfahrung^13,14.

• Herkunft - Deutschland, Hamburg. Gegründet 1984. Seit 2020 im Besitz von Hg Capital.
• Primärer Use Case - Enterprise-AR, Inkasso, Cash Application, Streitfallmanagement. SAP-nativ.
• Preis - Enterprise. Sechsstellige Jahresverträge.
• Stärken - SAP-zertifiziert, tief integriert in SAP ECC und S/4HANA. Reife Inkasso-Workflows. Starkes Dispute Management. Cloud oder On-Premise. Deutsche Ingenieurskunst.
• Schwächen - Aufwändige Einführung, oft 6 bis 12 Monate. Reines Enterprise. Nicht passend für Mittelstand ohne SAP.
• DATEV - Indirekt über SAP-Middleware.
• DSGVO - DE (Hamburg).
• BGB § 286 - Nativ.
• Am besten für - SAP-S/4HANA-Mittelstand und Konzerne, 200+ Mitarbeiter, komplexes AR.

3. collectAI - Der Aareal-Bank-gestützte Digital-Inkasso-Spezialist

Hamburger collectAI wurde 2022 von der Aareal Bank übernommen und operiert als deren digitale Inkasso-Tochter. Stark im hochvolumigen, kleinteiligen Konsumenten-Inkasso und im E-Commerce-Sektor, mit tiefer Payment-Channel-Integration^15,16.

• Herkunft - Deutschland, Hamburg. Gegründet 2016. Aareal-Bank-Tochter seit 2022.
• Primärer Use Case - Digitales Mehrkanal-Inkasso (E-Mail, SMS, WhatsApp, Payment-Links) für hochvolumiges Forderungsgeschäft.
• Preis - Pro Forderung oder volumenabhängig. Aareal-Bank-Preislogik.
• Stärken - Höchste Kanaldiversität im DACH-Markt. Starke Conversion über Payment-Links. KI-priorisierte Kontaktstrategie. Aareal-Bank-Rückhalt bei Compliance und Kapital.
• Schwächen - Auf hohes Volumen und kleine Tickets ausgelegt. Weniger geeignet für klassischen Mittelstand-B2B mit wenigen hundert Kunden.
• DATEV - Ja (Export).
• DSGVO - DE (Hamburg).
• BGB § 286 - Nativ, plus Inkasso-Erlaubnis über Aareal.
• Am besten für - E-Commerce, Versorger, Abo-Geschäfte mit Tausenden überfälliger Kleinkonten.

4. Dunwise - Der Voice-KI-Mahn-Spezialist

Dunwise ist das prominenteste DACH-Startup mit Voice-KI im Inkasso. Das Versprechen: erste Mahnstufen-Anrufe durch einen deutschsprachigen KI-Agenten ersetzen, der Streitfälle erfasst und Ratenpläne anbietet¹⁷.

• Herkunft - Deutschland. Seed-Stage-Startup.
• Primärer Use Case - Voice-KI-Ausgangsanrufe für erste und zweite Mahnstufe; Streitfallerfassung; Zahlungszusagen.
• Preis - Pro erfolgreichem Kontakt oder Outcome. Pilot-freundlich.
• Stärken - Native deutsche Stimme. EU-KI-Verordnung Art. 50 Offenlegung eingebaut. Anbindung an gängige ERP- und CRM-Systeme. Pilot in Wochen einsatzfähig.
• Schwächen - Jüngeres Unternehmen, kleinere Kundenbasis als Bilendo oder Serrala. Begrenzte Dispute-Resolution-Tiefe - Eskalation an Menschen weiter nötig.
• DATEV - Über Partnerintegrationen.
• DSGVO - DE.
• BGB § 286 - Native Skriptlogik.
• Am besten für - Mittelstand mit hohem Anrufvolumen in erster und zweiter Mahnstufe.

