# Dokumentas — Vollständige Inhalte > Dieses File enthält den vollständigen Inhalt der Dokumentas-Website (Agenten, Use Cases, Blog-Posts) als Plain-Markdown — konzipiert für KI-Crawler nach der llms.txt-Konvention. Eine kuratierte Übersicht mit Links findet sich in [https://www.dokumentas.ai/llms.txt](https://www.dokumentas.ai/llms.txt). Diese Datei (`llms-full.txt`) bündelt die kompletten Inhalte für eine schnelle Volltextverarbeitung. --- ## Teil 1: Agenten # Rechnungsagent – Automatisierte Rechnungsverarbeitung | Dokumentas Source: https://www.dokumentas.ai/automatisierte-rechungsverarbeitung/ > Automatisieren Sie die Verarbeitung von Eingangsrechnungen direkt ins ERP. Über 80% Dunkelverarbeitung, template-frei und mit integrierter Business-Logik. # Automatisierte Rechnungsverarbeitung Der Rechnungsagent extrahiert, prüft und bucht Eingangsrechnungen direkt ins ERP — auch bei wechselnden Layouts, Teilrechnungen oder fehlendem Bestellbezug. >80% Dunkelverarbeitung im Regelbetrieb -90% Manuelle Eingriffe 100% ERP-ready Daten So funktioniert's ## So funktioniert der Rechnungsagent Der Rechnungsagent kombiniert template-freie KI-basierte Dokumentenerkennung (IDP) mit tief integrierter Business- und Accounting-Logik, sodass Rechnungen nicht nur korrekt extrahiert, sondern prozess- und buchhaltungsfertig verarbeitet werden. [Kostenlose Demo](../contact/) Vom Standard zur Realität ## Die meisten Tools automatisieren den Standardfall. Buchhaltungsteams bleiben mit allem sitzen, was davon abweicht. Genau dort setzt der Rechnungsagent an. Der ideale Rechnungseingang ### Sauber, strukturiert, *eindeutig* zuordenbar. - Rechnung kommt als strukturiertes PDF mit konstantem Layout - Klare PO-Nummer, 1:1-Zuordnung zur Bestellung - Mengen und Preise stimmen exakt mit Bestellung überein - Ein Steuersatz, eine Währung, saubere Zahlungsbedingungen - Direkte Übergabe ans ERP, ohne Nacharbeit vs. Was tatsächlich eingeht ### Gemischte Formate, *Abweichungen, Ausnahmen.* - Jeder Lieferant schickt anders: PDF, gescannt, per Mail, in unterschiedlichen Layouts - Teilrechnungen, Gutschriften und Sammelrechnungen mit mehreren Bestellbezügen - Mengen- und Preisabweichungen innerhalb und ausserhalb der Toleranz - Rechnungen ohne Bestellbezug, die in einen Freigabe-Workflow müssen - Unterschiedliche Steuersätze, Währungen, Zu- und Abschläge auf einer Rechnung Template-basierte OCR bricht bei diesen Fällen. Der Rechnungsagent wurde für sie gebaut. Benefits ## Vorteile der digitalen Rechnungsverarbeitung Extrahierte und validierte Rechnungsdaten werden ERP-ready aufbereitet und nahtlos in bestehende Unternehmenssysteme überführt. Business-Kontext, Validierungslogik und Prozessregeln sorgen für eine direkte, buchhaltungsfertige Verbuchung. 01 ### Integrierter IDP-Kern Intelligent Document Processing für automatische Rechnungserkennung, Trennung und Klassifizierung. 02 ### Template-freie Rechnungsextraktion Verarbeitet Rechnungen neuer Lieferanten und wechselnde Layouts automatisch – ohne manuelle Konfiguration pro Lieferant. 03 ### Intelligentes Invoice-Matching Mit automatischer Behandlung von Teillieferungen, Mengen- und Preisabweichungen. 04 ### Integrierte Accounting-Logik Kostenstellen, Sachkonten, Steuerlogiken und Toleranzprüfungen direkt im Prozess – buchhaltungsfertige Daten statt nur Rohdaten. 05 ### Human in the Loop für Rechnungsfreigabe Intelligentes Exception Handling – Menschen greifen nur bei Abweichungen ein, mehrstufige Genehmigungs-Workflows nach Rolle und Betrag. 06 ### End-to-End-Reporting Vollständige Transparenz über Dunkelverarbeitungsquote, offene Freigaben, Durchlaufzeiten und Engpässe – ideal für Finance und Management. Für wen ## Spürbar für jede Rolle im Finanzprozess Der gleiche Agent, drei verschiedene Perspektiven. Weniger Routine für das Team, mehr Kontrolle für Finance, belastbarere Zahlen fürs Unternehmen. 01 ### Für die Buchhaltung Keine Position-für-Position-Prüfung mehr. Der Agent extrahiert, ordnet und matched gegen Bestellung und Lieferschein. Mitarbeitende prüfen nur noch, was wirklich geklärt werden muss. 02 ### Für Finance & Controlling Transparenz über Dunkelverarbeitungsquote, offene Freigaben und Durchlaufzeiten. Kostenstellen und Sachkonten sind bereits im Prozess zugeordnet — Monatsabschlüsse werden planbarer. 03 ### Fürs Unternehmen Rechnungsvolumen kann wachsen, ohne dass das Team mitwächst. Prozesse bleiben konsistent über Standorte und Tochtergesellschaften — mit nachvollziehbarem Audit-Trail. Use Cases ## Der Rechnungsagent in der Praxis Entdecken Sie, wie Unternehmen den Rechnungsagenten erfolgreich für ihre Dokumentenverarbeitung einsetzen. [Logistik ### Eingangsrechnungs-Automatisierung mit 3-Way-Matching Eingangsrechnungen automatisiert prüfen, mit Bestellung und Lieferschein abgleichen und zur Freigabe bringen — mit Netsuite-Integration. **-70%** Prüfaufwand **95%** Matching](../use-cases/logistik-p2p/) [Versicherung ### Mailroom-Automatisierung in der Versicherungsbranche Tägliche Eingangspost automatisiert verarbeiten — kanalübergreifend, mit hoher Dunkelverarbeitungsquote und nahtloser Integration eines Scanning-Centers. **~80%** Dunkelverarb. **~2 FTE** Einsparung](../use-cases/versicherung/) Über Dokumentas ## Gebaut von Experten für echte Prozesse Dokumentas stammt von der ESGroup, einem unabhängigen Softwareunternehmen mit Standorten in der Schweiz und Polen. 01 ### 20+ Jahre Erfahrung Seit über zwei Jahrzehnten spezialisiert auf Softwareentwicklung und Prozessautomatisierung. 02 ### Modulare Plattform Standardmodule, die sich individuell anpassen lassen. Schnell, stabil, zukunftssicher. 03 ### Schweiz & Polen Unabhängiges Softwareunternehmen mit Standorten in der Schweiz und Polen — nah am Kunden, global vernetzt. [Mehr über uns](../about/) Unser Ansatz ## In 5 Schritten zur erfolgreichen Rechnungsautomatisierung 01 Analyse ### Ausgangslage verstehen Automatisierungspotenzial erkennen und aktuelle Prozesse gemeinsam evaluieren. 02 Use-Case ### Start-Use-Case definieren Klaren Fokus setzen — welcher Prozess bringt den schnellsten ROI? 03 Demo ### Live-Demo mit Ihren Rechnungen Keine generischen Slides — wir verarbeiten Ihre echten Rechnungen live. 04 Prozess ### End-to-End durchleuchten Vom Rechnungseingang über Validierung bis zur ERP-Buchung — jeden Schritt optimieren. 05 Roadmap ### Roadmap & Exit-Optionen Transparenter Plan mit Meilensteinen, Zeitrahmen und flexiblen Ausstiegsmöglichkeiten. [Kostenlose Demo anfordern](../contact/) Compare ## Warum Dokumentas für digitale Rechnungsverarbeitung? Schluss mit manuellen Workflows und starren Template-Systemen. Dokumentas.ai automatisiert Ihre Rechnungsverarbeitung intelligent und skalierbar. Traditionelle Lösungen - Template-basierte Extraktion (manuelles Setup pro Lieferant) - Nur Datenextraktion, keine Business-Logik - Hoher manueller Aufwand bei Abweichungen - Starre ERP-Integration ohne Validierung - Keine kontinuierliche Verbesserung Rechnungsagent von Dokumentas - Template-freie KI-Extraktion (automatisch für neue Lieferanten) - Integriertes Matching & Accounting-Logik - >80% Dunkelverarbeitung durch intelligente Validierung - ERP-ready Daten mit Business-Kontext - Kontinuierliches Lernen durch Human-in-the-Loop FAQ ## Häufig gestellte Fragen Alles was Sie über den Rechnungsagenten und die automatisierte Rechnungsverarbeitung wissen müssen. Der Rechnungsagent nutzt Intelligent Document Processing (IDP), um Eingangsrechnungen automatisch zu erkennen, zu klassifizieren und alle relevanten Daten zu extrahieren – unabhängig von Layout, Sprache oder Lieferant. Neue Lieferanten oder geänderte Rechnungsformate erfordern keine manuelle Konfiguration. Die KI lernt kontinuierlich dazu und verbessert die Erkennungsqualität mit jedem verarbeiteten Dokument. Der Rechnungsagent gleicht Eingangsrechnungen automatisch mit den zugehörigen Bestellungen und Lieferscheinen ab. Dabei werden Positionen, Mengen, Preise und Konditionen geprüft. Auch komplexe Szenarien wie Teillieferungen, Mengenabweichungen oder Preisdifferenzen innerhalb definierter Toleranzen werden automatisch behandelt. Nur bei echten Unstimmigkeiten wird ein Klärfall erzeugt. Im Gegensatz zu reinen Extraktionslösungen liefert der Rechnungsagent nicht nur Rohdaten, sondern buchhaltungsfertige Ergebnisse. Kostenstellen, Sachkonten, Steuerlogiken und Toleranzprüfungen werden direkt im Verarbeitungsprozess angewendet. Das bedeutet: Die Daten, die im ERP ankommen, sind bereits kontiert und können ohne weitere manuelle Nacharbeit verbucht werden. Rechnungen ohne Bestellbezug werden vom Rechnungsagenten erkannt und separat behandelt. Die KI extrahiert alle relevanten Daten und leitet die Rechnung in einen definierten Freigabe-Workflow – mit mehrstufiger Genehmigung nach Rolle, Kostenstelle und Betrag. So bleiben auch Non-PO-Rechnungen im automatisierten Prozess, ohne dass sie manuell aussortiert werden müssen. Ja. Der Rechnungsagent ist auf reale Komplexität ausgelegt: Sammelrechnungen mit mehreren Bestellbezügen, Teilrechnungen, Gutschriften, Rechnungen mit unterschiedlichen Steuersätzen und Währungen sowie Rechnungen mit Zu- und Abschlägen werden automatisch erkannt und korrekt verarbeitet. Die Validierungsregeln lassen sich individuell an Ihre Geschäftslogik anpassen. Im Regelbetrieb erreicht der Rechnungsagent eine Dunkelverarbeitungsrate von über 70 % – das bedeutet, mehr als 7 von 10 Rechnungen durchlaufen den gesamten Prozess vollautomatisch, von der Erfassung bis zur buchungsfertigen Übergabe ins ERP. Die manuellen Eingriffe reduzieren sich um bis zu 80 %. Durch kontinuierliches Lernen aus Korrekturen steigt die Rate mit der Zeit weiter an. Bereit? ## Starten Sie mit einer kostenlosen Live-Demo. Wir zeigen Ihnen anhand Ihrer echten Rechnungen, wie der Rechnungsagent Ihre Verarbeitung automatisiert — unverbindlich und in wenigen Minuten. [Kostenlose Demo anfordern](../contact/) # Bestellagent – Auftragsverarbeitung automatisieren mit KI | Dokumentas Source: https://www.dokumentas.ai/auftragseingang-automatisieren/ > Automatisieren Sie Bestellungen aus E-Mails (PDF/Excel) direkt ins ERP. Über 80% Dunkelverarbeitung, template-frei und mit integrierter Business-Logik. # Auftragsverarbeitung automatisieren mit KI Der Bestellagent liest Kundenbestellungen aus E-Mail, PDF, Scan oder Portal und legt sie ERP-ready an — auch bei Freitext-E-Mails, neuen Kunden oder unvollständigen Feldern. >80% Dunkelverarbeitung im Regelbetrieb -90% Manuelle Erfassung 100% ERP-ready Daten So funktioniert's ## So funktioniert der Bestellagent Der Bestellagent erkennt Bestellungen aus E-Mails, PDFs und Excel-Dateien automatisch, extrahiert Artikeldaten, gleicht sie mit Stammdaten ab und legt Aufträge direkt im ERP an — ohne manuelles Abtippen. [Kostenlose Demo](../contact/) Vom Standard zur Realität ## Die meisten Tools automatisieren den Standardfall. Bestellungen kommen aber selten nach Schema F — und genau dort scheitern template-basierte Lösungen. Der Bestellagent ist für die Ausnahmen gebaut. Die ideale Kundenbestellung ### Strukturiert, vollständig, *eindeutig*. - Bestellung als strukturiertes Formular oder Portal-Export - Artikelnummern statt Bezeichnungen, eindeutig zuordenbar - Alle Pflichtfelder ausgefüllt: Kunde, Menge, Einheit, Liefertermin - Preise und Konditionen passen zu den Stammdaten - Direkte Auftragsanlage im ERP, ohne Nachfrage vs. Was tatsächlich eingeht ### Gemischte Kanäle, *Freitext, fehlende Felder*. - Bestellungen per E-Mail, PDF, Scan, Fax oder Portal — jede Quelle sieht anders aus - Freitext-E-Mails ohne festes Schema, handschriftliche Ergänzungen - Neue Kunden ohne hinterlegtes Template, geänderte Formate - Fehlende Pflichtfelder: Kundennummer, Liefertermin oder Artikelnummer - Abweichende Preise, Konditionen oder Mindestbestellmengen Template-basierte OCR scheitert bei diesen Fällen. Der Bestellagent verarbeitet sie automatisch weiter — oder reicht sie gezielt ans Team. Benefits ## Vorteile der automatisierten Auftragsverarbeitung Bestellungen aus E-Mails, PDFs und Excel-Dateien werden automatisch erkannt, extrahiert und als ERP-ready Aufträge angelegt. Artikel-Matching, Preisprüfung und Lagervalidierung sorgen für fehlerfreie Auftragsanlage. 