Fachbeiträge & Kommentare zu Rechnung

Rz. 37 Probleme bereitet § 12 Abs. 2 Nr. 11 UStG auch für die lohnsteuerliche Beurteilung von Reisekosten bei Arbeitnehmern. Weil dann, wenn der Arbeitgeber die Übernachtungs- und Verpflegungskosten eines Arbeitnehmers übernimmt, gem. R 8.1 Abs. 8 Nr. 2 LStR, nur der Sachbezugswert und nicht der in Rechnung gestellte Betrag anzusetzen ist[1], kommt es auf die Vertragsbeziehu...mehr

Rz. 42 Die genaue Aufschlüsselung des Entgelts auf die unterschiedlichen Steuersätze ist bei Anwendung dieser Vereinfachungsregelung nicht notwendig zur Erteilung einer korrekten Rechnung gem. § 14 Abs. 4 Nr. 7 UStG, die den Vorsteuerabzug ermöglicht. Es genügt dann, z. B. unter der Bezeichnung "Logis" einen Betrag mit 7 % und einen weiteren mit 19 % unter der Bezeichnung "S...mehr

Zusammenfassung Die neue Vertikal-Gruppenfreistellungsverordnung (Verordnung (EU) Nr. 2022/720), trat zum 1. Juni 2022 in Kraft und ersetzt die bis dahin geltende VO (EU) 330/2010. Gegenstand und Ziel der Vertikal-GVO ist es, bestimmte wettbewerbsbeschränkende Vereinbarungen in vertikalen Vertragsbeziehungen zu erlauben. Teil 1 – Die Grundlagen der Vertikal-GVO 1. Grundlagen d...mehr

Rz. 23 Es ergibt sich insofern die eigenartige Situation, dass der Gesetzgeber gerade viele der oben beschriebenen Dienstleistungen, die im Alltag des Fremdenverkehrsgewerbes hinzutreten müssen, um aus einer bloßen Vermietung eine Beherbergung zu machen, aus der Begünstigung gleichwohl bewusst wieder ausgeschieden hat. Allerdings kann dies nicht bedeuten, dass nunmehr jede u...mehr

Zur Erfüllung der Anforderung Relevanz muss der Informationsgehalt von Datensätzen den entsprechenden Informationsbedarf erfüllen. Wenn der Geschäftsführer die Umsätze eines Kunden aus dem 1. Quartal des laufenden Jahrs wissen möchte, ist eine Rechnung vom 4. April des Jahrs nicht relevant. Würde diese Rechnung in die Ermittlung der Umsätze des 1. Quartals mit einbezogen wer...mehr

Kennzahlen für die Datenqualität lassen sich grundsätzlich in 3 Kategorien einteilen. 4.1.1 Formal-technische Kennzahlen Die Berechnung von formal-technischen Kennzahlen erfolgt in der Regel systemseitig durch einfache Datenabfragen unterschiedlicher Datenbereiche. Praxis-Beispiel Anzahl fehlerhafter Anrede-Felder In den Debitorenstammdaten ist ein Anrede-Feld als Freitextfeld f...mehr

7.1 Ausgangslage Das mittelständische Industrie-Unternehmen DQ-Improvement GmbH mit Sitz in Freiburg hat 200 Mitarbeiter. Das Unternehmen unterhält eine eigene Rechnungswesen-Abteilung mit Kreditoren- und Debitorenbuchhaltung. Den Mitarbeitern in der Finanzbuchhaltung steht eine IT-Abteilung sowie eine Controlling-Abteilung zur Seite. Die in der Finanzbuchhaltungssoftware vor...mehr

6.1 Data Profiling (Datenanalyse) Beim Data Profiling erfolgt eine statistische Analyse und Bewertung von Datensätzen. Vergleichbar mit einem Archäologen werden Daten mit Werkzeugen ausgegraben, sauber freigelegt, betrachtet, kategorisiert und bewertet. Im Gegensatz zum Archäologen, der in der Regel hierfür mit Schaufel, Spachtel und Pinsel Handarbeit verrichtet, erfolgt die ...mehr

