FFG Projektdatenbank

zurück

Lohnbot SaaS

Lohnbot - The ML-Backed Payroll Accounting Solution

Projektbeschreibung

Die 2019 von Thomas Hapala und Elias Rut gegründete Lohnbot GmbH ist ein in Wien ansässiges Unternehmen mit dem Ziel, die Lohnverrechnung zu revolutionieren. Sie werden die Lohnbot SaaS entwickeln. Diese ist eine Lohnabrechnungs- und HR-Lösung, die die Lohnabrechnung durch modernste KI-Funktionen vereinfachen und digitalisieren soll, integriert auf einer zentralen Plattform, die für Arbeitgeber und Arbeitnehmer gleichermaßen zugänglich ist. Lohnbot zielt darauf ab, die Lohnabrechnung zugänglicher zu machen, da sie ein gesetzlich vorgeschriebener, aber sehr bürokratischer Prozess bei der Führung eines Unternehmens ist. Lohnbot hat bislang eine Betaversion seiner Plattform entwickelt, die ein zentrales Dashboard bietet, in dem Arbeitgeber die Gehaltsabrechnungen ihrer Angestellten eingeben und jeden Monat automatisch eine Gehaltsabrechnung an jeden Angestellten senden lassen können, mit automatischer Meldung an Versicherungen und Behörden.

Diese Betaversion hat bereits einiges an Zugkraft gewonnen, doch nach Feedback-Runden von NutzerInnen möchte Lohnbot eine Reihe von High-Tech- und Quality-of-Life-Funktionen implementieren, um die Plattform zu vervollständigen, wie ewa ein Kollektivvertragsmodul, das ML nutzt, um automatisch Aktualisierungen aus Kollektivertragstexten zu extrahieren und die notwendigen Änderungen plattformweit anzuwenden, eine automatische Vorhersage von Lohn- und Gehaltsabrechnungen mit Hilfe von ML unter Verwendung historischer Daten für Arbeitgeber, um den Kapitalbedarf zu planen, und eine spezielle Mitarbeiter-App, die es den Mitarbeitern ermöglicht, ihre Beschäftigungsdaten jederzeit über ihr Mobiltelefon einzusehen, mit einem LLM-gestützten Mitarbeiter-Helpdesk-Modul, das es den Mitarbeitern ermöglicht, sich jederzeit über ihre Arbeitsplatzrichtlinien, Rechte usw. zu informieren. Keine andere Lösung auf dem Markt bietet annähernd die geplanten Fähigkeiten von Lohnbot, und es ist dieser Fokus auf Neuheit, der Lohnbot zum Marktführer machen soll.

Die Hauptzielgruppen von Lohnbot sind Unternehmer, die ihre Lohnbuchhaltung ohne spezielle Buchhaltungskenntnisse erledigen können werden, der Unternehmenssektor, der die Lohnbuchhaltung für Hunderte von Mitarbeitern automatisieren können wird, und Steuer- oder Wirtschaftsprüfungsunternehmen, die ihre Arbeitsabläufe rationalisieren und mehr Kunden betreuen können. Die USPs von Lohnbot sind 1.) Lohnbot ist einfach zu bedienen und zu verstehen, 2.) Lohnbot hat einen hohen Automatisierungsgrad, 3.) Lohnbot ist für jeden über ein volumenbasiertes Preismodell zugänglich, 4.) Lohnbot hat ein umfangreiches Support-Team, und 5.) Lohnbot wird von Branchenexperten entwickelt, die die Bedürfnisse ihrer Zielgruppe kennen.

Endberichtkurzfassung

During the first year, our project advanced three primary objectives: Automation of Payroll Processes via Machine Learning (ML) , Enhanced Security and Infrastructure , and A Robust Mobile Solution for Employee Engagement . Each objective was addressed through a series of focused work packages that collectively laid a solid foundation for the system.

Automation of Payroll Processes via ML
We developed several ML-backed modules that contribute to automating and streamlining payroll processes. The ML-Backed Collective Agreement Automation Module implemented a hybrid approach—combining text-based and vision-based techniques—to effectively extract data from wage agreements and show that data in a side-by-side view with the original source documents. Our ML-Backed Payroll Optimization Module explored rule-based models such as Decision Trees and RuleFit to offer explainable, data-driven insights for improving gross-to-net calculations. Additionally, the ML-Backed Analysis and Forecasting Module was designed to produce detailed, printer-friendly PDF reports and CSV exports for employment cost predictions, ensuring that critical payroll data is both accessible and ready for further analysis.

Enhanced Security and Infrastructure
In parallel with our ML initiatives, we focused on reinforcing our system’s technical backbone. Upgrading our cloud architecture, we migrated to an environment that offers improved scalability and performance, particularly for high-load scenarios. The Infrastructure, Security and Integrations Module introduced advanced security measures, including two-factor authentication and single sign-on, along with comprehensive monitoring and reporting systems. These efforts have enhanced the overall reliability and responsiveness of the system while ensuring that sensitive payroll data remains secure.

A Robust Mobile Solution for Employee Engagement
To reduce friction and errors through manual data entry, we dedicated significant effort to the Lohnbot for Employees Module . This work package resulted in a fully functional mobile app, available on both iOS and Android platforms, that is currently in a Beta testing stage. The app offers digital payslips, secure offline data storage, and a seamless linking system between employees and their respective companies, that allows employees to directly manage their personal data. By focusing on intuitive design and smooth integration between front-end and back-end systems, the mobile solution has provided a user-friendly experience that meets modern digital expectations.

Across these objectives, our commitment to continuous improvement was further supported by the Feedback Loop and Agile Development Module . Through iterative development, regular release cycles, and comprehensive testing, we have maintained a steady pace of innovation while ensuring that each new feature aligns with user needs and industry standards.

Overall, the first year has been marked by clear progress in automating payroll processes, bolstering security and infrastructure, and delivering a mobile solution that truly enhances employee engagement.

zurück