01 ### Template-freie Auftragserkennung Intelligent Document Processing für die automatische Erkennung, Klassifizierung und Extraktion von Kundenbestellungen – ohne Templates und ohne manuelle Vorab-Konfiguration. 02 ### Multichannel-Bestelleingang Verarbeitet Bestellungen aus E-Mails, PDFs, Scans, Portalen sowie strukturierten und unstrukturierten Formaten – unabhängig von Layout oder Quelle. 03 ### Validierung & Business-Logik Automatische Prüfung von Artikeln, Mengen, Preisen, Lieferterminen und Pflichtfeldern – inklusive kundenspezifischer Konditionen und Regeln. 04 ### ERP-Integration & strukturierte Übergabe Übergibt geprüfte, strukturierte Auftragsdaten ERP-ready an bestehende Systeme – inklusive Business-Kontext und Prozesslogik. 05 ### Human-in-the-Loop bei Abweichungen Benutzer greifen nur bei unvollständigen oder fehlerhaften Bestellungen ein. Korrekturen fliessen direkt in den laufenden Prozess zurück. 06 ### Transparenz & Durchlaufzeiten Zentrales Dashboard für eingegangene Bestellungen, Klärfälle, Automatisierungsquote und Durchlaufzeiten – für Fachabteilungen und Management. Für wen ## Spürbar für jede Rolle rund um den Auftragseingang Derselbe Agent, drei Perspektiven. Weniger Tipparbeit im Innendienst, höhere Datenqualität in Operations, mehr Skalierbarkeit fürs Unternehmen. 01 ### Für den Vertriebsinnendienst Keine Bestellungen mehr Zeile für Zeile ins ERP tippen. Der Agent erkennt Artikel, Mengen und Lieferadressen — Mitarbeitende kümmern sich nur um Klärfälle, nicht um Routine. 02 ### Für Operations & Supply Chain Saubere Auftragsdaten von Anfang an: Artikel, Mengen, Liefertermine validiert gegen Stammdaten. Weniger Rückfragen an Kunden, belastbare Plandaten für Lager und Disposition. 03 ### Fürs Unternehmen Bestellvolumen kann wachsen, ohne dass das Team mitwachsen muss. Neue Kunden onboarden schneller, die Durchlaufzeit von Bestelleingang bis Auftragsanlage sinkt spürbar. Use Cases ## Der Bestellagent in der Praxis Entdecken Sie, wie Unternehmen aus verschiedenen Branchen den Bestellagenten erfolgreich einsetzen. [Produktionsunternehmen ### Bestellautomatisierung in der Verpackungsindustrie Unstrukturierte Bestellungen per E-Mail automatisiert verarbeiten — trotz kundenspezifischer Formate und ohne EDI-Standardisierung. **-75%** Erfassung **-60%** Durchlauf](../use-cases/verpackungsindustrie/) [Gesundheitswesen ### Bestellautomatisierung im Healthcare-Umfeld Heterogene Bestellformate aus Spitälern und Kliniken automatisiert verarbeiten — mit kundenspezifischen Business Rules und SAP-Übergabe. **-80%** Erfassung **-65%** Durchlauf](../use-cases/gesundheitswesen/) Über Dokumentas ## Gebaut von Experten für echte Prozesse Dokumentas stammt von der ESGroup, einem unabhängigen Softwareunternehmen mit Standorten in der Schweiz und Polen. 01 ### 20+ Jahre Erfahrung Seit über zwei Jahrzehnten spezialisiert auf Softwareentwicklung und Prozessautomatisierung. 02 ### Modulare Plattform Standardmodule, die sich individuell anpassen lassen. Schnell, stabil, zukunftssicher. 03 ### Schweiz & Polen Unabhängiges Softwareunternehmen mit Standorten in der Schweiz und Polen — nah am Kunden, global vernetzt. [Mehr über uns](../about/) Unser Ansatz ## In 5 Schritten zur erfolgreichen Bestellautomatisierung 01 Analyse ### Ausgangslage verstehen Automatisierungspotenzial erkennen und aktuelle Prozesse gemeinsam evaluieren. 02 Use-Case ### Start-Use-Case definieren Klaren Fokus setzen — welcher Prozess bringt den schnellsten ROI? 03 Demo ### Live-Demo mit Ihren Bestellungen Keine generischen Slides — wir verarbeiten Ihre echten Bestellungen live. 04 Prozess ### End-to-End durchleuchten Vom Bestelleingang über Validierung bis zur Auftragsanlage im ERP — jeden Schritt optimieren. 05 Roadmap ### Roadmap & Exit-Optionen Transparenter Plan mit Meilensteinen, Zeitrahmen und flexiblen Ausstiegsmöglichkeiten. [Kostenlose Demo anfordern](../contact/) Compare ## Warum Dokumentas für Auftragsverarbeitung? Schluss mit manueller Auftragserfassung, Medienbrüchen und starren Template-Systemen. Dokumentas.ai automatisiert Ihren Auftragseingang intelligent, flexibel und skalierbar. Traditionelle Lösungen - Manuelle Auftragserfassung aus E-Mails und PDFs - Starre Templates je Kunde oder Format - Hoher Abstimmungsaufwand bei unvollständigen Bestellungen - Medienbrüche zwischen Vertrieb, Backoffice und ERP — Integration ohne Validierung - Kaum Skalierbarkeit bei steigendem Bestellvolumen Bestellagent von Dokumentas.ai - Template-freie Erkennung eingehender Kundenbestellungen - Automatische Validierung von Artikeln, Mengen, Preisen und Lieferterminen - Strukturierte, ERP-ready Auftragsdaten mit Business-Kontext - Human-in-the-Loop nur bei echten Klärfällen - Kontinuierliches Lernen aus Korrekturen und neuen Formaten FAQ ## Häufig gestellte Fragen Alles was Sie über den Bestellagenten und die automatisierte Auftragsverarbeitung wissen müssen. Der Bestellagent von Dokumentas nutzt Intelligent Document Processing (IDP), um eingehende Kundenbestellungen automatisch zu erkennen und zu verarbeiten – unabhängig von Layout, Format oder Absender. Statt für jeden Kunden ein eigenes Template anzulegen, lernt die KI selbstständig, relevante Daten wie Artikelnummern, Mengen, Preise und Lieferadressen zu extrahieren. Neue Kunden oder geänderte Bestellformate erfordern keine manuelle Konfiguration. Der Bestellagent extrahiert alle auftragsrelevanten Felder: Artikelnummern, Bezeichnungen, Mengen, Einheiten, Preise, Liefertermine, Kundennummern und Lieferadressen. Anschliessend werden diese Daten automatisch gegen kundenspezifische Business-Logik geprüft – etwa Pflichtfelder, Preiskonditionen, Mindestbestellmengen oder Lieferzeitvorgaben. Nur bei Abweichungen wird ein Klärfall erzeugt. Bestellungen, die nicht vollständig validiert werden können, landen automatisch in einer Prüfoberfläche. Dort sehen Mitarbeitende auf einen Blick, welche Felder fehlen oder von der Norm abweichen, und können die Daten mit wenigen Klicks ergänzen oder korrigieren. Jede Korrektur fliesst als Feedback zurück in die KI, sodass ähnliche Fälle beim nächsten Mal automatisch korrekt verarbeitet werden. Die Implementierung folgt einem strukturierten Prozess: Gemeinsam definieren wir einen Start-Use-Case, führen eine Live-Demo mit Ihren realen Bestellungen durch und starten einen Proof of Concept. Vom Kick-off bis zum produktiven Einsatz vergehen in der Regel wenige Wochen. Da der Bestellagent template-frei arbeitet, entfällt die aufwändige Einrichtung von Dokumentvorlagen. Der Bestellagent verarbeitet Kundenbestellungen aus allen gängigen Kanälen: E-Mail (mit und ohne Anhang), PDF, Scan, Fax sowie Portal-Exporte. Dabei spielt es keine Rolle, ob die Bestellung als strukturiertes Formular, als Freitext-E-Mail oder als gescanntes Dokument eingeht. Die KI erkennt und extrahiert die relevanten Daten formatunabhängig und übergibt sie strukturiert ans ERP. Im Regelbetrieb erreicht der Bestellagent eine Dunkelverarbeitungsrate von über 70 % – das bedeutet, mehr als 7 von 10 Bestellungen durchlaufen den gesamten Prozess vollautomatisch, ohne manuellen Eingriff. Die manuelle Erfassung reduziert sich dadurch um bis zu 80 %. Mit zunehmendem Datenvolumen und kontinuierlichem Lernen aus Korrekturen steigt die Automatisierungsquote weiter an. Bereit? ## Starten Sie mit einer kostenlosen Live-Demo. Wir zeigen Ihnen anhand Ihrer echten Bestellungen, wie der Bestellagent Ihre Auftragsverarbeitung automatisiert — unverbindlich und in wenigen Minuten. [Kostenlose Demo anfordern](../contact/) # P2P-Agent – Procure-to-Pay automatisieren mit KI | Dokumentas Source: https://www.dokumentas.ai/p2p-automatisierung/ > Automatisieren Sie Bestellungen, Lieferscheine und Rechnungen aus E-Mails direkt ins ERP. Über 85% Dunkelverarbeitung über den gesamten P2P-Zyklus. # Procure-to-Pay automatisieren mit KI Der P2P-Agent verbindet Bestellung, Auftragsbestätigung, Lieferschein und Rechnung zu einem durchgängigen Prozess — auch bei Teillieferungen, Preisabweichungen oder Dokumenten aus verschiedenen Kanälen. >85% Dunkelverarbeitung über den gesamten P2P-Zyklus -80% Prozesskosten 100% ERP-ready Daten So funktioniert's ## So funktioniert der P2P-Agent Der P2P-Agent orchestriert den gesamten Procure-to-Pay-Zyklus: Von der Bestellerfassung über den Lieferscheinabgleich bis zur Rechnungsverbuchung — alles automatisch und durchgängig validiert. [Kostenlose Demo](../contact/) Vom Standard zur Realität ## Die meisten P2P-Tools funktionieren — bis die Dokumente nicht zusammenpassen. Bestellung, Auftragsbestätigung, Lieferschein und Rechnung stimmen im Idealfall überein. In der Praxis tun sie es selten. Der P2P-Agent ist für genau diese Fälle gebaut. Der ideale P2P-Zyklus ### Vier Dokumente, *ein konsistenter* Ablauf. - Bestellung geht raus, Auftragsbestätigung kommt 1:1 zurück - Lieferschein passt exakt zu Bestellung und Liefertermin - Rechnung referenziert sauber die Bestellung, Preise stimmen - 3-Wege-Match läuft automatisch durch - Direkte Übergabe ans ERP, ohne Klärfall vs. Was tatsächlich passiert ### Asynchron, *fragmentiert, mit Abweichungen*. - Dokumente kommen asynchron und aus verschiedenen Kanälen (PDF, E-Mail, Scan, Portal) - Auftragsbestätigung weicht von der Bestellung ab: andere Menge, Termin, Preis - Teillieferungen und Splits über mehrere Lieferscheine hinweg - Eine Rechnung für mehrere Bestellungen — oder mehrere Rechnungen pro Bestellung - Zusätzlich Gutschriften, Mahnungen und Non-PO-Rechnungen im gleichen Fluss Klassische 3-Wege-Matching-Tools scheitern hier. Der P2P-Agent löst Abweichungen innerhalb Toleranz automatisch auf — und reicht nur echte Unstimmigkeiten ans Team. Benefits ## Vorteile der durchgängigen P2P-Automatisierung Der P2P-Agent verbindet Bestellungen, Lieferscheine und Rechnungen zu einem durchgängig automatisierten Prozess. 3-Wege-Abgleich, Business-Logik und ERP-Integration sorgen für maximale Dunkelverarbeitung. 01 ### End-to-End-Prozessabdeckung Bestellungen, Auftragsbestätigungen, Lieferscheine und Rechnungen in einem durchgängigen Prozess – keine fragmentierten Insellösungen. 02 ### Template-freie Dokumentenverarbeitung KI-basierte Extraktion aller P2P-Dokumente ohne manuelle Konfiguration – lernt automatisch neue Lieferanten und Formate. 03 ### Intelligentes Cross-Document-Matching Automatischer Abgleich über den gesamten Prozess: Bestellung ↔ Auftragsbestätigung ↔ Lieferschein ↔ Rechnung mit intelligenter Abweichungserkennung. 04 ### Exception-Based Processing Happy Cases laufen vollautomatisch durch, nur relevante Abweichungen werden gezielt an Fachpersonen übergeben – maximale Effizienz und Kontrolle. 05 ### Integrierte Accounting-Logik Kostenstellen, Kontierung, Steuerlogiken und Non-PO-Verarbeitung direkt im Prozess – buchungsfertige Daten für Ihr ERP-System. 06 ### Prozessübergreifende Transparenz Dashboard mit Echtzeit-Überblick über Dokumentvolumen, Automatisierungsquoten, Durchlaufzeiten und offene Freigaben über alle P2P-Schritte. Für wen ## P2P berührt drei Bereiche — der Agent entlastet alle drei Einkauf, Finance und Operations arbeiten mit denselben Dokumenten. Der P2P-Agent sorgt dafür, dass alle drei dieselbe, konsistente Sicht haben. 01 ### Für Einkauf & Procurement Bestellvorgänge bleiben nachvollziehbar vom Ausgang bis zur Rechnung. Abweichungen zwischen Bestellung, AB und Lieferschein werden sichtbar, bevor sie im Monatsabschluss auffallen. 02 ### Für Buchhaltung & Finance Rechnungen treffen mit validierten Referenzen ein, Kontierung und Steuerlogik sind bereits zugeordnet. Weniger Klärfälle in der Kreditorenbuchhaltung, planbarere Durchlaufzeiten bis zur Zahlung. 03 ### Fürs Unternehmen Der gesamte Beschaffungszyklus wird messbar: Dokumentvolumen, Automatisierungsquoten, offene Freigaben über alle Schritte. Skalierbar über Standorte und Tochtergesellschaften — mit konsistentem Audit-Trail. Use Cases ## Der P2P-Agent in der Praxis Entdecken Sie, wie Unternehmen den gesamten Procure-to-Pay-Prozess mit dem P2P-Agenten automatisieren. [Procure-to-Pay ### End-to-End P2P mit touchless SAP-Buchung Vom Dokumenteneingang über LLM-gestütztes Matching bis zur automatisierten MIGO/MIRO-Buchung in SAP — berührungslos und skalierbar. **90%** Touchless **-70%** Buchungsarbeit](../use-cases/procure-to-pay/) [Logistik ### Eingangsrechnungs-Automatisierung mit 3-Way-Matching Eingangsrechnungen automatisiert prüfen, mit Bestellung und Lieferschein abgleichen und zur Freigabe bringen — mit Netsuite-Integration. **-70%** Prüfaufwand **95%** Matching](../use-cases/logistik-p2p/) Über Dokumentas ## Gebaut von Experten für echte Prozesse Dokumentas stammt von der ESGroup, einem unabhängigen Softwareunternehmen mit Standorten in der Schweiz und Polen. 