Digital gestützte Fehlererkennung
Projektstatus
Planung
Durchführung
Dokumentation
Hintergrund
Die Paymi GmbH ist ein 2023 gegründetes Unternehmen mit Sitz in Rehfelde, Brandenburg, das auf professionelle Lohn- und Gehaltsabrechnung spezialisiert ist. Sie entstand aus der Umfirmierung der UG „Payroll mit Herz by Brasch & Marx“ und hat über 60 Jahre Teamerfahrung in der Gehaltsabrechnung und Human Resources. Die Paymi GmbH bietet maßgeschneiderte Payroll-Dienstleistungen für Steuerberater, kleine und mittelständige Unternehmen, Startups und Konzerne an und kombiniert digitale Prozesse mit persönlicher Beratung. Geschäftsführer sind Ariane Brasch und Christian Marx. Kunden schätzen vor allem die Zuverlässigkeit, Fachkompetenz und den persönlichen Service von Paymi.
Herausforderung
Bei der großen Zahl von Lohn- und Gehaltsabrechnung kann es häufiger zu Fehlern kommen, wie Abweichungen, fehlenden Werten oder sonstigen Unstimmigkeiten. Solche Fehler sind nicht nur zeitaufwendig zu finden und zu korrigieren, sie können auch die Zuverlässigkeit der Abrechnungen und das Vertrauen der Kunden in die Prozesse beeinträchtigen. Der manuelle Prüf- und Korrekturaufwand bindet zudem wertvolle Kapazitäten der Mitarbeiter.
Vor diesem Hintergrund möchte Paymi GmbH untersuchen, wie moderne digitale Verfahren und Künstliche Intelligenz gezielt eingesetzt werden könnten, um diese Probleme zu minimieren. Ziel ist es, Fehler automatisch zu erkennen, bevor sie zu größeren Problemen führen, und so die Zuverlässigkeit der Abrechnungen deutlich zu erhöhen. Durch die Automatisierung der Fehlererkennung könnte der manuelle Arbeitsaufwand erheblich reduziert und der Korrekturprozess beschleunigt werden.
Langfristig verfolgt Paymi das Ziel, durch intelligente Automatisierung ein System zu schaffen, das sowohl präzise und zuverlässig arbeitet als auch flexibel auf Veränderungen reagieren kann. Dies würde den Mitarbeitern ermöglichen, sich stärker auf wertschöpfende Tätigkeiten zu konzentrieren, während Routineprüfungen effizient von digitalen Lösungen übernommen werden. Auf diese Weise würden sowohl die Qualität der Abrechnungen als auch die Effizienz und Kundenzufriedenheit nachhaltig gesteigert.
Lösung
Nach einer eingehenden Analyse typischer Fehler in einem Test-Set von Lohnabrechnungen wurde sich gegen den Einsatz einer KI-Lösung entschieden. Abweichungen können sehr gut analytisch erkannt werden, während die Erkennung durch KI oft nicht exakt nachvollziehbar und somit ungenau wäre.
Eine prototypische Software soll die Vielzahl an Dokumenten parsen und durch Vergleich mit vorangegangenen Abrechnungen auf Plausibilität prüfen. Dazu werden alle Abweichungen in Geldbeträgen über 5% markiert, ebenso Werte die fehlen oder hinzugekommen sind. Viele Abweichungen können auch korrekt sein, beispielsweise bei einer Gehaltsanpassung oder Änderung der Steuerklasse. Daher wird weiterhin eine manuelle Sichtung der Auffälligkeiten erforderlich bleiben, die Suche danach wird jedoch erheblich vereinfacht.
Um manuelle Prüfungen nicht doppelt durchzuführen, erlaubt die Software die Festlegung eines Startdatums, ab welchem Auffälligkeiten gemeldet werden. Ältere, bereits überprüfte Meldungen können so unterdrückt werden.
Umsetzung
Zur Umsetzung wurde sich dafür entschieden, eine Software in Python für die Dokumentanalyse zu entwickeln. Die Programmiersprache hat einen geringen Einrichtungsaufwand und bieten passende Bibliotheken für die wichtigsten Aufgaben.
Die erste Herausforderung war das Einlesen der pdf-Dateien und der Extraktion relevanter Werte. Typischerweise sind Textbausteine in den pdfs nicht in optischer Reihenfolge gespeichert, so dass bei der Texterkennung leicht Zusammenhänge verloren gehen. Ein komplexes Set aus regulären Ausdrücken ordnet die verschiedenen Textelemente mit hoher Zuverlässigkeit den korrekten Einträgen zu. Eine unerwartete Hürde hierbei war die hohe Rechenlast beim Parsen der Dateien. Um das Einlesen zu beschleunigen, musste das Parsen auf mehrere Prozessorkerne verteilt werden. In Python ist dies nur durch starten von Sub-Prozessen und Interprozesskommunikation möglich, was den Implementierungsaufwand hier merklich erhöht hat.
Verglichen werden zunächst immer zwei aufeinanderfolgende Gehaltsabrechnungen. Hierbei gibt es eine sehr große Anzahl an 'false positives', da gewisse Abweichungen im normalen Betrieb auch häufig auftreten. Um die Anzahl an Meldungen zu reduzieren, werden Werte zusätzlich mit den 2 bzw. 12 Monate vorangegangenen Abrechungen verglichen. So können beispielsweise jährlich wiederkehrende Abweichungen, wie Weihnachtsgeld, erkannt werden. Inhalte, die sich für einen Monat ändern und dann wieder den vorangegangenen Wert annehmen, werden auf diese Weise auch nicht zweimal gemeldet.