Ihr Finanzteam hat auch diese Woche wieder viele Stunden mit der Kreditorenbuchhaltung verbracht. Zu den wiederkehrenden und oft wenig beliebten Aufgaben gehören das Prüfen, Kontieren und Freigeben von Rechnungen.
KI übernimmt inzwischen einen Teil dieser Tätigkeiten. Die Systeme lesen Rechnungen aus, ordnen Felder automatisch zu und schlagen Kontierungen vor. Auffälligkeiten wie doppelte Zahlungen oder abweichende Beträge können sie bereits bei der Erfassung und Prüfung erkennen.
Aktuelle Benchmarks zeigen, wie weit diese Entwicklung inzwischen reicht: Bei strukturierten Rechnungen können Systeme eine hohe Feldgenauigkeit erreichen. Die Ergebnisse hängen jedoch vom Dokumenttyp, vom eingesetzten System und von der jeweiligen Messmethode ab. Bei Ausnahmefällen, kontextabhängigen Entscheidungen und Compliance-Fragen stößt die Technologie dagegen noch an klare Grenzen. Ein Teil dieser Fälle erfordert weiterhin manuelle Bearbeitung.
Genau diese Grenzen bestimmen, wie viel Automatisierung durch KI-gestützte OCR in der Praxis tatsächlich möglich ist – und in welchen Situationen Ihre Teams weiterhin selbst entscheiden müssen.
Einen breiteren Überblick über den Einsatz von KI im Rechnungswesen bieten unsere Artikel Künstliche Intelligenz in der Buchhaltung: Fiktion oder Realität? und KI und Machine Learning im Ausgabenmanagement. Dieser Artikel konzentriert sich speziell auf die Kreditorenbuchhaltung und die OCR-Rechnungserfassung.
Inhalt
Was leistet KI in der Kreditorenbuchhaltung konkret?
In der Kreditorenbuchhaltung übernimmt KI wiederkehrende und regelbasierte Arbeitsschritte. Das Spektrum reicht von der Erfassung bis zur Vorkontierung und ersten Plausibilitätsprüfung.
Der wichtigste Nutzen: Unstrukturierte Belege werden in strukturierte, ERP-fähige Daten überführt, während Ausnahmefälle frühzeitig erkannt werden.
OCR-Rechnungserfassung
Die optische Zeichenerkennung (OCR) erkennt Text in einem Bild und wandelt ihn in ein maschinenlesbares Format um.
OCR-Systeme lesen Texte aus Rechnungen, Scans und E-Mail-Anhängen aus – auch bei unterschiedlichen Layouts, mehrseitigen Dokumenten und verschiedenen Sprachen. Bei strukturierten E-Rechnungen liegen die Daten dagegen bereits in maschinenlesbarer Form vor.
KI ordnet die einzelnen Felder anschließend semantisch zu, darunter:
- Lieferant
- Steuersatz und Steuerbetrag
- Bestellnummer oder Bestellbezug
- Rechnungs-, Leistungs- und Fälligkeitsdatum
Dadurch verbringen Ihre Teams deutlich weniger Zeit mit der manuellen Dateneingabe. N2F setzt für diesen Schritt auf die zentrale Rechnungserfassung mit integrierter OCR, unabhängig vom Eingangskanal oder Dateiformat.
Datenextraktion und Kontierung
KI kann Kopf- und Positionsdaten aus zahlreichen Rechnungen extrahieren. Daraus leitet sie Buchungsvorschläge ab, beispielsweise für:
- Sachkonto
- Kostenstelle
- Projekt
- Zuständigen Freigeber
Auf Grundlage der Buchungshistorie erkennt das System wiederkehrende Muster und kann diese automatisieren, etwa beim Abgleich von Rechnung, Bestellung und Wareneingang.
Das reduziert das Risiko von Fehlbuchungen. Bei standardisierten Rechnungen können Freigabeprozesse zudem deutlich schneller ablaufen.