Insbesondere in kleineren Unternehmen ist die technische Infrastruktur der Rechnungswesen-Systeme eine häufige Ursache für mangelhafte Datenqualität. Einmal eingerichtet werden die Systeme nur noch zwangsläufig angefasst und wenn, dann nur "drüber installiert" und "drauf optimiert". Im Laufe der Jahre sind die Systeme dann überinstalliert und mit Zusatzmodulen und -funktione...mehr

Die erste (manuelle) Eingabe von Daten in ein System ist eine bedeutsame und sehr häufige Ursache für schlechte Datenqualität. Sie können auf den Faktor Mensch zurückzuführen sein, wenn z. B. fehlerhafte Eingaben oder unzureichende Qualifikationen (Verständnisprobleme) vorliegen, mangelhafte Kenntnisse über die Funktionalität der Softwareanwendung vorliegen oder unvollständige ...mehr

Das Kriterium Vollständigkeit ist erfüllt, wenn der entsprechende Datensatz an sich vorhanden ist und alle geforderten Bestandteile (Attribute) enthält. Die erforderlichen Attribute werden zum einen durch die sog. "Muss-Felder" (Pflichteingabefelder) und die individuellen geforderten Zusatzfelder definiert. So ist in der Regel systemseitig eine Kreditorennummer ein Pflichtei...mehr

Fehlen klare Anweisungen und Vorgaben, wie die Datenerfassung zu erfolgen hat, wird sich im Laufe der Zeit der berühmte "Schlendrian" einstellen: Dateneingaben werden aus Bequemlichkeitsgründen abgekürzt, relevante Daten wie z. B. die Umsatzsteuer-Identifikationsnummern bei der Stammdatenanlage werden ausgelassen, weil sie gerade nicht verfügbar sind und Datenanpassungen wer...mehr

Die im Rahmen des Data Profilings identifizierten Datenmängel sind mittels Data Cleansing durch verschiedene Verfahren anschließend zu bereinigen. Sofern die betroffenen Daten zuvor zuverlässig standardisiert wurden, ist die Bereinigung deutlich einfacher durchzuführen. So sollte z. B. ein Datumsfeld immer in einheitlichem Format vorliegen. Ist ein Datumswert im Format "TT.M...mehr

Datenbestände sollten nicht nur vollständig, korrekt und aktuell sein; die Dateneingabe muss zusätzlich genau sein. Die Genauigkeit von Datensätzen ist erfüllt, wenn die Daten in der geforderten Exaktheit vorliegen. Hintergrund für die Erfordernis "Genauigkeit" kann technischer oder organisatorischer Natur sein. So kann es erforderlich sein, Daten in einer bestimmten Form fü...mehr

Eine weitere Methode ist die Ersetzung von fehlerhaften oder fehlenden Daten mit Daten aus alternativen Quellen (Referenzdatenbestände). Dies setzt voraus, dass die für das Ersetzen verwendete Datenquelle zuverlässig ist; optimaler Weise hat sie einen vollständigen Datenprüfprozess hinter sich und kann somit bedenkenlos verwendet werden. Im Gegensatz zur Methode "Entfernung ...mehr

Redundanz liegt vor, wenn identische Informationen in einer Informationsquelle mehrfach vorhanden sind und die betroffene Information in einem der Speicherorte ohne Informationsverlust gelöscht werden könnte. Hierfür müssen nicht zwangsläufig Dubletten vorliegen; Redundanz ist schon gegeben, wenn Debitorenstammdaten wie z. B. Telekommunikations-Kontaktdaten sowohl im Rechnun...mehr

