Kürzlich berichtete ich, wie ich in einem Experiment mit Claude Code eine FIBU-Engine für unsere Pacioli-Datenbank entwickelt habe.
🔍 Was ist Pacioli ?
Pacioli (www.amortec.com/pacioli) ist unsere PostgreSQL-Datenbank für Accounting und Controlling. Wir übernehmen Daten aus ERP-Systemen wie SAP, Abacus & Co., standardisieren sie intelligent, ordnen sie sauber nach Strukturen wie Kontenplan, KST, Projekten usw. und bringen alles in ein KI-auswertbares Format. So entsteht eine „Single Source of Truth“ für Power BI, Excel Pivot und neu natürlich auch lokale KI (Ollama/OpenWebUI), zum Beispiel für mehrdimensionale Treiber- und Projekt-Auswertungen.
Nachdem ich mit Claude Code bereits eine FIBU-Engine mit CAMT- & Kreditkarten-Import sowie eine GUI gebaut hatte, war mein Ziel diesmal:
🚀 Maximale Geschwindigkeit & intelligente Automatisierung für KI.
💡 Der radikale Ansatz: Weg von starren Tabellen
In klassischen ERP-Systemen fragen wir Datenbanken (SQL) ab. Das ist sicher, aber starr und bei komplexen Analysen langsam. Wie lange habe ich schon auf Auswertungen in SAP, Abacus & Co gewartet!
Mit Claude Code habe ich deswegen zwei KI-native Konzepte getestet:
🧬 1) ChromaDB: Die „intelligente Intuition“ der Buchhaltung
Statt starrer Regeln nutzen wir semantische Embeddings.
➡️ Der Effekt: Das System „versteht“ den Kontext. Es findet nicht nur exakte Begriffe, sondern Ähnlichkeiten.
➡️ Praxis-Nutzen: Wenn das System weiss, wie z.B. eine Swisscom-Rechnung kontiert wird, schlägt es z.B. auch für Sunrise automatisch das richtige Konto vor ohne dass ich eine Regel programmieren musste. Das System lernt durch Ähnlichkeit, nicht durch Befehle.
📄 2) JSON-Files: Der digitale „Originalbeleg“ pro Buchung
Jede Transaktion wird als einzelnes JSON-File abgelegt.
➡️ Audit-Trail Deluxe: Über 40 Felder (Klassifikationen, Historie) sind untrennbar mit der Buchung verknüpft.
➡️ Revisionssicherheit: Jede Korrektur erzeugt eine neue Version (v1, v2). Der Prüfer sieht sofort, wer wann was geändert hat.
⚡️ Warum helfen uns die beiden Ansätze: Performance & Präzision
Der Unterschied soll im Alltag massiv spürbar sein:
➡️ Speed-Check: Wo eine SQL-Abfrage für ein komplexes Dashboard früher 3-5 Sekunden brauchte, sollen unsere Pre-calculated Files jetzt Ergebnisse in unter 100ms liefern.
➡️ Echtzeit-Analyse wird möglich: Cluster-Analysen (z.B. „Zeige mir alle IT-nahen Ausgaben über alle Tochtergesellschaften“) laufen ohne Datenbank-Last im Hintergrund. Dieser Ansatz könnte die Zukunft sein.
🎯 Das Fazit für die Praxis:
➡️ Buchungsvorschläge mit einem Klick: Das System „erkennt“ den Fall wieder.
➡️ Höchste Konsistenz: Gleiche Sachverhalte werden konsistent kontiert.
➡️ Revisions-Frieden: Ein lückenloser, digitaler Audit-Trail, der jede Prüfung zum Spaziergang macht.
Dank Claude Code konnte ich diese Architektur in einem Tag umsetzen und werde nun weiter darauf aufbauen.