5. Agicap - Die vereinte Treasury- und AR-Plattform

Das in Lyon ansässige Agicap (mit starkem DACH-Standbein in Berlin und München) ist die sauberste vereinte Lösung über Treasury, Cash-Forecasting und AR. 2016 gegründet, über 100 Millionen Euro eingesammelt, mit großer Mittelstandsbasis in Deutschland^18,19.

• Herkunft - Frankreich, Lyon. Series-C-finanziert. Starkes DACH-Geschäft.
• Primärer Use Case - AR-Inkasso direkt verbunden mit Cash-Forecast, Treasury und gruppenweiter Liquidität.
• Preis - Gestaffeltes SaaS. Mid-Market-Einstieg typischerweise 1.000 bis 3.000 Euro pro Monat.
• Stärken - Beste Verbindung zwischen AR und Treasury. Multi-Entity. Klare moderne UX. Schnelle Einführung (4-8 Wochen). DATEV-Export.
• Schwächen - Cash-Application-Engine noch nicht auf HighRadius-Niveau. Weniger Tiefe im Credit Risk als Bilendo.
• DATEV - Ja (Export).
• DSGVO - EU (Frankreich).
• BGB § 286 - Konfigurierbare Mahnstufen-Logik.
• Am besten für - Mid-Market-Mittelständler, die Cash und AR in einer Sicht wollen.

6. Esker - Der europäische O2C-Veteran

Das in Lyon ansässige Esker ist einer der ursprünglichen europäischen Anbieter für Document-Process-Automation, gelistet an der Euronext Paris. Die AR-Suite deckt Kredit, Faktura, Cash App, Inkasso, Reklamationen und Streitfälle ab. Reife Enterprise-Einsätze mit globaler Reichweite²⁰.

• Herkunft - Frankreich, Lyon. Gegründet 1985. Börsennotiert.
• Primärer Use Case - Ende-zu-Ende-O2C-Suite für Mid-Market und Enterprise. Stark in Credit und Dispute.
• Preis - Enterprise. Mittlere fünfstellige bis sechsstellige Jahreskosten.
• Stärken - Lange Enterprise-Historie. KI Synergy für Cash App. Mehrsprachig. Solide E-Rechnungs-Roadmap für EU-Pflichten.
• Schwächen - Langsamerer Release-Zyklus als jüngere Anbieter. UX wirkt teils älter. DACH-Spezifika weniger tief als bei Bilendo oder Serrala.
• DATEV - Über API.
• DSGVO - EU (Frankreich).
• BGB § 286 - Konfigurierbar.
• Am besten für - Mid-Market- und Enterprise-Exporteure mit mehrsprachigem AR.

7. HighRadius - Der Enterprise-KI-Leader

Das in Houston ansässige HighRadius ist der globale Leader für autonomes Forderungsmanagement. Über 18 produktive KI-Agenten über Credit, Cash App, Inkasso, Abzüge und Disputes. Bedient über 800 Kunden inklusive P&G, Sanofi, J&J. Investoren: Tiger Global, ICONIQ, Susquehanna^21,22.

• Herkunft - USA, Houston. Gegründet 2006.
• Primärer Use Case - Autonomes Forderungsmanagement: Credit, Cash App, Inkasso, Abzüge, Dispute, EIPP.
• Preis - Enterprise. Sechsstellig bis siebenstellig pro Jahr.
• Stärken - 18+ KI-Agenten produktiv. 95+ Prozent Straight-Through-Cash-Application. Best-in-Class prädiktives Inkasso. Starke SAP- und Oracle-Anbindung.
• Schwächen - US-gehostet (DSGVO-Übermittlungspapiere nötig). Lange Einführung. Schwer für unter 200 Mitarbeiter. UI-Komplexität.
• DATEV - Über Custom-API.
• DSGVO - US-gehostet; SCC + Transfer Impact Assessment nötig.
• BGB § 286 - Konfigurierbar.
• Am besten für - 500+ Mitarbeiter mit globalem AR und Budget für eine komplette AR-Transformation.