01 ### 20+ Jahre Erfahrung Seit über zwei Jahrzehnten spezialisiert auf Softwareentwicklung und Prozessautomatisierung. 02 ### Modulare Plattform Standardmodule, die sich individuell anpassen lassen. Schnell, stabil, zukunftssicher. 03 ### Schweiz & Polen Unabhängiges Softwareunternehmen mit Standorten in der Schweiz und Polen — nah am Kunden, global vernetzt. [Mehr über uns](../about/) Unser Ansatz ## In 5 Schritten zur erfolgreichen Bestellautomatisierung 01 Analyse ### Ausgangslage verstehen Automatisierungspotenzial erkennen und aktuelle Prozesse gemeinsam evaluieren. 02 Use-Case ### Start-Use-Case definieren Klaren Fokus setzen — welcher Prozess bringt den schnellsten ROI? 03 Demo ### Live-Demo mit Ihren Bestellungen Keine generischen Slides — wir verarbeiten Ihre echten Bestellungen live. 04 Prozess ### End-to-End durchleuchten Vom Bestelleingang über Validierung bis zur Auftragsanlage im ERP — jeden Schritt optimieren. 05 Roadmap ### Roadmap & Exit-Optionen Transparenter Plan mit Meilensteinen, Zeitrahmen und flexiblen Ausstiegsmöglichkeiten. [Kostenlose Demo anfordern](../contact/) Compare ## Warum Dokumentas für P2P Automatisierung? Schluss mit fragmentierten Tools und manuellen Prozessbrüchen. Dokumentas automatisiert P2P end-to-end – intelligent und skalierbar. Traditionelle Lösungen - Template-basierte Extraktion (manuelles Setup pro Lieferant) - Separate Tools für jeden Prozessschritt (Bestellung, Lieferschein, Rechnung) - Hoher manueller Aufwand bei Abweichungen - Keine durchgängige Prozess-Transparenz - Aufwendige Skalierung bei steigendem Volumen Dokumentas.ai - Template-freie KI-Extraktion (automatisch für neue Lieferanten) - End-to-End-Plattform für den gesamten P2P-Prozess - Exception-Based Processing – nur Ausnahmen manuell - Dashboard mit Echtzeit-Metriken über alle Prozessschritte - Skaliert ohne zusätzlichen Headcount FAQ ## Häufig gestellte Fragen Alles was Sie über den P2P-Agenten und die automatisierte Procure-to-Pay-Verarbeitung wissen müssen. Procure-to-Pay (P2P) beschreibt den gesamten dokumentbasierten Einkaufsprozess – von der Bestellung über die Auftragsbestätigung und den Wareneingang bis zur Rechnungsverbuchung. Dokumentas automatisiert diesen Prozess end-to-end: Alle Dokumente werden automatisch empfangen, extrahiert, prozessübergreifend abgeglichen und buchungsfertig ins ERP übergeben. Statt fragmentierter Einzellösungen erhalten Sie eine durchgängige Plattform für den gesamten Zyklus. Der P2P-Agent von Dokumentas verknüpft alle Dokumente eines Beschaffungsvorgangs automatisch miteinander: Bestellung ↔ Auftragsbestätigung ↔ Lieferschein ↔ Rechnung. Dabei werden Positionen, Mengen, Preise und Konditionen über alle Dokumenttypen hinweg abgeglichen. Abweichungen wie Teillieferungen, Preisdifferenzen oder Mengenänderungen werden erkannt und innerhalb definierter Toleranzen automatisch aufgelöst. Nur echte Unstimmigkeiten erzeugen einen Klärfall. Nein. Die meisten Kunden starten mit einem einzelnen Prozessschritt – zum Beispiel der Rechnungsverarbeitung oder dem Bestelleingang – und erweitern schrittweise. Der modulare Aufbau von Dokumentas ermöglicht es, jeden Prozessschritt einzeln zu automatisieren und später zum vollständigen P2P-Zyklus zu verbinden. So erzielen Sie schnell erste Ergebnisse und können den ROI pro Schritt nachweisen, bevor Sie skalieren. Die Implementierung folgt einem strukturierten Prozess: Gemeinsam definieren wir den Start-Use-Case, führen eine Live-Demo mit Ihren realen Dokumenten durch und starten einen Proof of Concept. Vom Kick-off bis zur Produktivsetzung des ersten Prozessschritts vergehen typischerweise 4 bis 6 Wochen. Die Erweiterung auf weitere P2P-Schritte erfolgt inkrementell und mit deutlich reduziertem Aufwand. Der P2P-Agent verarbeitet alle gängigen Dokumenttypen im Beschaffungszyklus: Bestellungen, Auftragsbestätigungen, Lieferscheine, Rechnungen, Gutschriften und Mahnungen. Die template-freie KI-Erkennung funktioniert unabhängig von Format, Layout oder Lieferant – ob PDF, E-Mail, Scan oder Portal-Export. Neue Dokumenttypen oder Lieferanten erfordern keine manuelle Vorab-Konfiguration. Abweichungen werden vom P2P-Agenten automatisch erkannt und klassifiziert. Liegt die Abweichung innerhalb definierter Toleranzen – etwa bei geringfügigen Preisdifferenzen oder Teillieferungen – wird sie automatisch aufgelöst. Bei echten Unstimmigkeiten wird ein gezielter Klärfall erzeugt und der zuständigen Fachperson zugewiesen. Alle Korrekturen fliessen als Feedback in die KI zurück, sodass die Automatisierungsquote kontinuierlich steigt. Bereit? ## Starten Sie mit einer kostenlosen Live-Demo. Wir zeigen Ihnen anhand Ihrer echten Dokumente, wie der P2P-Agent Ihren Procure-to-Pay-Prozess automatisiert — unverbindlich und in wenigen Minuten. [Kostenlose Demo anfordern](../contact/) --- ## Teil 2: Use Cases # Use Case Verpackungsindustrie: KI-Dokumentenautomatisierung für Converter | dokumentas Source: https://www.dokumentas.ai/use-cases/verpackungsindustrie/ > Rohstoff-Rechnungen und Kundenbestellungen in der Verpackungsindustrie automatisiert verarbeiten — mit Indexpreis-Klauseln, Artwork-Rev, Palettierung, CoA und REACH. E-Rechnung 2027 und PPWR-ready. Verpackungsindustrie # Rohstoff-Rechnungen und Kundenbestellungen automatisch ins ERP — mit Verpackungs-Feldern, die stimmen. Dokumentas erfasst Indexpreis-Klauseln, Material-Lot, Artwork-Rev, Palettierung und SSCC automatisch aus Rohstoff-Rechnungen und Kundenbestellungen. Auch wenn Indexpreise zwischen Kontrakt und Monatsindex abweichen, Artwork-Revisionen kundenspezifisch freigegeben werden oder Palettierung gegen GS1-Regeln geprüft werden muss — Rechnungs- und Bestellagent kennen die Verpackungs-Spezifika und übergeben strukturiert an SAP, Infor, proALPHA und Theurer. [Neu · Marktstudie 2026 ### 80% der Bestellungen werden noch von Hand getippt. Tiefeninterviews entlang der DACH-Verpackungsbranche — fünf Muster, vier Use Cases, Aufwandszahlen und ein Pharma Deep Dive. Studie ansehen](../../marktstudie-verpackungsindustrie/) Herausforderung ## Warum Standard-IDP in der Verpackungsindustrie an Grenzen stösst Verpackungs-Dokumente tragen Felder, die generische OCR nicht kennt — Artwork-Revisionen, SSCC-Palettierung, Indexpreis-Klauseln, REACH-Zertifikate. Dazu kommen heterogene Kundenformate, EDI-Abdeckung nur bei 20% und die E-Rechnungspflicht ab 2027. 01 ### Artwork-Rev & Palettierung im Kundenauftrag 500–3’000 Bestellungen/Tag kommen per EDI (~30%), E-Mail, Portal oder PDF. Artwork-Version manuell abgleichen, Palettierung gegen Kundenregeln prüfen — jeder Fehler kostet Makulatur an der Druckmaschine (€10–50k pro Auflage). 02 ### Indexpreis-Leckage bei Rohstoff-Rechnungen Kunststoff-, Papier- und Energie-Rechnungen enthalten monatlich angepasste Indexpreis-Klauseln (Resin, Zellstoff, Öl-Index). Manuelle Validierung lässt 1–2% des Material-Einkaufs ungeprüft — bei €100M Spend sind das bis €3M/Jahr. 03 ### E-Rechnung 2027 + PPWR-Reporting Ab 2025 Empfangspflicht, ab 2027 Sendepflicht strukturierter Rechnungen in DE. Gleichzeitig verlangt die EU-PPWR (Verordnung 2025/40) Verpackungs-Reporting mit Material-Lot-Tracing — manuell kaum zu bewältigen. So läuft's ab ## Typischer Verpackungs-Workflow Von der Rohstoff-Rechnung oder Kundenbestellung bis zur ERP- und MIS-Buchung — mit den Verpackungs-Feldern, die tatsächlich geprüft werden müssen, und den Ausnahmen, die täglich vorkommen. Step 1 06:12 Rohstoff-Rechnung Papierwerk Muster GmbH Rechnung Rech.-Nr.INV-2024-8821 Datum18.03.2026 Material-LotWEL-2024-0318 IndexMärz 742/t ### Dokument trifft ein PDF, EDIFACT, ZUGFeRD, XRechnung oder Portal-Download — egal welches Layout, welcher Lieferant, welche Sprache. Step 2 manuell Indexpreis-Klausel manuell validieren CoA per Material-Lot zuordnen Artwork-Rev gegen Freigabe prüfen Papierwerk Muster GmbH Rechnung ### Manuelle Prüfung Indexpreis-Klauseln im Kontrakt suchen, CoAs pro Material-Lot zuordnen, Artwork-Version an der Druckmaschine gegenprüfen — Team-Arbeit mit Rückfragen an den Supplier. Step 3 automatisch Material-Lot WEL-2024-0318 Indexpreis CHF 742/t CoA / REACH konform Artwork-Rev v3.2 freigegeben Abweichung in Toleranz SAP / Theurer ### dokumentas übernimmt KI extrahiert Verpackungs-Felder, prüft gegen Kontrakt, Monats-Indexpreis und Artwork-Library, bucht direkt ins ERP und MIS — Ausnahmen nur dann an euch, wenn Urteil wirklich nötig ist. Lösung ## So deckt Dokumentas die Verpackungs-Dokumentenprozesse ab Rechnungsagent und Bestellagent kennen die Felder, die in der Verpackungsindustrie zählen — eine IDP-Schicht über SAP, Infor LN, proALPHA sowie Packaging-MIS Theurer (TBW, C3), HiFlow, EFI Radius/Pace und Esko Artwork. Go-live in 6 Wochen, auch während einer S/4-Migration. Rechnungsagent ### Rohstoff-Rechnungen mit Indexpreis und CoA geprüft Material-Lot, Indexpreis-Klausel (Resin, Zellstoff, Energie), CoA-Link, REACH-Zertifikat und Brutto-/Nettogewicht werden pro Rechnungsposition extrahiert und gegen Kontrakt und Einkaufskonditionen validiert. - Indexpreis-Klauseln pro Zeile gegen Monatsindex validiert - CoA und REACH-Zertifikat pro Material-Lot verknüpft - ZUGFeRD, XRechnung und EDIFACT parsing-nativ verarbeitet Rohstoff-Rechnung INV-2024-8821 Wellpappe E-Welle 1.5 mm 12.50 t CHF 9’275.00 automatisch extrahiert Material-Lot WEL-2024-0318 Indexpreis CHF 742/t CoA / REACH konform Format 1200 x 800 Bestellagent ### Kundenbestellungen ohne EDI — inklusive Artwork-Check Brand-Owner und Retailer bestellen per EDI (nur 20%), E-Mail, Portal oder PDF. Der Bestellagent validiert Artwork-Rev, Palettierung, SSCC und kundenspezifische Label-Regeln — und legt die Bestellung ERP- und MIS-ready an. - Multi-Channel-Eingang ohne separate Integration - Artwork-Version pro Artikel gegen Library abgeglichen - Palettierung, SSCC und GS1-Label-Regeln kundenspezifisch EDIFACT E-Mail Kundenportal PDF-Bestellung KI-Bestellagent ERP + MIS Bestellung #PO-4521 Artwork-Rev SSCC Palettierung Call-off ### PPWR, GoBD & DPP-Ready EU-Verpackungsverordnung (PPWR 2025/40), GoBD-Archivierung und Digital Product Passport — alle Belege pro Material-Lot und Auftrag rückverfolgbar. Audit-Trail lückenlos, ohne manuelle Ablage. ### Eine IDP-Schicht über SAP, Infor, Theurer & Esko Connectoren für SAP S/4HANA & ECC, Infor LN/M3/CloudSuite, proALPHA, abas und Dynamics 365 — plus Packaging-MIS Theurer (TBW, C3), HiFlow, EFI Radius/Pace und Esko WebCenter/ArtiosCAD. EU-gehostet, SOC 2, DSGVO-konform. Resultate ## Messbare Ergebnisse in der Verpackungsindustrie Typische Zielwerte nach Einführung der Agenten bei Verpackungs-Konvertern (Wellpappe, Faltschachtel, Flexible Packaging, Labels) in DACH. -70% Manuelle Erfassung in Auftrags- und Kreditorenabteilung 1–2% Rohstoff-Einkauf durch Indexpreis-Validierung zurückgeholt 6–8 Wochen bis produktiv — parallel zur S/4- oder Infor-Migration FAQ ## Häufig gestellte Fragen Antworten rund um Dokumentenautomatisierung in der Verpackungsindustrie — Rohstoff-Rechnungen, Kundenbestellungen, Artwork und ERP/MIS-Integration. Der Bestellagent gleicht Artwork-Rev und Palettierungs-Spec bei jeder eingehenden Bestellung gegen Ihre Artwork-Library (Esko WebCenter, ArtiosCAD) und Ihre kundenspezifischen Regeln (SSCC-Serienlogik, GS1-Labels) ab. Abweichungen werden vor der Weitergabe an die Druck-Planung markiert — Makulatur durch falsche Version entfällt. Für jede Rechnungsposition wird die Indexpreis-Klausel aus dem Kontrakt gelesen (Resin-Index, Zellstoff, Energie) und gegen den Monatsindex validiert. Abweichungen oberhalb der Toleranz werden zur Prüfung markiert. Typische Erkenntnis in Converter-Projekten: 1–2% des Material-Einkaufs wurden bisher nicht exakt verrechnet. Ja — im Gegenteil: die Plattform wird häufig während einer Migration eingeführt, weil sie als IDP-Brücke zwischen Legacy- und Ziel-ERP fungiert. Belege fliessen in beide Systeme, das Projekt de-risked die Migration