Anomalieerkennung
KI kann Rechnungen bereits bei der Erfassung oder Prüfung auf folgende Auffälligkeiten untersuchen:
- Duplikate
- Abweichende Preise oder Mengen
- Ungewöhnliche Zahlungsziele
- Neue Bankverbindungen
Auffällige Muster werden automatisch zur manuellen Prüfung weitergeleitet. So können Teams Fehler und potenziellen Betrug früher erkennen – und nicht erst bei der Zahlung. Wie eine solche intelligente Fehlerprüfung im Detail funktioniert, zeigt N2F anhand konkreter Anwendungsfälle. Wie Lieferantenbetrug im Detail abläuft und wie Sie sich davor schützen, erklärt unser Artikel Lieferantenbetrug: Die Masche, die Ihre Rechnungen gefährdet.
Eine neue Bankverbindung ist dabei zunächst ein Prüfsignal und sollte vor der Zahlung bestätigt werden.
Die Grenzen der KI: Was noch nicht funktioniert
Trotz der Fortschritte stößt KI in der Kreditorenbuchhaltung in bestimmten Situationen weiterhin schnell an ihre Grenzen.
Ausnahmefälle und Rechnungen ohne Bestellung
Die größte Herausforderung liegt nicht im Auslesen der Daten, sondern im Umgang mit Ausnahmefällen: fehlende Bestellungen, abweichende Preise und unklare Kostenstellen.
In solchen Situationen entscheiden Mitarbeitende weiterhin, wer die Rechnung freigibt und welchem Konto sie zugeordnet wird. Wie viele Fälle manuell bearbeitet werden müssen, hängt unter anderem von der Qualität der Bestellungen, den Toleranzregeln und den Stammdaten ab.
Datenqualität und Rechnungsformate
Rechnungen können von geringer Scanqualität sein oder handschriftliche Angaben enthalten. Auch unterschiedliche Lieferantenformate und mehrsprachige Dokumente können die Erkennungsquote beeinträchtigen.
KI kann sich zwar besser an unterschiedliche Dokumente anpassen als OCR-Systeme mit starren Vorlagen. Bei sehr unstrukturierten Belegen bleibt eine manuelle Prüfung jedoch weiterhin erforderlich.
Kontextabhängige Entscheidungen
Die fachliche Expertise Ihres Teams ist in vielen Fällen unverzichtbar, beispielsweise bei:
- Bilanzierungswahlrechten
- Bewertungsfragen, etwa zu Rückstellungen oder Abschreibungsmethoden
- Komplexen steuerrechtlichen Sonderfällen
KI kann verfügbare Optionen erkennen und Vorschläge unterbreiten. Eine fachliche Entscheidung im Gesamtkontext von Bilanz, Gewinn- und Verlustrechnung sowie Steuerrecht kann sie jedoch nicht eigenständig treffen.
Datenschutz und GoBD
Laut einer KPMG-Studie sehen 65 Prozent der Befragten Datenschutz und Sicherheit als größte Hürde. 59 Prozent nennen die Nachvollziehbarkeit und Transparenz von KI-Algorithmen als Herausforderung.
Die Studie bezieht sich auf den Einsatz von KI im Rechnungswesen insgesamt.
GoBD-Konformität erfordert eine unveränderbare Archivierung, einen lückenlosen Prüfpfad und dokumentierte Verfahren. Die Verantwortung dafür trägt Ihr Unternehmen – nicht die KI. N2F dokumentiert diesen Prüfpfad über einen durchgängigen Audit-Trail, vom Rechnungseingang bis zur Zahlung.
Quelle: KPMG, Digitalisierung im Rechnungswesen 2025/2026
Integration und Prozessgestaltung
KI arbeitet zuverlässiger, wenn Ihre ERP-Stammdaten vollständig und die Freigabeprozesse klar definiert sind.
