Der Kern dieser Arbeit ist Genauigkeit: Jede Zahl muss zur richtigen Buchung passen. Belege prüfen, Berichte erstellen, Konten abgleichen – das wiederholt sich mit jedem Abrechnungszeitraum neu. Wie diese Genauigkeit heute hergestellt wird, ist gerade im Wandel.
Nicht akademische Fachkräfte im Rechnungswesen halten die Finanzen eines Unternehmens fest und sorgen dafür, dass die Zahlen stimmen.
Nicht akademische Fachkräfte im Rechnungswesen führen vollständige Aufzeichnungen über die Finanztransaktionen eines Unternehmens und überprüfen die Genauigkeit von Dokumenten und Unterlagen zu diesen Transaktionen. Zu den Aufgaben gehören - (a) Führung vollständiger Aufzeichnungen über alle Finanztransaktionen eines Unternehmens gemäß allgemeinen Buchführungsgrundsätzen, unter Anleitung von Buchhaltern/Wirtschaftsprüfern; (b) Überprüfung der Genauigkeit von Dokumenten und Unterlagen zu Zahlungen, Einnahmen und anderen Finanztransaktionen; (c) Erstellung von Finanzberichten und -berichten für bestimmte Zeiträume; (d) Anwendung von Kenntnissen der Buchführungsgrundsätze und -praktiken zur Identifizierung und Lösung von Problemen, die im Verlauf ihrer Arbeit auftreten; (e) Verwendung von Standard-Computersoftware zur Durchführung von Buchhaltungs- und verwandten Berechnungen; (f) Beaufsichtigung der Arbeit von Buchhaltungs- und Buchführungssachbearbeitern. Beispiel für die hier eingeordneten Berufe: - Buchhaltungsassistent - Buchhalter Einige verwandte, anderswo eingeordnete Berufe: - Fachkraft im Rechnungswesen - 2411 - Versicherungsmathematischer Assistent - 3314 - Buchführungssachbearbeiter - 4311
Bilanzbuchhalter · Bilanzbuchhalterin · Buchführer · Buchführerin · Buchhalter · Buchhalter/Buchhalterin · Buchhalterin · Buchhaltungsassistent · Buchhaltungsassistent/Buchhaltungsassistentin · Buchhaltungsassistentin · Hauptbuchhalter · Hauptbuchhalterin · +39 weitere
Quelle: ESCO (untergeordnete Occupations der ISCO-08-Gruppe 3313) und eigene Zuordnungen von SapientShift fuer Praxisrollen ohne ESCO-Entsprechung.
Die buchhalterische Kernarbeit zählt zu den am stärksten betroffenen Tätigkeiten überhaupt — beim Berichteschreiben verschiebt sich die Zeit vom Entwurf zur Prüfung.
Nicht akademische Fachkräfte im Rechnungswesen liegt nahe am oberen Rand — von Fahrzeugreiniger · am wenigsten bis Datenerfasser · am stärksten betroffen.
| Eigene Auswertung | ILO-Einstufung | In der Berufsgruppe |
|---|---|---|
| oberstes Fünftel von 411 Berufen | im unteren Bereich der von generativer KI berührten Berufe | Von 24 verglichenen Berufen sind 13 weniger betroffen als dieser. Gruppe: Kaufmännische Fachkräfte |
Ähnlich eingeordnet: Fachkräfte in der Steuerverwaltung · Vertriebsagenten · Konferenz- und Veranstaltungsplaner
Kein Befund stammt aus einer direkten Messung dieses Berufs; für die Zahlungsabwicklung liegen bisher nur Erwartungen vor, keine tatsächlich beobachtete Verschiebung bei Zeit, Produktivität oder Beschäftigung. Und eine zentrale Frage bleibt offen: ob Aufsichtsrecht, Vier-Augen-Prinzip und Haftungsregeln das technisch Mögliche im Alltag überhaupt zulassen. Nach heutigem Stand ist der rechtliche Rahmen also mindestens so entscheidend wie die Technik selbst.
