KI-verarbeitet Kontoauszüge in Make

Was dieses Modul bewirkt

PDF4me KI-verarbeiteten Kontoauszug extrahiert strukturierte Finanzdaten aus PDF oder Bildbankauszüge in Ihrem Make Szenario mit KI. Geben Sie eine Anweisung ein, und das Modul gibt sie zurück. Bankname, Kontodaten, Abrechnungszeitraum, Anfangs- und Endsalden, vollständige Transaktionsübersicht, bezahlte Schecks, wiederkehrende Zahlungsmuster und zusammenfassende KategorieanalysenBereit für Bankabstimmung, Cashflow-Prognosen, Debitorenabgleich, Betrugserkennung und Kreditentscheidungsprozesse. Keine Vorlageneinrichtung erforderlich. Funktioniert mit Kontoauszügen führender Banken aus den USA, Großbritannien, Europa, Indien und Kanada, einschließlich mehrseitiger Auszüge mit über 50 Seiten.

Verwandte Blog-Beiträge

Zu dieser Funktion gibt es noch keinen Blogbeitrag – folgt in Kürze.

Schauen Sie sich in der Zwischenzeit im PDF4me-Blog Tutorials und Arbeitsabläufe für alle Plattformen an.

Besuchen Sie den Blog →

Authentifizierung Ihres API Anfrage

Jeder PDF4me Modul in Make erfordert eine gültige VerbindungErstellen oder wählen Sie einen Eintrag aus, der Ihre Daten enthält. PDF4me API Der Schlüssel ist so gewählt, dass das Szenario KI-gestützte Anfragen zur Extraktion von Kontoauszügen sicher authentifizieren kann.

Get your API Key

Wichtige Fakten, die Sie nicht verpassen sollten

Vollständige Transaktionsübersicht, jede einzelne Position auf jeder Seite

Die KI verarbeitet den gesamten Prozess PDF Die Funktion gibt alle Transaktionen in chronologischer Reihenfolge als eine einzige zusammenhängende Anweisung zurück. Selbst über 50 Seiten lange Anweisungen mit Hunderten von Transaktionen werden in einem einzigen Aufruf extrahiert; eine manuelle Seitenaufteilung ist nicht erforderlich.

Automatische Mustererkennung für wiederkehrende Zahlungen

Der Muster Dieses Objekt identifiziert Abonnements, Gehaltsabrechnungen, regelmäßige Rechnungen und andere wiederkehrende Transaktionen ohne manuelle Regeln. Es eignet sich für Abonnementprüfungen, Cashflow-Prognosen und die frühzeitige Erkennung unerwarteter wiederkehrender Kosten, bevor diese sich unkontrolliert ausweiten.

Funktioniert mit allen gängigen globalen Bankformaten

Chase, Wells Fargo, HSBC, Barclays, Deutsche Bank, HDFC, ICICI, RBC und Dutzende weitere Großbanken werden standardmäßig unterstützt. Sowohl Online-Banking als auch PDF Downloads und fotografierte Papierauszüge werden akzeptiert in PDF, PNG, JPG, oder JPEG Format.

Legen Sie die zuzuordnende Datei fest und übertragen Sie den Kontoauszugsnamen und das Dokument aus dem vorherigen Modul. Die Ausgabe enthält das vollständige Transaktionsarray, Salden, bezahlte Schecks, Muster und zusammenfassende Analysen für Abstimmungs-Workflows.

Parameter

Erforderlich: Verbindung, Anweisungsname und Dokument müssen immer angegeben werden. Das entsprechende Eingabefeld (Binäre Eigenschaft, Base64 Inhalt oder Aussage URL) ist abhängig vom gewählten Eingabedatentyp erforderlich.

Parameter	Erforderlich	Was es tut	Beispiel
Connection	Yes	PDF4me API connection. Click Add and paste your API key the first time. Reused automatically across all PDF4me modules in your scenarios.	My PDF4me connection
Input Data Type	Yes	How the statement file is supplied. Binary Data reads from a previous module (most common). Base64 String accepts encoded payloads. URL downloads from a public link.	Binary Data
Input Binary Field	Conditional	Binary content of the bank statement. Required when Input Data Type is Binary Data. Wire from Dropbox, Google Drive, OneDrive Data field, or any email/HTTP module that returns file bytes.	1. Data
Base64 Statement Content	Conditional	Base64-encoded statement content. Required when Input Data Type is Base64 String. Useful for statements arriving via secure webhook or API integration.	JVBERi0xLjQK...
Statement URL	Conditional	Public URL to the statement file. Required when Input Data Type is URL. The URL must not require authentication.	https://example.com/statement.pdf
Statement Name	Yes	Filename of the statement with proper extension (.pdf, .png, .jpg, .jpeg). Used for format detection and AI processing optimization.	statement-jan-2024.pdf

