logo
  • Umgebungen
  • Enterprise
  • Preise
BusinessJul 2, 2026

Automatisierte Umsatzsteuervoranmeldung aus Belegen und Rechnungen

EigentEigent
Automated VAT Return from Receipts and Invoices with Nebius Token Factory + Eigent
Automate Everything with
AI Workforce on Desktop
Download Eigent

Vom Belegordner zur fertigen Umsatzsteuervoranmeldung

Der Vorsteuerabzug ist genau die Art von Finanzarbeit, die einen ganzen Nachmittag verschlingen kann: jeden Beleg öffnen, Zahlen aus zerknitterten Fotos und gescannten PDFs ablesen, entscheiden, was abziehbar ist, und alles fehlerfrei zusammenrechnen. In diesem Use Case haben wir die gesamte Aufgabe Eigent übertragen — mit GLM-5.2 auf Nebius Token Factory — und zwei Ergebnisse angefordert, die das Finanzteam tatsächlich verwenden kann: eine strukturierte XLSX und einen teilbaren HTML-Bericht.

Die wichtigste Regel war: keine unsicheren Informationen raten. Alles, was das Modell nicht sicher lesen konnte, musste für einen Menschen markiert werden und durfte nicht erfunden werden.

1Eigent auf das Modell ausrichten — Nebius Token Factory

Die Demo beginnt in den Modelliinstellungen:

  1. Gehen Sie zu Home → Agents → Models → Nebius Token Factory.
  2. Geben Sie Ihren API-Schlüssel ein und aktualisieren Sie dann die Modellliste.
  3. Wählen Sie das Modell aus, auf dem die Aufgabe ausgeführt werden soll — für diese Demo haben wir GLM-5.2 ausgewählt.

Nebius Token Factory stellt das Modell hinter Eigent bereit, sodass derselbe Workflow auf jedem ausgewählten Modell ausgeführt wird.

Der Prompt

Zurück auf der Startseite haben wir die Aufgabe eingegeben und die Beleg- und Rechnungsdateien angehängt:

Bitte verarbeiten Sie alle Belege und Rechnungen im Ordner "VAT", einschließlich Fotos, gescannter PDFs und digitaler Rechnungen.

Die finale Ausgabe soll nur zwei Dateien enthalten:

vat_return.xlsx — eine Zeile pro Beleg oder Rechnung; alle extrahierten Felder auflisten; anzeigen, ob jeder Eintrag für den Vorsteuerabzug berechtigt ist; den abziehbaren Vorsteuerbetrag für jeden berechtigten Eintrag anzeigen; den Ausschlussgrund für nicht abziehbare Einträge enthalten; Einträge, die manuell geprüft werden müssen, deutlich markieren; und ein Zusammenfassungsblatt mit dem gesamten abziehbaren Vorsteuerbetrag enthalten.

vat_return.html — eine eigenständige HTML-Datei, die direkt geöffnet und mit dem Buchhaltungsteam geteilt werden kann und alle Vorsteuerabzugspositionen, den abziehbaren Vorsteuerbetrag für jede Position, ausgeschlossene Einträge und die Gründe für den Ausschluss, Einträge mit erforderlicher manueller Prüfung sowie den gesamten abziehbaren Vorsteuerbetrag anzeigt.

Raten Sie bei unsicheren Informationen nicht.

2Jede Datei lesen

Eigent beginnt damit, alle hochgeladenen Dateien zu lesen — Fotos, gescannte PDFs und digitale Rechnungen werden dabei in einem Durchgang verarbeitet. Kein manuelles Abtippen, keine formatabhängige Behandlung durch den Nutzer.

3Die wichtigsten Daten extrahieren

Aus jedem Dokument zieht es die Felder heraus, die für eine Umsatzsteuervoranmeldung relevant sind: Lieferant, Datum, Nettobetrag, Steuerbetrag, Steuersatz und Gesamtsummen. Jede Zeile entspricht einem Quelldokument, sodass die Ausgabe bis zurück zum Originalbeleg prüfbar bleibt.

4Die Vorsteuerberechtigung entscheiden

Das ist der Bewertungsschritt. Für jeden Beleg und jede Rechnung bestimmt Eigent, ob der Eintrag für den Vorsteuerabzug berechtigt ist, erfasst den abziehbaren Betrag dort, wo es der Fall ist, und schreibt einen Ausschlussgrund, wo es nicht der Fall ist. Alles, was es nicht sicher lesen kann, wird für manuelle Prüfung markiert, statt geraten zu werden — genau wie angewiesen.

