KI-Dokumen­ten­ver­ar­bei­tung

Eine Rechnung kommt als PDF per Mail, jemand liest Lieferant, Betrag und Bestellnummer ab und tippt sie ins ERP. Bei Lieferscheinen, Aufträgen und Verträgen läuft es ähnlich. Das kostet Zeit, ist fehleranfällig und bindet Menschen an Aufgaben, die sich gut automatisieren lassen. Klassische Texterkennung allein reicht dafür oft nicht, weil jedes Dokument anders aufgebaut ist.

Wir bauen Lösungen, die Dokumente erkennen, klassifizieren und auslesen, die Werte prüfen und strukturiert an ERP und Ablage übergeben. Eindeutige Fälle laufen automatisch durch, unklare gehen an die zuständigen Mitarbeitenden.

Von der Eingangspost bis ins ERP

Im Englischen heißt das Intelligent Document Processing, gemeint ist eine Kette, in der jeder Schritt eine klare Aufgabe hat. Dokumente kommen per E-Mail, Scan, Upload oder aus einem Portal. Die Texterkennung (OCR) liest Text aus Scans und Bildern, die Layout-Erkennung findet Absätze, Tabellen sowie Kopf- und Fußzeilen. Bei digital erzeugten PDFs liegt der Text bereits vor. Dann erkennt das System, ob es eine Rechnung, einen Lieferschein, eine Bestellung oder einen Vertrag vor sich hat, und trennt Sammelscans in einzelne Dokumente. Es folgt die Extraktion der benötigten Felder, etwa Rechnungsnummer, Beträge, Fristen, Vertragsparteien und Positionszeilen. Regeln und Abgleiche bewerten, ob die Werte plausibel sind, und erst dann gehen die geprüften Daten an ERP, Buchhaltung oder Dokumentenmanagement.

Was die E-Rechnung ändert und was nicht

In Deutschland gilt die E-Rechnungspflicht für Umsätze zwischen inländischen Unternehmen. Eine E-Rechnung hat ein strukturiertes Format nach der europäischen Norm EN 16931, in der Praxis XRechnung, eine reine XML-Datei, oder ZUGFeRD, ein PDF mit eingebetteten XML-Daten. Ein einfaches PDF oder ein Scan zählt nicht.

Seit dem 1. Januar 2025 müssen Unternehmen E-Rechnungen empfangen können. Beim Ausstellen gilt ein Stufenplan. Bis Ende 2026 sind Rechnungen auf Papier weiter zulässig, als PDF mit Zustimmung des Empfängers. Ab dem 1. Januar 2027 müssen Unternehmen mit mehr als 800.000 Euro Gesamtumsatz im Vorjahr E-Rechnungen ausstellen, für alle anderen gilt das ab dem 1. Januar 2028. Ausnahmen gibt es unter anderem für Kleinbetragsrechnungen bis 250 Euro und für Fahrausweise, Rechnungen an Privatpersonen sind nicht betroffen. Steuerliche Einzelheiten wie die Aufbewahrung gehören zur Steuerberatung, die wir nicht anbieten.

Für die Verarbeitung heißt das: Strukturierte E-Rechnungen lassen sich direkt aus den Daten lesen, eine KI-Erkennung braucht es dort nicht. Prüfung, Kontierung und Übergabe bleiben. Erkennung per KI brauchen weiterhin PDF-Rechnungen aus der Übergangszeit und von Lieferanten ohne Umstellung, Rechnungen aus dem Ausland und Kleinbeträge. Dazu kommen alle Dokumente ohne E-Rechnungspflicht, also Lieferscheine, Bestellungen, Auftragsbestätigungen, Verträge, Formulare und Schriftverkehr. Eine gute Lösung liest deshalb beides, E-Rechnungen direkt und den Rest per Erkennung. Mit dem wachsenden Anteil strukturierter Rechnungen verschiebt sich der Schwerpunkt zu den übrigen Dokumenten.

