Posteingang automatisieren: Bestellungen, Rechnungen und Lieferscheine per KI

In fast jedem Unternehmen, das Aufträge oder Rechnungen per Mail bekommt, läuft derselbe Ablauf: Jemand öffnet die Nachricht, liest die Bestellung, sucht die passenden Artikelnummern heraus und tippt alles ins ERP. Bei zehn Mails am Tag fällt das kaum auf, bei zweihundert sitzt jemand den halben Vormittag daran, und sobald diese Person im Urlaub ist, staut sich der Posteingang.

Mit Sprachmodellen lassen sich Dokumente inzwischen zuverlässig lesen und große Teile dieses Schritts automatisieren, ohne dass Kunden ihre Bestellungen erst in ein Portal eintippen müssen. Für welche Dokumente sich das rechnet, wie die Erfassung abläuft, was eine Lösung können muss und wie ein erstes Projekt aussieht, steht im Folgenden.

Welche Dokumente sich lohnen

Nicht jeder Beleg ist ein Fall für Automatisierung. Interessant wird es dort, wo täglich viele Dokumente derselben Art ankommen und trotzdem jedes ein bisschen anders aussieht: Bestellungen von Kunden, Eingangsrechnungen von Lieferanten, Lieferscheine und Auftragsbestätigungen, in der Logistik dazu Sendungs-, Routing- und Termindaten.

Entscheidend sind vor allem zwei Dinge: Wie viele Dokumente kommen an, und wie unterschiedlich sehen sie aus? Zwanzig identische Bestellungen pro Woche tippt jemand schneller ab, als ein Projekt dauert. Zweihundert Bestellungen pro Tag in vierzig Layouts sind ein ganz anderer Fall.

Übersehen wird meistens der dritte Punkt: was ein Fehler kostet. Eine falsch erfasste Menge fällt im Zweifel erst auf, wenn die Ware schon beim Kunden steht. Wenn ein Tippfehler eine Rücklieferung auslöst oder die Produktionsplanung durcheinanderbringt, rechnet sich die Automatisierung oft viel früher, als es die reine Zeitersparnis vermuten lässt.

Warum Vorlagen irgendwann mehr Arbeit machen, als sie sparen

Klassische Texterkennung arbeitet mit Vorlagen: Die Bestellnummer steht oben rechts, die Menge in der dritten Spalte. Solange alle Dokumente gleich aussehen, ist das schnell, günstig und jederzeit nachvollziehbar.

Der Ärger fängt mit den Abweichungen an. Ein Kunde stellt sein Layout um, ein anderer schreibt die Bestellung in zwei Sätzen mitten in einen langen E-Mail-Verlauf, ein dritter schickt sie als Foto, und plötzlich braucht jede Variante eine eigene Regel. Mit jedem weiteren Kunden wächst damit auch der Pflegeaufwand. Beim Logistikunternehmen Fr. Meyer’s Sohn, das täglich Tausende E-Mails auf Deutsch und Englisch bekommt, kam die regelbasierte Extraktion an genau diesem Punkt nicht mehr hinterher.

Sprachmodelle erfassen den Inhalt dagegen unabhängig davon, wo eine Angabe steht und wie sie formuliert ist. Damit haben Regeln aber nicht ausgedient: In unseren Projekten übernehmen sie meist die Prüfarbeit, also Formate abgleichen, Summen nachrechnen und Pflichtfelder kontrollieren, weil das mit einer Regel billiger und exakter gelöst ist als mit einem Modell. Wann welcher Ansatz passt, zeigt der Vergleich auf der Seite KI-Agenten Entwicklung.

Wie funktioniert die automatische Erfassung aus dem Posteingang?

Zwischen der eingehenden Mail und dem Auftrag im ERP liegen fünf Schritte, die sich einzeln messen und verbessern lassen. An ihnen zeigt sich später, ob das System wirklich ohne Aufsicht laufen kann.

Die Dokumentart erkennen

Zuerst ordnet das System jede Nachricht ein: neue Bestellung, Änderung, Stornierung, Rechnung, Rückfrage. Der Schritt wirkt banal, verhindert aber einen der teuersten Fehler: Wenn eine Stornierung als neue Bestellung durchgeht, verlässt Ware das Lager, die niemand bestellt hat.