und liefert gleichzeitig eine produktive AI-Nutzung fürs Board. Theurer-aware Integration für TBW und C3, HiFlow, EFI Radius/Pace, PrintSmith und Hybrid Software CloudFlow. ERP-seitig SAP S/4HANA & ECC, Infor LN/M3/CloudSuite Industrial, proALPHA, abas und Microsoft Dynamics 365 — nativ über BAPI/IDoc, REST und Flat-File. Kein Custom-ABAP, kein SAP-VIM-Lock-in. Go-live in 6 Wochen, auch während einer S/4-Migration. Ja. Die EU-PPWR (Verordnung 2025/40) verlangt Verpackungs-Reporting inkl. Material-Lot-Rückverfolgung — Belege werden pro Lot archiviert und an Ihr PPWR-Reporting-Tool übergeben. Für E-Rechnung sind ZUGFeRD und XRechnung parsing-nativ abgedeckt (Empfangspflicht seit 2025, Sendepflicht ab 2027, ergänzend ebInterface für AT und eCH für CH). Typisch 6–8 Wochen bis produktiv, inklusive zwei Wochen Parallel-Lauf. Bei Einführung parallel zur ERP- oder MIS-Migration verlängert sich nichts — im Gegenteil, die Plattform entlastet das Migrations-Projekt, weil Belege während der Umstellung weiterhin sauber ins System fliessen. Bereit? ## Dokumentenprozesse in der Verpackungsindustrie automatisieren. Wir zeigen Ihnen anhand Ihrer echten Rohstoff-Rechnungen oder Kundenbestellungen, wie Rechnungs- und Bestellagent arbeiten — unverbindlich und in wenigen Minuten. [Kostenlose Demo anfordern](../../contact/) # Input Management & Mailroom-Automatisierung in der Versicherungsbranche | Dokumentas Source: https://www.dokumentas.ai/use-cases/versicherung/ > Tägliche Eingangspost automatisiert verarbeiten — kanalübergreifend, mit hoher Dunkelverarbeitungsquote und nahtloser Integration eines Scanning-Centers. Versicherungsbranche # Input Management & Mailroom-Automatisierung in der Versicherungsbranche Tägliche Eingangspost automatisiert verarbeiten — kanalübergreifend, mit hoher Dunkelverarbeitungsquote und nahtloser Integration eines Scanning-Centers. Herausforderung ## Warum Versicherer beim Input Management an Grenzen stossen Manuelle Sortierung, heterogene Dokumenttypen und fehlende Systemintegration mit Scanning-Centern bremsen die Postverarbeitung. 01 ### Manuelle Sortierung und Klassifikation Rund 150 verschiedene Dokumenttypen müssen täglich manuell erkannt, zugeordnet und an die richtige Fachabteilung weitergeleitet werden. 02 ### Hohe Bearbeitungszeiten und Medienbrüche Physische Post, E-Mails und Portaluploads laufen über getrennte Kanäle. Jeder Kanal erfordert eigene Workflows, was die Durchlaufzeit massiv erhöht. 03 ### Geringe Dunkelverarbeitungsquote Nur rund 30 % der eingehenden Dokumente werden automatisch verarbeitet. Der Rest erfordert manuelles Eingreifen — trotz externer Scanning-Dienstleister. Lösung ## KI-gestützte Mailroom-Plattform von Dokumentas Eingehende Post wird automatisch getrennt, klassifiziert, extrahiert und an die zuständigen Fachanwendungen geroutet — kanalübergreifend und End-to-End. ### Automatische Dokumententrennung und Klassifikation KI erkennt und trennt mehrseitige Postsendungen automatisch und ordnet sie einem von rund 150 Dokumenttypen zu. ### Extraktion und Stammdaten-Anreicherung Relevante Datenpunkte werden extrahiert und automatisch mit Vertrags- und Kundenstammdaten angereichert. ### Automatische Dossierbildung Dokumente werden automatisch dem richtigen Versicherungsdossier zugeordnet — für lückenlose Aktenführung ohne manuellen Aufwand. ### Routing in Fachanwendungen Klassifizierte und angereicherte Dokumente werden automatisch an die zuständigen Systeme und Teams weitergeleitet. Resultate ## Messbare Ergebnisse in der Versicherungsbranche Typische Ergebnisse nach Einführung der Mailroom-Automatisierung bei einem Versicherungsunternehmen. ~80% Dunkelverarbeitung -60% Bearbeitungszeit ~2 FTE Direkte Einsparung FAQ ## Häufig gestellte Fragen Antworten rund um die Mailroom-Automatisierung in der Versicherungsbranche. Die Plattform klassifiziert über 150 verschiedene Dokumenttypen — von Schadensmeldungen und Arztzeugnissen über Policen-Änderungen bis zu Rechnungen und Korrespondenz. Neue Typen können laufend hinzugefügt werden. Dokumentas integriert sich nahtlos in bestehende Scanning-Center-Workflows. Gescannte Dokumente werden direkt übernommen, klassifiziert und weiterverarbeitet — ohne Wechsel des Dienstleisters oder Unterbruch im laufenden Betrieb. Alle relevanten Kanäle: physische Post (via Scanning-Center), E-Mail mit Anhängen, Portal-Uploads und Fax. Die KI verarbeitet alle Kanäle einheitlich — mit identischer Klassifikation und Datenextraktion. In Phase 1 werden die häufigsten Dokumenttypen automatisiert — typischerweise innerhalb weniger Wochen. Die Dunkelverarbeitungsquote steigt mit zunehmendem Datenvolumen und kontinuierlichem Lernen aus Korrekturen weiter an. Extrahierte Datenpunkte wie Vertragsnummer, Schadennummer oder Kundennummer werden automatisch mit Stammdaten abgeglichen. Das Dokument wird dem passenden Dossier zugeordnet und in der Fachanwendung abgelegt — ohne manuelles Eingreifen. Bereit? ## Input Management in der Versicherung automatisieren. Wir zeigen Ihnen anhand Ihrer echten Eingangspost, wie Dokumentas Ihre Mailroom-Prozesse automatisiert — unverbindlich und in wenigen Minuten. [Kostenlose Demo anfordern](../../contact/) # Bestellautomatisierung im Gesundheitswesen | Dokumentas Source: https://www.dokumentas.ai/use-cases/gesundheitswesen/ > Hohe Mengen eingehender Bestellungen im Healthcare-Umfeld automatisiert verarbeiten — trotz kundenspezifischer Formate und komplexer Anforderungen. Use Case Gesundheitswesen. Gesundheitswesen # Bestellautomatisierung im Healthcare-Umfeld Hohe Mengen eingehender Bestellungen automatisiert verarbeiten — trotz kundenspezifischer Formate und komplexer Anforderungen im Krankenhaus- und Healthcare-Umfeld. Herausforderung ## Warum Healthcare-Unternehmen bei Bestellungen an Grenzen stossen Unstrukturierte Bestellformate, komplexe Artikel- und Variantenstrukturen und zeitkritische Versorgungsprozesse machen die manuelle Auftragserfassung zum Engpass — bei ca. 20'000 Bestellungen pro Jahr. 01 ### Heterogene Bestellformate Bestellungen im Healthcare-Bereich erfolgen häufig unstrukturiert und kundenindividuell — per PDF, Excel, Freitext-E-Mail oder eigenen Formularen. Jeder Kunde liefert in einem anderen Format. 02 ### Komplexe Artikelstrukturen Medizinprodukte, Verbrauchsmaterialien und pharmazeutische Artikel mit komplexen Varianten, Chargen und Einheiten erschweren die automatische Zuordnung und erhöhen die Fehleranfälligkeit. 03 ### Zeitkritische Versorgungsprozesse Im Krankenhaus- und Healthcare-Umfeld sind schnelle Lieferzeiten essenziell. Verzögerungen bei der Auftragserfassung gefährden die Versorgungssicherheit und bremsen Produktion und Logistik. Lösung ## So automatisiert Dokumentas den Bestellprozess im Healthcare KI-gestützte End-to-End-Automatisierung des Auftragseingangs — von der Extraktion über kundenspezifische Business Rules bis zur strukturierten SAP-Übergabe. ### Automatisches Auslesen aller Bestellungen Eingehende Bestellungen werden automatisch erkannt und extrahiert — unabhängig von Format, Layout oder Absender. ### Kundenspezifische Business Rules Individuelle Regeln auf Account-Ebene steuern die Verarbeitung — Preiskonditionen, Sortimentsvorgaben und kundenspezifische Validierungen. ### Stammdaten-Anreicherung & Validierung Bestelldaten werden automatisch mit referenzierten Stammdaten je Kunde angereichert und auf Plausibilität geprüft — Artikelnummern, Mengen, Preise. ### Direkte SAP-Übergabe Validierte Auftragsdaten werden direkt und strukturiert an SAP übergeben — für eine durchgängige Automatisierung des Order-to-Cash-Prozesses. Resultate ## Messbare Ergebnisse im Gesundheitswesen Typische Ergebnisse nach der Einführung des Bestellagenten bei Healthcare-Unternehmen. -80% Manuelle Datenerfassung -65% Durchlaufzeit Auftragsverarbeitung 20'000+ Bestellungen pro Jahr skalierbar FAQ ## Häufig gestellte Fragen Antworten rund um die Bestellautomatisierung im Gesundheitswesen. Der Bestellagent verarbeitet alle gängigen Formate: PDF-Bestellformulare, Excel-Listen, E-Mails mit Freitext sowie strukturierte Krankenhaus-Bestellsysteme. Kundenspezifische Layouts werden automatisch erkannt — ohne Templates oder manuelle Vorab-Konfiguration. Für jeden Account werden individuelle Verarbeitungsregeln hinterlegt — von Preiskonditionen über Sortimentsvorgaben bis hin zu spezifischen Validierungsregeln. So wird jede Bestellung gemäss den Vereinbarungen mit dem jeweiligen Kunden verarbeitet. Validierte Auftragsdaten werden über standardisierte Schnittstellen (API, IDOC, Flat-File) direkt und strukturiert an SAP übergeben. Die Integration erfolgt nahtlos in bestehende SAP-Landschaften — ohne Anpassungen am ERP-System selbst. Der Agent gleicht Bestellpositionen automatisch mit den Stammdaten ab — auch bei komplexen Varianten, unterschiedlichen Einheiten oder Kunden-Artikelnummern. Nicht zuordenbare Positionen werden als Klärfall markiert und können mit wenigen Klicks ergänzt werden. Vom Kick-off bis zum produktiven Einsatz vergehen in der Regel wenige Wochen. Der Agent lernt mit Ihren echten Bestellungen und steigert seine Automatisierungsquote kontinuierlich. Kundenspezifische Business Rules werden im Onboarding konfiguriert. Bereit? ## Bestellprozess im Healthcare-Umfeld automatisieren. Wir zeigen Ihnen anhand Ihrer echten Bestellungen, wie der Bestellagent Ihre Auftragsverarbeitung automatisiert — unverbindlich und in wenigen Minuten. [Kostenlose Demo anfordern](../../contact/) # P2P-Automatisierung mit Fokus auf Eingangsrechnungen | Dokumentas Source: https://www.dokumentas.ai/use-cases/logistik-p2p/ > Eingangsrechnungen automatisiert prüfen und mit Leistungs- und Lieferdaten abgleichen — inkl. positionsgenauem 3-Way-Matching und strukturierter ERP-Übergabe. Use Case Logistik P2P. Logistik & P2P # Automatisierung des Eingangsrechnungsprozesses Eingangsrechnungen automatisiert prüfen und mit Leistungs- und Lieferdaten abgleichen — inkl. positionsgenauem 3-Way-Matching und strukturierter ERP-Übergabe. Herausforderung ## Warum die manuelle Rechnungsprüfung zum Engpass wird Im Purchase-to-Pay-Prozess erfolgt die Rechnungsprüfung häufig manuell — insbesondere bei PDF-Rechnungen mit Begleitdokumenten wie Wiegescheinen. 01 ### Hoher manueller Prüfaufwand Mengen-, Preis- und Materialabgleich zwischen Rechnung, Bestellung und Lieferschein erfolgt manuell. Jede Position muss einzeln geprüft und im ERP abgeglichen werden. 02 ### Lange Durchlaufzeiten Vom Rechnungseingang bis zur Freigabe und Buchung vergehen oft Tage. Medienbrüche zwischen E-Mail, ERP und Fachbereich verlangsamen den gesamten Prozess. 