Auslesen mit Vorlagen, Dokumentenmodellen oder Sprachmodellen

Für das Auslesen gibt es drei übliche Ansätze, die sich kombinieren lassen. Bei OCR mit Regeln und Vorlagen ist die Position eines Felds festgelegt. Das funktioniert bei immer gleichen Formularen und scheitert an neuen Layouts. Vortrainierte Dokumentenmodelle, die große Cloud-Anbieter als Dienst anbieten, kennen Rechnungen und Belege, liefern Felder mit Konfidenzwerten und kommen mit unbekannten Layouts meist gut zurecht. Sprach- und Vision-Modelle lesen die Seite als Text und Bild und füllen ein vorgegebenes Schema. Sie sind flexibel bei ungewöhnlichen Dokumenten und Verträgen, können aber Werte erfinden und kosten je Seite mehr.

In der Praxis liefert meist ein Dienst die OCR und das Layout, ein Modell extrahiert die Felder, und Regeln prüfen das Ergebnis. Wichtig ist die strukturierte Ausgabe. Wir legen ein Schema mit Pflichtfeldern, Datentypen und Positionszeilen fest, an das sich das Modell halten muss, und speichern zu jedem Wert, wo auf der Seite er steht. Die prüfende Person sieht so sofort, woher eine Zahl stammt.

Welcher Dienst taugt, hängt von Dokumenttypen und Sprachen ab, von der Qualität an den eigenen Dokumenten, den Kosten je Seite und der vorhandenen Cloud. Auch offene Werkzeuge, die lokal laufen, kommen infrage. Da Dokumente oft personenbezogene Daten enthalten, klären wir vorab mit dem Datenschutz, ob eine Verarbeitung in der EU genügt oder der Betrieb im eigenen Haus nötig ist. Mehr dazu steht im Schwerpunkt datenschutzkonforme KI.

Wann ein Mensch entscheidet

Ein ausgelesener Wert ist erst nach einer Prüfung verwendbar. Bei Rechnungen laufen dafür mindestens diese Prüfungen.

• Stimmen Positionen, Steuer und Gesamtbetrag rechnerisch überein?
• Gibt es den Lieferanten, und passen Umsatzsteuer-ID und Bankverbindung zum Stamm? Eine abweichende IBAN wird gesondert markiert.
• Gibt es eine passende Bestellung, und stimmen Mengen und Preise mit Bestellung und Wareneingang überein?
• Wurde dieselbe Rechnungsnummer des Lieferanten schon verarbeitet?
• Sind Datum, Währung und Steuersatz zulässig?

Bei Unsicherheit entscheidet eine Person. Je Feld legen wir eine Schwelle für den Konfidenzwert fest. Liegt ein Wert darunter oder fällt eine Prüfung durch, geht das Dokument in eine Prüfmaske, in der Dokument und erkannte Felder nebeneinander stehen. Die Schwellen richten wir an realen Daten aus, denn ein falscher Betrag ist kritischer als ein falsch erkanntes Freitextfeld. Wir starten lieber mit mehr Prüfung und lockern nach der Messung. Wer zu viel automatisch durchlaufen lässt, bucht falsche Beträge. Korrekturen speichern wir und nutzen sie für Tests und Verbesserungen. Ohne feste Verantwortliche für die Prüfmaske stauen sich die Zweifelsfälle.

Anbindung und Erkennungsquote

Die Übergabe erfolgt per API. Das ERP erhält die geprüften Daten als strukturierten Datensatz, etwa als Buchungsvorschlag mit Kontierung, das Dokumentenmanagement das Original mit den erkannten Angaben als Metadaten. Wiederholte Übertragungen dürfen keine Dubletten erzeugen, und Fehler bei der Übergabe müssen gemeldet werden.

Ob eine Lösung taugt, zeigt die Messung. Wir stellen einen Testbestand aus echten Dokumenten zusammen, mit schlechten Scans, Stempeln, Faxen und Sonderfällen, und prüfen die richtigen Werte von Hand. Eine Demo mit schönen PDFs sagt darüber wenig. Schwer sind erfahrungsgemäß Tabellen mit vielen Zeilen und Seitenumbrüchen, Kopfdaten sind leicht, und Sammel-PDFs müssen zuerst getrennt werden. Gemessen werden die Genauigkeit je Feld, der Anteil der Dokumente, die ohne Korrektur durchlaufen, der Anteil in der Prüfung und, am wichtigsten, die Fehler, die unentdeckt durchlaufen. Der Durchschnitt verdeckt dabei viel, denn Beträge und Bankverbindungen zählen mehr als Freitexte. Im Betrieb messen wir weiter, weil neue Lieferanten, neue Layouts und neue Modellversionen die Quote verändern.