Wie KI-gestützte Rechnungsautomatisierung 60 % der Bearbeitungszeit spart

KI-gestützte Rechnungsautomatisierung bezeichnet den Einsatz von OCR, Natural Language Processing und Machine-Learning-Klassifikation, um Eingangsrechnungen zu erfassen, Kopf- und Positionsdaten zu extrahieren, gegen ERP-Stammdaten zu validieren und mit wenig oder ohne menschliches Eingreifen zu verbuchen. Die eelik d.o.o. baut diese Pipelines auf dem bestehenden DMS und ERP des Kunden auf — SAP, Microsoft Dynamics Business Central oder BMD — und erreicht typischerweise eine Reduktion der Bearbeitungszeit pro Rechnung um rund 60 %, mit Amortisation innerhalb von zwei bis sechs Monaten bei hochvolumigen AP-Teams und 11 bis 24 Monaten bei mittlerem Volumen. Die Technologie ist ausgereift; den Erfolg bestimmt die Gestaltung der Ausnahmebehandlung und der Stammdatenebene drumherum.

Was bedeutet „KI-gestützte Rechnungsautomatisierung" 2026 konkret?

Bis etwa 2020 bedeutete Rechnungserfassung vorlagenbasiertes OCR: Man trainierte das System auf das Layout jedes Lieferanten, und Layoutänderungen brachen die Vorlage. Moderne KI-Erfassung nutzt Deep-Learning-Modelle, die das Dokument so lesen wie ein Mensch — Felder werden über den Kontext, nicht über Koordinaten lokalisiert. Der aktuelle Stand der Technik erreicht:

• 95–99 % OCR-Genauigkeit auf Zeichenebene bei sauberen PDFs
• 90–95 % Feldextraktion auf Kopfdaten (Rechnungsnummer, Datum, Summe, USt., IBAN)
• 80–90 % Feldextraktion auf Positionsdaten, abhängig von der Layoutkomplexität
• Über 90 % Dunkelverarbeitung bei etablierten Lieferanten mit konsistentem Layout

Diese Werte stammen aus produktiven Pipelines, nicht aus Anbieterbroschüren. Leistungen unterhalb dieses Bereichs deuten meist auf ein Prozessproblem (schlechte Scanqualität, fehlende Stammdaten) und nicht auf ein Modellproblem hin.

Warum ist die Rechnungsverarbeitung der KI-Anwendungsfall mit dem höchsten ROI?

Drei Gründe. Erstens ist das Volumen vorhersehbar — ein 500-Personen-Unternehmen verarbeitet typischerweise 20.000 bis 60.000 Eingangsrechnungen pro Jahr. Zweitens ist die manuelle Basislinie gut verstanden: 5 bis 12 Minuten pro Rechnung von Anfang bis Ende, inklusive Erfassung, Kontierung, Freigaberouting und Verbuchung — übereinstimmend mit der Cost-per-Invoice-Benchmark von APQC (Median ~USD 5,83, unterstes Quartil USD 10+), umgerechnet auf DACH-Lohnniveau, und mit den AP-Cycle-Time-Daten von Ardent Partners. Drittens sind die Daten strukturiert genug, damit ML daraus lernen kann, aber unstrukturiert genug, dass aktuell Menschen die Arbeit machen — genau die Lücke, die KI am zuverlässigsten schließt.

Eine konservative ROI-Berechnung für eine mittelgroße AP-Abteilung:

Kennzahl	Manuelle Basislinie	KI-automatisiert
Volumen pro Jahr	30.000 Rechnungen	30.000 Rechnungen
Zeit pro Rechnung	8 Minuten	3 Minuten (inkl. Ausnahmen)
Gesamtstunden pro Jahr	4.000	1.500
FTE-Äquivalent	2,4	0,9
Jährliche Personalkosten (DACH, vollkostendeckend, ~EUR 60k/FTE)¹	EUR 144.000	EUR 54.000
Jährliche Einsparung	—	EUR 90.000
Typische Projektkosten (inkl. Integration)	—	EUR 80.000–180.000
Amortisation²	—	11–24 Monate bei mittlerem Volumen; 2–6 Monate bei hohem Volumen

¹ DACH-AP-Sachbearbeiter liegen vollkostendeckend typischerweise im Bereich EUR 55–70k — Bruttogehalt EUR 38–50k laut Robert Half Gehaltsübersicht und Hays Finance-Gehaltsreport 2025 zuzüglich ca. 35 % Arbeitgeberkosten und Overhead. Wir setzen EUR 60k als belastbaren Durchschnitt an; das obere Ende (~EUR 70k) gilt für erfahrene Sachbearbeiter in München, Wien oder Zürich.

