1.200 Rechnungen. Drei Mitarbeiter. Und jetzt die KI.

DH
Dr. Hermann Felbinger
28. April 2026
9 Min. Lesezeit
#Rechnungsautomatisierung #Prozessautomatisierung #KMU #Kundenprojekt
1.200 Rechnungen. Drei Mitarbeiter. Und jetzt die KI.

Es war ein Dienstagmorgen, als mir Claudia Holzer, Buchhaltungsleiterin bei einem mittelständischen Wiener Lebensmittelgroßhändler, einen Screenshot schickte. Kein Text, keine Erklärung. Nur ein Foto ihres Bildschirms: ein E-Mail-Postfach mit 847 ungelesenen Nachrichten – allesamt Rechnungen von Lieferanten.

„Das ist von Montag bis Dienstag," schrieb sie danach. „Und das ist noch eine ruhige Woche."

Ihr Team: drei Personen. Ihr Job: jede einzelne dieser Rechnungen öffnen, prüfen, in das ERP-System eintippen, freigeben. Händisch. Jeden Tag. Seit Jahren.

„Wir haben nicht gefragt, ob eine KI das besser kann. Wir haben gefragt, ob sie es überhaupt tun kann – ohne uns zu vergessen." — Claudia Holzer, Buchhaltungsleiterin

Was dann folgte, war eines der lehrreichsten Projekte, das ich in meiner Zeit bei AI Direkt begleitet habe. Nicht weil es besonders kompliziert war – sondern weil es so menschlich war.

Wenn Papier das Unternehmen regiert

Das Unternehmen – rund 180 Mitarbeiter, Jahresumsatz im zweistelligen Millionenbereich – bezieht Waren von über 200 Lieferanten. Jeder dieser Lieferanten stellt Rechnungen aus. Und jeder tut das anders: manche als PDF per E-Mail, manche als Word-Dokument, manche als eingescannte Papierrechnung, ein besonders hartnäckiger Lieferant immer noch per Fax.

Das Ergebnis: Claudias Team verbrachte täglich rund fünf Stunden damit, Daten abzutippen, die längst digital vorlagen. Fünf Stunden mechanischer Arbeit, die keinen einzigen Euro Mehrwert schafften – aber bei der jeder Fehler teuer werden konnte.

⚠ Vorher · manuell
Der klassische Rechnungs-Morgen
  • E-Mail öffnen, PDF herunterladen
  • Lieferant, Datum, Betrag manuell ablesen
  • Daten ins ERP-System eintippen
  • Bestellung gegenprüfen (manuell)
  • Zur Freigabe weiterleiten
  • Ablage & Archivierung
  • ∅ 4–6 Minuten pro Rechnung
✓ Nachher · automatisiert
Der neue Ablauf
  • Rechnung trifft ein → Trigger
  • KI extrahiert alle Felder (±98 %)
  • Automatischer ERP-Abgleich
  • Anomalien zur manuellen Prüfung
  • Freigabe bei Match ohne Eingriff
  • DSGVO-konforme Archivierung
  • ∅ 18 Sekunden pro Rechnung

Was technisch passiert, wenn eine Rechnung ankommt

Im Kern ist unser System eine Kombination aus drei Bausteinen: einem intelligenten Dokumenten-Parser, einem Regelwerk für den ERP-Abgleich, und einem menschlichen Fallback für alles, was die KI nicht mit Sicherheit entscheiden kann.

invoice-pipeline.flow — Verarbeitungsarchitektur
📥 EINGANG Email / Scan / Fax 🤖 OCR + KI Extraktion aller Felder 🔍 VALIDIERUNG ERP-Abgleich AUTO-FREIGABE → ERP-Buchung 👤 MANUELL Ausnahmen & Klärung MATCH ANOMALIE 🗄 ARK Konfidenz-Score: 0–1 Schwellenwert: 0.92

Das Herzstück ist der Konfidenz-Score. Jede extrahierte Information erhält einen Wert zwischen 0 und 1: Wie sicher ist das Modell, dass es Lieferantenname, Rechnungsnummer, Betrag und Mehrwertsteuer korrekt erkannt hat? Liegt der Score über unserem Schwellenwert von 0,92, läuft der Prozess vollautomatisch. Darunter: Eskalation an den Menschen.

Das klingt einfach. Ist es aber nicht. Die große Arbeit lag im Tuning dieses Schwellenwerts – und in der Frage, welche Fehler man sich leisten kann und welche nicht.