Eigene Auswertung (SapientShift-Tätigkeitsanalyse) auf Basis der ILO-Einstufung · Quelle der Einstufung: ILO, Generative AI and Jobs (Working Paper 140), 2025 · Stand 2026-07-19 · Methodik
Das laufende Buchen und Verrechnen gehört bei den eng benachbarten Berufen zu den am stärksten betroffenen Tätigkeiten überhaupt, und weil kaum eine unbetroffene Teilaufgabe bleibt, gibt es wenig Ausweichraum — betroffen heißt aber nicht, dass der Beruf sofort automatisiert wird. Beim Verfassen von Berichten ist die Verschiebung sogar gemessen: Der Zeitanteil des Rohentwurfs sank von rund der Hälfte auf unter ein Viertel, das Prüfen und Überarbeiten stieg entsprechend an — schneller und in der Qualität besser. Zugleich hat die Quelle ihre eigenen Werte für solche Aufgaben wieder gesenkt, weil vieles davon weiter erhebliche menschliche Arbeit verlangt. Ein Prognosehaus erwartet für die Buchhaltung zwar einen der stärksten Rückgänge, nennt im selben Satz aber auch die alternde Bevölkerung und schwächeres Wachstum als Mit-Gründe.
Das Einarbeiten und Verwalten verschiebt sich, das Führen selbst bleibt menschlich.
Die administrative Seite der Personalarbeit gehört zu den am stärksten betroffenen Bürotätigkeiten, und beim Einarbeiten zeigt sich das konkret: Mit KI-Unterstützung sind neue Mitarbeitende schon nach zwei Monaten so weit wie sonst erst nach einem halben Jahr, und deutlich weniger von ihnen kündigen früh. Das Führen selbst — das Urteilen über Menschen und das Entscheiden in offenen Situationen — wird dagegen kaum an KI abgegeben und bleibt menschliche Aufgabe.
Das Verfassen der Berichte wird schneller, das Prüfen und Verantworten der Inhalte rückt in den Vordergrund.
Beim Schreiben von Sach- und Verwaltungstexten übernimmt KI zunehmend den ersten Rohentwurf: In kontrollierten Versuchen halbiert sich die Zeit fürs Draften, während das Überarbeiten sich mehr als verdoppelt — Tempo und Qualität steigen dabei zugleich. Diese Bürotätigkeiten gehören zu den am stärksten betroffenen, und in echten Stellenanzeigen sinkt bei KI-nahen Betrieben die Nachfrage nach reinen Schreib- und Verwaltungsfertigkeiten. Was bleibt, ist das Redigieren und das Einstehen für den Inhalt.
Das reine Abwickeln von Zahlungen wandert in die Automatik, das Beraten rund um die Transaktion gewinnt.
Das Verbuchen und Abwickeln von Finanztransaktionen zählt zu den am stärksten betroffenen Bürotätigkeiten, und Arbeitgeber erwarten für Buchhaltungs- und Kassenrollen einen deutlichen Rückgang. Der Bankschalter nach Einführung der Geldautomaten zeigt aber, dass sich Arbeit dabei eher verlagert als verschwindet: Die reine Transaktion wurde automatisiert, gefragt war danach mehr Kundenberatung und komplexerer Service. Der abwickelnde Kern verschiebt sich also in Richtung Automatik, während das Beraten und Klären rund um die Zahlung menschlich bleibt.
Das Aufsetzen von Budgets und Finanzplänen verschiebt sich zur KI hin, das Einordnen und Verantworten der Zahlen bleibt gefragt.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Das Planen und Kontrollieren von Budgets zählt zu den Finanztätigkeiten, deren KI-Nähe zuletzt gestiegen ist — die strukturierte, datengetriebene Rechenarbeit lässt sich mit KI-Werkzeugen zu einem guten Teil erledigen, von Budgetvorlagen bis zum Durchspielen verschiedener Szenarien. In stark KI-nahen Betrieben geht die Nachfrage nach reinen Budgetierungs- und Rechnungswesen-Kompetenzen etwas zurück. Zugleich bleibt Budgetierung gerade in den hoch betroffenen Berufen eine der meistgeforderten Fähigkeiten — das Rechnen verschiebt sich also eher zur KI, das Einordnen und Verantworten der Zahlen bleibt beim Menschen.
Das Aufspüren von Unregelmäßigkeiten ist genau das, worin KI stark wird — das Verantworten der Prüfung bleibt.
Für diesen Beruf einzeln gemessen — nicht aus verwandten Berufen übernommen.
