Rechnungsverarbeitung automatisieren mit KI
Am Monatsende sieht es in vielen österreichischen KMU gleich aus: Jemand aus der Buchhaltung öffnet PDF für PDF, tippt Lieferant, Betrag, Rechnungsnummer und Fälligkeit ab, sucht die passende Bestellung im ERP und schickt den Beleg zur Freigabe an die richtige Person. Das ist keine anspruchsvolle Arbeit, aber sie frisst Stunden. Genau deshalb ist die Rechnungsverarbeitung einer der ersten Prozesse, den Unternehmen sinnvoll automatisieren können. In diesem Beitrag geht es darum, wie der Weg von der eingehenden Rechnung zur gebuchten Position technisch aussieht, was er realistisch spart und wo weiterhin ein Mensch gebraucht wird.
Warum sich gerade Eingangsrechnungen für Automatisierung eignen
Eingangsrechnungen haben zwei Eigenschaften, die sie zum idealen Kandidaten machen. Erstens kommen sie in großer Zahl und regelmäßig herein. Zweitens enthalten sie fast immer dieselben Informationen: wer stellt die Rechnung, über welchen Betrag, mit welcher Nummer, bis wann zu zahlen, für welche Leistung. Das Problem war nie, dass diese Daten kompliziert wären, sondern dass sie in tausend verschiedenen Layouts stecken. Jeder Lieferant gestaltet seine Rechnung anders, und klassische Vorlagenerkennung kapituliert, sobald ein neues Format auftaucht.
Hier liegt der Unterschied zur älteren OCR-Technik. Reine Texterkennung liest zwar Zeichen aus, versteht aber nicht, dass die Zahl oben rechts die Rechnungsnummer und die Zahl unten der Bruttobetrag ist. KI-gestützte Extraktion kombiniert beides: Sie liest den Text und ordnet ihn inhaltlich zu, auch wenn das Feld an einer ungewohnten Stelle steht oder anders beschriftet ist. Dadurch funktioniert der Prozess auch bei uneinheitlichen Layouts, ohne dass du für jeden Lieferanten eine eigene Vorlage pflegen musst.
Der Weg von der PDF zur gebuchten Position
Ein funktionierender Ablauf besteht aus mehreren Schritten, die ineinandergreifen. Es hilft, sie einzeln zu betrachten, weil an jeder Stelle andere Entscheidungen zu treffen sind.
Erfassung. Rechnungen landen im E-Mail-Postfach, in einem Upload-Ordner oder kommen als E-Rechnung im strukturierten Format herein. Der erste Schritt sammelt sie an einem Ort ein. Bei einer klassischen PDF wird der Inhalt per OCR und KI ausgelesen, bei einer echten E-Rechnung (etwa im Format nach EN 16931, wie es öffentliche Auftraggeber in Österreich verlangen) liegen die Daten bereits strukturiert vor und müssen nur validiert werden.
Datenextraktion. Aus dem Beleg werden die relevanten Felder gezogen: Lieferant, Rechnungsdatum, Nummer, Netto, Steuer, Brutto, Fälligkeit, Bankverbindung, Positionen. Ein gutes System liefert zu jedem Feld auch einen Vertrauenswert mit, damit später klar ist, wo es sicher war und wo nicht.
Abgleich mit der Bestellung. Hier trennt sich Spielzeug von Werkzeug. Die extrahierten Daten werden gegen die zugehörige Bestellung und gegebenenfalls den Wareneingang geprüft. Stimmen Menge, Preis und Lieferant? Dieser Drei-Wege-Abgleich fängt Fehler und Betrugsversuche ab, bevor überhaupt jemand auf "Freigeben" klickt.
Freigabe-Workflow. Rechnungen, die sauber matchen und unter einer definierten Grenze liegen, können automatisch durchlaufen. Alles darüber oder alles mit Abweichung wandert an die zuständige Person, idealerweise mit einem Hinweis, warum es zur Prüfung vorgelegt wird. So sieht der Mensch nur die Fälle, die seine Aufmerksamkeit wirklich brauchen.
Übergabe an die Buchhaltung. Am Ende landet der Beleg als Buchung im ERP. Wenn du Odoo einsetzt, lässt sich der Rechnungseingang direkt an das Purchase- und Accounting-Modul übergeben, inklusive Verknüpfung zur Bestellung und Ablage des Original-PDFs am Buchungssatz. Der Prüfer arbeitet dann in der Umgebung, die er ohnehin kennt.
Was das realistisch bringt
Über ROI wird bei diesem Thema gern übertrieben. Bleiben wir bei nachvollziehbaren Zahlen. Die manuelle Erfassung eines Belegs samt Zuordnung und Weiterleitung dauert je nach Komplexität grob vier bis zehn Minuten. Ein gut eingerichteter automatischer Prozess reduziert das auf eine kurze Sichtprüfung, oft unter einer Minute, und bei sauber matchenden Rechnungen sogar auf null.