Ausgabefelder

Feld	Typ	Was es enthält
bankName	String	Name of the issuing bank as printed on the statement header.
accountHolderName	String	Name of the account holder.
accountNumber	String	Bank account number (may appear masked depending on the bank).
accountType	String	Type of bank account: Checking, Savings, Money Market, Credit Card, etc.
statementPeriod	Object	Object with startDate and endDate (ISO 8601) defining the statement window.
balances	Object	Object containing openingBalance, closingBalance, totalDeposits, and totalWithdrawals for the period.
currency	String	Currency code in ISO 4217 format (USD, EUR, GBP, INR, etc.).
transactions	Array	Array of every transaction in chronological order. Each entry contains date, description, amount, and type (debit or credit).
checksPaid	Array	Array of cheques paid during the statement period: useful for cheque-to-statement reconciliation when paired with AI-Process Bank Cheque.
patterns	Object	Pattern analysis identifying recurring transactions (subscriptions, payroll, regular bills) by merchant, amount, and interval.
summary	Object	Summary analytics with category totals (groceries, utilities, payroll, transfers, etc.) and aggregate metrics.
success	Boolean	True if the AI extraction completed successfully; false if it failed.
message	String	Human-readable status message confirming success or describing the error.

Schnellkonfiguration

1. Hinzufügen PDF4me → KI-verarbeiteten Kontoauszug zu Ihrem Make Szenario.
2. Wählen Verbindung (oder klicken Sie hier) Hinzufügen um einen mit Ihrem PDF4me API Schlüssel).
3. Wählen Eingabedatentyp: Binärdaten für Dateien aus einem vorherigen Modul, Base64 Zeichenkette oder URLDie
4. Unter Datei, wählen Karte um die Felder „Aussagename“ und „Dokument“ anzuzeigen.
5. Karte Name der Erklärung zum Dateinamen mit der Erweiterung (.pdf, .png, .jpg, oder .jpeg).
6. Karte Dokumentieren zum Binärinhalt aus dem Quellmodul: typischerweise der Daten Feld Dropbox, Google Drive, OneDriveoder E-Mail-Anhangsmodule.
7. Klicken Speichern und das Szenario ausführen. Das Ausgabebündel mit folgendem verbinden: QuickBooks, Xero, Airtable, Google Sheetsoder einem beliebigen Abgleichsystem. Verwenden Sie einen Iterator über transactions um jede Zeile einzeln zu verarbeiten.

Workflow-Beispiele

Workflow-BeispieleCommon Make scenario patterns using AI-Process Bank Statement.

Monatsabrechnung → KI-Analyse → automatisierter Abgleich

1. Ein geplanter Auslöser wird am 5. jedes Monats aktiviert, um den Kontoauszug des Vormonats zu verarbeiten, nachdem er heruntergeladen wurde. DropboxDie
2. Die KI-gestützte Verarbeitung von Kontoauszügen extrahiert Salden, Transaktionen und bezahlte Schecks für den gesamten Zeitraum.
3. A Make Der Iterator durchläuft die Transaktionen. Für jede Transaktion wird ein QuickBooks Im Suchschritt wird nach einer passenden Transaktion anhand des Betrags und des ungefähren Datums gesucht.
4. Abgestimmte Transaktionen werden als „Abgestimmt“ markiert in QuickBooksNicht zugeordnete Transaktionen werden an einen weitergeleitet Google Sheets Ausnahmen-Registerkarte zur Überprüfung durch den Buchhalter.
5. A Slack Die zusammenfassende Meldung gibt das Ergebnis des Abgleichs, die Gesamtzahl der übereinstimmenden und nicht übereinstimmenden Posten sowie alle erkannten Muster an (z. B. neue wiederkehrende Gebühren, die einer Untersuchung bedürfen).

Kreditantrag → Analyse des Kontoauszugs → Kreditentscheidung

1. Ein Antragsteller lädt Kontoauszüge der letzten drei Monate über einen Webhook des Kreditportals hoch. MakeDie
2. Die KI-gestützte Verarbeitung von Kontoauszügen wird für jeden Kontoauszug ausgeführt. Das Übersichtsobjekt liefert die Summen der einzelnen Kategorien (Einkommen, Miete, Schuldendienst); das Musterobjekt identifiziert wiederkehrende Einnahmen und Ausgaben.
3. Ein Tools Set Variable-Schritt berechnet ein Schulden-Einkommens-Verhältnis aus dem extrahierten wiederkehrenden Einkommen im Vergleich zu den wiederkehrenden Schuldenzahlungen.
4. Ein Router verzweigt sich anhand des DTI-Verhältnisses. Anträge unter 35 % werden automatisch genehmigt; 35–45 % erfordern eine manuelle Prüfung; über 45 % werden automatisch abgelehnt, wobei eine Folge-E-Mail mit Erläuterungen der Anforderungen versendet wird.
5. Das vollständige Transaktionsarray wird gespeichert in Snowflake oder BigQuery Für die Compliance-Prüfung wird die Entscheidungsbegründung zusammen mit den extrahierten zusammenfassenden Kennzahlen protokolliert.

