Der Dokumentenfluss in einem Unternehmen mit einer Handvoll Mitarbeitern sieht selten so aus wie auf dem Schaubild in einer Präsentation. Rechnungen laufen in drei Postfächern ein, ein Teil liegt im Messenger, Belege werden auf dem Rückweg vom Kunden mit dem Handy fotografiert, und der Inhaber tippt die Beträge abends ab, weil tagsüber keine Zeit dafür war. Genau dann beginnt die automatische Verarbeitung von Rechnungen und Dokumenten mit KI im kleinen Unternehmen Sinn zu ergeben: wenn wiederkehrende Tipparbeit Stunden von Menschen frisst, die verkaufen und Aufträge abwickeln sollten. Wir entwerfen seit 2006 Anwendungen mit Künstlicher Intelligenz (KI) und Integrationen, deshalb sage ich es offen – das Modell selbst ist das kleinste Teil dieses Puzzles. Der Wert entsteht aus der Verbindung von Datenextraktion, harter Validierung und der Anbindung an das System, das das Unternehmen tatsächlich nutzt.
Inhaltsverzeichnis
Wo einem kleinen Unternehmen bei Dokumenten wirklich Zeit verloren geht
Der typische Ablauf wirkt harmlos. Die Rechnung kommt per E-Mail, jemand lädt sie herunter, öffnet das PDF, tippt Nummer, Datum, Steuernummer und Beträge in eine Tabelle oder ins Buchhaltungssystem und legt die Datei anschließend in einem Ordner unter einem spontan erfundenen Namen ab. Eine Wiederholung dauert ein paar Minuten. Niemand sieht darin ein Problem. Das Problem zeigt sich im Monatsmaßstab, wenn es Hunderte solcher Wiederholungen sind.
Die wirklichen Kosten stecken aber nicht in einer einzelnen Rechnung, sondern in den Mikrounterbrechungen. Der Inhaber unterbricht ein Verkaufsgespräch, um kurz zu prüfen, ob die Überweisung raus ist. Das Büro kehrt zum fünften Mal an diesem Tag ins Postfach zurück, weil ein Geschäftspartner eine Korrektur geschickt hat. Jeder solche Wechsel frisst gut zehn Minuten Konzentration, die niemand in irgendeinen Bericht einträgt. Nach einem Monat wird daraus eine volle Stelle, verteilt auf mehrere Personen und in den Kosten unsichtbar.
Das zweite Problem: die Zersplitterung. Dokumente liegen im E-Mail-Postfach, auf einem gemeinsamen Laufwerk, in PDFs von Geschäftspartnern, in Handy-Scans und in einer Papiermappe, die die Buchhalterin einmal im Monat abholt. Wenn Sie eine bestimmte Rechnung von vor einem halben Jahr finden müssen, beginnt die Suche mit der Frage “wo kann das überhaupt sein”. Ohne einen einzigen Eingang erfasst keine Automatisierung den gesamten Ablauf.
Dazu kommen Abtippfehler, die niemand laufend bemerkt:
- vertauschte Ziffern in der Steuernummer, wodurch die Kosten beim falschen Geschäftspartner landen,
- Verwechslung von Netto- und Bruttobetrag bei einer Rechnung mit gemischten Steuersätzen,
- ein falsches Zahlungsziel und Verzugszinsen, von denen Sie aus einer Mahnung erfahren,
- dieselbe Rechnung zweimal erfasst, weil sie per E-Mail kam und zusätzlich ausgedruckt wurde.
Hier muss eine Grenze gezogen werden. Automatisierung lohnt sich dann, wenn sich ein wiederkehrender Ablauf beschreiben lässt: woher das Dokument kommt, wer es freigibt, wo es landet. Eine einmalige Ausnahme, ein über drei Monate verhandelter Vertrag oder ein Dokument, das einmal im Jahr eine Entscheidung der Geschäftsführung verlangt – das bleibt beim Menschen. Der Versuch, alles zu automatisieren, endet mit einem System, das mehr Ausnahmen als Regeln hat.
