KI-Server für Wirtschaftsprüfer und Buchhaltung: Belege, Hauptbuch und Prüfungsakte

Was ein KI-Server für eine Prüfungs- oder Buchhaltungskanzlei leistet

Ein KI-Server für eine Wirtschaftsprüfungs- oder Buchhaltungskanzlei betreibt Dokumenten-, Sprach- und Suchmodelle auf Hardware, die die Kanzlei selbst kontrolliert; Mandantenunterlagen, Hauptbücher und Arbeitspapiere bleiben damit unter den eigenen Zugriffsregeln. Er liest Belege, Rechnungen und Verträge in strukturierte Datensätze ein, entwirft Erläuterungen zu Buchungen, die die Prüfroutinen der Kanzlei markieren, fasst die Unterlagen eines Mandats für die Prüfungsakte zusammen und beantwortet Fragen der Mitarbeitenden aus dem Prüfungshandbuch. Für eine mittelgroße Kanzlei trägt ein Server mit zwei Karten der NVIDIA RTX PRO 6000 Blackwell Server Edition den Assistenten und die Dokumentenstrecke; vier Karten tragen die Hauptsaison nach dem Jahresabschluss.

Mit vier Karten kann eine Karte die gescannten Unterlagen übernehmen, und die übrigen behalten Reserve für lange Durchsichten. Die Werte unten sind veröffentlichte Messungen mit Quelle oder unsere Schätzungen und als solche gekennzeichnet. Wir schreiben für die Kanzleileitung, die entscheidet, ob sich ein solcher Server lohnt, und für das IT-Team, das ihn neben Prüfungssoftware und Dokumentenarchiv betreibt. Die rechtlichen Hinweise sind allgemeine Informationen zum EU-Recht mit Stand Oktober 2026, keine Rechtsberatung; die Einzelheiten regelt das nationale Berufsrecht, und Ihre Berufskammer, Ihr Datenschutz­beauftragter oder Ihre Rechtsberatung bestätigen sie.

Vier Aufgaben und was jede bemisst

Unsere Zusammenfassung; Seiten nach unserer Schätzung von 0,69 Seiten pro Sekunde je Karte (ganzer Tag im Dauerbetrieb); Modellgrößen und Cache nach unserer Regel für Nutzer je Karte.

Unterlagen. Belege, Eingangsrechnungen, Kontoauszüge, Verträge, Bestätigungen und Protokolle kommen als Scans und PDFs. Wie unser Leitfaden zu Vision-Language-Modellen für Dokumenten-KI erklärt, bewährt sich eine Strecke in zwei Stufen: Ein OCR-Modell wandelt jede Seite in Text mit ihren Tabellen um, und ein Textmodell füllt ein festes JSON-Schema mit Datum, Lieferant, Beträgen, Umsatzsteuer und Konto, was die Structured Outputs von vLLM erzwingen. Das Buchhaltungssystem oder das Prüfungswerkzeug importiert den Datensatz und prüft ihn.

Buchungsprüfung. Prüfroutinen für Journalbuchungen, etwa Buchungen am Wochenende, runde Beträge, ungewöhnliche Benutzer oder Buchungen nach dem Abschluss, sind Regeln über das gesamte Hauptbuch; sie laufen in der Datenbank oder im Prüfungswerkzeug und liefern jedes Mal dasselbe Ergebnis. Das Sprachmodell erhält die markierten Buchungen mit Kontenbezeichnungen und Buchungstexten und entwirft eine Notiz für das Arbeitspapier, die ein Mensch prüft. Salden berechnet es nicht: Summen kommen aus dem Code, das Modell erläutert sie nur.

Zusammenfassungen für die Prüfungsakte. Jedes Mandat sammelt Dokumente, die jemand lesen und zusammenfassen muss: Protokolle des Aufsichtsrats, Darlehensverträge, Mietverträge, Anwaltsschreiben. Zusammenfassungen sind ein Batch-Job, den unser Leitfaden zur LLM-Batch-Inferenz on-premise in GPU-Stunden bemisst.

Handbuch und lange Durchsichten. Mitarbeitende fragen, wie das Prüfungshandbuch der Kanzlei einen Fall behandelt und welche Vorlage gilt; das Modell antwortet aus den Handbüchern und zitiert sie, wie bei RAG auf Unternehmensdaten. Wer ein Paket aus Verträgen und Protokollen in einen Kontext lädt, braucht je Anfrage weit mehr GPU-Speicher als für eine kurze Frage.