03 ### Fehlende Transparenz Abweichungen und Klärfälle sind schwer nachvollziehbar. Ohne zentrales Dashboard fehlt der Überblick über offene Rechnungen, Blockaden und Freigabestatus. Lösung ## So automatisiert Dokumentas die Rechnungsprüfung KI-gestützte Extraktion, automatisches 3-Way-Matching und ein zentrales Freigabe-Dashboard — für eine durchgängige Automatisierung bis zur ERP-Übergabe. ### KI-gestützte Extraktion Automatische Extraktion aller relevanten Daten auf Header- und Positionsebene — aus PDF-Rechnungen, Wiegescheinen und Begleitdokumenten. ### Automatisches 3-Way-Matching Positionsgenauer Abgleich von Rechnung, Bestellung und Leistungsdaten aus dem ERP — mit automatischer Kategorisierung in Grün, Orange und Rot. ### Zentrales Freigabe-Dashboard Alle Rechnungen auf einen Blick — mit Status, Validierungslogik und gezielter Bearbeitung von Abweichungen. Standardfälle laufen automatisch durch. ### Automatisierte ERP-Übergabe Geprüfte und freigegebene Rechnungen werden direkt und strukturiert an Netsuite übergeben — für eine durchgängige Automatisierung des P2P-Prozesses. Resultate ## Messbare Ergebnisse im P2P-Prozess Typische Ergebnisse nach der Einführung der automatisierten Rechnungsprüfung in der Logistik. -70% Manueller Prüfaufwand -65% Durchlaufzeit bis Freigabe 95% Matching-Quote bei Standardfällen FAQ ## Häufig gestellte Fragen Antworten rund um die Automatisierung des Eingangsrechnungsprozesses in der Logistik. Beim 3-Way-Matching werden die Daten einer Eingangsrechnung positionsgenau mit der zugehörigen Bestellung und den Leistungs- bzw. Lieferdaten aus dem ERP abgeglichen — Mengen, Preise und Materialien werden automatisch geprüft. Grün bedeutet: alle Positionen matchen — die Rechnung kann automatisch freigegeben werden. Orange: leichte Abweichungen, die gezielt geprüft werden. Rot: signifikante Abweichungen oder fehlende Daten, die eine manuelle Klärung erfordern. Ja. Die KI-Extraktion erkennt und verarbeitet Begleitdokumente wie Wiegescheine, Lieferscheine und Leistungsnachweise. Die extrahierten Daten fliessen direkt in das 3-Way-Matching ein. Im beschriebenen Use Case erfolgt die Übergabe an Netsuite. Dokumentas integriert sich über standardisierte Schnittstellen (API, Flat-File) auch in SAP, Microsoft Dynamics und weitere ERP-Systeme. Abhängig vom Rechnungsvolumen und der bisherigen Prozessstruktur sind Entlastungen von 6–7 FTE im Rechnungseingang realistisch. Die 95 % Matching-Quote bei Standardfällen sorgt dafür, dass nur echte Ausnahmen manuell bearbeitet werden müssen. Bereit? ## Eingangsrechnungsprozess automatisieren. Wir zeigen Ihnen anhand Ihrer echten Rechnungen, wie das automatisierte 3-Way-Matching Ihren P2P-Prozess beschleunigt — unverbindlich und in wenigen Minuten. [Kostenlose Demo anfordern](../../contact/) # Use Case Food & Beverage: KI-Dokumentenautomatisierung | dokumentas Source: https://www.dokumentas.ai/use-cases/food-beverage/ > Eingangsrechnungen und Bestellungen in der Lebensmittelindustrie automatisiert verarbeiten — inklusive Chargen, MHD, variabler Gewichte und HACCP/QS-Zertifikate. E-Rechnungspflicht-ready. Food & Beverage # Rechnungen und Bestellungen automatisch ins ERP — mit F&B-Feldern, die stimmen. Dokumentas erfasst Chargennummern, MHD, Nettogewichte und VE/GE automatisch aus Eingangsrechnungen und Bestellungen. Auch wenn Chargennummern auf verschiedenen Seiten stehen, Gewichte um ein paar Gramm abweichen oder MHD pro Position manuell gesucht werden muss — Rechnungs- und Bestellagent kennen die F&B-Spezifika und übergeben strukturiert an SAP und gängige F&B-ERPs. Herausforderung ## Warum Standard-IDP in Food & Beverage an Grenzen stösst Lebensmittel-Dokumente tragen Felder, die generische OCR-Lösungen nicht kennen — variable Gewichte, Chargen, MHD, QS-Zertifikate. Dazu kommen Saisonpeaks, heterogene Lieferantenformate und die E-Rechnungspflicht ab 2027/28. 01 ### Variable Gewichte, Chargen, MHD Fleisch, Molkerei, Tiefkühl — Rohware kommt mit variablen Gewichten, Chargennummern und Mindesthaltbarkeits-Daten. Standard-OCR liest die Felder zwar aus, aber ordnet sie der Position nicht richtig zu. 02 ### Saisonpeaks ohne FTE-Aufbau Weihnachten, Spargel, Grillsaison — bei Gastro-Grosshandel und Frischdiensten verdoppelt sich das Bestellvolumen kurzfristig. Aushilfen einzuarbeiten kostet mehr, als die Saison am Ende einbringt. 03 ### E-Rechnungspflicht & IFS/BRC-Audits Ab 2027/28 müssen Rechnungen in DE strukturiert ausgetauscht werden. Gleichzeitig fordern IFS/BRC-Audits lückenlose Ablage von Chargen-Dokumenten und QS-Zertifikaten — manuell kaum mehr machbar. So läuft's ab ## Typischer F&B-Workflow Von der Eingangsrechnung bis zur ERP-Buchung — mit den F&B-Feldern, die tatsächlich geprüft werden müssen, und den Ausnahmen, die täglich vorkommen. Step 1 06:12 Eingangsrechnung Fleischwerke Müller GmbH Rechnung Rech.-Nr.R-2024-8821 Datum18.03.2026 ChargeL-2024-0318 KundeK-4421 ### Dokument trifft ein PDF, Bestellung, ZUGFeRD oder XRechnung — egal welches Layout, welcher Lieferant, welche Sprache. Step 2 manuell Chargennr. je Position suchen Gewicht 18.45 kg vs Soll 18 kg MHD manuell prüfen Fleischwerke Müller GmbH Rechnung ### Manuelle Prüfung Chargen-Nummern suchen, Gewichte abgleichen, MHD pro Position prüfen — Team-Arbeit mit Taschenrechner und Rückfragen. Step 3 automatisch Chargennr. L-2024-0318 MHD 12.07.2026 Nettogewicht 18.45 kg VE / GE 12 / 4 Abweichung in Toleranz ERP-Buchung ### dokumentas übernimmt KI extrahiert F&B-Felder, prüft gegen Bestellung und Master-Daten, bucht direkt ins ERP — Ausnahmen nur dann an euch, wenn Urteil wirklich nötig ist. Lösung ## So deckt Dokumentas die F&B-Dokumentenprozesse ab Rechnungsagent und Bestellagent kennen die Felder, die in der Lebensmittelindustrie zählen — und sind vorintegriert mit den ERPs, die in DACH tatsächlich laufen. Rechnungsagent ### F&B-Felder pro Position automatisch erfasst Chargennummer, MHD, Nettogewicht, VE/GE und Verpackungseinheit werden pro Rechnungszeile extrahiert und der korrekten Position zugeordnet — auch bei wechselnden Lieferantenlayouts und variablen Gewichten. - Chargen und MHD pro Position mit Master-Daten verknüpft - Brutto-/Nettogewicht-Abweichungen mit Toleranz-Check - ZUGFeRD und XRechnung parsing-nativ verarbeitet Eingangsrechnung R-2024-8821 Rindshackfleisch 10% 18.45 kg CHF 189.40 automatisch extrahiert Chargennr. L-2024-0318 MHD 12.07.2026 Nettogewicht 18.45 kg VE / GE 12 / 4 Bestellagent ### Gastro-Long-Tail ohne EDI ans ERP angebunden Gastronomen und Frischdienst-Kunden bestellen per PDF, Mail, Portal oder Fax — der Bestellagent legt sie ERP-ready an, mit kundenspezifischen Preislisten, Mindestbestellmengen und Wunschliefertermin. - Multi-Channel-Eingang ohne separate Integration - Kundenspezifische Artikel-Codes und Preislisten - 3× schnellere Auftragserfassung bei Saisonpeaks PDF-Bestellung E-Mail Kundenportal Fax KI-Bestellagent ERP-Ready Bestellung #B-4521 Kundenpreise Mindestmenge Liefertermin ERP-Kontierung ### HACCP, QS & Audit-Readiness HACCP-Begleitpapiere, IFS/BRC-Zertifikate und Veterinär-Dokumente werden pro Charge abgelegt und verknüpft — Audit-Trail lückenlos, ohne dass jemand manuell nachheftet. ### Bewährt mit SAP und gängigen F&B-ERPs Connectoren für SAP S/4HANA, SAP Business One sowie weitere in Food & Beverage etablierte ERPs. EU-gehostet, DSGVO-konform, E-Rechnungs-ready (ZUGFeRD, XRechnung). Resultate ## Messbare Ergebnisse in Food & Beverage Typische Zielwerte nach Einführung der Agenten bei Lebensmittelherstellern, Getränke-Produzenten und Gastro-Grosshandel. -70% Manuelle Erfassung in der Kreditorenbuchhaltung 3× schnellere Auftragserfassung bei Saisonpeaks >70% Straight-Through-Processing trotz heterogener Formate FAQ ## Häufig gestellte Fragen Antworten rund um Dokumentenautomatisierung in der Lebensmittelindustrie. Gewichts-Abweichungen zwischen Bestellung und Lieferung sind in Fleisch, Molkerei und Tiefkühl die Regel, nicht die Ausnahme. Der Rechnungsagent extrahiert Brutto-/Nettogewicht pro Position separat, ordnet sie der richtigen Rechnungszeile zu und meldet Abweichungen ausserhalb der Toleranzspanne an den zuständigen Prüfer. Ja. Chargennummer, Mindesthaltbarkeits-Datum, HACCP-Begleitpapiere sowie IFS/BRC-Zertifikate werden pro Lieferposition erfasst und mit der Charge im ERP verknüpft. Für Audits (IFS, BRC, Veterinäramt) lässt sich jede Charge samt Begleitdokumenten rückverfolgen — ohne manuelles Suchen. Ja. Private-Label-Produzenten und Lohnverarbeiter arbeiten mit rezeptur-bedingten Chargen, wechselnden Handelsmarken und heterogenen Spezifikationen. Das System lernt die Konventionen pro Auftraggeber und legt die Dokumente (Rezeptur, Spec, Charge) entsprechend ab. Wir decken die in Food & Beverage etablierten ERPs ab — von SAP S/4HANA und Business One bis zu branchenspezifischen Systemen. Standard-Schnittstellen sind IDOC, BAPI, REST-API und Flat-File — ohne Custom-Entwicklung auf ERP-Seite. Welche genauen Systeme bei Ihnen im Einsatz sind, klären wir im Discovery-Gespräch. Ja. Strukturierte Formate wie ZUGFeRD und XRechnung werden parsing-nativ verarbeitet, unstrukturierte PDFs mit KI extrahiert. Damit sind Sie für die Stichtage der DE-E-Rechnungspflicht (Empfang seit 2025, Senden ab 2027/28 je nach Umsatz) bereit — unabhängig davon, ob das ERP das selbst kann. Auch AT (ebInterface) und CH (eCH-Standards) sind abgedeckt. Typischer Rollout für Gastro-Grosshandel und Frischdienst: 4–8 Wochen bis produktiv. Wer den Weihnachts-, Spargel- oder Grillsaison-Peak abfedern will, sollte 8–12 Wochen vorher starten — dann lernt das System auf echten Bestellungen, bevor das Volumen hochfährt. Bereit? ## Dokumentenprozesse in Food & Beverage automatisieren. Wir zeigen Ihnen anhand Ihrer echten Lieferanten-Rechnungen oder Kunden-Bestellungen, wie Rechnungs- und Bestellagent arbeiten — unverbindlich und in wenigen Minuten. [Kostenlose Demo anfordern](../../contact/) # Automatisierung des Procure-to-Pay Prozesses | Dokumentas Source: https://www.dokumentas.ai/use-cases/procure-to-pay/ > Den gesamten P2P-Prozess automatisiert abwickeln — von der Auftragsbestätigung über den Wareneingang bis zur Rechnungsbuchung in SAP. Use Case Procure-to-Pay. Procure-to-Pay # Automatisierung des Procure-to-Pay Prozesses Den gesamten P2P-Prozess berührungslos abwickeln — von der Auftragsbestätigung über den Wareneingang bis zur Rechnungsbuchung in SAP. Herausforderung ## Warum der manuelle P2P-Prozess in SAP nicht skaliert In Produktionsunternehmen sind Einkaufs- und Kreditorenprozesse stark dokumentenbasiert und heute oft manuell in SAP (AB, MIGO, MIRO) abgebildet. 01 ### Manuelles Dokumenten-Matching Bestellung, Auftragsbestätigung, Lieferschein und Rechnung müssen manuell abgeglichen werden. Bei Abweichungen und Teillieferungen steigt der Aufwand erheblich. 02 ### Zeitintensive SAP-Buchungen Wareneingangsbuchungen (MIGO) und Rechnungsprüfungen (MIRO) erfordern manuelle Dateneingabe in SAP — inkl. Zusatzkosten, Zuschläge und Non-PO-Fälle. 03 ### Skalierungsproblem Bei steigendem Einkaufsvolumen wächst der Personalaufwand linear mit. Jede Bestellung, jeder Lieferschein und jede Rechnung bedeutet manuelle Arbeit im FI-Team. Lösung ## So automatisiert Dokumentas den P2P-Prozess End-to-End KI-basierte Extraktion, LLM-gestütztes Matching und Touchless SAP-Buchung — für eine berührungslose Verarbeitung über alle Dokumenttypen. ### KI-Extraktion aller P2P-Dokumente Automatische Extraktion von Auftragsbestätigungen, Lieferscheinen und Rechnungen — strukturiert auf Header- und Positionsebene. ### LLM-gestütztes Matching Automatischer Abgleich: Bestellung ↔ Auftragsbestätigung ↔ Wareneingang ↔ Rechnung. Auch bei Teillieferungen und Abweichungen. ### Touchless SAP-Buchung via RPA Automatisierte MIGO- und MIRO-Buchungen in SAP. Separater Workflow für Non-PO-Rechnungen mit Kostenstellen-Zuordnung und FI-Logik. ### Validation-Dashboard Zentrales Dashboard für Exception-Based Processing. Nur echte Ausnahmen landen beim Fachbereich — mit End-to-End Transparenz über Bestell-, Liefer- und Rechnungsstatus. Resultate ## Messbare Ergebnisse im Procure-to-Pay Typische Ergebnisse nach der Einführung der End-to-End P2P-Automatisierung in Produktionsunternehmen. 