Wie die automatische Rechnungsverarbeitung mit KI technisch funktioniert
Unter der Haube ist das kein einzelner Modellaufruf, sondern eine Kette mehrerer Schritte. Zuerst das Abholen des Dokuments: aus der E-Mail, aus einem Upload-Formular, vom Scanner oder aus der API eines Geschäftspartners. Danach die Normalisierung der Datei – Umwandlung in ein einheitliches Format, Drehen eines schiefen Scans, Aufteilen eines mehrseitigen PDFs in einzelne Dokumente, wenn jemand zehn Rechnungen am Stück eingescannt hat. Weiter geht es mit der Extraktion der Inhalte, der Validierung des Ergebnisses und der Speicherung im Zielsystem. Jede dieser Stufen kann unabhängig scheitern und jede braucht eine eigene Fehlerbehandlung.
Der Unterschied zwischen klassischem OCR und einem Sprachmodell wird oft verwechselt, und die Folgen für den Entwurf sind erheblich. OCR liest Zeichen und liefert Text mit Positionen auf der Seite. Um daraus Daten zu ziehen, musste man früher eine Vorlage abbilden: bei diesem Geschäftspartner steht die Rechnungsnummer oben rechts, bei jenem unter dem Logo. Ein multimodales Modell versteht den Kontext eines Feldes und findet das Zahlungsziel deshalb auch dann, wenn es ein solches Layout zum ersten Mal sieht. Bei mehreren Dutzend Lieferanten mit unterschiedlichen Vorlagen ist die Arbeitsersparnis real.
Die Ausgabe des Modells sollten Sie als strukturiertes JSON nach einem Schema erzwingen. Das Minimum: Dokumentnummer, Ausstellungs- und Lieferdatum, Zahlungsziel, Verkäuferdaten mit Steuernummer, Käufer, Positionen, Netto- und Bruttobeträge, Währung sowie Steuersätze. Das Schema erledigt zwei Dinge gleichzeitig – es erzwingt eine vorhersehbare Form der Antwort und schafft Platz, um fehlende Werte zu melden. Ein leeres Feld ist eine Information. Ein erfundenes Feld ist ein Problem. Es lohnt sich außerdem, das Modell zu bitten anzugeben, wo auf der Seite es einen Wert gefunden hat, denn das erleichtert die spätere Prüfung erheblich.
Tipp: Entwerfen Sie das Schema so, dass das Modell null mit einer Begründung zurückgeben kann, statt zu raten. Einen Wert mit Gewalt zu erzwingen ist der kürzeste Weg zu einem stillen Fehler in der Buchhaltung.
Und noch etwas: Nicht jeder Anhang ist eine Rechnung. In einem Postfach landen Korrekturen, Proformarechnungen, Verträge, Überweisungsbestätigungen, Angebote und als Bild gespeicherte Signaturen in der Fußzeile. Die Klassifizierung des Dokumententyps sollte der erste Schritt nach der Textextraktion sein, denn sie entscheidet über den weiteren Weg. Eine Proformarechnung geht nicht in die Kosten, eine Korrektur muss die Ursprungsrechnung finden, und ein Vertrag landet mit völlig anderen Metadaten in einem Archiv.
Validierung und Konfidenzschwelle, oder warum Extraktion allein zu wenig ist
Ein Modell kann einen vollständigen Satz Felder liefern und sich an einer Stelle irren, ohne das in irgendeiner Weise zu signalisieren. Deshalb stellen wir daneben immer eine Schicht deterministischer Regeln, die mit KI nichts zu tun haben. Die Summe der Positionen muss mit dem Gesamtbetrag übereinstimmen. Die aus dem Steuersatz berechnete Steuer muss dem Betrag auf dem Dokument entsprechen. Die Steuernummer muss ein korrektes Format und eine korrekte Prüfsumme haben. Das Zahlungsziel darf nicht vor dem Ausstellungsdatum liegen. Einfache Arithmetik, die den größten Teil der realen Fehler abfängt.
Ordnen Sie den Geschäftspartner über die Steuernummer zu, nicht über den Namen. Dieselbe Firma kann auf fünf Arten geschrieben sein: mit und ohne “Sp. z o.o.”, mit Punkten, mit Bindestrich im Eigennamen, in Großbuchstaben oder mit einem Tippfehler von vor zwei Jahren, der in der Datenbank geblieben ist. Die Steueridentifikationsnummer ist eindeutig und überprüfbar, also soll sie der Schlüssel für die Zuordnung sein. Behandeln Sie den Namen als Hinweis beim Anlegen eines neuen Datensatzes. Niemals als Kennung.