Rechne es an deinem eigenen Volumen durch. Bei 400 Eingangsrechnungen im Monat und einer Ersparnis von fünf Minuten pro Beleg sind das rund 33 Stunden monatlich. Bei einem internen Stundensatz von 35 Euro reden wir über etwa 1150 Euro pro Monat, denen die Kosten für Software und Betreuung gegenüberstehen. Ob sich das lohnt, hängt stark vom Volumen ab: Bei 30 Rechnungen im Monat amortisiert sich der Einrichtungsaufwand deutlich langsamer als bei mehreren Hundert. Nimm pauschale Prozentangaben aus Anbietermaterial mit Vorsicht und setze stattdessen deine tatsächlich gemessenen Zahlen ein.
Neben der reinen Zeit gibt es einen zweiten Effekt, der oft mehr wert ist: weniger Erfassungsfehler und Zahlendreher, kein doppeltes Bezahlen, keine übersehenen Skontofristen. Diese Fehler kosten selten viel pro Stück, summieren sich aber, und ihre Korrektur bindet Zeit an unpassenden Stellen.
DSGVO und die Frage, wo deine Daten liegen
Rechnungen enthalten personenbezogene Daten, spätestens bei Einzelunternehmern und bei Namen von Ansprechpartnern. Damit ist die Verarbeitung ein Thema für die DSGVO, und die zentrale Frage lautet: Wo wird der Beleg tatsächlich verarbeitet?
Schickt das System jede Rechnung an einen KI-Dienst in den USA, brauchst du eine belastbare rechtliche Grundlage und einen Auftragsverarbeitungsvertrag, und du solltest genau wissen, wie lange und wo Daten zwischengespeichert werden. Es gibt gute Gründe, die Extraktion in der EU oder gleich lokal laufen zu lassen. Für viele Szenarien reichen Modelle, die auf europäischer Infrastruktur oder im eigenen Haus betrieben werden, und der Genauigkeitsunterschied ist geringer, als viele annehmen.
Nicht vergessen: Steuerrelevante Belege unterliegen in Österreich einer Aufbewahrungspflicht von sieben Jahren, in bestimmten Fällen länger. Die automatische Ablage muss also revisionssicher und lückenlos sein, nicht nur bequem. Ein System, das Belege nur "irgendwo" ablegt, verlagert das Problem, statt es zu lösen.
Wo weiterhin Menschen gebraucht werden
Jetzt der ehrliche Teil. Kein System verarbeitet hundert Prozent der Rechnungen ohne menschliches Zutun, und wer das verspricht, hat entweder ein sehr eintöniges Lieferantenportfolio oder überschätzt seine Technik. Die Ausnahmen sind der Ort, an dem Erfahrung zählt.
Dazu gehören krumme Fälle: eine handschriftlich ergänzte Rechnung, ein schlecht gescanntes Fax, eine Sammelrechnung mit Positionen aus drei verschiedenen Bestellungen, eine Gutschrift, die als normale Rechnung daherkommt, oder eine Abweichung zwischen bestellter und gelieferter Menge, die jemand fachlich beurteilen muss. Auch die erste Rechnung eines neuen Lieferanten mit ungewohntem Layout ist typischerweise ein Fall für einen prüfenden Blick.
Das ist kein Makel des Ansatzes, sondern seine sinnvolle Nutzung. Das Ziel ist nicht, den Menschen zu ersetzen, sondern ihm die immer gleichen 80 Prozent abzunehmen, damit er sich auf die 20 Prozent konzentriert, bei denen sein Urteil wirklich zählt. Ein gutes System macht diese Ausnahmen sichtbar, statt sie stillschweigend falsch zu verbuchen. Genau deshalb sind der Vertrauenswert je Feld und ein klarer Freigabe-Workflow so wichtig: Sie bestimmen, wann die Maschine durchwinkt und wann sie nachfragt.
Ein letzter Punkt aus der Praxis: Automatisierung verändert Zuständigkeiten. Wer bisher Rechnungen erfasst hat, prüft künftig Ausnahmen und überwacht den Prozess. Diese Verschiebung solltest du von Anfang an offen ansprechen, sonst scheitert das Projekt nicht an der Technik, sondern an der Akzeptanz im Team.
Wie ein sinnvoller Einstieg aussieht
Fang nicht mit dem kompliziertesten Fall an, sondern mit einem gut abgegrenzten Teil deines Rechnungseingangs, etwa den Standardrechnungen deiner zehn häufigsten Lieferanten. Lass das System einige Wochen mitlaufen, während weiter manuell gebucht wird, und vergleiche die Ergebnisse. So siehst du schwarz auf weiß, wie zuverlässig die Extraktion ist, bevor du dich darauf verlässt. Erst danach weitest du schrittweise aus.
Rechnungsverarbeitung automatisieren heißt nicht, einmal einen Schalter umzulegen, sondern einen Prozess aufzubauen, der die Regelfälle sauber erledigt und die Ausnahmen zuverlässig meldet. Wenn du wissen möchtest, ob sich das bei deinem Volumen und deiner Systemlandschaft lohnt, schauen wir uns das gemeinsam an. Mehr zum Thema findest du unter KI-Automatisierung, und für ein unverbindliches Erstgespräch erreichst du uns über den Kontakt.