5Zwei fertige Ergebnisse

Am Ende erstellt Eigent die beiden Dokumente für Finanzprozesse:

  • vat_return.xlsx — eine strukturierte Arbeitsmappe mit einer Zeile pro Dokument, allen extrahierten Feldern, einem Berechtigungskennzeichen, der abziehbaren Vorsteuer pro Eintrag, Ausschlussgründen, Markierungen für manuelle Prüfung und einem Zusammenfassungsblatt mit der gesamten abziehbaren Vorsteuer.
  • vat_return.html — ein eigenständiger, interaktiver Bericht, der sich in jedem Browser öffnen lässt: abziehbare Einträge und Beträge, ausgeschlossene Einträge mit Gründen, Einträge mit Prüfbedarf und die zentrale Kennzahl gesamter abziehbarer Vorsteuerbetrag — sofort an das Buchhaltungsteam weiterleitbar.

Das Ergebnis

Die finale Ausgabe ist sauber, klar strukturiert und direkt für das Finanzteam nutzbar. Die XLSX-Datei ist die prüfbare Arbeitsdatei; das HTML ist die teilbare Zusammenfassung. Weil unsichere Einträge markiert statt geraten werden, weiß ein Prüfer genau, worauf er sich konzentrieren muss — und kann allem vertrauen, was nicht markiert wurde.

Selbst ausführen

  1. Legen Sie alle Ihre Belege und Rechnungen — Fotos, Scans und digitale Dateien — in einen Ordner.
  2. Gehen Sie in Eigent zu Agents → Models → Nebius Token Factory, fügen Sie Ihren API-Schlüssel hinzu, aktualisieren Sie die Liste und wählen Sie ein Modell aus (wir haben GLM-5.2 verwendet).
  3. Fügen Sie den obigen Prompt ein, hängen Sie den Ordner an und senden Sie ihn ab.
  4. Öffnen Sie vat_return.xlsx für die Arbeitsdatei und vat_return.html, um sie mit der Buchhaltung zu teilen.

Was Sie als Nächstes ausprobieren können

Fügen Sie eine Spalte currency hinzu und konvertieren Sie jeden abziehbaren Betrag mithilfe des Wechselkurses vom Rechnungsdatum in Ihre Berichtswährung.

Teilen Sie das Zusammenfassungsblatt nach Steuersatz auf (Standard / ermäßigt / null), damit die Summen direkt den Feldern Ihrer Umsatzsteuervoranmeldung zugeordnet werden können.

Erstellen Sie eine zweite Registerkarte nur für die Einträge mit manueller Prüfung, zusammen mit dem spezifischen Feld, das nicht lesbar war, damit ein Mensch sie in einem Durchgang freigeben kann.

Tipps für bessere Ergebnisse

  • Bei zwei Ausgaben bleiben. Wenn Sie genau vat_return.xlsx und vat_return.html anfordern, bleiben die Ergebnisse sauber und vorhersehbar statt zu einer Ansammlung von Zwischendateien zu werden.
  • Unsicherheiten explizit verbieten. "Do not guess any uncertain information" macht Unklarheit zu einem Flag für die manuelle Prüfung — und genau das macht das Ergebnis für die Finanzabteilung vertrauenswürdig.
  • Für jeden Eintrag einen Ausschlussgrund verlangen. Wenn für jede nicht abziehbare Position ein Grund erforderlich ist, wird der Bericht prüfbar und nicht nur zu einer Zahl.
  • Arbeitsdatei und teilbare Datei trennen. Die XLSX bleibt bearbeitbar und prüfbar; das eigenständige HTML ist das, was Sie tatsächlich an die Buchhaltung übergeben.