Beachten Sie, dass viele Implementierungen an der Bearbeitung von Ausnahmefällen oder an der Anbindung an bestehende ERP-Systeme und Arbeitsabläufe scheitern.
E-Rechnungspflicht in Deutschland
Seit dem 1. Januar 2025 gilt in Deutschland im B2B-Bereich grundsätzlich die Pflicht, strukturierte E-Rechnungen nach EN 16931, beispielsweise ZUGFeRD oder XRechnung, empfangen zu können. Für die Ausstellung von E-Rechnungen gelten gestaffelte Übergangsfristen.
Die Pflicht zum Empfang gilt bereits seit 2025. Ab 2027 wird die Pflicht zur Ausstellung von E-Rechnungen schrittweise ausgeweitet.
Unternehmen müssen sich deshalb darauf einstellen, strukturierte Rechnungsdaten zuverlässig zu prüfen, zuzuordnen und weiterzuverarbeiten. Eine rein manuelle Erfassung reicht dafür nicht aus. Die manuelle Prüfung einzelner Fälle bleibt jedoch möglich und ist häufig weiterhin notwendig.
Mehr zum ZUGFeRD-Format und zur konkreten Vorbereitung auf die Reform lesen Sie in unseren Artikeln ZUGFeRD-Format: Die Zukunft der elektronischen Rechnungsstellung und E-Rechnung: Wie sich Unternehmen optimal auf die Reform vorbereiten.
Wie genau ist OCR in der Praxis?
Nicht die reine Texterkennung entscheidet über den Automatisierungsgrad, sondern die Feldgenauigkeit bei echten Eingangsrechnungen.
Diese Kennzahl misst, wie häufig ein KI- oder OCR-System die relevanten Rechnungsfelder korrekt erkennt, beispielsweise Lieferant, Rechnungsnummer, Datum, Gesamtsumme und Steuerbetrag.
Bei der reinen OCR geht es darum, wie viele Zeichen korrekt gelesen werden. Die Feldgenauigkeit untersucht dagegen, ob das richtige Feld gefunden und der korrekte Wert zugeordnet wurde.
Ein System kann beispielsweise 99 Prozent der Zeichen richtig lesen und trotzdem die falsche Spalte als Rechnungsnummer interpretieren.
Für die Kreditorenbuchhaltung ist diese Kennzahl aussagekräftiger als eine reine OCR-Quote, da sie unmittelbar zeigt, wie viele Rechnungen ohne manuelle Korrektur weiterverarbeitet werden können.
Der Benchmark von Fraunhofer IAIS und dem Lamarr Institute zeigt, dass die Ergebnisse je nach Dokumenttyp deutlich variieren. Digitale Originaldokumente werden zuverlässiger verarbeitet als Scans oder Belege mit geringerer Bildqualität.
| Belegtyp | Feldgenauigkeit |
|---|---|
| Strukturierte digitale Rechnung | 96,5 % |
| Gescannte Rechnung | 92,7 % |
| Gescannter Beleg | 87,5 % |
| Handschriftliche oder stark unstrukturierte Belege | Keine einheitliche Vergleichszahl aus derselben Studie |
Bei halbstrukturierten Rechnungen mit wechselnden Layouts liegt die Quote in der Praxis häufig zwischen 85 und 95 Prozent. Dieser Wert hängt stark von den verwendeten Dokumenten, dem eingesetzten System und den Korrekturen aus dem laufenden Betrieb ab.
Eine reine OCR, die den Kontext nicht berücksichtigt, kann bei komplexen oder uneinheitlichen Dokumenten deutlich häufiger manuelle Korrekturen erforderlich machen. Bei unstrukturierten oder handschriftlichen Belegen ist daher weiterhin eine manuelle Prüfung notwendig.
OCR im Vergleich zur strukturierten E-Rechnung
Bei E-Rechnungen nach EN 16931 ist OCR teilweise nicht erforderlich. Die Daten liegen bereits strukturiert im XML-Format vor und können direkt ausgelesen werden.