8. Sidetrade - Der KI-Cash-App-Spezialist mit dem besten Datensatz

Pariser Sidetrade, an der Euronext gelistet, ist das europäische Pendant zu HighRadius. Die Aimie-Engine ist auf einem Jahrzehnt kundenübergreifender B2B-Zahlungsdaten trainiert und liefert starke Vorhersagen zu Zahlungsdatum und Ausfallwahrscheinlichkeit²³.

• Herkunft - Frankreich, Paris. Gegründet 2000. Börsennotiert.
• Primärer Use Case - KI-gestützte Cash Application, prädiktives Inkasso, Dispute- und Abzugsmanagement.
• Preis - Enterprise. Sechsstellig p.a.
• Stärken - 10-Jahres-Datensatz zu B2B-Zahlungsverhalten als Basis für Aimie. Starkes Modell für Zahlungsdatum-Prognose. EU-gehostet. Mehrsprachig.
• Schwächen - Weniger DACH-Marktpräsenz als Bilendo oder Serrala. UI eher enterprise-lastig. Einführung typischerweise 4 bis 9 Monate.
• DATEV - Über Custom-API.
• DSGVO - EU (Frankreich).
• BGB § 286 - Konfigurierbar.
• Am besten für - 300+ Mitarbeiter mit KI-Cash-App-Bedarf und starkem EU-Compliance-Profil.

9. Billtrust - Das B2B-Payment-Netzwerk

New-Jersey-basiertes Billtrust, 2022 von EQT für 1,7 Milliarden Dollar übernommen, verarbeitet über eine Billion Dollar pro Jahr. Das Business Payments Network verbindet über 2.400 Kunden mit standardisiertem B2B-Zahlungs-Layer²⁴.

• Herkunft - USA, New Jersey. Gegründet 2001. Seit 2022 EQT-Besitz.
• Primärer Use Case - End-to-End-O2C mit Fokus auf das Zahlungs-Netzwerk: E-Rechnung, Payment-Annahme, Cash App, Inkasso.
• Preis - Enterprise. Sechsstellig p.a.
• Stärken - Größtes B2B-Payment-Netzwerk. Starke EIPP- und Digital-Pay-Conversion. Generative KI für Sachbearbeiter-Produktivität.
• Schwächen - US-gehostet, US-zentrische Features. DACH-Präsenz begrenzt. Weniger native deutsche Steuer- und Mahnlogik.
• DATEV - Über Custom-API.
• DSGVO - US-gehostet; SCC + TIA erforderlich.
• BGB § 286 - Konfigurierbar, weniger Out-of-Box.
• Am besten für - Nordamerikanische oder transatlantische Mittelständler mit relevantem US-Umsatz.

10. DATEV Forderungsmanagement - Die deutsche Basis

DATEV vermarktet sich nicht als KI-Forderungsmanagement-Plattform - aber jeder deutsche Mittelständler mit DATEV-Steuerberatung erbt eine Basisschicht für Mahnwesen und Forderungsmanagement²⁵. Der Trade-off liegt in der Tiefe: DATEV deckt Grundlagen rechtssicher ab, hinkt aber bei KI 18 bis 36 Monate hinter Best-of-Breed.

• Herkunft - Deutschland, Nürnberg. Genossenschaft, gegründet 1966.
• Primärer Use Case - Basis-Mahnwesen, OPOS-Listen-Management, Integration in die Steuerberater-Buchhaltung.
• Preis - Über Steuerberater-Vertrag.
• Stärken - Native deutsche Steuer- und Mahnlogik. Steuerberater-Akzeptanz. Tiefe Verbindung mit Finanzbuchhaltung. GoBD-konform per Design.
• Schwächen - Minimaler KI-Anteil. Cash Application weitgehend manuell. Kein prädiktives Inkasso. UX dated. Mehrkanal begrenzt.
• DATEV - Dies ist DATEV.
• DSGVO - DE (Nürnberg).
• BGB § 286 - Nativ.
• Am besten für - Kleinerer Mittelstand, der alles über die DATEV-Steuerberatung laufen lässt und noch nicht zu einem Spezial-Tool greifen will.