Other use cases

Langfristige Aufgabe: GLM-5.1 vs. GLM-5.2 auf Eigent

Langfristige Aufgabe: GLM-5.1 vs. GLM-5.2 auf Eigent

Führe eine tiefgehende Recherche zu 26 Unternehmen im KI-Infrastruktur-Ökosystem durch — dem sichersten zentralen Strang der gesamten KI-Wertschöpfungskette. Decke diese 6 Teilsektoren ab (wähle in jedem repräsentative Unternehmen aus, von Large-Cap-Führern bis zu kleineren Playern): KI-Rechenzentrum (Compute-Infrastruktur / Ausbau); GPU / KI-Chips (Training- & Inference-Silizium, ASICs, IP); Server, Netzwerke & optische Module (Switches, NICs, optische Verbindungen); Stromversorgung, Flüssigkeitskühlung & Energiespeicherung (Stromversorgung, Thermik, Energiemanagement); KI-Cloud / Compute-Plattform (Hyperscaler, GPU-Clouds, Compute-Rental-Plattformen); Unterstützendes Ökosystem (HBM / Advanced Packaging, Foundry, Steckverbinder und andere kritische Komponenten). Recherchiere für jedes Unternehmen: Unternehmensname, Teilsektor, Hauptsitz / Land; Kernprodukte und seine spezifische Rolle in der KI-Kette; börsennotiert oder privat (Ticker + Börse, falls gelistet; falls privat, nenne die neueste Bewertung / Finanzierungsrunde); Marktkapitalisierung oder Bewertungsgröße (für das Ranking); Positionierung und Burggraben im Ökosystem (1–2 Sätze); wichtige Kunden / Wettbewerber. Reihenfolge: Innerhalb jedes Teilsektors von groß nach klein ranken (nach Marktkapitalisierung / Bewertung). Strukturiere alles von oben nach unten: von der gesamten Hardware-Ökosystem-Landschaft bis hin zu jedem einzelnen Unternehmen. Ausgabeanforderungen: Erstelle zuerst eine strukturierte Datendatei ai_infra_data.json — mit allen 26 Unternehmen samt den oben genannten Feldern, den 6 Teilsektor-Klassifizierungen, einem Public/Private-Flag und einer übergreifenden Vergleichsmatrix (Teilsektor × Schlüsseldimensionen). Erstelle dann aus diesen JSON-Daten einen ausgefeilten HTML-Bericht: inklusive Ökosystem-Landschafts-/Schichtdiagramm, Sektorsektionen, Unternehmenskarten, einer klaren visuellen Kennzeichnung für börsennotiert vs. privat (Tags oder Farbcodierung), eines Charts zur Marktkapitalisierungs-Rangfolge und einer sortier-/filterbaren Vergleichstabelle. Gestalte das Design professionell, informationsdicht und interaktiv. Verifiziere die Forschungsdaten zuerst auf Korrektheit (Listing-Status, Ticker, Bewertungen — nutze die neuesten Zahlen und zitiere Quellen), und erstelle dann den Bericht. Sende die Aufgabe im Single-Agent-Modus.

10 chinesische Neujahrs-HTML5-Spiele mit Eigent erstellen

10 chinesische Neujahrs-HTML5-Spiele mit Eigent erstellen

Erstellen Sie 10 separate und VOLLSTÄNDIGE Spiele mit Themen rund um das chinesische Neujahr 2026 (Pferd) in HTML, CSS und JS (keine Bibliotheken). Die Spiele müssen unterhaltsam, originell, ausgefeilt und mobilfreundlich sein. Enthalten sein sollen Punktesysteme, steigender Schwierigkeitsgrad, Neustart-Schaltflächen und flüssige Grafiken. Abgedeckt werden sollen: Arcade, Puzzle, Endless Runner, Reaktion, Strategie, Memory, lokaler 2-Spieler-Modus, Idle, Retro-Pixel und 1 experimentelles Spiel.

Einen 3D Snow Bros Platformer mit Gemini 3.1 Pro bauen

Einen 3D Snow Bros Platformer mit Gemini 3.1 Pro bauen

Erstelle einen modernen 3D-Side-Scrolling-Platformer, inspiriert von Mario, kombiniert mit Snow Bros-Mechaniken. Der Spieler kann Schneegeschosse abfeuern, um Monster in Schneebälle einzufrieren, und sie dann treten, damit sie in andere Gegner prallen. Integriere ein Punktesystem, eine Lebensanzeige, skalierende Schwierigkeit und eine Neustartfunktion mit reichhaltigen, mehrschichtigen 3D-Umgebungen.

Automate everything with AI workforce on desktop
Download Eigent

Teste Eigent noch heute

Lade die Open-Source-Desktop-App herunter. Deine KI-Belegschaft, die auf deinem Rechner läuft.

Eigent herunterladen
Eigent

Erhalte die neuesten Updates, Tutorials und Releases rund um die Automatisierung von KI-Belegschaften.

ProduktEigentUmgebungenPreiseUnternehmen
EntdeckenLösungenAnwendungsfälleFähigkeitenPluginsBlogs
EntwicklerDokuGitHubCAMEL-AIOpen Source FundPartner
HerunterladenFür Open Source
UnternehmenÜber unsMarkeKarriereNutzungsbedingungenDatenschutzerklärungSicherheit & VertrauenCookie-RichtlinieRückerstattungs- & Testrichtlinie

Alle Rechte vorbehalten © 2026 EIGENT UK LTD

Eigent 1.0 Neue Version veröffentlicht !download