Gescannte PDFs oder per OCR verarbeitete Dokumente gelten dagegen rechtlich nicht als E-Rechnung, selbst wenn die Texterkennung zuverlässig funktioniert.
Der Unterschied: OCR liest ein Bild und muss die einzelnen Felder erkennen und zuordnen. Eine XML-Pipeline liest die Daten einer EN-16931-konformen Rechnung direkt aus den vorhandenen Feldern aus, sofern die Rechnung formal korrekt erstellt wurde.
Der Aufwand verlagert sich dadurch von der Extraktionsgenauigkeit hin zur Prüfung der XML-Struktur und zur korrekten Zuordnung der Daten zu den ERP-Feldern.
Anwendungsfälle: Was KI in der Kreditorenbuchhaltung heute leistet
Den größten Nutzen bietet KI, wenn große Rechnungsvolumen mit wiederkehrenden Mustern verarbeitet werden und klare Regeln vorliegen.
In der Rechnungsverarbeitung automatisiert sie die Erfassung und Validierung von Kopf- und Positionsdaten. Duplikate kann sie automatisch erkennen und die geprüften Daten an das ERP-System und den jeweiligen Workflow weiterleiten.
Beim Abgleich von Rechnung, Bestellung und Wareneingang kann sie auch komplexere Vorgänge unterstützen, beispielsweise bei Teillieferungen oder mehrstufigen Bestellungen. Eine manuelle Bearbeitung solcher Vorgänge ist häufig sehr zeitaufwendig.
Besonders bei Ausnahmefällen zeigt sich der Nutzen: KI kann fehlende Bestellungen, steuerliche Auffälligkeiten oder Preisabweichungen identifizieren. Auf Grundlage früherer Entscheidungen schlägt sie Lösungen vor und leitet nur die tatsächlich unklaren Fälle zur weiteren Prüfung weiter.
Das kann die Durchlaufzeiten verkürzen und die Bearbeitung vergleichbarer Fälle vereinheitlichen.
KI kann außerdem doppelte E-Rechnungen, Preisabweichungen und ungewöhnliche Zahlungsdaten systematisch prüfen. Das tatsächliche Einsparpotenzial hängt jedoch vom bisherigen Prozess, dem Rechnungsvolumen und der Qualität der Stammdaten ab.
Für eine belastbare ROI-Berechnung sollten Unternehmen ihre eigenen Kosten pro Rechnung, die Durchlaufzeiten und die Ausnahmequoten vor und nach der Einführung vergleichen.
Fallbeispiel: Deutscher Mittelständler mit etwa 4.000 bis 6.000 Rechnungen pro Jahr
Das folgende Beispiel ist eine Modellrechnung für ein produzierendes KMU. Es handelt sich nicht um eine veröffentlichte Kundenreferenz.
Stellen Sie sich ein produzierendes KMU mit rund 150 Mitarbeitenden vor. Jährlich gehen zwischen 4.000 und 6.000 Eingangsrechnungen in der zentralen Kreditorenbuchhaltung ein.
Die Mitarbeitenden benötigen pro Rechnung etwa 10 bis 15 Minuten für Erfassung, Prüfung und Freigabe. Skontofristen werden regelmäßig verpasst, weil die Bearbeitung zu lange dauert. Die manuelle Prüfung führt zu einer Fehlerquote von etwa 6 Prozent.
Nach der Einführung einer KI-gestützten Lösung mit direkter ERP-Anbindung könnte sich die Situation wie folgt verändern:
Die Bearbeitungszeit pro Rechnung sinkt auf unter drei Minuten. Rund 60 bis 70 Prozent der Rechnungen werden nun ohne manuelle Bearbeitung gebucht. Die Fehlerquote sinkt um mehr als 80 Prozent.