Dubletten erkennen Sie am besten zweigleisig. Das Paar aus Dokumentnummer und Steuernummer des Verkäufers fängt den Fall ab, in dem dieselbe Rechnung per E-Mail kam und zusätzlich von Hand erfasst wurde. Eine Prüfsumme des Dateiinhalts, also ein Hash, fängt die erneute Verarbeitung desselben Anhangs ab, selbst wenn die Extraktion etwas andere Werte geliefert hat. Beide Mechanismen sind billig und sparen Stunden der Suche danach, woher in der Buchhaltung der doppelte Betrag stammt.
Über all dem steht der Human in the Loop. Dokumente, die den gesamten Regelsatz bestanden haben und eine hohe Extraktionssicherheit aufweisen, laufen automatisch durch. Zweifelhafte landen auf einem Prüfbildschirm, auf dem die freigebende Person den Scan mit hervorgehobenem Ausschnitt neben dem extrahierten Wert sieht. Eine Korrektur dauert dann Sekunden statt Minuten, weil niemand die ganze Seite mit den Augen absuchen muss. Dieser Bildschirm ist für die Akzeptanz meist wichtiger als die Qualität des Modells selbst.
Tipp: Beginnen Sie mit einem Modus, in dem ein Mensch alles freigibt, und sammeln Sie Statistiken über Korrekturen pro Feld. Erst diese zeigen, was ohne Kontrolle durchlaufen darf – meist zuerst Daten und Nummern, zuletzt Beträge.
Integrationen: Buchhaltungssystem, KSeF, E-Mail und Laufwerk
Auf der Eingangsseite treffen wir meist mehrere Kanäle gleichzeitig an. Ein IMAP-Postfach mit einem Alias wie rechnungen@, auf das die Korrespondenz von Lieferanten weitergeleitet wird. Ein Upload-Formular in der Anwendung für Personen, die Dokumente außerhalb der Firmen-E-Mail bekommen. Eine mobile App für Belegfotos, denn ein Mitarbeiter auf Dienstreise wird die Tankquittung nicht einscannen. Manchmal ein Webhook eines größeren Geschäftspartners, der Dokumente programmatisch schickt. Jeder Kanal hat andere Eigenschaften: Dateiqualität, Verzögerungen, Art der Autorisierung.
Auf der Ausgangsseite entscheidet das, womit das Unternehmen bereits arbeitet. Meist ist es die API eines Buchhaltungs- oder Fakturierungssystems, in das ein fertiges Dokument mit zugeordnetem Geschäftspartner und Kostenkategorie geht. Die Alternative ist ein Export in einem Format, das das Steuerbüro akzeptiert, wenn die Buchhaltung extern ist und keine Schnittstelle anbietet. Unabhängig von der Variante sollten die Originaldateien mit Metadaten in einem Archiv landen, damit sie sich finden lassen, ohne die Buchhaltung zu öffnen.
KSeF (das polnische landesweite System für E-Rechnungen) verändert den Ablauf bei Ausgangsrechnungen und schrittweise auch bei einem Teil der Eingangsrechnungen. Ein aus dem System geladenes Dokument ist bereits strukturiert, es mit einem Modell zu lesen ist also verschwendetes Geld und bringt Risiko dorthin, wo die Daten sicher sind. Das Projekt muss so aufgebaut sein, dass der Weg “ich habe eine fertige Struktur” der erste ist und die Extraktion aus dem PDF die Reserve bleibt, für Dokumente außerhalb des Systems: ausländische, Belege, Rechnungen von befreiten Unternehmen.
API-Beschränkungen aufseiten der Anbieter sind ein eigenes Kapitel, das meist erst in der Umsetzung sichtbar wird. Anfragelimits können den Import historischer Dokumente kippen. Manchmal fehlt ein Feld, das das Unternehmen in seinem Prozess nutzt, und Sie müssen es bei sich führen. Die Testumgebung unterscheidet sich von der Produktivumgebung im Datenumfang oder im Verhalten der Validierung, deshalb muss der Umsetzungsplan Zeit für die Prüfung auf der Produktion einkalkulieren.