90% Berührungslose Verarbeitung -70% Manuelle Buchungsarbeit 100k+ CHF Einsparpotenzial pro Jahr FAQ ## Häufig gestellte Fragen Antworten rund um die Automatisierung des Procure-to-Pay Prozesses. Die Automatisierung deckt den gesamten Procure-to-Pay-Prozess ab: Auftragsbestätigungen werden extrahiert und mit Bestellungen abgeglichen, Wareneingänge automatisch in SAP gebucht (MIGO), und Rechnungen geprüft und verbucht (MIRO) — alles berührungslos. Ein Large Language Model gleicht die extrahierten Daten aus allen P2P-Dokumenten intelligent ab — auch bei abweichenden Bezeichnungen, Teillieferungen oder unterschiedlichen Formatierungen. Das Matching geht über reinen Textvergleich hinaus und versteht den Business-Kontext. Non-PO-Rechnungen durchlaufen einen separaten Workflow mit automatischer Kostenstellen-Zuordnung und FI-Logik. Die Freigabe erfolgt über definierte Genehmigungsprozesse im Validation-Dashboard. Die Lösung automatisiert MIGO (Wareneingangsbuchung) und MIRO (Rechnungsprüfung und -buchung) via RPA. Beides läuft berührungslos, sofern alle Matching-Kriterien erfüllt sind. Ausnahmen werden gezielt zur manuellen Prüfung geroutet. Ja. Die Automatisierung ermöglicht eine Verdoppelung des Dokumentenvolumens ohne zusätzlichen Headcount. Die 90 % berührungslose Verarbeitung sorgt dafür, dass nur echte Ausnahmen manuell bearbeitet werden — unabhängig vom Volumen. Bereit? ## Procure-to-Pay Prozess automatisieren. Wir zeigen Ihnen, wie die End-to-End P2P-Automatisierung Ihre SAP-Buchungen berührungslos abwickelt — unverbindlich und in wenigen Minuten. [Kostenlose Demo anfordern](../../contact/) --- ## Teil 3: Blog # Rechnungssoftware 2026: Welche Klasse passt zu Ihrem Unternehmen? Source: https://www.dokumentas.ai/blog/rechnungssoftware-2026/ > Rechnungssoftware verstehen: Stellung vs. Verarbeitung, die vier Software-Klassen für Eingangsrechnungen (manuell, OCR, IDP, P2P-Plattform) und ein Entscheidungs-Framework für Schweizer Unternehmen. Wer 2026 nach "Rechnungssoftware" sucht, landet in einem unübersichtlichen Markt: Software, die Rechnungen *erstellt*, steht neben Software, die Rechnungen *verarbeitet* — und beide Kategorien überschneiden sich nirgends. Hinzu kommen vier verschiedene Software-Klassen für die Verarbeitungsseite, die unterschiedliche Probleme lösen, unterschiedlich viel kosten und unterschiedlich gut zu Schweizer Unternehmen passen. Dieser Guide entwirrt das Feld. Wir klären zuerst, was "Rechnungssoftware" überhaupt meint, beschreiben dann die vier Klassen für die Eingangsrechnungs-Verarbeitung — manuelle ERP-Erfassung, klassische OCR/Template-Tools, KI-basierte IDP-Plattformen und End-to-End P2P-Plattformen — und geben Ihnen ein Entscheidungs-Framework an die Hand: Welche Klasse passt zu welchem Volumen, welcher ERP-Landschaft, welcher Branche. Der Guide richtet sich an CFOs, Leiter Finanzen und Projektverantwortliche, die ihre Rechnungsverarbeitung modernisieren wollen — ohne sich in Produkt-Marketing zu verlieren. Wir benennen keine Konkurrenten, sondern beschreiben Software-Klassen, damit Sie selbst beurteilen können, in welche Schublade ein Anbieter gehört. ## Was meint "Rechnungssoftware" überhaupt? Der Begriff "Rechnungssoftware" ist mehrdeutig. Er beschreibt zwei völlig unterschiedliche Aufgabenbereiche, die in der Regel von unterschiedlichen Tools abgedeckt werden: - **Rechnungsstellung (Ausgangsrechnungen):** Software, mit der Sie Ihren Kund:innen Rechnungen erstellen, versenden und Zahlungseingänge überwachen. Typisches Beispiel: Sie sind Treuhand, Beratung oder Onlineshop und stellen monatlich Rechnungen. - **Rechnungsverarbeitung (Eingangsrechnungen):** Software, die Rechnungen Ihrer *Lieferanten* automatisch erfasst, Daten extrahiert, prüft und in Ihr ERP/Buchhaltungssystem bucht. Typisches Beispiel: Sie sind Hersteller oder Handel mit Hunderten bis Tausenden Eingangsrechnungen pro Monat. In den Suchergebnissen werden beide Bereiche oft vermischt. Wer "Rechnungssoftware" googelt, sieht Anbieter wie Bexio, Banana oder Abacus (Stellung) direkt neben Anbieter aus der Verarbeitungsseite (IDP-Plattformen, ERP-Add-ons). Das macht die Auswahl unnötig schwer. Dieser Guide fokussiert auf die **Verarbeitungsseite** — dort, wo Skalierungsprobleme und manuelle Kosten typischerweise am grössten sind. Wer eine reine Rechnungsstellungs-Lösung sucht, ist mit klassischer Buchhaltungs- oder ERP-Software (Bexio, Banana, SAP Business One u.a.) am besten bedient. In den meisten Fällen ist Rechnungsstellung bereits Bestandteil Ihres ERP- oder Buchhaltungspakets. ### Warum die Verarbeitungsseite das grössere Problem ist Rechnungsstellung ist heute weitgehend standardisiert: Daten kommen aus Ihren eigenen Systemen, Layouts sind unter Ihrer Kontrolle, der Versand erfolgt elektronisch oder per QR-Rechnung. Die Verarbeitungsseite hingegen ist chaotisch — Rechnungen kommen in *jedem* Format, in *jeder* Sprache, mit *jedem* Layout, von *jedem* Lieferanten. Genau hier setzen die im folgenden beschriebenen Software-Klassen an. Wer detaillierter wissen will, wo die Kosten manueller Rechnungsverarbeitung tatsächlich entstehen, findet das im Beitrag [Was kostet manuelle Rechnungsverarbeitung wirklich?](../kosten-rechnungsverarbeitung/) aufgeschlüsselt. ## Die vier Klassen der Rechnungsverarbeitungs-Software Auf der Verarbeitungsseite lassen sich Anbieter sinnvoll in vier Klassen einteilen. Die Klassen unterscheiden sich nicht in Detailfunktionen, sondern in der Grundarchitektur — und damit darin, wie viel Aufwand sie Ihnen tatsächlich abnehmen. In den folgenden Sektionen sehen wir uns jede Klasse im Detail an — Funktionsweise, Stärken, typische Schwächen und für wen sie gemacht ist. ## Klasse A: Manuelle Erfassung im ERP Die einfachste "Lösung" ist gar keine Lösung im engeren Sinn: Eingangsrechnungen werden geöffnet, abgetippt und direkt im ERP oder Buchhaltungssystem (Bexio, Abacus, SAP, Dynamics u.a.) als Kreditorbeleg erfasst. Der Mensch ist die Schnittstelle zwischen Papier/PDF und Datenbank. ### Wann das funktioniert - Kleines Belegvolumen — typisch bis 100 Eingangsrechnungen pro Monat - Stabile Lieferantenbasis mit wenigen, einfachen Layouts - Kein Skalierungsdruck, keine Ausweitung in neue Märkte oder Lieferantengruppen ### Wo es kippt Sobald das Volumen ansteigt, ändert sich die Mathematik. Manuelle Erfassung skaliert linear: doppelt so viele Rechnungen brauchen doppelt so viel Personalzeit. Gleichzeitig steigen Fehlerquoten — und damit Korrekturen, Nachbuchungen, Mahnungen wegen versäumter Skonti. Studien zur AP-Automatisierung zeigen, dass die reinen Personalkosten pro Rechnung in der manuellen Bearbeitung deutlich höher liegen als bei automatisierten Verfahren. Hinzu kommt, dass das Personal selten an reiner Erfassung Freude hat — Fluktuation und Vakanzen sind oft das eigentliche Risiko. Eine ausführliche Kostenrechnung zur manuellen Verarbeitung mit Beispielzahlen für ein typisches Schweizer Unternehmen findet sich im Beitrag [Was kostet manuelle Rechnungsverarbeitung wirklich?](../kosten-rechnungsverarbeitung/). ## Klasse B: Klassische OCR- und Template-Software OCR-basierte Tools (Optical Character Recognition) lesen Text aus PDFs und Scans aus. In Kombination mit "Templates" oder "Profilen" wird pro Lieferant definiert, wo auf der Rechnung die Rechnungsnummer steht, wo der Betrag, wo das Datum. Beim ersten Beleg eines Lieferanten wird das Template angelegt — beim zweiten und allen folgenden Belegen liest die Software die Felder anhand des Templates aus. ### Funktionsweise - **OCR-Engine** erkennt Zeichen und konvertiert PDF/Bild in Text - **Template/Profil pro Lieferant** definiert, wo welche Information steht (Koordinaten oder Regex-Pattern) - **Regelwerk** validiert die ausgelesenen Daten (z.B. "Betrag muss positiv sein") - **ERP-Schnittstelle** übergibt die extrahierten Daten an die Buchhaltung ### Stärken - Reife Technologie, viele Anbieter mit Jahrzehnten Marktpräsenz - Sehr genau bei stabilen Layouts (>98% Feldgenauigkeit ist realistisch) - Tiefe Integration in ERP-Welten (oft als ERP-Add-on) ### Typische Schwächen - **Template-Aufwand:** Für jeden neuen Lieferanten muss ein Template angelegt werden — bei einem KMU mit 200 Lieferanten und Layout-Wechseln entsteht laufender Pflegeaufwand - **Brüchig bei Layout-Änderungen:** Wechselt ein Lieferant das Briefpapier, schlägt das Template fehl und muss neu angelegt werden - **Kein Kontext-Verständnis:** "Rechnungsbetrag" und "Total" werden nicht als dasselbe erkannt — alles ist Pattern-Matching - **Handschrift, Mehrsprachigkeit, gemischte Layouts** sind grenzwertig bis unmöglich Mehr zum strukturellen Unterschied zwischen OCR und kontextverständiger KI-Extraktion: [OCR vs. KI: Warum klassische Texterkennung nicht mehr reicht](../ocr-vs-ki-dokumentenverarbeitung/). ## Klasse C: IDP — KI-basierte Plattform IDP (Intelligent Document Processing) ist die jüngere Klasse. Statt Templates oder Regeln nutzt IDP Computer Vision, Natural Language Processing und Large Language Models, um eine Rechnung wie ein Sachbearbeiter "zu lesen": Das System weiss, wo auf einer Rechnung welche Information typischerweise steht — auch bei neuen Lieferanten, ungewöhnlichen Layouts oder mehrsprachigen Belegen. ### Funktionsweise - **Computer Vision** erkennt Strukturen — Header, Tabellen, Unterschriften, Logos - **NLP/LLM** versteht den semantischen Inhalt — "Betrag", "Total", "Amount Due" werden als dasselbe Konzept erkannt - **Continuous Learning** verbessert die Extraktion mit jeder Korrektur — ohne Template anzulegen - **Human in the Loop** für unsichere Fälle: Nur fragwürdige Felder landen zur manuellen Prüfung in einer Vorerfassungs-Maske ### Stärken - **Template-frei:** Neue Lieferanten werden ohne Setup verarbeitet — der Aufwand pro neuem Layout entfällt - **Robust bei Variation:** Layout-Wechsel oder mehrsprachige Belege brechen die Extraktion nicht - **Mehrsprachig nativ:** Deutsch, Französisch, Italienisch, Englisch — relevant für DACH - **Skalierbar:** Volumen-basierte Abrechnung, lineare Skalierung ohne neues Personal ### Worauf zu achten ist - **Datenschutz und Datenresidenz:** Wo werden Belege verarbeitet — EU/Schweiz oder US-Cloud? Wer hat Zugriff? Trainingsdaten? - **ERP-Integration:** Nicht jede IDP-Plattform integriert nativ in Schweizer ERPs wie Abacus, Bexio oder SAP Business One - **Validierungs- und Freigabe-Workflows:** Reine Extraktion reicht nicht — die Plattform muss auch Prüfung und Freigabe abbilden Eine ausführliche Einführung in die Technologie hinter IDP gibt es im Beitrag [Was ist Intelligent Document Processing (IDP)?](../intelligent-document-processing/). ## Klasse D: End-to-End P2P-Plattform P2P-Plattformen (Procure-to-Pay) gehen einen Schritt weiter als reine IDP-Tools: Sie decken die gesamte Strecke von Bestellung über Lieferschein und Rechnung bis zur Zahlung ab. Eingangsrechnungen sind nur einer von mehreren Belegtypen, der in einem zusammenhängenden Workflow verarbeitet wird. ### Was P2P umfasst - **Bestellanforderung & Bestellung:** Erfassung, Genehmigung, Versand an Lieferanten - **Auftragsbestätigung & Lieferschein:** Eingang automatisch erfassen, mit Bestellung abgleichen - **Eingangsrechnung:** Erfassung wie in Klasse C, plus **3-Way-Matching** (Rechnung vs. Bestellung vs. Lieferschein) - **Freigabe-Workflow:** Regelbasierte oder hierarchische Genehmigungsketten - **ERP-Buchung & Zahlungsfreigabe:** Übergabe an Buchhaltung und Banking ### Wann eine P2P-Plattform sinnvoll ist - Hohes Belegvolumen über mehrere Belegtypen (nicht nur Rechnungen) - Bestellpflicht und 3-Way-Matching als Compliance-Anforderung - Wunsch nach durchgängiger Strecke statt mehrerer Insel-Lösungen - Strategisches Ziel: Dunkelverarbeitung (Straight-Through-Processing) für einen grossen Teil der Belege Mehr zum durchgängigen P2P-Prozess und welche Belegtypen typischerweise einbezogen werden: [P2P-Automatisierung: Vom Bestelleingang bis zur Rechnungsfreigabe](../p2p-automatisierung-guide/). ## Direktvergleich der vier Klassen Die folgende Tabelle fasst die wichtigsten Unterschiede zusammen. Hinweis: Die Angaben sind typische Richtwerte, einzelne Anbieter können nach oben oder unten abweichen. | Kriterium | A — Manuell | B — OCR/Template | C — IDP/KI | D — P2P | | --- | --- | --- | --- | --- | | **Setup pro neuem Lieferanten** | Keiner (aber: Personal) | Template anlegen | Kein Setup | Kein Setup | | **Robust bei Layout-Wechsel** | Mensch sieht's | Bricht häufig | Robust | Robust | | **Mehrsprachig (DE/FR/IT/EN)** | Ja | Begrenzt | Nativ | Nativ | | **3-Way-Matching** | Manuell | Selten | Teilweise | Kernfunktion | | **Freigabe-Workflow** | Im ERP / per E-Mail | Selten enthalten | Meist enthalten | Kernfunktion | | **Typisches Volumen** | < 100/Monat | 100–2'000/Monat | 500–50'000/Monat | Ab 1'000/Monat | | **Implementierungszeit** | Sofort | 2–6 Monate | 2–8 Wochen | 2–6 Monate | | **Pricing-Modell (typisch)** | Personalkosten | Lizenz + Wartung | Volumen / Beleg | Volumen + Module | ## Entscheidungs-Framework: Welche Klasse passt zu Ihnen? Die richtige Klasse ergibt sich nicht aus dem Produktnamen, sondern aus vier Fragen, die jedes Unternehmen für sich beantworten kann: ### 1. Wie viele Eingangsrechnungen verarbeiten Sie pro Monat? - **Unter 100:** Klasse A reicht meist. Eine Investition in IDP rechnet sich erst bei höherem Volumen. - **100 bis 2'000:** Klasse B (OCR/Template) ist möglich, aber Klasse C (IDP) ist oft besser, weil der Template-Aufwand bei wachsender Lieferantenbasis kippt. - **Über 2'000:** Klasse C oder D. Manuelle und Template-Lösungen werden in diesem Bereich unwirtschaftlich. ### 2. Wie stabil ist Ihre Lieferantenbasis? - **Wenige, gleichbleibende Lieferanten:** Klasse B kann passen, weil sich Templates lohnen. - **Viele wechselnde Lieferanten, internationale Belege:** Klasse C oder D, weil Template-Pflege sonst zur Vollzeitstelle wird. ### 3. Brauchen Sie mehr als nur Rechnungen? - **Nur Rechnungen:** Klasse C reicht. - **Bestellungen, Auftragsbestätigungen, Lieferscheine ebenfalls