Eine hohe Datenqualität erfordert eine gute Verständlichkeit der Informationen. Die Datensätze müssen hinsichtlich ihrer Struktur, Beschaffenheit und Begrifflichkeit so vorliegen, dass die verarbeitende Stelle der Information – oftmals ein Mensch – diese entsprechend interpretieren und verstehen kann. So ist es nicht hilfreich, einem Rechnungswesen-Sachbearbeiter eine Tabell...mehr

In anderen Fällen lassen sich fehlende Werte durch Standardwerte ersetzen. Voraussetzung ist, dass für den fehlenden Wert ein eindeutiger, vordefinierter Wert (sog. "Default-Wert") zur Verfügung steht, dessen Verwendung die Datenqualität des betroffenen Datensatzes verbessert oder zumindest nicht "verschlimmbessert". Praxis-Beispiel Standard-Wert für internen Ansprechpartner B...mehr

Datenbestände sind einheitlich, wenn die Eingaben von artgleichen Werten immer einheitlich erfolgt. Dies ist insbesondere bei Texteingaben relevant. Um hier Irrtümer und Fehlinterpretationen zu vermeiden, sollten bei bestimmten Texteingabefeldern interne Vorgaben vorhanden sein, um die Einheitlichkeit der Daten zu gewährleisten. Praxis-Beispiel Einheitlichkeit bei Städtenamen...mehr

Das Pendant zu den Duplikaten sind fehlerhafte Vermischungen von eigentlich 2 unterschiedlichen Datensätzen zu einem Datensatz. In diesem Fall ist der vermischte Datensatz zu entflechten, wobei auch hier genau die Werte zu prüfen sind, damit die beiden getrennten Datensätze später jeweils die korrekten Werte aufweisen. Praxis-Beispiel Datenauftrennung von Kreditorenstammdaten...mehr

Überblick Die unaufhaltsam voranschreitende Digitalisierung hat Daten zum neuen Gold werden lassen. Unternehmen werden immer abhängiger von Daten und deren hoher Qualität in allen Bereichen. Wer keine gehobenen Ansprüche an die Qualität seiner Daten stellt und deren Zustand nicht stetig überwacht, wird ähnlich negative Erfahrungen machen wie Unternehmen, die ihre Produktqual...mehr

Inhaltliche Kennzahlen analysieren komplexere Regelwerke und unterstützen durch die tiefergehenden Resultate vornehmlich die Fachabteilungen. Die Definition der anwendbaren Regelwerke – als Basis für die inhaltlichen Kennzahlen – sollte daher in enger Zusammenarbeit mit den Fachabteilungen erfolgen. Praxis-Beispiel Häufigkeit von Datumswerten In den Stammdaten sind diverse Dat...mehr

Die in den Workshops und Fragebögen erfassten subjektiv gemeldeten Missstände der Daten werden in einem nächsten Schritt mittels eines ersten Data Profilings objektiv überprüft. Federführend für diese Datenanalyse ist das Controlling. Mit Unterstützung der IT-Abteilung erfolgt ein erster Datenexport von Stammdaten und Bewegungsdaten aus dem Finanzbuchhaltungs- und ERP-System...mehr

Sobald ein Unternehmen die für die individuellen Datenqualitätskriterien relevanten Kennzahlen erarbeitet hat – gegebenenfalls in Abstimmung und Zusammenarbeit mit den Fachabteilungen – empfiehlt es sich, diese exakt zu dokumentieren. Somit ist sichergestellt, dass auch dezentral verwendete Kennzahlen einheitlich zum Ansatz kommen und vergleichbare Ergebnisse liefern. Im Fol...mehr

Es gibt sehr vielfältige Gründe für schlechte Datenqualität in den Abteilungen des Rechnungswesens. In erster Linie besteht ein direkter Zusammenhang mit dem grundlegenden, in der Kultur verankerten Qualitätsverständnis des jeweiligen Unternehmens. Betriebe, die aufgrund ihrer Kultur und ihrem Geschäftsmodell ein hohes Qualitätsbewusstsein aufweisen (müssen), werden in der R...mehr