Zum Schluss die Sache, die eine Einführung nach dem ersten Zwischenfall rettet: Idempotenz und eine Aufgabenwarteschlange. Dieselbe E-Mail, zweimal verarbeitet, nach einem Neustart des Dienstes oder nach erneutem Abruf des Postfachs, darf kein zweites Dokument in der Buchhaltung anlegen. Ein Idempotenzschlüssel auf Quellenebene plus eine Warteschlange mit Wiederholungen und einem Platz für fehlgeschlagene Aufgaben ergeben eine Robustheit, die keine Modellgenauigkeit liefern kann.
Sicherheit, Daten und Compliance
Eine Rechnung enthält Unternehmensdaten und sehr oft auch personenbezogene Daten: Vor- und Nachnamen von Ansprechpartnern, Adressen, Kontonummern, manchmal Daten aus Verträgen. Die Entscheidung darüber, wo diese Dokumente verarbeitet werden, ist keine technische Kleinigkeit, die man während des Programmierens klärt. Es ist eine Entwurfsentscheidung ganz am Anfang, denn sie beeinflusst die Wahl des Modells, die Kosten, den Inhalt der Verträge und die Frage, ob die Umsetzung überhaupt die internen Anforderungen des Kunden besteht.
Zur Wahl stehen drei Ansätze und jeder hat eine andere Bilanz. Ein Modell in der Cloud eines globalen Anbieters liefert meist die beste Lesequalität bei der niedrigsten Einstiegshürde, verlangt aber einen sauberen Auftragsverarbeitungsvertrag und die Akzeptanz des Verarbeitungsortes. Ein in der EU-Region gehostetes Modell räumt einen Teil der Zweifel aus, bei vergleichbarer Qualität und etwas höheren Kosten. Ein lokales Modell gibt volle Kontrolle und vorhersehbare Kosten bei hohem Volumen – um den Preis von Hardware, schlechterer Trefferquote bei schwierigen Scans und der Pflicht, es selbst zu betreiben. Die Wahl hängt von der Branche ab und davon, was das Unternehmen mit seinen eigenen Kunden vereinbart hat.
Die Aufbewahrung wird gern übersehen und kann bei der ersten Prüfung überraschen. Sie müssen bewusst festlegen, was in die Logs gelangt – protokollieren Sie nicht den vollständigen Inhalt eines Dokuments “für alle Fälle”, denn aus den Logs wird schnell eine zweite, schlechter geschützte Rechnungsdatenbank. Getrennt davon legen Sie fest, wie lange Sie die Originaldateien aufbewahren, wann Arbeitskopien verschwinden und wer ein Jahr nach der Verbuchung noch in einen Scan schauen darf.
Die Zugriffskontrolle sollte die Rollen abbilden, die es im Unternehmen ohnehin gibt. Der Inhaber sieht alles, einschließlich Gehältern und Verträgen. Die Buchhalterin sieht Kosten- und Verkaufsbelege, aber nicht zwingend Personalunterlagen. Der Mitarbeiter, der Kosten meldet, sieht ausschließlich die eigenen Meldungen und deren Status. Ein einfaches Modell, das den häufigsten Einwand nach der Einführung ausräumt.
Der Audit-Trail schließt das Thema ab. Die Aufzeichnung, wer ein Dokument freigegeben hat, welches Feld er korrigiert hat, welcher Wert vor der Änderung dort stand und wann das geschah, hilft bei einer Prüfung, beim Wechsel der Person auf einer Position und bei einem Streit mit einem Geschäftspartner darüber, welcher Betrag tatsächlich auf dem Dokument stand.
Kosten für Umsetzung und Betrieb, die ein kleines Unternehmen meist nicht rechnet
Das Budgetgespräch dreht sich meist um die erste Schicht, und es gibt drei Schichten. Der Aufbau: Analyse des Ablaufs, Datenschema, Integrationen, Prüfbildschirm und Tests an echten Dokumenten. Der Modellverbrauch, abgerechnet je verarbeitetem Dokument über die gesamte Lebensdauer des Systems. Und der Betrieb, also die Reaktion auf Änderungen bei Dingen, auf die Sie keinen Einfluss haben. Werden die letzten beiden übergangen, sieht das Projekt am Start billig aus und überrascht nach einem halben Jahr.