automatisieren:** Klasse D — oder eine modulare Klasse-C-Plattform, die diese Belegtypen ebenfalls abdeckt. ### 4. Wie sieht Ihre ERP-Landschaft aus? - **Ein einziges ERP (SAP, Abacus, Bexio, Dynamics):** Prüfen Sie zuerst, ob das ERP einen nativen Konnektor zu Klasse-C-/D-Plattformen anbietet. Oft ist das der entscheidende Auswahlhebel. - **Heterogene Landschaft (mehrere ERPs, Schwesterfirmen, Akquisitionen):** Klasse C oder D mit offener API ist deutlich flexibler als ein ERP-gebundenes OCR-Add-on. Die Antwort auf diese vier Fragen ergibt in der Regel ein klares Bild der passenden Klasse — bevor Sie einen einzigen Anbieter ansehen. ## Auswahlkriterien innerhalb einer Klasse Sobald die Klasse feststeht, geht es um die konkreten Anbieter. Diese acht Kriterien sind erfahrungsgemäss die entscheidenden: - **ERP-Integration:** Native Schnittstelle zu Ihrem ERP — oder ein offenes API, das Ihre IT integrieren kann? Welche Daten werden bidirektional ausgetauscht (Stammdaten, Kontierungen, Kostenstellen)? - **Datenschutz und Datenresidenz:** Wo werden Belege verarbeitet — Schweiz, EU oder global? DSG-konform? Werden Belege für Modell-Training genutzt? - **Mehrsprachigkeit:** Native Verarbeitung von DE/FR/IT/EN — auch in einem einzigen Dokument? Wichtig für Schweizer Unternehmen mit Westschweizer oder Tessiner Lieferanten. - **Validierungslogik:** Welche Plausibilitätsprüfungen sind eingebaut (MWST, IBAN-Format, Stammdatenabgleich)? Wie konfigurierbar sind eigene Regeln? - **Freigabe-Workflow:** Hierarchische Freigaben, Vertretungs-Regelungen, Mobile-Approval — passend zu Ihren Berechtigungs-Strukturen? - **Human in the Loop:** Wie sieht die Vorerfassungs-Maske aus? Wie schnell können Mitarbeitende unsichere Fälle prüfen und freigeben? - **Pricing-Modell:** Pro Beleg, pro Seite, pauschal? Wie verhalten sich Kosten bei Volumen-Schwankungen? Gibt es Mindestabnahmen? - **Implementierungs- und Onboarding-Modell:** Pilot vorgesehen? Wie lange bis Live-Gang? Welche Eigenleistung wird erwartet? Empfehlung: Setzen Sie für die finale Auswahl mindestens zwei Anbieter parallel auf 100–200 Echtbelege aus Ihrer Lieferantenbasis. Marketing-Demos zeigen die optimalen Fälle — Ihre eigenen Belege zeigen das echte Bild. ## Compliance 2025–2030: E-Rechnung verändert die Anforderungen Unabhängig von der Klasse: Die regulatorischen Anforderungen an die Rechnungsverarbeitung verschärfen sich im DACH-Raum bis 2030 deutlich. Software-Auswahlentscheidungen, die in den nächsten Monaten getroffen werden, sollten diese Pflichten mitdenken. - **Deutschland:** Seit 1.1.2025 müssen Unternehmen elektronische Rechnungen empfangen können (B2B). Pflicht zum Versand folgt gestaffelt bis 2028. - **Österreich:** EU-Initiative VIDA wird ab 2030 strukturelle E-Rechnungs-Pflichten bringen. - **Schweiz:** Die QR-Rechnung ist seit Oktober 2022 Pflichtstandard für Zahlungsteile. E-Rechnung ist im B2G-Bereich (an die Bundesverwaltung) bereits Pflicht, im B2B noch freiwillig — die Verbreitung steigt jedoch deutlich. Praktische Konsequenz für die Software-Auswahl: Ihre Lösung muss strukturierte Formate (ZUGFeRD, XRechnung, Factur-X, Peppol BIS, E-Rechnung-Schweiz) lesen können — nicht nur PDFs. Klasse-C- und Klasse-D-Anbieter haben das in der Regel im Standard, klassische Template-Tools (Klasse B) hinken hier oft hinterher. Eine detaillierte Übersicht über die Pflichten und Formate findet sich im Beitrag [E-Rechnung in DACH 2025–2030](../e-rechnung-2027-dach/). ## ROI: Was Sie realistisch erwarten können Die Wirtschaftlichkeit hängt stärker vom Belegvolumen ab als vom Anbieter. Drei Effekte treiben den Business Case: - **Reduktion der Bearbeitungszeit pro Rechnung:** Bei IDP/P2P-Lösungen sinkt die Durchschnittszeit pro Beleg von einigen Minuten auf wenige Sekunden für die durchgelaufenen Fälle und einige Sekunden manueller Prüfung für die Ausnahmefälle. - **Skonti-Realisierung:** Rechnungen, die früher 5–10 Tage durch interne Prozesse wandern, können nach Automatisierung am gleichen Tag freigegeben werden. 2% Skonto auf einen relevanten Teil des Kreditorenvolumens ist oft der grösste Einzelhebel. - **Vermeidung manueller Folgeaufwände:** Mahnungen wegen verspäteter Zahlung, Nachbuchungen, Stornos und Korrekturen sind Zusatzaufwände, die mit Automatisierung weitgehend entfallen. Faustregel: Klasse-C- und Klasse-D-Lösungen amortisieren sich bei mittleren Volumen typischerweise innerhalb von 6 bis 12 Monaten. Klasse-B-Tools können schneller amortisieren, wenn die Lieferantenbasis sehr stabil ist — und langsamer, wenn Templates ständig gepflegt werden müssen. Die nüchterne Kostenseite manueller Verarbeitung als Vergleichswert: [Was kostet manuelle Rechnungsverarbeitung wirklich?](../kosten-rechnungsverarbeitung/). ## Wo Dokumentas einordnet Dokumentas ist eine **Klasse-C-Plattform mit Klasse-D-Funktionsumfang**: Im Kern eine template-freie KI-Plattform für die Dokumentenverarbeitung, modular ausbaubar auf die gesamte P2P-Strecke. Konkret: - **[Rechnungsagent](../../automatisierte-rechungsverarbeitung/):** Eingangsrechnungen automatisch erfassen, validieren und ans ERP übergeben — template-frei, mehrsprachig, mit Validierungs- und Freigabe-Workflow. - **[Bestellagent](../../auftragseingang-automatisieren/):** Kundenbestellungen und Auftragsbestätigungen automatisch verarbeiten. - **[P2P-Agent](../../p2p-automatisierung/):** End-to-End-Strecke inklusive 3-Way-Matching, Freigaben und ERP-Buchung. Technologisch setzt Dokumentas auf eine Kombination aus Computer Vision, NLP und Large Language Models. Die Plattform ist mehrsprachig (DE/FR/IT/EN), DSG-konform, integriert mit gängigen Schweizer und internationalen ERPs (SAP, Abacus, Netsuite, Microsoft Dynamics u.a.) und arbeitet mit einem Human-in-the-Loop-Modell für unsichere Fälle. Wer eine reine Klasse-A- oder Klasse-B-Lösung sucht — etwa weil das Volumen klein und die Lieferantenbasis stabil ist — ist mit ERP-internen Funktionen oder klassischen OCR-Tools besser bedient. Wer aber Skalierungs- oder Personalprobleme in der Eingangsrechnungs-Verarbeitung hat, in mehreren Sprachen arbeitet oder die P2P-Strecke durchgängig automatisieren will, gehört in Klasse C oder D — und genau da ist Dokumentas zu Hause. Eine Demo mit Ihren eigenen Belegen zeigt am schnellsten, ob die Klasse passt: [Kostenlose Demo anfragen](../../contact/). ## Fazit Die Frage "welche Rechnungssoftware" lässt sich erst beantworten, wenn klar ist, welche Klasse von Software gemeint ist. Stellung und Verarbeitung sind zwei unterschiedliche Welten — und auf der Verarbeitungsseite trennen die vier Klassen sauber, welcher Anbietertyp zu welchem Problem passt. Die wichtigsten Aussagen kurz zusammengefasst: - **Klasse A (manuell)** ist solide für sehr kleine Volumen — kippt aber schnell, sobald das Geschäft wächst. - **Klasse B (OCR/Template)** funktioniert für stabile Lieferantenbasen, scheitert aber an Layout-Variation und Template-Pflege. - **Klasse C (IDP/KI)** ist heute der Standard für mittleres bis grosses Volumen, weil sie template-frei und mehrsprachig arbeitet. - **Klasse D (End-to-End P2P)** lohnt sich, wenn nicht nur Rechnungen, sondern die gesamte Beschaffungs- und Freigabestrecke automatisiert werden soll. Treffen Sie die Auswahl in der Reihenfolge: Erst die Klasse (basierend auf Volumen, Lieferantenbasis, Scope, ERP-Landschaft) — dann den Anbieter innerhalb der Klasse, geprüft an Ihren eigenen Belegen. ## Häufig gestellte Fragen Rechnungsstellung erzeugt Ausgangsrechnungen aus Ihren eigenen Daten und versendet sie an Kund:innen — typische Beispiele sind Bexio, Banana oder Buchhaltungs-Module in ERP-Systemen. Rechnungsverarbeitung dagegen liest Eingangsrechnungen Ihrer Lieferanten automatisiert aus, prüft sie und übergibt sie ans ERP. Beides wird oft "Rechnungssoftware" genannt, sind aber zwei völlig unterschiedliche Produktklassen mit unterschiedlichen Anbietern. IDP lohnt sich, sobald Ihre Lieferantenbasis breit oder volatil ist, mehrsprachig gearbeitet wird oder das Volumen über ein paar hundert Rechnungen pro Monat steigt. Klassische OCR/Template-Tools sind sehr genau bei stabilen Layouts, scheitern aber an Layout-Variation und brauchen für jeden neuen Lieferanten ein Template. IDP arbeitet template-frei und versteht den Kontext — neue Belege werden ohne Setup verarbeitet. Als Faustregel: Ab ungefähr 200–300 Eingangsrechnungen pro Monat beginnt sich eine eigene Plattform (Klasse C oder D) zu rechnen. Darunter ist die manuelle Erfassung im ERP meist günstiger. Entscheidend ist neben dem Volumen aber auch, wie heterogen Ihre Lieferantenbasis ist, ob Sie Skonti regelmässig verlieren, und ob Fluktuation in der Buchhaltung ein Risiko ist. Ein reiner Rechnungsagent (Klasse C) reicht, wenn das Hauptproblem die Eingangsrechnungs-Erfassung ist und Bestellungen ohnehin im ERP verwaltet werden. Eine P2P-Plattform (Klasse D) lohnt sich, wenn Bestellpflicht herrscht, 3-Way-Matching gefordert ist (Bestellung vs. Lieferschein vs. Rechnung) oder mehrere Belegtypen entlang der Beschaffungsstrecke automatisiert werden sollen. Modulare Plattformen lassen sich oft schrittweise von C nach D ausbauen. Die meisten Plattformen der Klassen C und D integrieren mit den verbreiteten ERPs wie SAP (S/4HANA, Business One), Abacus, Netsuite und Microsoft Dynamics 365. Für Systeme ohne nativen Konnektor stehen Standard-APIs oder Webhooks zur Verfügung. Prüfen Sie konkret, ob es einen vorgefertigten Konnektor für Ihr ERP gibt — das verkürzt die Einführungszeit deutlich. Strukturierte Formate (ZUGFeRD, XRechnung, Factur-X, Peppol BIS, E-Rechnung Schweiz) werden im DACH-Raum bis 2030 schrittweise zur Norm. Ihre Software muss diese Formate lesen können — nicht nur PDFs. Klasse-C- und Klasse-D-Anbieter bringen das in der Regel im Standard mit, klassische Template-Tools (Klasse B) hinken hier oft hinterher. Details zu den Pflichten finden sich im Beitrag E-Rechnung in DACH 2025–2030. Das ist ein zentrales Auswahlkriterium und stark anbieterabhängig. Schweizer Unternehmen sollten gezielt nach Verarbeitung in Schweiz oder EU fragen, DSG-Konformität schriftlich bestätigen lassen und prüfen, ob Belege für das Training von Modellen verwendet werden. Plattformen mit transparenter Datenresidenz und einer No-Training-Policy sind in der Regel die sichere Wahl. Klasse C (IDP) ist oft in 2–8 Wochen produktiv, beginnend mit einem Pilot auf einem Belegtyp. Klasse D (P2P) braucht 2–6 Monate, weil zusätzlich Workflow-Regeln und mehrere Belegtypen modelliert werden. Klasse B (OCR/Template) kann je nach Lieferantenanzahl ähnlich lange dauern, weil die Templates aufgebaut werden müssen. Empfehlung: Mit einem klar abgrenzbaren Pilot starten und schrittweise ausrollen. # E-Rechnung in DACH: Was 2025–2030 für Unternehmen ändert Source: https://www.dokumentas.ai/blog/e-rechnung-2027-dach/ > E-Rechnung 2025–2030: Pflichten in Deutschland (XRechnung, ZUGFeRD), Österreich (ebInterface, Peppol), Schweiz (QR-Rechnung, eBill) plus EU-VIDA. Konkrete Timeline, Format-Übersicht und Action-Plan für KMU und Konzerne. 2025 ist die **E-Rechnung in Deutschland Pflicht geworden** — zunächst beim Empfang. Bis 2030 zieht die EU mit verpflichtenden digitalen Meldungen für innergemeinschaftliche B2B-Transaktionen nach. Dazwischen liegt eine Welle gestaffelter Fristen, sechs konkurrierender Formate und einer komplizierten DACH-Asymmetrie: Deutschland liegt vorne, Österreich folgt 2030, die Schweiz hat keinen Mandat, ist aber faktisch schon weiter als viele EU-Länder. Dieser Leitfaden bringt das auf den Punkt: Was ist eine E-Rechnung im rechtlichen Sinne, welche Pflicht greift wann in DE, AT und CH, welche Formate brauchen Sie wirklich — und was muss eine Empfangs-Software 2026 können. Mit konkreten Daten, einer DACH-Timeline und einem Action-Plan, der zwischen Empfang und Versand klar trennt. ## Was eine E-Rechnung wirklich ist Eine E-Rechnung im rechtlichen Sinne ist **nicht** eine PDF-Datei per E-Mail. Eine E-Rechnung ist ein strukturiertes elektronisches Dokument, das maschinell verarbeitbar ist und einer normierten Syntax folgt — typischerweise der europäischen Norm **EN 16931**. Das Bundesfinanzministerium definiert es klar: «Eine E-Rechnung ist eine Rechnung, die in einem strukturierten elektronischen Format ausgestellt, übermittelt und empfangen wird, das eine elektronische Verarbeitung ermöglicht.» PDFs, JPEGs und gescannte Papierrechnungen erfüllen diese Definition nicht — sie gelten als «sonstige Rechnungen». ### Drei Formate-Familien, die Sie unterscheiden müssen - **Rein strukturiert:** XRechnung (DE), UBL/Peppol BIS, ebInterface (AT) — reines XML, keine visuelle Darstellung. Maschinen-only. - **Hybrid:** ZUGFeRD ab 2.0.1 (Profile EN 16931, EXTENDED, XRECHNUNG), Factur-X (FR/internat.) — PDF mit eingebettetem XML. Mensch sieht das PDF, die Software liest das XML. - **Sonstige (Bestand):** PDF ohne XML, JPEG, Papier — keine E-Rechnung im neuen Sinne, ab Versandpflicht in DE nicht mehr zulässig. Wichtig: ZUGFeRD-Profile **MINIMUM und BASIC-WL** erfüllen die Anforderungen *nicht*. Wer ZUGFeRD versendet, muss mindestens Profil EN 16931 (auch «BASIC» genannt im neuen Standard) ausstellen. ## DACH-Compliance-Timeline 2025–2030 auf einen Blick Die drei DACH-Länder bewegen sich in unterschiedlichem Tempo. Die folgende Übersicht zeigt, was wann greift — und wo Sie heute schon vorbereiten müssen. Drei Erkenntnisse aus dieser Sicht: 1. **Empfang ist heute schon Pflicht in DE** — wer 2026 noch ohne automatisierte XML-Verarbeitung arbeitet, lässt strukturierte Rechnungen ungelesen liegen. 