Vergleichsmatrix auf einen Blick

Dieselben Daten nebeneinander, bewertet nach dem, was für eine Mittelstandsentscheidung 2026 zählt.

Das Cash-Application-Problem

Die meisten Mittelstands-Finance-Teams unterschätzen Cash Application als Automatisierungsziel. Es ist der unglamouröse Schritt zwischen „Kunde hat bezahlt" und „Rechnung geschlossen" - und der größte Blocker für saubere Worklists, korrekte DSO-Reports und prädiktives Inkasso. Solange Cash App nicht gelöst ist, baut jede nachgelagerte KI-Investition auf verrauschten Daten auf.

Warum es im DACH-Markt schwer ist

• Sammelzahlungen - Ein Kunde überweist einen Sammelbetrag für zehn Rechnungen, oft ohne sauberen Verwendungszweck.
• Teilzahlungen - Ein Kunde zahlt 92,50 Prozent einer Rechnung wegen einer strittigen Position. Reine Regeln schaffen die Zuordnung nicht.
• Skonto-Abzüge - 2 Prozent Skonto bei Zahlung innerhalb von 10 Tagen erzeugen Dutzende Mikro-Varianzen pro Woche.
• Bank-Auszug-Rauschen - MT940- und CAMT.053-Dateien enthalten fragmentierte Verwendungszwecke. Namen werden abgekürzt. Rechnungsnummern sind vertippt.
• Konzernzahlungen - Eine Holding zahlt für eine Tochter; die Zuordnung braucht Entity-Bewusstsein, nicht nur Rechnungsnummern.
• Auslandszahlungen - Wechselkurse erzeugen kleine Varianzen, die regelbasiertes Matching blockieren.

Was Sie Anbieter fragen sollten

1. Zeigen Sie mir die Straight-Through-Quote Ihres Median-Kunden - nicht die Marketing-Zahl aus einem sauberen Referenzdatensatz.
2. Wie hoch ist die Match-Quote bei Teilzahlungen? - dort kollabieren regelbasierte Tools.
3. Wie behandelt das Modell Skonto-Varianzen? - die Antwort sollte „lernt das kundenspezifische Muster" lauten, nicht „statische Toleranz".
4. Was passiert mit einer nie zugeordneten Zahlung? - der Workflow für unklare Zahlungen entscheidet über den realen Mehrwert.
5. Wie schnell lernt das Modell einen neuen Kunden? - der Cold Start ist die Schwäche vieler KI-Engines.

Mahnwesen nach BGB § 286

KI-Tools müssen innerhalb des deutschen Verzugsrechts arbeiten, nicht daran vorbei. Drei rechtliche Ankerpunkte definieren, wie ein Mittelstands-Mahnprozess funktionieren muss: BGB § 286 zum Verzug, die Mahnstufen-Praxis und das gerichtliche Mahnverfahren nach ZPO §§ 688 ff.^5,6,27.

BGB § 286: Wann Verzug beginnt

• Verzug beginnt, wenn der Schuldner nach Fälligkeit auf eine Mahnung nicht zahlt - die Mahnung verwandelt die ausgebliebene Zahlung in Verzug.
• Bei einem kalendermäßig bestimmten Zahlungsziel beginnt Verzug automatisch - ohne Mahnung, wenn ein Datum die Zahlung triggert (§ 286 Abs. 2 Nr. 1).
• Spätestens 30 Tage nach Rechnungserhalt beginnt Verzug - auch ohne Mahnung treten B2B-Forderungen 30 Tage nach Rechnung oder Leistung in Verzug (§ 286 Abs. 3).
• Verzugszinsen - 8 Prozentpunkte über dem Basiszinssatz zwischen Unternehmen; 5 Prozentpunkte für Verbraucher (§ 288).
• Mahnkosten und Pauschale - 40 Euro Verzugspauschale pro überfälliger B2B-Rechnung (§ 288 Abs. 5).