Berufsgeheimnis, Prüfungsakte und DSGVO

Für die Abschlussprüfung setzt die Richtlinie 2006/43/EG den EU-Rahmen. Wir haben die konsolidierte Fassung vom 9. Januar 2024 am 24. Oktober 2026 auf EUR-Lex gelesen. Nach Artikel 23 Absatz 1 stellen die Mitgliedstaaten sicher, „dass Abschlussprüfer und Prüfungsgesellschaften in Bezug auf alle Informationen und Unterlagen, zu denen sie bei der Durchführung einer Abschlussprüfung Zugang erhalten, entsprechenden Vorschriften zur Verschwiegenheitspflicht und zum Berufsgeheimnis unterliegen.“ Die Vorschriften selbst sind national, und ob ein öffentlicher KI-Dienst solche Unterlagen erhalten darf, ist eine Frage dieser Vorschriften und der Auftragsbedingungen der Kanzlei. Ein Modell auf dem eigenen Server der Kanzlei hält Unterlagen, Prompts und Antworten auf Hardware unter den Zugriffsregeln der Kanzlei, ohne externen Dienst, solange die Kanzlei keinen einschaltet.

Nach Artikel 24b Absatz 5 legen Abschlussprüfer „für jede Abschlussprüfung eine Prüfungsakte an“, bewahren alle anderen Daten und Unterlagen auf, die zur Begründung des Bestätigungsvermerks von Bedeutung sind, und „die Prüfungsakte wird spätestens 60 Tage nach Unterzeichnung des […] Bestätigungsvermerks geschlossen“. Für die Plattform heißt das zweierlei. Stützt eine Zusammenfassung oder Notiz des Modells eine Schlussfolgerung, entscheidet die Prüfungsmethodik der Kanzlei, ob sie in die Akte gehört, und die Plattform muss den Export samt der zitierten Quelldokumente vor dem Schließen der Akte erlauben. Danach sollten die Kopien auf der KI-Plattform keine zweite, inoffizielle Prüfungsakte bilden: Legen Sie für Index und Protokolle der Plattform eine Aufbewahrung je Mandat fest und löschen Sie planmäßig.

Accountancy Europe nennt die Risiken in seinen Anmerkungen vom 18. November 2024 zu einem US-Papier über generative KI in der Abschlussprüfung in einem Satz: Datenzuverlässigkeit, algorithmische Verzerrungen und Vertraulichkeit seien die zentralen Bedenken und verlangten besondere Aufmerksamkeit. Die erste ist der Grund, warum die Rechnungen im Hauptbuch im Code bleiben, die letzte der Grund, warum der Zugriff dem Mandat folgt. Im Suchindex trägt jeder Chunk Mandant, Mandat und die Zugriffsliste seiner Quelle, und die Suche filtert vor dem Ranking; ein Prüfungsteam sieht so nie Unterlagen eines anderen Mandanten. Unser Leitfaden zum privaten LLM für Kanzleien und Steuerberater beschreibt dasselbe Design je Akte für die Beratungsseite einer Kanzlei.

Die DSGVO gilt für personenbezogene Daten in Mandantenunterlagen, Lohnunterlagen und Protokollen, wo immer das Modell läuft, und Artikel 28 regelt jeden Anbieter, der sie im Auftrag der Kanzlei verarbeitet. Nach der KI-Verordnung ist eine Kanzlei, die ein KI-System einsetzt, Betreiber; unser Artikel zum EU AI Act für Unternehmen, die LLMs einsetzen behandelt die Pflichten für einen internen Assistenten.

Wir liefern den Server und richten über unseren Private-AI/ML-Service die Dokumentenstrecke und die Suche je Mandat ein; schicken Sie uns die Zahl Ihrer Mandate und Seiten pro Saison, und unser Team antwortet mit einer Konfiguration.