² Für das schnelle Ende zeigen Forrester-TEI-Studien angrenzender Intelligent-Automation-Plattformen durchgängig Amortisationszeiten unter sechs Monaten bei hohem Volumen; der mittlere Bereich spiegelt unsere eigenen Projekte wider.

Bei größeren Volumina verkürzt sich die Amortisation; bei Kunden aus dem öffentlichen Sektor mit 150.000 Rechnungen pro Jahr haben wir Amortisationszeiten innerhalb von vier Monaten gesehen.

Wie funktioniert eine moderne Pipeline von Anfang bis Ende?

Die Pipeline hat sechs Stufen, von denen jede auf charakteristische Weise scheitern kann:

1. Erfassung — Rechnungen treffen per E-Mail, EDI, Lieferantenportal oder Papier-Scan ein. E-Invoicing-Formate (ZUGFeRD, XRechnung, PEPPOL BIS Billing 3.0, FatturaPA) werden direkt geparst; PDFs und Bilder gehen ins OCR.
2. Extraktion — ein transformerbasiertes Modell identifiziert Felder anhand des Kontexts. Lieferantenstammdaten dienen zur Disambiguierung der Lieferantenidentifikation.
3. Validierung — extrahierte Daten werden gegen ERP-Stammdaten geprüft: Lieferant existiert, Bestellung stimmt, Steuerkennzeichen ist plausibel, IBAN entspricht hinterlegter Bankverbindung.
4. Kontierung — Kostenstelle, Sachkonto und Projekt werden aus historischen Buchungen für denselben Lieferanten und vergleichbare Beträge prognostiziert.
5. Freigaberouting — der Workflow im DMS leitet die Rechnung anhand von Betrag, Kostenstelle und Freigabematrix an den verantwortlichen Freigeber.
6. Verbuchung — nach Freigabe wird die Buchung in SAP, Business Central oder BMD via BAPI, OData oder der BMD-API erzeugt und die Rechnung mit der Buchungsreferenz archiviert.

Eine gut gestaltete Pipeline durchläuft etwa 90 % der Rechnungen ohne menschlichen Eingriff durch alle sechs Stufen. Die verbleibenden 10 % — die Ausnahmen — bestimmen die Architektur.

Wo gehen Projekte schief?

Wir werden am häufigsten zur Behebung dreier Fehlermuster gerufen:

Ausnahmebehandlung als Nachgedanke. Teams messen die Dunkelverarbeitungsquote und vergessen, dass der 10-%-Ausnahmepfad darüber entscheidet, ob die Gesamtarbeitslast des AP-Teams sinkt. Dauern Ausnahmen jeweils 20 Minuten, haben Sie den Engpass nur verschoben statt beseitigt. Entwerfen Sie das Ausnahme-UI, bevor Sie das Modell tunen.

Stammdatenqualität blockiert das Modell. Das Modell kann nur gegen das validieren, was das ERP kennt. Veraltete Lieferantenstammdaten, fehlende Steuernummern und inkonsistente Kostenstellen-Codes verwandeln zuverlässige Extraktionen in manuelle Ausnahmen. Eine kurze Stammdatenbereinigung vor Go-live hebt die Dunkelverarbeitungsquote typischerweise um 10–20 Prozentpunkte.

Change Management wird übersprungen. AP-Sachbearbeiter, die Überflüssigkeit fürchten, werden — bewusst oder nicht — Gründe finden, das Modell zu übersteuern. Erfolgreiche Teams positionieren AP von der Datenerfassung hin zur Ausnahmebearbeitung und Stammdaten-Pflege; der Produktivitätsgewinn wird in schnelleren Monatsabschluss, das Heben von Lieferantenrabatten und Analytics reinvestiert.

Zum Hintergrund von Dokumenten-KI-Mustern siehe Gartner zu Intelligent Document Processing.

Wie pilotieren Sie das, ohne sich zu übernehmen?