Mahnstufen: der operative Standard

Das Gesetz schreibt keine bestimmte Anzahl Mahnungen vor, der deutsche Marktstandard sind drei kaufmännische Mahnstufen vor dem Übergang zum gerichtlichen Verfahren. KI-Tools müssen diese Struktur sauber abbilden.

1. Stufe 1: Zahlungserinnerung - 3 bis 7 Tage nach Fälligkeit. Ton: freundlich, ohne Gebühren, ohne Warnung.
2. Stufe 2: Erste Mahnung - 14 bis 21 Tage nach Fälligkeit. Ton: bestimmt. Verzugszinsen laufen an.
3. Stufe 3: Zweite oder Letzte Mahnung - 30 bis 45 Tage nach Fälligkeit. Ton: letzte Warnung. Ankündigung rechtlicher Schritte.
4. Gerichtliches Mahnverfahren (ZPO §§ 688 ff.) - Formelles Gerichtsverfahren. KI-Tools übergeben per Export oder über Inkasso-Partner.
5. Inkasso oder Klage - Übergabe an Inkasso oder Klage. KI-Tools markieren das Konto, frieren weitere Mahnungen ein und aktualisieren die Stammdaten.

GoBD, BDSG und EU-KI-Verordnung

Drei Regelwerke prägen jede KI-Mahn-Entscheidung. Die GoBD regelt, wie elektronische Aufzeichnungen geführt werden müssen. BDSG und DSGVO regeln, wie Kunden-Zahlungsdaten verarbeitet werden dürfen. Die EU-KI-Verordnung, ab 2. August 2026 vollständig anwendbar, regelt Voice-Agenten und Hochrisiko-Systeme.

GoBD: Was Prüfer tatsächlich sehen wollen

• Nachvollziehbarkeit jeder Mahnung - Jede gesendete Mahnung wird mit Zeitstempel, Kanal und Empfänger archiviert.
• Unveränderlichkeit des Audit-Trails - Einmal geschriebene Log-Einträge dürfen nicht stillschweigend überschrieben werden. Cloud-Anbieter, die Prompts oder Templates ohne Versionierung ändern, bestehen diesen Test nicht.
• Vollständigkeit - Keine Rechnung darf still aus der Mahnsequenz fallen. Ausgelassene Mahnungen brauchen einen dokumentierten Grund (z. B. Streitfall, Hold).
• Richtigkeit und Zeitnähe - Mahnungen müssen tatsächliche offene Posten widerspiegeln. Stammdaten und Aging müssen mindestens täglich synchronisiert werden.
• 10 Jahre Aufbewahrung - § 257 HGB gilt für Mahnkorrespondenz als Teil der Buchhaltungsbelege.

BDSG und DSGVO: Zahlungsdaten sind personenbezogen

• Kundenstammdaten und Zahlungsverhalten sind personenbezogene Daten, sobald sie natürliche Personen identifizieren - typische B2B-Mittelstandskontakte.
• Profiling und Bonitäts-Scoring sind reguliert - automatisierte Entscheidungen mit erheblicher Wirkung auf eine natürliche Person erfordern Konformität mit § 31 BDSG und DSGVO Art. 22.
• Auftragsverarbeitungsvertrag erforderlich - jeder KI-Anbieter, der Kunden-Zahlungsdaten verarbeitet, braucht einen unterzeichneten AVV (DSGVO Art. 28).
• Verzeichnis von Verarbeitungstätigkeiten - die Mahn-KI muss im VVT dokumentiert sein.
• Sprachaufzeichnungen - KI-Anrufe, bei denen Audio aufgezeichnet wird, brauchen ausdrückliche Einwilligung und klare Aufbewahrungsregeln.

