Regeln, die halten: Bankumsätze automatisch kategorisieren

Du öffnest deinen Bankexport. Derselbe Supermarkt taucht dreimal auf, mit drei verschiedenen Namen: REWE SAGT DANKE, REWE 123 KOELN, REWE//KOELN 4471. Du sortierst sie von Hand. Nächsten Monat kommt der nächste Export, und du sortierst wieder. 😐

Genau dieses Problem lösen Regeln. Du sagst Pinke einmal, was etwas ist. Danach bleibt es so — diesen Monat, nächsten Monat, nächstes Jahr.

Warum Konsistenz wichtiger ist als Cleverness

Eine Kategorie nützt nur etwas, wenn sie über die Zeit dasselbe bedeutet. Wenn „Lebensmittel“ im März etwas anderes heißt als im Oktober, kannst du die beiden Monate nicht vergleichen. Du erkennst keinen Trend. Jedes Diagramm lügt ein bisschen.

Deshalb ist Pinke bewusst regelbasiert. Regeln sind langweilig, und das ist der Punkt. Du kannst eine Regel lesen, verstehen und vorhersagen, was sie tun wird.

Zwei Werkzeuge: Händler und Regeln

Klingt ähnlich. Macht aber Verschiedenes.

Händler räumen Namen auf. Aus REWE SAGT DANKE und REWE 123 KOELN wird ein einziger Händler: rewe. Das nennt sich Alias — ein Zweitname für denselben Laden.

Regeln entscheiden über Kategorien. Sie schauen auf den Text, den Händler oder den Betrag und setzen Gruppe, Kategorie und Unterkategorie.

Händler füttern Regeln. Sobald der Name stabil ist, ist auch eine Regel stabil, die sagt „wenn der Händler rewe ist“.

Beides verwaltest du unter /rules und /merchants.

Was passiert, wenn du auf Analysieren klickst

Wenn du eine Datei analysierst, läuft Pinke vier Schritte durch, in dieser Reihenfolge:

1. Normalisieren — Rohzeilen aufräumen, einen durchsuchbaren Textblob bauen und Händler‑Aliase abgleichen.
2. Regeln — erst deine Regeln, dann die eingebauten Systemregeln.
3. ML‑Fallback — nur, wenn keine Regel gepasst hat.
4. Review — alles noch Unklare bleibt sichtbar, damit du dich darum kümmern kannst.

Das Wichtigste: Deine Regeln gewinnen. Wenn du eine Regel geschrieben hast, kann dich nichts darunter überstimmen.

Der ML‑Schritt („Machine Learning“ — eine Vermutung anhand von Mustern, keine Regel, die du geschrieben hast) ist ein Sicherheitsnetz, nicht das Hauptsystem. Er übernimmt seine eigene Vermutung nur, wenn er sicher genug ist. Sonst bleibt die Zeile absichtlich unkategorisiert, denn eine falsche Kategorie ist schlimmer als gar keine.

Ein echtes Beispiel

Eingabetext: GRUNDSTEUER B STADT KOELN Passende Regel: housing.tax.grundsteuer_b Ergebnis: Gruppe fixed_costs, Kategorie housing, Unterkategorie tax

Und eines, bei dem ML einspringt, weil keine Regel diesen Laden kennt:

Eingabetext: WOLT 8812 HELSINKI ML‑Vermutung: Gruppe daily_life, Kategorie food, Unterkategorie delivery

Schritt für Schritt: deine erste Regel in 6 Schritten

Sagen wir, dein Fitnessstudio Nordlicht Fitness taucht als NORDLICHT FIT GMBH LASTSCHRIFT auf und landet nirgendwo Sinnvollem. Jeden Monat 34,90 €. Bringen wir das ein für alle Mal in Ordnung.

1. Geh auf /rules. Unter Deine Regeln klickst du auf Neue Regel.
2. Du siehst eine Zeile mit Modi: Exakte Übereinstimmung, Enthält, Erweitert. Nimm Enthält.
3. Ins Textfeld tippst du nordlicht. Kleinschreibung ist okay — Groß- und Kleinschreibung sind beim Abgleich egal.
4. Darunter steht ein Satz, der mit Set beginnt. Füll die Lücken: group fun_lifestyle, category leisure, subcategory subscriptions. Tags wie gym kannst du ergänzen.
5. Schalte Recurring? ein und wähle Monthly. Jetzt zählt es als Abo und nicht als Überraschung.
6. Hake Diese Regel auf alle vorhandenen Transaktionen in meiner Historie anwenden an und klick auf Erstellen.

