TL;DR
BookKeeper ist mein n8n-gestütztes Automations-Setup, das den größten Teil meiner monatlichen Buchhaltung übernimmt. Aus einem simplen Start (einer automatisch erzeugten Monatsrechnung) ist diese Woche ein vollständiger Workflow geworden, der Belege aus Google Drive einsortiert, umbenennt und in die passende Einnahmenüberschussrechnung (EÜR) überträgt. Die Rechnungserstellung läuft jetzt termingesteuert und erzeugt konsistente PDF-Rechnungen auf Basis einer Vorlage, inklusive korrektem Leistungszeitraum und fortlaufender Nummer. Einige Sonderfälle im Januar habe ich bewusst manuell gelassen; ab Februar greift die Automatisierung voll. Nächster Schritt: Unbekannte Belege automatisch mit LLM erkennen und klassifizieren.
Kontext & Ziel
Letzte Woche hatte ich den ersten Baustein fertig: Ein Workflow, der jeden Monat automatisch die Rechnung für einen bestimmten Stammkunden erstellt. In dieser Woche habe ich das Projekt vervollständigt. Ziel war, den Großteil meiner wiederkehrenden Buchhaltungsaufgaben zu automatisieren: Belege ablegen, sortieren, sauber benennen und verbuchen, sowie eine reproduzierbare Rechnungserstellung. Der Fokus liegt auf Stabilität und Nachvollziehbarkeit. Sonderfälle, die nur einmalig auftreten, sollten die Kernlogik aber nicht verkomplizieren.
Meine Anforderungen
- Ich möchte Belege einfach in einen Drive-Ordner legen und den Rest der Maschine überlassen
- Ich brauche monatlich korrekte, konsistent nummerierte Rechnungen auf Basis von Vorlagen
- Ich will, dass Belege je nach Kontext (Freiberuflichkeit, Gewerbe) automatisch in die richtige EÜR wandern
- Ich möchte eindeutige Dateinamen und eine sinnvolle Ablagestruktur ohne manuelle Nacharbeit
- Ich wünsche mir Termine, die automatisch laufen, aber jederzeit manuell testbar sind
- Ich will Sonderfälle gezielt abgrenzen, damit die Regelprozesse stabil bleiben
Mein AI-Workflow
Gebaut habe ich Bookkeeper komplett in n8n und dabei mit Claude Code kollaboriert. Dabei habe ich Claude Code dieses Mal direktem Zugriff auf meine n8n-Instanz gegeben, so dass Änderungen beim Debuggen unmittelbar einfließen konnten. Für schnellere Prompts nutze ich seit einigen Wochen zusätzlich Wispr Flow. Das Blog-Bild kam wie gewohnt aus ChatGPT. Als Entwicklungsgrundlage konnte ich die HTML-Dokumentation der letzten Woche weiterverwenden.
Was das Tool kann
👉 Jeden Monat lege ich meine Belege in einen festgelegten Google-Drive-Ordner, den Bookkeeper überwacht
👉 Der Workflow erkennt bekannte Absender, sortiert die Dateien in die richtigen Unterordner, vergibt eindeutige Namen und trägt die Werte in die passende EÜR-Tabelle ein 🧾
👉 Die monatliche Rechnungserstellung läuft automatisch: Vorlage kopieren, Platzhalter füllen, PDF erzeugen, korrekt ablegen und in der richtigen EÜR dokumentieren
👉 Die Rechnungsnummern sind fortlaufend und werden aus bereits vorhandenen Dateien sicher ermittelt, damit nichts doppelt ist
👉 Leistungszeiträume werden aus dem Vormonat berechnet; die PDFs landen genau dort, wo sie später gebraucht werden
👉 Alles bleibt transparent: Ich kann jeden Schritt manuell starten, prüfen und bei Bedarf anpassen
Stack & Tools
Automation/Orchestrierung: n8n
Dokumente & Storage: Google Drive, Google Docs, Google Sheets
LLMs: Claude Code, ChatGPT
Eingabe/Prompting: Wispr Flow
Herausforderungen & Learnings
Viel Testarbeit war nötig: Ich habe wiederholt unterschiedliche Beleg-Szenarien in den Input gelegt (einzeln, mehrere gleichzeitig, verschiedene Absender) und die gesamte Kette geprüft: vom Umbenennen über das Verschieben bis zum EÜR-Eintrag.
Einmalige Sonderfälle (Januar, Umstellung auf Umsatzsteuer) lohnen sich nicht als Workflow-Logik: Manuelles Handling hält die Kernprozesse übersichtlicht.
Fortlaufende Rechnungsnummern zuverlässig zu ermitteln, braucht Sorgfalt: Der Abgleich mit vorhandenen PDFs schützt vor doppelten Nummern.
Direkter Zugriff für das LLM auf meine n8n-Instanz hat die Entwicklungszeit reduziert, verlangt aber klare Guardrails: Änderungen bleiben nachvollziehbar und sind jederzeit manuell reproduzierbar.
Keine Live-Demo
BookKeeper arbeitet mit privaten Drive-Ordnern und einer internen n8n-Instanz.
Fazit
Woche 26: ✅ Halbzeit!
BookKeeper hat mein Wochenziel erreicht: Routinebuchhaltung läuft jetzt weitgehend automatisch und reproduzierbar, ohne dass ich jeden Monat dieselben Handgriffe wiederholen muss!
Nächster sinnvoller Schritt wäre jetzt die automatische Klassifikation unbekannter Belege. Wenn das klappt, schließt sich der Kreis und BookKeeper wird vom Helfer zur nahezu vollständigen Buchhaltungs-Automation. Aber das wird vermutlich warten müssen. Nächste Woche werde ich hoffentlich den ContextTracker fertig stellen, aber dafür fehlen noch einige Anforderungen. Wir werden sehen!