Eine weitere Ursache ist in den häufig eingestaubten oder fehlerhaften Arbeitsabläufen zu finden. Unzureichende Prozesse, von der Datenerfassung bis zur Datenverarbeitung und Datenausgabe, führen regelmäßig zu Fehlern und unzureichender Datenqualität. Ganz bitter für die Datenqualität sind – zumindest für die wesentlichen Datensätze – fehlende oder holprige Prüfprozesse. Lau...mehr

Im Einzelhandel ist die Haltbarkeit von Lebensmitteln wesentlich für die angebotene Produktqualität. Abgelaufene Mindesthaltbarkeitsdaten führen unweigerlich zu mangelhafter Produktqualität. Ein Verkauf der abgelaufenen Produkte ist dann – wenn überhaupt – nur noch mit Preisabschlägen möglich. Auch bei Daten kann die Haltbarkeit zum Qualitätsproblem werden. Im Laufe der Zeit...mehr

Jeder Datensatz muss für sich und gegenüber anderen Datensätzen eindeutig interpretierbar sein, um das Kriterium Eindeutigkeit zu erfüllen. Gibt es in einem Datenbestand 2 Datensätze, die bis auf ein Datenfeld identisch sind, so sind beide Datensätze nicht mehr eindeutig interpretierbar. Es ist zu bezweifeln, ob es sich um 2 unterschiedliche Datensätze handelt und hinsichtli...mehr

Die Korrektheit setzt voraus, dass die Dateneingaben mit der Realität übereinstimmen; die Aktualität erfordert darüber hinaus, dass sie dem aktuellen Zustand der Realität entsprechen. Interne Vorgaben definieren hierbei den Zeitpunkt oder Zeitraum, wann Aktualität gegeben ist. Praxis-Beispiel Aktualität von Postleitzahlen Bei den Debitorenstammdaten der Veraltet OHG ist das Da...mehr

Mit dieser Methode werden fehlerhaft identifizierte Datensätze vollständig aus den Beständen entfernt und somit auch nicht weiterverarbeitet. Dieser Weg ist anzuwenden, wenn die Daten nicht oder nur mit sehr hohem manuellem Aufwand korrigiert werden können. Die nicht entfernten, korrekten Datensätze werden hingegen weiterverarbeitet. Praxis-Beispiel Entfernung eines fehlerhaf...mehr

Eine häufige Ursache für mangelhafte Datenqualität besteht bei Vorliegen von unnötigen Redundanzen von Datenbeständen. Insbesondere in kleinen und mittelständischen Unternehmen liegen Daten nicht ausschließlich in einem zentralen Bestand. Finanzbuchhaltungssysteme, ERP-System, Bank-Software und QM-Systeme sind oft als Insellösungen vorhanden – mit der unschönen Folge, dass g...mehr

Konsistenz erfordert, dass die Daten den definierten Integritätsvorgaben entsprechen; im weiteren Sinne also korrekt sind. Ein Datensatz darf in sich und zu anderen Datensätzen keine klaren Widersprüche aufweisen. Dies kann auf logischen Zusammenhängen beruhen (das Geburtsdatum von Kindern muss später sein, als das der Eltern) oder auf interne Vorgaben (Sachkonten haben 4 St...mehr

In bestimmten Fällen können fehlerhafte oder fehlende Daten durch Ableitung aus anderen Daten korrigiert werden. Hierfür ist in der Regel ein manueller Eingriff notwendig – in wenigen Ausnahmefällen wird sich dieser Vorgang automatisieren lassen. Praxis-Beispiel Ableitung des Namens aus dem fehlerhaften Vornamen Bei der Datenanalyse hat sich ergeben, dass im Datenfeld "Name" e...mehr