Die Token-Kosten hängen vom Umfang des Dokuments und von der Zahl der Versuche ab. Eine einseitige Rechnung ist günstig. Ein mehrseitiger Anhang mit einer Positionsspezifikation oder der Scan eines ganzen Vertrags kann die Rechnung aber um eine Größenordnung verändern. Ähnlich bei wiederholten Aufrufen: Wenn die Validierung das Ergebnis verwirft und das System es mit einem anderen Prompt noch einmal versucht, zahlen Sie zwei- oder dreimal für dasselbe Dokument. Rechnen Sie bei der Kalkulation deshalb die Umfangsverteilung an einer echten Stichprobe durch, nicht am Beispiel einer Musterrechnung.
Nicht für jeden lohnt es sich, eine eigene Lösung zu bauen, und wir sagen das offen auch dann, wenn die Frage bei uns landet. Fertige SaaS ist bei kleinem Volumen und standardisiertem Ablauf manchmal günstiger – wenn ein Unternehmen einige Dutzend Rechnungen im Monat bekommt und ein verbreitetes Buchhaltungssystem nutzt, gewinnt das Abonnement gegen jede eigene Umsetzung. Ein eigenes Projekt bekommt dann die Oberhand, wenn der Ablauf untypisch ist, wenn Dokumente in eine bestehende Branchenanwendung eingebunden werden müssen oder wenn die Kostenfreigabe einer eigenen Logik folgt, die ein Werkzeug von der Stange nicht abbildet. Dann lohnt es sich, ein Budget für die Entwicklung von Individualsoftware zu berechnen und es mit dem Abonnement über mehrere Jahre zu vergleichen.
Betrieb bedeutet nicht nur den Server und seine Rechnung. Es bedeutet eine Änderung der API des Buchhaltungssystems, die kurzfristig kommen kann. Ein neues Dokumentformat eines großen Lieferanten, nach dem die Trefferquote bei einem Rechnungstyp plötzlich einbricht. Ein Modell-Update, das das Verhalten in Randfällen ändert. All das verlangt jemanden, der reagiert, sowie Regressionstests an einem Satz von Dokumenten, die früher einmal Probleme bereitet haben.
Die schnellste Antwort auf die Frage nach der realen Trefferquote liefert ein MVP mit einer Dokumentenquelle und einem Zielsystem. Zwei Wochen Arbeit an echten Rechnungen sagen mehr als ein Monat Anforderungsanalyse, denn sie liefern Zahlen statt Annahmen.
Typische Fehler bei der Umsetzung und wie Sie sie vermeiden
Der häufigste Fehler? Die Automatisierung von Chaos. Ein Unternehmen bindet KI in einen Prozess ein, den vorher niemand beschrieben hat, und zementiert das alte Durcheinander, indem es eine technische Schicht darüberlegt. Wenn vor der Einführung nicht klar war, wer Kosten oberhalb eines bestimmten Betrags freigibt, wird es danach auch nicht klar sein – nur dass jetzt niemand mehr weiß, ob ein Mensch oder das System entschieden hat. Eine Stunde Gespräch über den Ablauf vor der ersten Zeile Code zahlt sich vielfach aus.
Der zweite Fehler ist das Fehlen einer Qualitätsmetrik. “Läuft ganz gut” ist keine Bewertung. Ohne Messung der Trefferquote bei den kritischen Feldern, getrennt für Nummer, Daten, Steuernummer und Beträge, stellen Sie weder fest, ob das System hilft, noch bemerken Sie, dass es nach einem Modellwechsel schlechter geworden ist. Ein Satz von einigen Hundert geprüften Dokumenten, an dem Sie das Ergebnis nach jeder Änderung messen, ist eine billige Versicherung.
Drittens: dem Modell bei Beträgen vertrauen. Der Betrag ist das einzige Feld, dessen Fehler unmittelbar Geld kostet, also sollte er doppelt abgesichert sein – durch arithmetische Regeln und durch eine Wertgrenze, oberhalb derer ein Mensch das Dokument immer sieht, unabhängig von der Extraktionssicherheit. Eine solche Grenze zu setzen dauert einen Moment und nimmt das schlimmste Szenario vom Tisch.