Text und Anhänge zusammen lesen

Viele Aufträge stecken im Anhang, als PDF, Excel-Datei oder Scan, und dann zählt der Zusammenhang: In der Mail steht oft die Änderung zur Anlage, etwa ein abweichender Liefertermin. Bei Radaway fielen Aufträge im Anhang früher komplett aus der automatischen Verarbeitung heraus, heute sind sie abgedeckt.

In ein festes Format überführen

Das Sprachmodell gibt die Daten nach einem vorgegebenen Schema zurück, etwa Kundennummer, Artikel, Menge und Liefertermin, denn erst dadurch lässt sich das Ergebnis maschinell prüfen. Bei Freitext bliebe nur lesen und hoffen.

Gegen die Stammdaten prüfen

Kunden verwenden selten genau die Bezeichnung aus dem Katalog. Deshalb sucht das System auch bei abweichender Formulierung den passenden Artikel. Ein zweiter Schritt prüft, ob er zum Rest der Bestellung passt. Dazu kommen Plausibilitätsprüfungen: Gibt es den Kunden, passt der Preis, ist die Menge realistisch?

Übergeben oder vorlegen

Sichere Ergebnisse übergibt das System direkt ans ERP. Wenn es bei einem Wert unsicher ist, legt es den Fall einem Mitarbeiter zur Prüfung vor. An dieser Unterscheidung hängt der ganze Nutzen: Ein System, das jedes Ergebnis ungeprüft weitergibt, spart Zeit und baut dabei Fehler ein, die erst auffallen, wenn die Ware schon unterwegs ist. Eines, das jeden Fall vorlegt, spart gar nichts.

Was dabei herauskommt

Bei Fr. Meyer’s Sohn ging es dagegen um Sendungs-, Routing- und Planungsdaten aus Tausenden Mails pro Tag. Weil die Daten das Unternehmen nicht verlassen sollten, läuft die Pipeline dort auf eigenen Servern und liefert die Werte strukturiert in Echtzeit; der manuelle Extraktionsaufwand sank um 80 %. Details stehen in der Referenz Fr. Meyer’s Sohn, weitere Anwendungen auf den Seiten KI für die Fertigung und KI für die Logistik.

Beide Zahlen stehen bewusst nicht bei hundert Prozent. Ein Rest bleibt bei Menschen, weil er dort hingehört: Sonderfälle, unleserliche Belege, Bestellungen mit widersprüchlichen Angaben.

Checkliste: Worauf sollten Sie bei der Auswahl achten?

Ob Sie eine Lösung einkaufen oder entwickeln lassen: An diesen Punkten entscheidet sich, ob sie im Alltag funktioniert.

An der vierten Zeile scheitern die meisten Angebote, denn ein System, das nur ein Ergebnis liefert, ohne zu sagen, wie sicher es sich ist, lässt sich in keinen Freigabeprozess einbauen.

Der Weg ins ERP

Die erfassten Daten gehen über die Schnittstellen, die Ihr System schon hat, ob SAP, ein anderes ERP oder eine Eigenentwicklung. Dabei muss am Anfang nicht alles durchlaufen. Viele Teams starten damit, dass das System nur Vorschläge macht, die ein Mitarbeiter mit einem Klick bestätigt. Das kostet wenige Sekunden pro Beleg und zeigt Woche für Woche, wo die Erfassung stimmt und wo nicht, und sobald das Vertrauen wächst, geht ein immer größerer Teil direkt durch. Wie die Anbindung technisch aussieht, beschreibt der Artikel KI in SAP, Microsoft 365 und Jira integrieren.

Wo Sie am besten anfangen

Mit einer einzigen Dokumentart, und zwar der mit dem höchsten Volumen oder den teuersten Fehlern, nicht der mit dem interessantesten Anwendungsfall. In einer Prozessanalyse zum Festpreis ab 3.000 € sehen wir uns den heutigen Ablauf an und schlagen eine Architektur mit Umfang, Zeitplan und Kosten vor; erste funktionierende Bausteine entstehen in sechs bis acht Wochen, mit Ihren echten Dokumenten.

Wenn bereits ein System läuft, das im Alltag zu oft Eingriffe braucht, lohnt sich zuerst die Frage, an welchem der fünf Schritte es hakt. Bei Radaway war deshalb kein Neubau nötig, drei Wochen gezielter Arbeit reichten. Welche Sprachmodelle für solche Aufgaben taugen und wo sie laufen können, zeigt die Seite LLM Entwicklung.

Häufige Fragen