Um eine Bewertung der Datenqualität mit der hochgradig subjektiven Frage "Wie schätzen Sie die Datenqualität auf einer Skala von 1 bis 10 ein?" zu vermeiden, ist ein zuverlässiges Messsystem für den Zustand und die Entwicklung der Datenqualität erforderlich. Ohne solch ein System ist ein regelmäßiges "Data Monitoring" (Datenüberwachung) nicht sinnvoll. Die Herausforderungen,...mehr

Ebenfalls unter Datenbereinigung fällt die Entfernung von Duplikaten (doppelte Datensätze). Duplikate stellen redundante Daten dar und sind zur Optimierung des Datenbestands und zur Fehlervermeidung unbedingt zu korrigieren. Im Rahmen der Bereinigung (Löschung des redundanten Datensatzes) ist wiederum zu prüfen und sicherzustellen, dass der verbleibende Datensatz in allen Be...mehr

Die Entstehung von Daten muss zuverlässig und nachvollziehbar sein. Gerade in Zeiten, in denen die Bedeutung von Big Data (Massendaten) zugenommen hat, ist die Zuverlässigkeit von Daten(beständen) ein wichtiges Qualitätskriterium. Praxis-Beispiel Zuverlässigkeit von Rechnungsdaten Für das Konzernreporting sind die täglichen Ausgangsrechnungen der Tochtergesellschaft "Sohn GmbH...mehr

Die Berechnung von formal-technischen Kennzahlen erfolgt in der Regel systemseitig durch einfache Datenabfragen unterschiedlicher Datenbereiche. Praxis-Beispiel Anzahl fehlerhafter Anrede-Felder In den Debitorenstammdaten ist ein Anrede-Feld als Freitextfeld für die Ansprache im Rahmen von Korrespondenzen zu führen. Intern wurden Vorgaben zur Eintragung von zulässigen Werten i...mehr

In einem ersten Projekt-Schritt soll schriftlich festgehalten werden, was unter einer hohen Datenqualität im Rechnungswesen zu verstehen ist. Das Projektteam hat sich dazu entschieden, eine Erfassung bekannter Datenqualitätsprobleme durchzuführen und diese hinsichtlich der zukünftigen, erwarteten Datenqualität zu bewerten, um hieraus Vorgaben zu entwickeln. Die Erfassung der...mehr

Da sich nicht alle Ausprägungen von Datenqualitätskriterien quantitativ erfassen lassen, sind bestimmte Kennzahlen durch qualitative Vorgänge, wie z. B. die Befragung von Anwendern, in Erfahrung zu bringen. Sofern die Einschätzung der Befragten nachvollziehbar und begründbar ist, kann als Ergebnis eine kennzahlentechnische Einstufung des Kriteriums erfolgen. Praxis-Beispiel B...mehr

Das mittelständische Industrie-Unternehmen DQ-Improvement GmbH mit Sitz in Freiburg hat 200 Mitarbeiter. Das Unternehmen unterhält eine eigene Rechnungswesen-Abteilung mit Kreditoren- und Debitorenbuchhaltung. Den Mitarbeitern in der Finanzbuchhaltung steht eine IT-Abteilung sowie eine Controlling-Abteilung zur Seite. Die in der Finanzbuchhaltungssoftware vorhandenen Debitor...mehr

Alle Erfahrungen und Ergebnisse aus den durchgeführten qualitativen und quantitativen Analysen, der Datenbereinigung und den individuellen Erwartungen und Anforderungen werden ausgewertet und priorisiert. Im Ergebnis erarbeitet das Projektteam einen Sollzustand zur Datenqualität im Rechnungswesen, das dem Lenkungsausschuss anschließend vorgestellt wird. Das Projektteam hat s...mehr

Die Digitalisierung macht auch vor dem altbewährten Rechnungswesen nicht halt. Vor einigen Jahr(zehnt)en war es noch üblich, Papierbelege zu bearbeiten, diese von Hand A zu Hand B zu übergeben, Fotokopien zu erstellen, Freigaben kugelschreibend zu zeichnen und abschließend Stempel mit Kontierungsangaben sowie Buchungs- und Zahldaten für die Ewigkeit zu hinterlassen. Zwischenzeitlic...mehr