Sechs Wochen vom Chaos zur Routine

Wo. 1–2
Dokumenten-Inventur & Lieferanten-Mapping
200 Lieferanten, 14 verschiedene Rechnungsformate, 3 Sprachen (DE, EN, HR). Wir haben jeden Format-Typ katalogisiert und Trainingsdaten für die Extraktion aufgebaut.
Wo. 3
Modell-Training & erste Extraktionstests
Fine-Tuning eines Document-AI-Modells auf 800 historischen Rechnungen. Erste Trefferquote: 91 % – gut, aber noch nicht gut genug. Das Modell hatte Probleme mit handschriftlichen Ergänzungen.
Wo. 4
ERP-Integration & Regelwerk
Anbindung an das bestehende ERP via API. Aufbau der Abgleichslogik: Rechnung gegen offene Bestellung, Betragstoleranz ±2 %, automatische Dublettenerkennung.
Wo. 5
Pilotbetrieb mit 10 % der Rechnungen
Parallelbetrieb: KI und Claudias Team verarbeiten dieselben Rechnungen unabhängig. 23 Fehler gefunden – 21 davon in unserer Lösung, 2 beim Menschen. Beide Seiten lernen.
Wo. 6
Vollbetrieb & Übergabe
Rollout auf 100 % der Eingangsrechnungen. Das Team übernimmt jetzt nur noch die Ausnahmen – rund 4 % aller Rechnungen. Claudia: „Ich hab zum ersten Mal seit Jahren pünktlich Mittagspause gemacht."
// Live-Demo: Eine Rechnung in Echtzeit
📄
Eingang
🔬
OCR
🧠
Extraktion
🔍
Validierung
Freigabe

Was nach sechs Wochen anders ist

Die Zahlen sind überzeugend. Aber die Geschichte, die ich wirklich erzählen will, ist eine andere.

98%Extraktionsgenauigkeit nach Feinabstimmung
−96%Bearbeitungszeit pro Rechnung
4%Ausnahmen werden noch manuell geprüft
0Euro monatliche Einsparung durch reduzierte Bearbeitungszeit und weniger Fehler
0Rechnungen werden pro Monat vollautomatisch und fehlerfrei verarbeitet

Claudias Team besteht noch immer aus drei Personen. Aber die drei verbringen ihre Zeit jetzt nicht mehr damit, Daten abzutippen. Sie prüfen Ausnahmen, klären Unstimmigkeiten mit Lieferanten, analysieren Zahlungsfristen. Sie machen Buchhaltung – nicht Dateneingabe.

„Ich hab meinem Team gesagt: Die KI macht die langweilige Arbeit. Wir machen die wichtige." — Claudia Holzer, sechs Wochen nach Go-live

Fünf Dinge, die jedes ähnliche Projekt besser machen

Unsere ehrlichsten Learnings

  • Den Schwellenwert ernst nehmen: 0,92 klingt willkürlich – ist es aber nicht. Wir haben drei verschiedene Werte getestet. Zu niedrig: zu viele Fehler. Zu hoch: zu viele manuelle Eingriffe, die den Vorteil auffressen.
  • Ausnahmen sind kein Problem, sondern ein Feature: Die 4 % manuellen Fälle sind nicht der Fehler des Systems – sie sind sein Sicherheitsnetz. Claudia vertraut dem System, weil sie weiß, wo es Grenzen zieht.
  • Historische Daten sind Gold: 800 annotierte Rechnungen aus der Vergangenheit waren der wertvollste Rohstoff des gesamten Projekts. Ohne sie wäre Woche 3 nicht möglich gewesen.
  • ERP-Integration ist fast immer das Nadelöhr: Die KI war in drei Wochen bereit. Die ERP-API brauchte zwei Wochen Abstimmung mit dem Softwareanbieter. Das ist normal – aber man muss es einplanen.
  • Die Menschen zuerst fragen: Wir haben Claudia und ihr Team von Anfang an eingebunden. Sie haben Testdaten geliefert, Fehler gefunden, Vertrauen aufgebaut. Ein System, das über den Köpfen der Nutzenden implementiert wird, scheitert – egal wie gut es technisch ist.

Rechnungsautomatisierung ist kein sexy Thema. Sie landet selten in TED-Talks oder auf Konferenz-Bühnen. Aber für Claudia und ihr Team war es die bedeutendste Veränderung seit Jahren. Das ist es, wofür wir arbeiten.

Wie viele Stunden verliert Ihr Team heute an manuelle Dateneingabe? Sprechen Sie mit uns – in 30 Minuten sehen wir gemeinsam, ob und wo Automatisierung bei Ihnen Sinn macht.

Artikel teilen

Bereit für den nächsten Schritt?

Finden Sie heraus, wo Ihr Unternehmen steht.

Zum KI-Check

Weitere Artikel