E-Rechnungen verändern den Dokumentenmix

Die Richtlinie (EU) 2025/516 des Rates vom 11. März 2025 ändert die Mehrwertsteuerrichtlinie im Hinblick auf die Mehrwertsteuervorschriften für das digitale Zeitalter. Wir haben sie am 24. und 25. Oktober 2026 auf EUR-Lex gelesen (englische Fassung; die Wiedergabe ist sinngemäß). Der geänderte Artikel 217 definiert eine elektronische Rechnung als Rechnung mit den vorgeschriebenen Angaben, die in einem strukturierten elektronischen Format ausgestellt, übermittelt und empfangen wird, und der geänderte Artikel 218 Absatz 2 bestimmt, dass Rechnungen als elektronische Rechnungen ausgestellt werden. Die Mitgliedstaaten wenden diesen Teil, Artikel 5 der Änderungsrichtlinie, ab dem 1. Juli 2030 an, und Artikel 1 erlaubt ihnen schon heute, elektronische Rechnungen für Inlandsumsätze vorzuschreiben. Mitgliedstaaten, die am 1. Januar 2024 bereits eine inländische digitale Meldepflicht in Echtzeit auf Transaktionsbasis hatten oder sie vor diesem Datum genehmigt bekommen oder gesetzlich beschlossen hatten, wenden die Änderung von Artikel 218 für inländische E-Rechnungen und Meldungen bis spätestens 1. Januar 2035 an (Artikel 6 Absatz 5).

Eine strukturierte Rechnung ist ein Datensatz, den ein Parser ohne GPU liest. Mit wachsendem Anteil strukturierter Rechnungen verlagert sich die OCR-Last einer Buchhaltungskanzlei auf Belege, Unterlagen von Lieferanten außerhalb des Systems, Verträge, Bank- und Anwaltsbestätigungen und die Archive früherer Jahre. Dimensionieren Sie die OCR-Karte dafür und für die Jahre an Papier, die Ihre Mandanten noch bringen werden. Wie die Regeln auf die Rechnungen eines bestimmten Mandanten anzuwenden sind, ist eine Frage für die Steuerberatung; unser Leitfaden zum Kauf von IT-Hardware aus einem anderen EU-Land behandelt die Umsatzsteuer beim Kauf der Hardware selbst.

Die Hauptsaison dimensionieren

Die Saison nach dem Jahresabschluss bestimmt die Größe. Nehmen Sie als Beispielwerte eine Kanzlei mit 120 Prüfungsmandaten und je etwa 1.500 Seiten gescannter Prüfungsunterlagen: 180.000 Seiten. Datalab meldet 1,44 Seiten pro Sekunde für sein 5B-Modell chandra-ocr-2 auf einer H100 80GB mit vLLM; nach Speicherbandbreite auf die RTX PRO 6000 Server Edition umgerechnet sind das nach der Methode unseres Leitfadens zu Dokumenten-KI etwa 0,69 Seiten pro Sekunde je Karte. Eine Karte braucht dann etwa 73 Stunden, sechs Nächte zu 12 Stunden; vier Karten mit je einer Kopie brauchen etwa 18 Stunden.

OCR mit etwa 0,69 Seiten pro Sekunde je RTX PRO 6000 Server Edition, unsere Schätzung, umgerechnet aus Datalabs Wert für chandra-ocr-2 auf einer H100 80GB (Modellkarte, ohne Datum) nach der Methode unseres Leitfadens zu Dokumenten-KI; Zusammenfassungen aus MLPerf® Inference: Datacenter v6.1, Closed Division, Kategorie Available, gpt-oss-120b, Offline-Szenario, Eintrag 6.1-0050 (HPE ProLiant Compute DL380a Gen12, acht RTX PRO 6000 Blackwell Server Edition), 15.256 Token pro Sekunde, abgerufen von mlcommons.org am 24. Oktober 2026, Ergebnis von der MLCommons Association verifiziert; 1.907 je Karte ist unsere Teilung des Systemergebnisses, keine MLPerf-Metrik, und wir planen mit der Hälfte davon; Mengen sind Beispielwerte; lange Durchsichten nach unserer Regel für Nutzer je Karte. The MLPerf name and logo are registered and unregistered trademarks of MLCommons Association in the United States and other countries. All rights reserved. Unauthorized use strictly prohibited. See www.mlcommons.org for more information.

Eine Buchhaltungskanzlei hat dagegen einen Monatsrhythmus. Mit 400 Mandanten, etwa 150 Belegen je Mandant im Monat und 1,2 Seiten je Beleg erhält sie 72.000 Seiten im Monat, über 21 Arbeitstage etwa 3.400 am Tag, die eine Karte nach unserer Schätzung in etwa 82 Minuten umwandelt.

Die Zusammenfassungen folgen der Methode des Batch-Leitfadens. 120 Mandate mit je 300 Dokumenten ergeben 36.000 Zusammenfassungen; bei etwa 500 Ausgabe-Token je Stück sind das 18 Millionen Token. Mit 1.907 Token pro Sekunde je Karte, unserer Teilung des MLPerf-Ergebnisses, braucht eine Karte etwa 2,6 Stunden; mit der halben veröffentlichten Rate als unserer Planungsreserve etwa 5,2 Stunden, eine Nacht. Verträge sind länger als die Prompts des Benchmarks, und das Einlesen kostet zusätzlich Zeit; messen Sie zuerst eine Stichprobe Ihrer eigenen Unterlagen. Die Lizenz kommt vor dem Tempo: GLM-OCR steht unter MIT und DeepSeek-OCR-2 unter Apache 2.0, chandra-ocr-2 dagegen unter einer modifizierten OpenRAIL-M-Lizenz mit Umsatzschwelle.