Allein durch die konsequente Nutzung von Skonti spart das Unternehmen jährlich mehrere zehntausend Euro. Die Investition amortisiert sich innerhalb von zwölf Monaten.
Bevor Sie investieren: Fünf Fragen an Ihren Softwareanbieter
Wenn Sie in KI für die Kreditorenbuchhaltung investieren möchten, sollten Sie im Vorfeld fünf zentrale Fragen klären. Diese helfen Ihnen, den tatsächlichen Nutzen von überzogenen Versprechen zu unterscheiden und den konkreten ROI für Ihr Unternehmen einzuschätzen.
1. Welche Feldgenauigkeit erreichen Sie bei unseren Rechnungen?
Fragen Sie nach konkreten Zahlen für strukturierte, halbstrukturierte und unstrukturierte E-Rechnungen. Lassen Sie sich außerdem erklären, wie der Anbieter diese Werte misst.
Bitten Sie um eine Demonstration mit Ihren eigenen Dokumenten und fragen Sie nach Kennzahlen zur Ausnahmequote – nicht nur zur reinen Zeichen-OCR.
2. Wie wird die GoBD-Konformität sichergestellt?
Eine unveränderbare Archivierung, ein lückenloser Prüfpfad und dokumentierte Verfahren sind wesentliche Anforderungen.
Klären Sie, wer im Zweifelsfall die Verantwortung trägt. Fragen Sie außerdem nach konkreten Referenzen für deutsche oder DACH-Kunden, die mit E-Rechnungen sowie ZUGFeRD oder XRechnung arbeiten.
3. Wie funktioniert der Umgang mit Ausnahmefällen im Detail?
Welche Regeln gelten? Wo kommen KI-Empfehlungen zum Einsatz? Wie sehen Eskalationspfade und Freigabeprozesse aus?
Prüfen Sie, wie sich das System an Ihre ERP-Stammdaten und Prozesse anpassen lässt. Achten Sie darauf, dass der Anbieter die Bearbeitung von Ausnahmefällen als zentrale Funktion behandelt.
4. Welche Datenschutz- und Sicherheitsstandards gelten?
Fragen Sie nach dem Standort der Rechenzentren, Verschlüsselung, Zugriffskonzepten, Subunternehmern und der Dokumentation zur Nachvollziehbarkeit von KI-Entscheidungen.
65 Prozent der Befragten sehen Datenschutz als größte Hürde, 59 Prozent nennen die Nachvollziehbarkeit als Herausforderung. Deshalb sollten die Antworten des Anbieters konkret und nachvollziehbar sein.
5. Wie lässt sich der wirtschaftliche Nutzen berechnen?
Berücksichtigen Sie die Kosten pro Rechnung vor und nach der Einführung, die erwartete Touchless-Rate und die Amortisationszeit. Auch die Kennzahlen, die im laufenden Betrieb erfasst werden, sollten festgelegt werden.
Ein geeigneter Anbieter sollte erläutern können, welche Kennzahlen realistisch messbar sind und wie sich die Ergebnisse dokumentieren lassen.
Fazit
Die meisten KMU verarbeiten zwischen 3.000 und 10.000 Rechnungen pro Jahr. In diesem Bereich kann sich eine Prüfung der Automatisierung besonders lohnen.
KI übernimmt repetitive und regelbasierte Arbeitsschritte zuverlässig und spart Zeit. Bei Ausnahmefällen, kontextabhängigen Entscheidungen und Compliance-Fragen bleibt Ihr Team jedoch unverzichtbar.
Entscheidend ist die richtige Balance: Automatisieren Sie die Kreditorenbuchhaltung dort, wo es sinnvoll und möglich ist, und behalten Sie die manuelle Kontrolle dort bei, wo sie tatsächlich benötigt wird.
N2F verbindet KI-gestützte Rechnungserfassung mit klaren Freigabeprozessen und eignet sich damit für Unternehmen unterschiedlicher Größen.