Der vierte ist das Übergehen von Randfällen, von denen es in jedem Unternehmen mehr gibt, als man denkt:
- Korrekturen, darunter solche, die nur formale Angaben ohne Beträge ändern,
- Fremdwährungsrechnungen mit Kurs und Umrechnung, manchmal mit zwei Steuerbeträgen,
- Anzahlungs- und Schlussrechnungen, die frühere Zahlungen verrechnen,
- mehrseitige Dokumente, bei denen die Zusammenfassung auf der letzten Seite steht,
- Scans, die schief, überbelichtet, mit dem Handy schräg aufgenommen oder mit einer Heftklammer auf dem Betrag sind.
Der fünfte ist der heimtückischste: kein Plan für die Ausnahme. Ein Dokument, das das System nicht versteht, muss einen klaren manuellen Weg und eine verantwortliche Person haben. Wenn solche Fälle still in einer Fehlerwarteschlange landen, in die niemand schaut, stellt sich nach einem Quartal heraus, dass gut zehn Dokumente nie verbucht wurden. Eine sichtbare Liste “manuell zu bearbeiten” mit einem Zähler auf dem Dashboard erledigt das mit einfachen Mitteln.
Womit Sie die Umsetzung im eigenen Unternehmen beginnen
Schritt eins: Sammeln Sie eine repräsentative Stichprobe von Dokumenten aus den letzten Monaten. Wählen Sie nicht die schönsten aus. Nehmen Sie das im Auto aufgenommene Foto eines Belegs dazu, den Scan mit umgeknickter Ecke, die Rechnung eines Lieferanten, der alles in Schriftgröße sechs druckt, eine Korrektur und ein Fremdwährungsdokument. Diese Stichprobe ist der einzige glaubwürdige Test – auf sauberen PDFs sieht jede Lösung großartig aus und keine sagt die Wahrheit darüber, wie sie sich mittwochs um drei Uhr nachmittags verhält.
Schritt zwei: Entscheiden Sie sich für ein Zielsystem und einen Eingang. Das Postfach rechnungen@ und ein konkretes Buchhaltungssystem reichen für den Start völlig aus. Die übrigen Kanäle – mobile App, Upload, Integration mit einem Lieferanten – können auf die nächste Etappe warten. Umsetzungen, die vom ersten Tag an alle Quellen gleichzeitig bedienen wollen, ziehen sich hin, bis das Unternehmen die Geduld verliert und zur Tabelle zurückkehrt.
Schritt drei: Definieren Sie die Liste der kritischen Felder und die Akzeptanzschwelle. Legen Sie fest, welche Daten unbedingt korrekt sein müssen und welche sich später folgenlos korrigieren lassen. Ergänzen Sie die Regeln für die Übergabe an einen Menschen: geringe Extraktionssicherheit, unbekannter Geschäftspartner, Betrag über einer festgelegten Grenze, untypischer Dokumententyp. Diese vier Bedingungen nehmen den größten Teil des Risikos.
Schritt vier: Lassen Sie den neuen Ablauf einige Wochen parallel zum alten laufen und vergleichen Sie die Ergebnisse. Das manuelle Abtippen schalten Sie erst dann ab, wenn die Zahlen aus dem Vergleich überzeugen, und nicht dann, wenn das System “fertig aussieht”. Dieser Zeitraum zeigt außerdem, welche Randfälle tatsächlich auftreten und nicht nur auftreten könnten.
Kurz gesagt: Eine wirksame automatische Verarbeitung von Rechnungen und Dokumenten mit KI im kleinen Unternehmen entsteht aus drei Dingen – guter Extraktion, harter Validierung und solider Integration mit dem System, in dem das Unternehmen wirklich arbeitet. Das Modell selbst ist heute der einfachste Teil dieser Gleichung.
Wenn Sie darüber nachdenken, Ihren Dokumentenfluss zu ordnen, an ein Buchhaltungssystem anzubinden oder ein MVP zu starten, das die Trefferquote an Ihren eigenen Rechnungen schnell prüft, schreiben Sie uns. Wir gehen gerne Ihren Prozess durch, sagen Ihnen offen, ob sich eine eigene Lösung lohnt oder ob ein fertiges Werkzeug reicht, und schlagen den Umfang der ersten Etappe vor – auch dann, wenn es um die Modernisierung einer Anwendung geht, die Sie bereits haben.