Lange Durchsichten bestimmen den Speicher. Nach unserer Regel für Nutzer je Karte, die 90 Prozent der 95,6 GiB nimmt, die der Treiber meldet, abzüglich 3 GiB je Karte und der Gewichte, lässt gpt-oss-120b auf einer Karte 22,2 GiB für den Cache. Eine Anfrage mit 32K belegt 1,125 GiB 16-Bit-Cache, eine Durchsicht mit 128K 4,5 GiB; eine Karte hält damit 19 Fragen oder 4 Durchsichten, ein Tensor-Parallel-Paar mit 105,3 GiB Cache 93 Fragen oder 23 Durchsichten. Mitarbeitende einer Kanzlei in der Hauptsaison fragen mehr als durchschnittliche Beschäftigte; mit 8 laufenden Anfragen je 100 Mitarbeitende, dem Beispielwert unseres Leitfadens für Beratungsunternehmen, brauchen 150 Mitarbeitende in der Spitze 12, innerhalb einer Karte.

Konfigurationen nach Kartenzahl

Die Optionen folgen den Referenz­konfigurationen auf unserer Seite zu KI-Servern und NVIDIAs Leitfaden für zertifizierte Systeme: zwei Prozessoren, mindestens sechs Kerne je GPU und Arbeitsspeicher in doppelter Größe des GPU-Speichers.

Referenz­konfigurationen auf unserer Seite zu KI-Servern; Fragen und Durchsichten nach unserer Regel für Nutzer je Karte mit gpt-oss-120b und 16-Bit-Cache; Seiten nach unserer Schätzung von 0,69 pro Sekunde je Karte über einen ganzen Tag; Strom nach unserer Schätzung mit Karten bei 600 W, Prozessoren und 15 Prozent für den Rest des Servers.

Zwei Karten. Der Einstiegsserver hat zwei RTX PRO 6000 Server Edition, zwei AMD-EPYC-Prozessoren, 384 GB DDR5-ECC und zwei NVMe-Laufwerke. Karte 1 betreibt gpt-oss-120b tagsüber für Fragen und Durchsichten und nachts für den Batch der Zusammenfassungen. Karte 2 betreibt das OCR-Modell und Embedding-Modell und Reranker nebeneinander; die Suchmodelle sind klein, beide passen auf die Karte mit 96 GB. Wenn die Kanzlei die Suchmodelle isolieren will, teilt MIG Karte 2 in vier Instanzen mit 24 GB, mit einer niedrigeren OCR-Rate, für die es keinen veröffentlichten Wert gibt. Diese Größe passt zu einer Kanzlei mit einigen Dutzend Mandaten oder zu einer Buchhaltungskanzlei.

Vier Karten. Der Inferenzknoten mit 768 GB und vier NVMe-Laufwerken betreibt den Assistenten als eine Kopie, per Tensor-Parallelität auf die Karten 1 und 2 verteilt; Karte 3 wandelt über die Saison Unterlagen um, und Karte 4 hält eine zweite Kopie des Modells für Zusammenfassungen und Entwürfe tagsüber, sodass der Batch nicht mehr auf die Nacht wartet. Diese Konfiguration würden wir für eine Kanzlei, deren Saison der Engpass ist, zuerst dimensionieren.

Zwei Server mit je vier Karten oder acht Karten. Wenn die Mitarbeitenden in den Wochen vor den Berichtsfristen auf die Plattform angewiesen sind, halten zwei Server, die jeweils die Spitze tragen, den Betrieb aufrecht, während einer gewartet wird, wie unser Leitfaden zur Hochverfügbarkeit mit zwei GPU-Knoten beschreibt. Acht Karten in einem Server bringen dieselbe Kapazität in einem Gehäuse, nach unserer Schätzung mit etwa 6,3 kW und ohne Ausfallsicherheit.