Ein zentrales Prinzip in der Informatik kann auch auf die Datenqualität übertragen werden: "GIGO" steht in der IT für "Garbage In – Garbarge Out" [1] (Müll rein – Müll raus) und besagt, dass die Ergebnisse nur Müll sein können, wenn die Systeme mit Müll gefüttert werden. Da ein Rechner grundsätzlich nicht unterscheiden kann, ob die Eingaben seines Anwenders zur angedachten Zw...mehr

Nach Abschluss aller Analysen und Festlegung des Sollzustands gilt es, das gültige Regelwerk an die Anwender zu adressieren und kommunizieren. Das Projektteam hat sich entschieden, eine schriftliche Anweisung zur Datenqualität je nach Anwendungsbereich in unterschiedlichen Dokumenten zu veröffentlichen. Um schnell und einfach zu einem Ergebnis zu kommen, werden die Anweisung...mehr

Beim Data Profiling erfolgt eine statistische Analyse und Bewertung von Datensätzen. Vergleichbar mit einem Archäologen werden Daten mit Werkzeugen ausgegraben, sauber freigelegt, betrachtet, kategorisiert und bewertet. Im Gegensatz zum Archäologen, der in der Regel hierfür mit Schaufel, Spachtel und Pinsel Handarbeit verrichtet, erfolgt die Analyse beim Data Profiling mit w...mehr

Von Korrektheit kann gesprochen werden, wenn die Eingabewerte der jeweiligen Datensätze mit der Realität übereinstimmen. Die Überprüfung der grundlegenden Korrektheit kann einfach erfolgen, z. B. anhand der Stellenzahl von inländischen Postleitzahlen, aber auch einen höheren Überprüfungsaufwand nach sich ziehen. So ist der (automatisierte) Abgleich der Dateneingaben zur Ansc...mehr

Aufgrund der gehäuften Datenfehler in den Verarbeitungsprozessen des Rechnungswesens entscheidet sich die Geschäftsleitung ein Projekt zur Erhöhung der Datenqualität zu initiieren. Damit hat der Leiter Rechnungswesen nicht die (mitunter schwierige) Aufgabe, die Unternehmensspitze von der Notwendigkeit eines solchen Projekts zu überzeugen. Von zentraler Bedeutung für den Erfo...mehr

Die Ergebnisse des ersten Data Profilings werden von den Mitgliedern des Projektteams in den Quelldaten bereinigt. Grundlage hierfür sind die Analyseergebnisse des Controllings; vornehmlich die einzelnen, markierten Datensätze, die als fehlerhaft identifiziert wurden. Die Bereinigung erfolgt unter Einbezug der jeweiligen Sachbearbeiter, um bereits in diesem Stadium das Bewus...mehr

Zur Aufrechterhaltung der Datenqualität wird vom Projektteam ein eigener Prozess bei Aufdeckung mangelhafter Datenqualität erstellt und eingeführt. Wann immer im laufenden Betrieb ein Datenfehler entdeckt wird, ist dieser Prozess zu starten. Dabei ist es irrelevant, ob der Fehler vom Sachbearbeiter (z. B. bei der Weiterverarbeitung von Daten), vom Abteilungsleiter (z. B. bei...mehr

Eine Aussage wie "Unsere Datenqualität muss sich verbessern", ist schnell ausgesprochen und scheint den Eindruck eines guten Qualitätsverständnisses zu hinterlassen. Doch was ist eine gute (Daten-) Qualität; wie lässt sie sich quantitativ messen und bewerten? Solche und ähnliche qualitätsorientierten Fragestellungen stehen produktseitig auf der Tagesordnung von Qualitätssich...mehr