Die Abrechnung von Reisekosten ist der operative Dreh- und Angelpunkt eines Dienstleistungsunternehmens. So auch bei einer „Big Four“ Wirtschaftsprüfungsgesellschaft, die mit mehr als 200.000 Mitarbeitern ihre Kunden bei der digitalen Transformation begleitet. Die meisten dieser Mitarbeiter reisen täglich, um ihren Kunden eine persönliche Beratung vor Ort zu bieten. Und sie übermitteln eine überwältigende Anzahl von Belegen für die abzurechnenden Reisekosten. Probleme, die sich in diesem Prozess ergeben, wirken sich nachteilig auf den täglichen Betrieb aus. Blockaden in diesem Prozess können aufgrund der schieren Menge regulatorischer Anforderungen leicht zu einem Rückstand führen. Und mit einfacher Automatisierung ist dem Problem nicht beizukommen, da in vielen Fällen Abwägungsentscheidungen in Bezug auf die jeweils gültige Reisekostenrichtlinie getroffen werden müssen. Für eine Automatisierung dieser Form ist ein Ansatz erforderlich, der strukturiertes Denken mit Elementen des unscharfen Abwägens verbindet. Hierbei werden durch Maschinelles Lernen trainierte Neuronale Netze mit dem regelbasierten Vorgehen eines Expertensystems zu einer hybriden Künstliche Intelligenz (KI) kombiniert, die dann automatisch im beschriebenen Abrechnungsprozess die wahrscheinlich korrekte Prüfaktion vorschlagen kann: Annehmen, ablehnen oder den/die Mitarbeiter/in nach ergänzenden Information zur eingereichten Abrechnung fragen. Das Ergebnis ist einerseits eine deutliche Reduzierung der Kosten und  Beschleunigung des bestehenden Prozesses. Andererseits verbessert sich aber auch die Qualität der getroffenen Prozessentscheidungen. Diese Vorteile ergeben sich aus dem Einsatz von  Maschinellem Lernen, mit dem das System so trainiert werden kann, dass es in der Lage ist, Entscheidungen auf dem Niveau eines/r geschulten Mitarbeiters/in auszuführen. In dieses Ergebnis fließen sowohl strukturierte als auch unstrukturierte Daten ein. Zur vollständigen Integration dieser automatisierten Entscheidungen in den bestehenden Prüf- und Abrechnungsprozess setzt das System mittels Robotic Process Automation (RPA) direkt auf dem bestehenden Abrechnungs-Tool des Kunden auf. Der vorgestellte Fall zeigt, wie eine Künstliche Intelligenz wie die der Inspirient GmbH verwendet werden kann, um datenzentrierte Prozesse zu automatisieren, die menschlichen Abwägungen abhängen.