Die RTX PRO 6000 Max-Q ist die Workstation-Karte, eine Radiallüfter-Karte mit 300 W; ins Rack gehört sie nur in ein Gehäuse, für das der Hersteller sie listet, und für den Dauerbetrieb empfehlen wir die Server Edition. Die Modelle richten wir über unseren Private-AI/ML-Service ein; beschreiben Sie, mit welcher Aufgabe Sie beginnen würden, und wir schlagen einen Piloten für eine Mandatsart und den Server dafür vor.

Hinweise für das IT-Team

1. Zahlen bleiben im Code. Buchungsprüfungen, Summen und Abstimmungen laufen in der Datenbank oder im Prüfungswerkzeug. Das Modell erhält markierte Zeilen und liefert Text; eine Prüfung vergleicht jede Zahl in seiner Notiz mit der Quellzeile.
2. Ein Schema für jede Erfassung. Mit den Structured Outputs von vLLM folgt die Antwort einem JSON-Schema; der Import weist einen Datensatz mit fehlendem Feld zurück, statt zu raten. Seiten, die die OCR-Stufe nur unsicher liest, gehen an einen Menschen.
3. Zugriff je Mandat. Rollen im Verzeichnisdienst entsprechen Mandaten; der Suchfilter prüft die Zugriffsliste vor dem Ranking. Setzen Sie ein LLM-Gateway mit Schlüsseln und Abfrage-Log vor die Engines und protokollieren Sie Benutzer, Mandat, Quellen und Ausgabe.
4. Export vor dem Schließen. Geben Sie den Mitarbeitenden einen Export der Notizen und Zusammenfassungen, auf die sie sich stützen, samt zitierten Dokumenten in die Prüfungsakte, und einen Löschjob für die Kopien der Plattform nach dem Schließen der Akte.
5. Nicht vertrauenswürdige Unterlagen. Mandantenunterlagen können Text enthalten, der sich an das Modell richtet. Die Erfassung in ein Schema und ein Modell ohne Tools begrenzen den Schaden, wie unser Leitfaden zu Prompt Injection und LLM-Sicherheit erklärt.
6. Netzwerk und Versionen. --api-key schützt in vLLM nur Pfade unter /v1, /v2, /inference und /cohere; Routen wie /invocations und /metrics antworten auch ohne Schlüssel (Sicherheitsleitfaden von vLLM 0.32.0). Halten Sie die Engines deshalb in einem internen Netz hinter dem Gateway. Betreiben Sie vLLM 0.31.0 oder neuer, das NVIDIA Container Toolkit ab 1.17.8 und einen Treiber, den NVIDIA in seinem Bulletin vom 30. September 2026 als behoben nennt.

Stromversorgung und Aufstellung

Nach unserer Schätzung nimmt der Server mit zwei Karten und zwei EPYC 9135 etwa 1,8 kW am Netz auf und passt an einen 16-A-Anschluss mit 230 V, der bei 80 Prozent Auslastung 2,94 kW trägt. Der Server mit vier Karten zieht mit Karten bei 600 W etwa 3,4 kW und braucht 32 A oder Drehstrom, mit auf 450 W begrenzten Karten etwa 2,7 kW. Acht Karten ziehen nach unserer Schätzung etwa 6,3 kW; Dells Datenblatt nennt etwa 8 kW je Knoten mit acht Karten als Richtwert, und die Zuleitungen sollten nach dem Wert des Herstellers geplant werden. Eine Messung am gelieferten System bestätigt die Leistungsaufnahme. Unser Leitfaden zum Stromanschluss von GPU-Servern mit 16 A, 32 A und Drehstrom rechnet die Anschlüsse durch. Ohne eigenen Serverraum betreibt unser Private-AI/ML-Service die Plattform auf dedizierter Hardware in einem Tier-3-Rechenzentrum in Litauen, innerhalb der EU.

Was wir liefern

Sie können dieses System bei uns kaufen: Unser Team dimensioniert die Konfiguration nach Ihrer Last und Ihrem Budget und antwortet innerhalb eines Werktages. Wir bauen die Server auf Bestellung mit zwei, vier oder acht Karten der RTX PRO 6000 Server Edition, vor der Lieferung montiert und getestet, geliefert in die gesamte EU mit einem EU-Vertrag und einer Rechnung, mit Herstellergarantie auf jede Komponente, abgewickelt über uns; Stückzahlen und Lieferzeit werden mit dem Angebot schriftlich bestätigt. Unser Service Private AI/ML mit unserem Engineering-Partner Vixen.UNO richtet die Dokumentenstrecke, die Modelle, die Suche je Mandat und das Abfrageprotokoll ein. Unsere Seite zum Kauf eines GPU-Servers für LLMs listet alle Konfigurationen.

FAQ