Abonnementprüfung → Mustererkennung → Kosteneinsparungsbericht

1. Ein Finanzteam lädt den Kontoauszug des Unternehmens auf ein SharePoint einmal pro Quartal abheften.
2. Die KI-Verarbeitung von Kontoauszügen gibt ein Musterobjekt zurück, das alle wiederkehrenden Gebühren mit Händler, Betrag und erkannter Häufigkeit auflistet.
3. A Make Der Iterator vergleicht jedes Muster mit einem Airtable Register der Genehmigten SaaS Abonnements. Unbekannte wiederkehrende Gebühren werden als potenzielle Schatten-IT oder doppelte Abonnements gekennzeichnet.
4. Es wird ein zusammenfassender Bericht erstellt, der die gesamten monatlich wiederkehrenden Ausgaben, die genehmigten und nicht genehmigten Abonnements sowie die geschätzten jährlichen Kosteneinsparungen durch die Kündigung von Duplikaten ausweist.
5. Der Bericht wird per E-Mail an den Finanzvorstand gesendet; nicht genehmigte Abonnements mit hohem Wert lösen eine Reaktion aus. Slack Genehmigungsanträge werden den Abteilungsleitern zur Prüfung und entweder Genehmigung oder Stornierung vorgelegt.

Häufig gestellte Fragen

What bank statement fields does AI-Process Bank Statement extract?+

The module returns a complete statement payload: bankName, accountHolderName, accountNumber, accountType (Checking, Savings, Money Market, Credit Card), statementPeriod with startDate and endDate, balances object (opening, closing, total deposits, total withdrawals), currency in ISO 4217 format, a transactions array with date, description, amount, and type (debit or credit) per row, a checksPaid array, a patterns object identifying recurring payments, and a summary object with category totals and analytics.

Does the parser detect recurring payments and patterns automatically?+

Yes. The patterns object in the output identifies recurring transactions: same merchant, similar amount, regular interval, without manual rules. This is useful for subscription auditing, cash-flow forecasting, identifying duplicate SaaS subscriptions, and detecting unexpected recurring charges before they accumulate. The summary object aggregates spend by category (groceries, utilities, payroll, transfers, etc.) for budgeting and financial analysis workflows.

Can the module handle multi-page bank statements?+

Yes. The AI processes the entire PDF: header, opening balance section, all transaction pages, checks paid list, summary section, and closing balance, as a single coherent statement. The transactions array contains every line item across all pages in chronological order. No manual page splitting or merging is required, even for business statements with 50+ pages of activity or three-month consolidated statements.

What banks and statement formats does the module support?+

The AI handles statements from major US banks (Chase, Bank of America, Wells Fargo, Citibank, US Bank), UK banks (HSBC, Barclays, Lloyds, NatWest, Santander), European banks (Deutsche Bank, BNP Paribas, ING, UBS, Credit Suisse), Indian banks (HDFC, ICICI, SBI, Axis, Kotak), Canadian banks (RBC, TD, BMO, Scotiabank), Australian banks (CBA, ANZ, Westpac), and many regional and online banks. Both digital PDFs downloaded from online banking and photographed paper statements are supported in PDF, PNG, JPG, and JPEG formats.

How do I match bank statement transactions to invoices and cheques for reconciliation?+

Add a Make Iterator after AI-Process Bank Statement to loop over the transactions array. For each transaction, run a lookup against your invoice register in Airtable, Google Sheets, QuickBooks, or your accounting API to find an invoice matching the amount and approximate date. The checksPaid array is especially useful: match each entry to records from AI-Process Bank Cheque for end-to-end cheque reconciliation. Unmatched transactions go to an exceptions queue in Slack or Airtable for manual bookkeeper review.

Verwandte Module

KI-Verarbeitung Bankscheck

Extrahieren Sie die Details einzelner Schecks und ordnen Sie jeden Scheck dem entsprechenden Eintrag im Array checksPaid des Kontoauszugs zu, um eine vollständige Scheckabstimmung zu gewährleisten.

KI-Rechnungsparser

Extrahieren Sie Rechnungsfelder, gleichen Sie Rechnungsbeträge und -daten mit Bankkontoauszugstransaktionen ab, um einen automatisierten Zahlungsabgleich zu ermöglichen.

Gehaltsabrechnung mit KI-Verarbeitung

Gehaltsabrechnungen von Mitarbeitern auswerten und mit Kontoauszügen kombinieren, um das Einkommen bei Kreditvergabe, Mieterprüfung und KYC-Prozessen zu verifizieren.

Hilfe erhalten

Make IntegrationGet your API KeyMake Documentation