Wie wir Banktransaktionen kategorisieren

Unsere ML-basierte Kategorisierung von Transaktionen ist das Herzstück von re:cap. Sie hält deine Banktransaktionen mit minimalem manuellen Aufwand sauber und strukturiert. Und immer wenn du eine Korrektur vornimmst, lernt das Modell und wird smarter.

1. Was macht die automatische Kategorisierung von Banktransaktionen?

Sobald du deine Bankkonten mit re:cap verbindest, importiert unser System deine Transaktionen und ordnet sie Kategorien zu, zum Beispiel:

• Gehälter
• Miete
• Umsatz
• Reisekosten
• Marketing

Dahinter steckt ein Machine-Learning-Modell, das Muster in deinen Zahlungsdaten erkennt – zum Beispiel Verwendungszweck, Gegenpartei, Betrag oder wiederkehrende Zahlungen.

Deine Vorteile

• Du musst keine Regeln aufsetzen.
• Du musst nicht jede Transaktion manuell zuordnen.
• Du bekommst vom ersten Tag an eine strukturierte Grundlage für Analyse, Forecast und vorbereitende Buchhaltung.

2. Warum Banktransaktionen das "Herz" der Plattform sind

Die Kategorisierung von Banktransaktionen ist die Grundlage für fast alles in re:cap:

• Cashflow-Analyse: Wohin fließt dein Geld? Was sind deine größten Kostentreiber?
• Forecasting & Runway: Wie entwickeln sich Umsätze und Ausgaben über die Zeit?
• Offene Posten & vorbereitende Buchhaltung: Welche Rechnungen sind bereits bezahlt und welche sind noch offen?
• Investor- und Management-Reporting: Saubere Kategorien machen deine Dashboards klar und vergleichbar.

Kurz gesagt: Für eine cash-basierte Sicht auf dein Unternehmen ist eine präzise Kategorisierung deiner Transaktionen entscheidend. Denn manuell ist das kaum zu bewältigen. Deshalb ist das ML-Modell für Banktransaktionen der Kern der gesamten Plattform.

3. Warum unser Ansatz besser ist als der von Wettbewerbern

Viele Wettbewerber setzen auf regelbasierte Systeme. Das bedeutet:

• Du musst Regeln selbst erstellen ("Wenn der Verwendungszweck X enthält, dann Kategorie Y").
• Du musst diese Regeln pflegen und aktualisieren, wenn sich etwas ändert (neue Lieferanten, neue Tools, andere Zahlungstexte).
• Mit der Zeit entsteht so ein großes, schwer zu wartendes Regelwerk.

re:cap funktioniert anders:

• Wir nutzen Machine Learning, das aus echten Transaktionen lernt.
• Du definierst keine Regeln. Du korrigierst nur bei Bedarf. Das Modell passt sich an und lernt.
• Das Modell erkennt ähnliche Transaktionen und zieht eigene Schlüsse.

Beispiel: Du änderst eine falsch zugeordnete Transaktion von "Sonstige Aufwendungen" zu "Marketing". Unser Modell lernt daraus und wendet das neue Muster auf ähnliche Transaktionen an – zum Beispiel auf alle zukünftigen Zahlungen an denselben Anbieter.

Das Ergebnis:

• Weniger manuelle Arbeit, weil das Modell kontinuierlich dazu lernt.
• Weniger Fehlklassifizierungen im Zeitverlauf.
• Mehr Konsistenz in deinen Finanzdaten.

Unsere Kund:innen sagen: "Ihr habt die beste automatische Kategorisierung von Transaktionen am Markt."

4. Schritt für Schritt: So funktioniert es auf der Plattform

Schritt 0: Bankkonten per Open Banking verbinden

Bevor das Modell deine Transaktionen kategorisieren kann, musst du deine Bankkonten verbinden:

1. Klicke im Navigationsmenü auf Data und dann auf Add account, um deine Bankkonten oder Zahlungsanbieter zu verbinden.

2. Wähle deine Region aus.

‍

3. Wähle deine Bank aus und verbinde sie über die Open-Banking-Schnittstelle.

4. re:cap synchronisiert deine Transaktionen automatisch.

Schritt 1: Standardkategorien – kein Aufwand für dich

Sobald dein Bankkonto verbunden ist, passiert Folgendes automatisch:

• Neue Transaktionen werden importiert.
• Unser ML-Modell ordnet jede Transaktion einer Standardkategorie zu.
• In deiner Transaktionsübersicht siehst du sofort, wie sich deine operativen Zahlungszu- und -abflüsse zusammensetzen.
• Du musst nichts konfigurieren.

Die Standardkategorien bedeuten keinen Aufwand für dich und sie sind so eingerichtet, dass sie von Anfang an funktionieren.

Schritt 3: Eine Kategorie korrigieren oder eine neue hinzufügen

Unser ML-Modell erreicht eine Genauigkeit von 98,8 % bei der Kategorisierung von Transaktionen. Wenn etwas nicht richtig aussieht, kannst du es korrigieren.

So änderst du eine Kategorie

1. Gehe im Navigationsmenü zu Analysis und klicke dann auf Cash positioning.

2. Klicke auf Transactions.

3. Klicke auf die Transaktion, die du ändern möchtest.

4. Wähle im Feld Category eine andere Kategorie aus.

5. Klicke auf Save changes. Die Änderung wird in allen Reports in re:cap übernommen.

So erstellst du eine neue Kategorie

1. Klicke in der Transaktion auf Category und wähle Add category.

2. Wähle die übergeordnete Kategorie aus und gib der neuen Kategorie einen Namen.

3. Klicke auf Confirm.

4. Die soeben erstellte Kategorie wird nun als „new“ angezeigt.

Schritt 4: Modell trainieren – ein paar Beispiele zuordnen und fertig

Jede Korrektur hilft dem Modell beim Lernen. In der Praxis reicht es oft, einige repräsentative Transaktionen neu zuzuordnen:

• Du änderst ein paar typische Transaktionen eines Typs (zum Beispiel alle Zahlungen an einen SaaS-Anbieter).
• Das Modell erkennt das Muster (Gegenpartei, Verwendungszweck, Betrag, Häufigkeit).
• Zukünftige Transaktionen dieses Typs werden dann korrekt kategorisiert.

Wichtig:

• Du musst keinen separaten „Trainings“-Prozess starten.
• Es gibt kein komplexes Setup.
• Das Lernen findet kontinuierlich im Hintergrund statt.

5. Automatischer Abgleich: Rechnungen <> Transaktionen

Mit derselben Technologie unterstützt re:cap auch den automatischen Abgleich von Rechnungen und Banktransaktionen.

Warum das wichtig ist:

Forecasting offener Posten

• Wir erkennen, welche Rechnungen bereits bezahlt sind und welche noch offen sind. So kannst du zukünftige Zahlungszu- und -abflüsse genauer planen.

Vorbereitende Buchhaltung

• Du siehst auf einen Blick, welche Transaktionen zu welchen Rechnungen gehören und welche Belege noch fehlen.

Falls du mehr darüber wissen möchtest, wie unser Machine Learning Modell funktioniert, kannst du dir diesen Artikel über Machine Learning be re:cap durchlesen.