EU-KI-Verordnung: Die meiste Mahn-KI ist begrenztes oder minimales Risiko

Die EU-KI-Verordnung trat am 1. August 2024 in Kraft und wird ab 2. August 2026 vollständig anwendbar^9,10. Der größte Teil der Mahn-Automatisierung fällt in die Stufe „begrenztes Risiko". Voice-Agenten und Bonitäts-Scoring natürlicher Personen rutschen in pflichtenreichere Kategorien.

7 Kriterien für die Auswahl

Nutzen Sie diese Kriterien in dieser Reihenfolge. Die ersten drei sind Pflicht: Erfüllt ein Tool eines nicht für einen typischen Mittelstands-Stack, fliegt es raus. Die übrigen vier sind Gewichtungs-Kriterien für die Finalrunde.

1. BGB § 286 und Mahnstufen-Fit - Das Tool muss 3-Stufen-Mahnwesen, die 30-Tage-Verzugsregel, Verzugszinsenberechnung und die 40-Euro-Verzugspauschale abbilden. Internationale Tools verfehlen das oft.
2. GoBD-tauglicher Audit-Trail - Feldgenaue Provenance, versionierte Templates, unveränderliche Logs. Verlangen Sie einen Beispiel-Audit-Export.
3. EU- oder DE-Hosting - DE oder EU bevorzugt. US-Hosting verlangt SCC + TIA. Die meisten Mittelstands-DSB blockieren US-Hoster ohne starken Business Case.
4. Cash-App-Straight-Through-Quote - Bei Firmen ab 1.000 Zahlungen pro Monat ist das der größte Hebel. Verlangen Sie Median-Werte, nicht Best Case.
5. Bonitätsdienst-Integration - Native Creditreform-, Schufa- und Coface-APIs trennen DACH-native Tools von internationalen.
6. Voice-KI-Reife und Compliance - Bei Voice-Agenten zählen EU-KI-VO Art. 50 Offenlegung, deutsche Sprachqualität und Dispute-Tiefe.
7. ERP- und Buchhaltungs-Integration - DATEV für kleinere Mittelständler; SAP für größere; Microsoft Dynamics 365 zunehmend verbreitet. Native Konnektoren schlagen CSV.

Häufige Fehler

Die meisten gescheiterten Einführungen scheitern aus denselben sechs Gründen. Jeder ist vorhersehbar und vermeidbar - wenn man bei der Auswahl darauf achtet.

1. Tool kaufen, bevor Kundenstammdaten sauber sind - KI-Cash-Application braucht saubere Zahlernamen, korrekte IBANs und konsistente Kundennummern über ERP, CRM und Forderungs-Ledger. Ohne diese Basis bleibt die beste Engine ungenutzt. Planen Sie 30 Prozent des Projekts für Datenbereinigung ein.
2. Den internationalen Leader trotz EU-Hosting-Anforderung kaufen - HighRadius und Billtrust sind Weltklasse, aber jeder Mittelstands-DSB wird 2026 US-Hosting hinterfragen. Akzeptieren Sie den SCC-+-TIA-Aufwand, wählen Sie eine EU-Alternative oder lassen Sie das US-Tool nur auf anonymisierten Daten laufen.
3. Den menschlichen Handover unterschätzen - Voice-KI funktioniert für erste Mahnungen, nicht für Streitklärung oder Key-Account-Verhandlungen. Tools, die volle Autonomie versprechen, überverkaufen. Planen Sie Übergabe an einen Menschen innerhalb von 30 bis 60 Sekunden bei jedem komplexen Signal.
4. EU-KI-VO Art. 50 Offenlegung überspringen - Voice-Agenten müssen dem Angerufenen mitteilen, dass sie KI sind. Verstöße ziehen Bußgelder und Reputationsrisiko nach sich. Templates und Skripte müssen die Offenlegung enthalten.
5. Tool-Wildwuchs - Ein KI-Mahn-Tool einführen und parallel das alte DATEV-Mahnwesen weiterlaufen lassen, schafft zwei Wahrheiten und wöchentliche Abstimmungsaufwände. Entscheiden Sie früh, welches System die Worklist besitzt.
6. Steuerberatung ignorieren - Die Steuerberatung sieht die OPOS-Liste zum Monatsende. Wenn das KI-Tool Änderungen zurückschreibt, die sie nicht nachvollziehen kann, gibt es Widerstand. Klären Sie Integration und Audit-Trail vor Go-live mit der Beratung.