Das Prüfen von Finanzvorgängen auf Auffälligkeiten trifft KI im Kern: Betrugs- und Anomalieerkennung ist genau das Feld, auf das Unternehmen ihre Anwendungen ausrichten, und mehrere Untersuchungen zählen die prüfenden Rollen zu den am stärksten betroffenen überhaupt. Arbeitgeber rechnen bis 2030 mit einem Rückgang der Prüf- und Buchhaltungsberufe; im Schnitt sinkt die Nachfrage in diesem Feld um rund 2 %. Was bleibt, ist das Einordnen und Verantworten eines Befundes — die Maschine markiert das Auffällige, die Bewertung liegt weiter beim Menschen.
Zuletzt geprüft 2026-07-19
Amtliche Bezeichnung nach ISCO-08: Nicht akademische Fachkräfte im Rechnungswesen · 3313
Gradient 4 4416 Personnel Clerks 0.6 0.09
Establishment-level AI exposure is associated with decreased demand for management skills. On average across countries in the sample demand for management skills declined by under 4 percentage points for a one standard deviation increase in AI exposure (Figure 4.2, Panel A). All countries in the sample are associated with a decline in management skills, and all are statistically significant from zero. Resource management includes human resource management, financial management, among others.
Access to the AI tool helps newer agents move more quickly down the experience curve: treated agents with two months of tenure perform just as well as untreated agents with more than six months of tenure. In contrast, we find minimal impacts on the productivity of more-experienced or more-skilled workers.
Panel A shows that access to AI assistance is associated with the strongest reductions in attrition among newer agents, those with less than 6 months of experience. The magnitude of this coefficient, around 10 percentage points, translates into a 40% decrease relative to a baseline attrition rate in this group of 25%.
Management, at 23% of respondents, is also heavily over-represented relative to its 7% employment share, even though it accounts for only 4% of sessions. This gap is consistent with managers using Claude for tasks other than management itself: in the survey, judgment and management are named by many respondents (especially those with more experience) as capabilities AI lacks.
Similar to our 2023 study, clerical occupations exhibit the highest levels of exposure, though with a decline in their mean scores due to a reassessment of certain task-level evaluations […] Among the 13 occupations classified in gradient 4, the majority represent clerical roles, including data entry clerks, typists and word processing operators, accounting and bookkeeping clerks, and general office clerks.
In contrast, occupations involving more cognitive or knowledge-intensive tasks, such as Clerical Support Workers and Professionals, show a much more mixed picture. While some tasks in these groups received lower scores, many others were revised upwards by the expert group, reflecting the greater adaptability of generative AI for structured, data-driven, or communication-focused tasks.
ChatGPT substantially changes the structure of writing tasks. Figure 3 Panel A shows that prior to the treatment, participants spend about 25% of their time brainstorming, 50% writing a rough draft, and 25% editing. Post-treatment, the share of time spent writing a rough draft falls by more than half and the share of time spent editing more than doubles.
Our results show that ChatGPT substantially raises average productivity: time taken decreases by 0.8 SDs and output quality rises by 0.4 SDs. Inequality between workers decreases, as ChatGPT compresses the productivity distribution by benefiting low-ability workers more.
At the establishment level, AI exposure is associated with declining demand for general skills commonly used in office settings. […] Digging further into these categories, the results point to drops in demand for general office skills such word processing and spreadsheet software, basic computer programming skills, as well as administrative and clerical tasks and basic project management skills.
Gradient 4 4311 Accounting and Bookkeeping Clerks 0.64 0.07 Gradient 4 4312 Statistical, Finance and Insurance Clerks 0.64 0.02 Gradient 4 3311 Securities and Finance Dealers and Brokers 0.63 0.04 […] Gradient 4 3312 Credit and Loans Officers 0.6 0.04
Additionally, some occupations – such as financial analysts, and web and multimedia developers (gradient 4), as well as bank tellers, translators, applications programmers, investment advisers (gradient 3) – have increased their levels of exposure, highlighting the expanding abilities of GenAI technology to potentially automate more specialized tasks in professional and technical roles.
In previous technological transitions, this type of adaptation was exemplified by the well-known case of bank tellers following the diffusion of automatic teller machines (ATMs) in the 1990s (Bessen, 2016). As ATMs automated routine cash withdrawals, they also lowered operational costs, enabling banks to open more branches and, in turn, increasing the demand for bank tellers in roles that required more complex customer service and advisory tasks.