Ein fokussierter Pilot, der in 8–12 Wochen belastbare Zahlen liefert:

• Scope: eine rechtliche Einheit, eine Rechnungskategorie (z. B. PO-basierte Rechnungen der Top-50-Lieferanten).
• Zu messende KPIs: Dunkelverarbeitungsquote, durchschnittliche Zeit pro Rechnung, Ausnahmenrate je Ausnahmegrund, Buchungsgenauigkeit nach 30 Tagen, Quote eingelöster Lieferantenrabatte.
• Erst Baseline: Messen Sie den aktuellen manuellen Prozess zwei Wochen lang, bevor Automatisierung aktiviert wird. Die meisten Teams haben das nie präzise gemessen.
• Vergleich: Pilot und manueller Prozess laufen den ersten Monat parallel, um die Buchungsgenauigkeit zu validieren.
• Entscheidungstor: In Woche 10 entscheiden Sie, ob auf Nicht-PO-Rechnungen, weitere Einheiten und andere Dokumentarten (Lieferscheine, Auftragsbestätigungen) ausgeweitet wird.

Die eelik d.o.o. realisiert den Piloten typischerweise auf dem bestehenden DMS des Kunden, mit der ERP-Integration ab Tag eins im Scope. Das Liefermodell beschreibt die Seite KI-Dokumentenautomatisierung.

Wie spielt die KI-gestützte Rechnungsautomatisierung mit dem DMS zusammen?

Das DMS ist das Archiv of Record. Jede erfasste Rechnung — Original-PDF, extrahiertes XML, Audit-Trail der Modellentscheidungen und menschlichen Korrekturen — wird einmalig im DMS gespeichert, mit einer Verknüpfung zurück zur ERP-Buchung. Das ist aus zwei Gründen wichtig: Das Steuerrecht (GoBD in Deutschland, BAO in Österreich) verlangt ein nachweisbares Original-Archiv, während die DSGVO nachweisbare Verarbeitungsprotokolle und Zugriffskontrollen fordert — und dasselbe Archiv wird zu den Trainingsdaten für die nächste Modelliteration. Wer KI-Erfassung ohne darunterliegendes DMS betreibt, baut die Archivschicht typischerweise sechs Monate später neu.

Was ist mit E-Invoicing-Vorgaben?

Die EU-Initiative VAT in the Digital Age (ViDA) für strukturierte grenzüberschreitende E-Rechnung ist auf 2030 ausgerichtet, während die deutsche nationale B2B-E-Rechnungspflicht stufenweise greift — Empfangsbereitschaft verpflichtend seit 1. Januar 2025, Ausstellungspflicht ab 2027 für Steuerpflichtige über 800.000 EUR Jahresumsatz, vollständige Verpflichtung ab 2028. Diese Änderungen verschieben den Eingangsmix, nicht die Architektur. Strukturierte E-Rechnungen (XRechnung, ZUGFeRD, PEPPOL BIS) überspringen OCR und gehen direkt in die Validierung, was die Dunkelverarbeitungsquote weiter erhöht. Die KI-Schicht bleibt essenziell für den Long Tail an PDF-Rechnungen internationaler Lieferanten und für die Anreicherung von Positionsdaten, die selbst strukturierte Formate nicht immer vollständig mitführen.

Häufig gestellte Fragen

Wird KI unser AP-Team ersetzen?

Nein, doch sie verändert die Arbeit. AP verschiebt sich von Datenerfassung hin zu Ausnahmebearbeitung, Stammdatenqualität und Lieferantenbeziehungsmanagement. Die meisten Teams nehmen die freigewordene Kapazität in schnelleren Abschluss, früheres Skontoausnutzen und Analytics auf — die Netto-Headcount-Zahl bleibt typischerweise konstant, während das Rechnungsvolumen pro FTE sich verdoppelt oder verdreifacht.

Wie lange bis erste Ergebnisse sichtbar sind?

Ein fokussierter Pilot liefert messbare Zahlen in 8–12 Wochen. Der volle ROI auf die Erstinvestition tritt bei volumenstarken AP-Teams typischerweise in 2–6 Monaten ein, bei Teams mit mittlerem Volumen in 11–24 Monaten.

Brauchen wir eine separate KI-Plattform oder kann unser DMS das?

Die meisten modernen DMS-Plattformen enthalten oder integrieren Intelligent Capture. Eine separate KI-Plattform ist gerechtfertigt, wenn dokumentenübergreifende Anwendungsfälle (Verträge, Lieferscheine, Korrespondenz) benötigt werden oder die mit dem DMS gebündelte Erfassung dem Standalone-Markt hinterherhinkt. Wir bewerten das fallweise.

Welche ERP-Systeme integrieren Sie?

Am häufigsten SAP (ECC und S/4HANA via BAPI, IDoc und OData), Microsoft Dynamics Business Central (REST API) und BMD (native Schnittstellen). Kontaktieren Sie die eelik d.o.o. für eine auf Ihre Landschaft zugeschnittene Integrationsbewertung.