Dieses letzte Häkchen ist das, was die meisten übersehen. Ohne es gilt die Regel nur für künftige Importe. Mit ihm geht Pinke zurück und korrigiert auch die 34,90‑€‑Buchungen, die du schon hast.

Unsicher, ob eine Regel wirklich tut, was du denkst? Nutz vorher Regel an der Historie testen. Das zeigt dir, was getroffen würde, bevor du dich festlegst.

Enthält oder Regex?

Regeln gleichen Text auf zwei Arten ab.

Enthält ist eine simple Suche. aws findet AWS Emea Luxembourg. Nimm das fast immer. Es ist leicht zu lesen und schwer kaputtzukriegen.

Regex (kurz für „regulärer Ausdruck“ — eine kleine Mustersprache für Text) ist für die sperrigen Fälle. Es steckt im Modus Erweitert.

Faustregel: Fang mit Enthält an. Greif nur dann zu Regex, wenn du einen Grund hast, den du laut aussprechen könntest.

Wenn etwas unklar bleibt: Muster

Manche Zeilen passen auf gar nichts. Das ist in Ordnung, und Pinke versteckt sie nicht.

Auf /ingest klickst du nach dem Analysieren auf Muster. Pinke gruppiert ähnliche Zeilen — nach Zahlungsempfänger, Händler oder Beschreibung — und stellt die unkategorisierten Cluster nach vorn. Du bekommst Vorschläge wie „diese 7 Zeilen sehen nach demselben aus“.

Von da aus kannst du direkt eine Regel anlegen und Auf ähnliche Transaktionen anwenden anhaken, sodass das ganze Cluster in einem Rutsch erledigt ist.

Und falls du dich mal fragst „warum ist das hier gelandet?“, öffne die Zeile. Pinke merkt sich, was gegriffen hat: deine Regel, eine Systemregel oder eine ML‑Vermutung.

Die eingebauten Regeln

Pinke bringt einen Satz schreibgeschützter Systemregeln mit, gruppiert nach Kategorie. Sie geben dir einen brauchbaren Startpunkt, damit du nicht auf eine leere Seite starrst. Anschauen kannst du sie unter /rules.

Die Struktur ist drei Ebenen tief:

group
  category
    subcategory

Die Gruppen sind fixed_costs, daily_life, family, fun_lifestyle und finance_misc. Miete landet also in fixed_costs > housing > rent und ein Bahnticket in daily_life > transport > public. Arbeitskosten sind auch abgedeckt, etwa finance_misc > work > cloud für eine Serverrechnung.

Dazu gibt es einen eigenen Satz Wertpapierregeln für Broker‑Transaktionen. Die landen unter finance_misc > investments, aufgeteilt in securities_buy, securities_sell und dividends. Sie laufen absichtlich vor allem anderen. Ein Aktienkauf namens „Kauf US0231351067 Amazon.com Inc“ würde sonst die normale Amazon‑Shopping‑Regel treffen, und ein Verkauf sähe aus wie eine Rückerstattung. Außerdem hängen sie am Handelssignal, nie am Wertpapiernamen — wer also mit der Bankkarte bei Amazon einkauft, hat weiterhin Shopping. Und ein Aktienkauf zählt nicht als Ausgabe: Das Geld ist zu Vermögen geworden, es hat dein Leben nicht verlassen.

Eine ehrliche Warnung

Änderungen an Händlern wirken nicht rückwirkend. Wenn du unter /merchants einen Alias ergänzt, ändern sich deine schon analysierten Zeilen nicht von allein. Deine Diagramme, Berichte und Exporte zeigen weiter das alte Ergebnis, bis du erneut analysierst.

Bei Regeln ist das anders — genau dafür ist das Häkchen „auf meine Historie anwenden“ da. Bei Händlern plan aber eine Neu‑Analyse ein.

Was du davon hast

Wenn erst ein paar Regeln stehen, verschwindet das langweilige monatliche Sortieren größtenteils. Deine Diagramme vergleichen wieder Gleiches mit Gleichem. Ein Sprung in einer Kategorie bedeutet dann, dass wirklich etwas passiert ist — und nicht, dass sich ein Laden umbenannt hat.

Fang klein an. Nimm die eine Buchung, die dich jeden Monat am meisten nervt — Miete, Strom, dieses Fitnessstudio — und schreib eine Regel dafür. Nutz Enthält. Setz das Häkchen für die Historie.

Das Ziel sind nicht hundert Regeln. Das Ziel sind Kategorien, denen du in einem Jahr noch trauen kannst. 🎯