Gradient 1 5230 Cashiers and Ticket Clerks 0.39 0.14
By contrast, respondents expect the fastest-declining roles to include various clerical roles, such as Cashiers and Ticket Clerks, alongside Administrative Assistants and Executive Secretaries, Printing Workers, and Accountants and Auditors. Broadening digital access, AI and information processing technologies, and robots and autonomous systems are the primary drivers for this decline. Aging and declining working-age populations and slower economic growth also contribute to the decline in clerical roles.
Performing financial estimates to develop a household budget 0.37 0.64 0.64 The task of performing financial estimates to develop a household budget can be significantly automated with generative AI tools like ChatGPT due to the structured and data-driven nature of budget calculations. GenAI can generate budget templates, provide financial advice based on data inputs, and simulate different financial scenarios, which aligns closely with the theoretical group's higher score of 0.64, indicating strong po tential for automation with AI's current capabilities. [norm.] / Conversely, for tasks like ‚maintaining documentation of classes with children' or ‚performing finan cial estimates for household budgets', the experts recognized the structured and analytical nature of these tasks, which generative AI can assist with to a substantial degree. [norm.]
Additionally, some occupations – such as financial analysts, and web and multimedia developers (gradient 4), as well as bank tellers, translators, applications programmers, investment advisers (gradient 3) – have increased their levels of exposure, highlighting the expanding abilities of GenAI technology to potentially automate more specialized tasks in professional and technical roles.
Establishment-level AI exposure is associated with decreased demand for management skills. On average across countries in the sample demand for management skills declined by under 4 percentage points for a one standard deviation increase in AI exposure (Figure 4.2, Panel A). All countries in the sample are associated with a decline in management skills, and all are statistically significant from zero. Resource management includes human resource management, financial management, among others. Some of the most frequently demanded skills in financial management include budgeting and accounting.
The most demanded skills in occupations with high AI exposure are management, business processes and social skills. Management and business processes contain skills such as project management, budgeting and accounting, administration, clerical tasks and customer support. On average across the 10 OECD countries in the sample, 72% of vacancies in high AI exposure occupations demand at least one management skill and 67% demand at least one business processes skill. [norm.]
For JPMC, applications in fraud detection, predictive modeling, and financial forecasting map most closely to tasks performed by Other Financial Specialists and by Accountants and Auditors. / we find that higher mean exposure of an occupation's tasks to employer-adopted AI applications reduces subsequent employment growth in that occupation–firm pair, while greater concentration of exposure raises it. […] a one–standard deviation increase in mean task exposure reduces the occupation's within-firm employment share by about 14.5 percent over five years, while a similar increase in concentration raises it by about 7.5 percent.
Gradient 3 2411 Accountants 0.51 0.08 Exposed: Gradient 3 (Significant exposure, high task variability) … Above-moderate occupational exposure: even though some tasks remain less exposed, the overall potential of automation of the current tasks with GenAI is growing in these occupations.
Gradient 4 4311 Accounting and Bookkeeping Clerks 0.64 0.07 Gradient 4 4312 Statistical, Finance and Insurance Clerks 0.64 0.02 Gradient 4 2413 Financial Analysts 0.62 0.06 Gradient 2 3313 Accounting Associate Professionals 0.49 0.13 Gradient 2 3352 Government Tax and Excise Officials 0.49 0.12 Among the 13 occupations classified in gradient 4, the majority represent clerical roles, including data entry clerks, typists and word processing operators, accounting and bookkeeping clerks, and general office clerks.