Tool kaufen oder Agent bauen?

Standardtools decken 70 bis 90 Prozent der typischen AR-Arbeit ab. Die letzten 10 bis 30 Prozent sind, wo Mittelständler hängen bleiben: branchenspezifische Abzüge, Projektfaktura, Mehrgesellschafts-Zahlungsflüsse und der Long Tail aus Kunden, die nie ganz ins Modell passen. Drei Optionen.

Wie Superkind passt

Superkind verkauft keine weitere AR-Plattform. Die Standardtools oben sind gut in dem, was sie tun, und wir empfehlen sie, wenn sie passen. Superkind kommt dort hinzu, wo Standardtools nicht weiterkommen: Custom-KI-Agenten für die nicht-standardisierten 10 bis 30 Prozent Ihres Forderungs-Flusses.

• Prozess-First-Discovery - Wir gehen Ihren Invoice-to-Cash-Fluss mit Ihrem AR-Team durch. Wir kartieren jedes Kundenmuster, jeden Abzugscode, jeden Workaround.
• Sitzt auf Ihrem bestehenden Stack - Die Agenten docken an DATEV, SAP, Microsoft Dynamics, ERP, CRM und Bankauszugs-Feeds an. Wir ersetzen nichts - wir erweitern.
• Übernimmt, was Standardtools nicht können - Komplexe Abzugslogik, Projektfaktura, Mehrgesellschafts-Kontierung, branchenspezifische Skonto-Muster, exotische Kunden-Zahlformate.
• Live in 8 bis 12 Wochen - Erster produktiver Use Case innerhalb eines Quartals. Ihr Team arbeitet ab Tag eins mit dem Agenten und formt ihn durch Feedback.
• Outcomes statt Lizenzen - Preise pro Use Case mit klarem ROI im Voraus. Keine Seat-Lizenzen, kein Plattform-Lock-in.
• GoBD-bereit per Design - Feldgenaue Audit-Logs, unveränderliche Versionierung, volle DSGVO-Konformität. Von Anfang an für deutsches Steuer- und Zivilrecht gebaut.
• Spielt gut mit Standardtools - Wir laufen oft neben Bilendo, Agicap, Serrala oder DATEV. Der Agent übernimmt, was das Standardtool als Ausnahme flaggt.
• Voice-KI als Option - Wo Voice-Agenten passen, bauen wir sie mit EU-KI-VO-Art.-50-Offenlegung und sauberem menschlichem Handover.

Häufige Fragen

Henri Jung

Co-founder von Superkind, wo er Mittelständlern und Konzernen hilft, maßgeschneiderte KI-Agenten einzuführen, die tatsächlich zu ihren Teams passen. Henri brennt dafür, die Lücke zwischen dem, was KI kann, und dem, was echte Unternehmen daraus gewinnen, zu schließen. Vor Superkind hat er jahrelang mit Mittelständlern an Digitalisierung gearbeitet und gesehen, wie viele KI-Projekte scheitern, weil sie mit der Technologie statt mit dem Prozess starten. Er glaubt, dass der Mittelstand alles hat, um in KI zu führen - er braucht nur den richtigen Ansatz.