Genetic counsellors, financial examiners and actuaries are the three occupations with the highest exposure. These are occupations that require cognitive skills that cannot be automated with a discrete set of instructions, but for which artificial intelligence excels (Green, 2023[5]). Financial Examiners (13-2061) 1.53
For JPMC, applications in fraud detection, predictive modeling, and financial forecasting map most closely to tasks performed by Other Financial Specialists and by Accountants and Auditors. Both firms also emphasize fraud detection—'Fraud Detection, AML & Risk Mitigation' at JPMC and 'Fraud, Security, and Anomaly Detection' at Walmart—which is not surprising given the massive volume of transactions they process. We see that several groups experience meaningful declines: 'Business and Financial' occupations fall by 2.2% on average
By contrast, respondents expect the fastest-declining roles to include various clerical roles, such as Cashiers and Ticket Clerks, alongside Administrative Assistants and Executive Secretaries, Printing Workers, and Accountants and Auditors. Broadening digital access, AI and information processing technologies, and robots and autonomous systems are the primary drivers for this decline. Accountants and Auditors -5 -8 5
Der buchende Kern liegt im höchsten gemessenen Expositionsgradienten, beim Berichteschreiben verschiebt sich die Zeit vom Entwurf zur Prüfung
Für ISCO 3313 selbst führt keines der drei Dossiers eine eigene ILO-Zeile; auf Tätigkeitsebene liegen die buchenden Nachbarberufe am oberen Rand der Skala: 4311 Accounting and Bookkeeping Clerks bei 0,64 mit einer Streuung von 0,07 und 4312 Statistical, Finance and Insurance Clerks ebenfalls bei 0,64 mit einer Streuung von nur 0,02 — die zweitniedrigste der gesamten Gradient-4-Gruppe, was heißt, dass keine nennenswerte Nische unexponierter Teilaufgaben verbleibt —, wobei die ILO ausdrücklich betont, Exposition bedeute „not the immediate automation of an entire occupation, but rather the potential for a large share of its current tasks to be performed using this technology“, und das WEF für Accountants and Auditors zwar einen der stärksten Rückgänge erwartet, im selben Satz aber alternde Bevölkerung und schwächeres Wirtschaftswachstum als Mit-Treiber nennt. Beim Verfassen von Sach- und Verwaltungstexten ist die Verschiebung sogar gemessen statt nur geschätzt: In einem kontrollierten Experiment mit 444 Teilnehmenden fiel der Zeitanteil des Rohentwurfs von rund 50 % auf unter 25 %, der Anteil des Redigierens stieg von 25 % auf über 50 %, bei 0,8 Standardabweichungen weniger Zeitaufwand und 0,4 Standardabweichungen besserer Qualität — gegenläufig senkte die ILO ihre eigenen Werte für genau diese Aufgaben wieder ab, weil „many of these tasks still require substantial human effort“, und die Teilnehmenden nannten als Grund für Nichtnutzung, dem Modell fehle „context-specific knowledge“. Der personalführende Anteil der Rolle spaltet sich innerhalb derselben Tätigkeit um 0,24 Expositionspunkte — Personnel Clerks (4416) liegen mit 0,60 in Gradient 4, Human Resource Managers (1212) mit 0,36 bei einer Streuung von 0,05 in Minimal Exposure, wo nicht einmal eine einzelne Teilaufgabe exponiert ist —, und für das Anlernen ist belegt, dass neue Mitarbeitende mit KI-Zugang nach zwei Monaten das Niveau von Ungestützten mit über sechs Monaten erreichen; gemessen wurde das allerdings in einem einzigen Kundendienstunternehmen 2020/21, und die Zeitverwendung der Führungskraft selbst hat die Studie nicht erhoben.
Kein Befund stammt aus einer Messung von ISCO 3313 selbst, und für die Zahlungsabwicklung liefert der Korpus ausschließlich Expositionspotenziale und Erwartungen — keine gemessene Verschiebung von Zeitanteilen, Produktivität oder Beschäftigung, und keine Quelle prüft, ob Aufsichtsrecht, Vier-Augen-Prinzip und Haftungsregeln die technisch gemessene Exposition überhaupt realisierbar machen.
Bewusst abgesetzt von der belegten KI-Schicht oben: Anwendungsideen, keine quellenbelegten Befunde. Sie inspirieren, sie beweisen nichts.
Diese Seite beschreibt Nicht akademische Fachkräfte im Rechnungswesen allgemein — mit Tätigkeiten wie „Personal führen, einstellen und schulen“ oder „Sach- und Verwaltungstexte sowie Berichte verfassen“.
Für diesen Beruf sprechen die Daten für deutliche Veränderung.
Ihre Rolle ist bereits übernommen. Für eine Einschätzung, die zu Ihrer Lage passt, fragen wir noch nach Branche und Berufserfahrung — dieselbe Rolle bedeutet in unterschiedlichen Branchen Unterschiedliches.
SapientShift (2026): Nicht akademische Fachkräfte im Rechnungswesen — KI-Betroffenheit nach Tätigkeiten. Stand 19.07.2026. https://sapientshift.com/berufe/nicht-akademische-fachkraefte-im-rechnungswesen
Maschinenlesbare Fassung dieser Seite: Markdown
Wie diese Aussagen entstehen — Methodik & Evidenzklassen · Datensatz Version 1.0