2. **Versand ist gestaffelt** — KMU bis 800'000 EUR Vorjahresumsatz haben in DE bis Ende 2027 Schonfrist, alle anderen ab 2027. 3. **Schweiz ist Sonderfall** — keine Pflicht, aber QR-Rechnung dominiert, eBill wächst, deutsche Lieferanten erwarten zunehmend XRechnung-Empfang auch von CH-Kunden. ## Deutschland: E-Rechnungspflicht 2025–2028 Mit dem Wachstumschancengesetz hat Deutschland die E-Rechnung 2024 beschlossen. Sie greift in zwei Wellen — Empfang und Versand getrennt. ### Empfangspflicht ab 1. Januar 2025 Seit Anfang 2025 muss **jedes inländische B2B-Unternehmen E-Rechnungen empfangen können** — unabhängig von der Grösse. Es reicht eine E-Mail-Adresse, an die XRechnung- oder ZUGFeRD-Dateien gesendet werden können. Wer das nicht hat, riskiert, dass Lieferanten ihre Rechnungen anderswohin schicken oder dass strukturierte XML-Dateien ungelesen verfallen. Wichtig: Es gibt seit dem 1. Januar 2025 **keinen Anspruch mehr**, eine PDF-Rechnung statt einer E-Rechnung zu verlangen. Die Zustimmung des Empfängers zur elektronischen Übermittlung von E-Rechnungen wird gesetzlich vermutet. ### Versandpflicht — gestaffelt nach Unternehmensgrösse | Zeitraum | Wer darf noch PDF/Papier versenden? | Ab wann ist E-Rechnung Pflicht beim Versand? | | --- | --- | --- | | **2025–2026** | Alle Unternehmen (Übergangszeit) | Nicht verpflichtend — aber zugelassen | | **2027** | Nur Unternehmen mit ≤ 800'000 EUR Vorjahresumsatz (2026) | Ab 1.1.2027 für alle > 800'000 EUR Vorjahresumsatz | | **Ab 2028** | Niemand mehr | Ab 1.1.2028 für alle B2B-Umsätze | ### Was nicht unter die Pflicht fällt - Kleinbetragsrechnungen (≤ 250 EUR brutto) - Fahrausweise (§ 34 UStDV) - B2C-Rechnungen an Privatpersonen - Steuerfreie Umsätze nach § 4 Nr. 8–29 UStG (z.B. bestimmte Finanzdienstleistungen) - Rechnungen an ausländische Unternehmer (innergemeinschaftlich oder Drittland) — diese fallen aber später unter VIDA ## Österreich: B2G-Pflicht heute, VIDA ab 2030 Österreich hat aktuell **keine inländische B2B-Pflicht**. Das wird sich erst mit der EU-VIDA-Richtlinie ab 2030 ändern. Wer aber Aufträge mit dem Bund hat, kennt das Thema seit über 10 Jahren. ### B2G — Pflicht seit 2014 Lieferungen und Leistungen an den Bund müssen seit 2014 elektronisch fakturiert werden. Akzeptierte Formate: **ebInterface** (österreichischer Standard, XML, von der WKO entwickelt) und **Peppol BIS Billing 3.0** (EU-Standard). Übermittlung erfolgt über das Unternehmensserviceportal (USP) oder die Peppol-Infrastruktur. Bundesländer und Gemeinden ziehen schrittweise nach — manche akzeptieren ebInterface, andere setzen ausschliesslich auf Peppol. ### B2B inländisch — keine Pflicht, aber Tendenz Für rein inländische B2B-Umsätze gibt es keine gesetzliche E-Rechnungspflicht. Der österreichische Gesetzgeber hat kein eigenes Mandat geplant und wartet auf die EU-VIDA-Umsetzung. Praktisch heisst das: Ein Wiener KMU, das Rechnungen ausschliesslich an österreichische Privatkunden und KMU sendet, hat 2026 keinen Handlungsdruck. Wer aber deutsche Geschäftspartner hat, muss im Empfang XRechnung und ZUGFeRD verarbeiten können — die deutsche Pflicht wirkt indirekt mit. ### VIDA-Auswirkung ab 2030 Mit der EU-VIDA-Richtlinie wird die E-Rechnung ab 1. Juli 2030 für **innergemeinschaftliche B2B-Lieferungen** verpflichtend — auch in Österreich. Format: EN 16931 (also XRechnung, ZUGFeRD, ebInterface, UBL). Zusätzlich kommt eine digitale Meldepflicht (DRR) an die Finanzverwaltung innerhalb von 10 Tagen. Inländische B2B-Pflicht ist im aktuellen VIDA-Paket nicht enthalten — das bleibt nationaler Entscheidung der Mitgliedsstaaten überlassen. Mehrere EU-Länder (Frankreich, Polen, Belgien, Italien) führen aber 2026/27 nationale Mandate ein. Österreich könnte folgen. ## Schweiz: QR-Rechnung als Standard, eBill wachsend Die Schweiz ist nicht in der EU und hat keine VIDA-Verpflichtung. Trotzdem ist sie 2026 in der Praxis weiter als viele EU-Länder — durch zwei pragmatische Standards. ### QR-Rechnung — Versandstandard seit 2022 Seit 1. Oktober 2022 dürfen nur noch QR-Rechnungen ausgestellt werden — Einzahlungsscheine in der alten Form sind ungültig. Die QR-Rechnung kennt drei Referenztypen: - **QRR** (QR-Referenz): 27-stellige Nummer, ersetzt die alte ESR-Referenz, primär für interne Zuordnung im Banking - **SCOR** (Creditor Reference, ISO 11649): International standardisierte Referenz, für grenzüberschreitende Zahlungen - **NON** (ohne Referenz): Bei kleinen Beträgen oder reinen Privatkundenrechnungen Wichtig: Ab 21. November 2025 müssen QR-Rechnungen **strukturierte Adressfelder** verwenden — Freitext-Felder werden ab Ende September 2026 von Banken abgewiesen. Wer noch alte Templates im ERP hat, muss die Migration jetzt durchziehen. ### eBill — der digitale Kanal eBill (betrieben von SIX) ist die digitale Alternative: Rechnungen werden direkt ins E-Banking des Empfängers geliefert, müssen mit einem Klick freigegeben und automatisch bezahlt werden. Das Volumen wächst zweistellig pro Jahr. eBill ist kein Mandat, sondern ein Kanal. Wer von Lieferanten eBill empfängt, hat strukturierte Daten — vergleichbar mit XRechnung. Wer Kunden hat, die eBill bevorzugen, sollte das Format anbieten können. ### B2G — seit 2016 elektronisch Lieferungen und Leistungen an den Bund über CHF 5'000 müssen elektronisch fakturiert werden. Akzeptiert wird XML/UBL über die Plattform conextrade oder die staatliche eBill-Anbindung. ### Was Schweizer Unternehmen heute tun müssen - QR-Rechnungs-Versand sicherstellen (alle Belege, ohne Ausnahme) - Strukturierte Adressfelder bis 21.11.2025 prüfen — sonst Bank-Abweisung - Bei deutschen Lieferanten: Empfang von XRechnung/ZUGFeRD vorbereiten - eBill-Kanal evaluieren — vor allem im Rechnungsversand an Konsumenten und grosse Auftraggeber ## EU-VIDA: Was 2030 kommt Das EU-Paket «VAT in the Digital Age» (VIDA) wurde im März 2025 beschlossen und ist seit April 2025 in Kraft. Die für E-Rechnung relevanten Wellen: ### Phase 1 (seit April 2025): Member States dürfen nationale Mandate einführen Mitgliedsstaaten können seit April 2025 ohne EU-Genehmigung verpflichtende E-Rechnung einführen. Das hat den Weg für deutsche, französische, polnische und belgische Mandate geebnet. ### Phase 2 (ab 1. Juli 2030): Pflicht für innergemeinschaftliche B2B-Transaktionen Ab 1. Juli 2030 sind E-Rechnungen für innergemeinschaftliche B2B-Umsätze verpflichtend. Format: EN 16931. Zusätzlich greifen die **Digital Reporting Requirements (DRR)**: Transaktionsdaten müssen innerhalb von 10 Tagen elektronisch an die nationalen Finanzverwaltungen gemeldet werden. Mitgliedsstaaten haben bis zum 30. Juni 2030 Zeit, die VIDA-E-Rechnung und die DRR in nationales Recht umzusetzen. ### Was VIDA praktisch bedeutet - EN 16931 wird der gemeinsame Nenner — XRechnung, ZUGFeRD, ebInterface, UBL/Peppol BIS sind alle EN-konform. - Die zusammenfassende Meldung (ZM) wird ersetzt durch tagaktuelle Transaktionsmeldungen. - Eine fehlende DRR kann den Vorsteuerabzug des Empfängers gefährden — Compliance wird zur Liquiditätsfrage. - Wer 2026 in eine EN-konforme Plattform investiert, deckt den 2030er Mandat ohne zweiten Umbau ab. ## Format-Übersicht: XRechnung, ZUGFeRD, Peppol, Factur-X, ebInterface, QR-Rechnung Sechs Formate dominieren den DACH-Raum. Wer alle empfangen können will, braucht eine Plattform, die jedes Format in dieselbe Pipeline routet — keine Insellösungen pro Format. | Format | Land / Standard | Typ | EN 16931 konform | | --- | --- | --- | --- | | **XRechnung** | DE — Standard B2G, B2B | Rein strukturiert (XML) | Ja | | **ZUGFeRD ab 2.0.1** | DE — Hybrid B2B | PDF/A-3 mit XML-Anhang | Ja, ab Profil EN 16931 | | **ebInterface** | AT — Standard B2G, B2B | Rein strukturiert (XML) | Teilweise (Mapping zu EN möglich) | | **Peppol BIS Billing 3.0** | EU — internationaler Standard | Rein strukturiert (UBL/XML) | Ja (CIUS auf EN 16931) | | **Factur-X** | FR — Hybrid (technisch identisch zu ZUGFeRD) | PDF/A-3 mit XML-Anhang | Ja | | **QR-Rechnung** | CH — Versandstandard | PDF mit eingebettetem QR-Code | Nein (Schweizer Standard, EN-Mapping nötig) | ### Was Sie wirklich brauchen Die meisten DACH-Unternehmen müssen heute drei Formate empfangen können: **XRechnung, ZUGFeRD und QR-Rechnung**. Wer EU-weit beschafft, braucht zusätzlich Peppol BIS und Factur-X. ebInterface kommt dazu, sobald Bundes- oder Landesaufträge in AT existieren. Der Versand-Stack hängt vom Kundenkreis ab: Für CH-Kunden QR-Rechnung, für DE-Kunden XRechnung oder ZUGFeRD, für EU-Kunden Peppol. Wer keine eigene Versandinfrastruktur aufbauen will, nutzt einen Peppol-Access-Point oder eine ERP-eigene Versandfunktion. ## Was Sie jetzt konkret tun müssen Statt einer abstrakten Roadmap: ein praktischer Action-Plan getrennt nach Empfang und Versand, getrennt nach KMU und Konzern. ### Empfang — gilt für alle DE-B2B-Unternehmen heute 1. **Eingangskanal sicherstellen:** dedizierte E-Mail-Adresse (z.B. `rechnung@firma.de`), die strukturierte E-Rechnungen entgegennimmt. 2. **Format-Erkennung einrichten:** XRechnung (.xml), ZUGFeRD (.pdf mit eingebettetem XML), Factur-X (.pdf) automatisch identifizieren und routen. 3. **XML-Validierung:** Pflichtfelder gegen EN 16931 prüfen (BT-Nummern). Fehlerhafte Belege automatisch zurückweisen. 4. **Archivierung:** Original-XML revisionssicher, GoBD-konform, mindestens 10 Jahre. 5. **ERP-Übergabe:** XML-Daten als fertigen Buchungssatz ins ERP — nicht als PDF-Beleg, der nochmal manuell erfasst wird. ### Versand — KMU bis 800'000 EUR Vorjahresumsatz Bis Ende 2027 dürfen Sie weiter PDF oder Papier versenden. Aber: Sie sollten 2026 anfangen zu testen, denn ab 1.1.2028 ist die Versandpflicht ohne Übergangszeit. 1. ERP- oder Rechnungssoftware-Vendor fragen: gibt es ein XRechnung- oder ZUGFeRD-Modul? 2. Pilot mit zwei oder drei Stammkunden — wer freut sich über strukturierte Rechnungen? 3. Stammdaten-Hygiene: Kunden-IDs, Leitweg-IDs (für B2G), VAT-IDs aktualisieren. ### Versand — Unternehmen über 800'000 EUR Vorjahresumsatz Sie sind ab 1.1.2027 versandpflichtig. Das heisst: 2026 ist Implementierungsjahr. 1. **Bestandsaufnahme:** Welche Belegtypen versenden Sie heute? Wo liegt der Generator (ERP, Rechnungstool, Drittsystem)? 2. **Format-Strategie:** XRechnung für maschinell-only-Kunden, ZUGFeRD für Mischkunden mit visuellem Bedarf. 3. **Versandkanal:** E-Mail mit strukturiertem XML-Anhang oder Peppol-Access-Point. Letzteres ist EU-weit kompatibel. 4. **Pilot Q3 2026:** ein Lieferantensegment, drei Monate parallel, dann ausrollen. 5. **Vollproduktion Q4 2026:** alle B2B-Belege strukturiert. ### Schweizer und österreichische Unternehmen - **CH:** QR-Rechnungs-Migration auf strukturierte Adressfelder bis 21.11.2025 abschliessen. Empfang von XRechnung/ZUGFeRD vorbereiten, falls deutsche Lieferanten existieren. - **AT:** B2G-Setup über USP-Peppol prüfen. Empfang von strukturierten Formaten vorbereiten — VIDA kommt 2030, aber ein deutscher Lieferant kann schon morgen XRechnung versenden. ## Empfang automatisieren — was eine Software können muss Es gibt aktuell drei Klassen von E-Rechnungs-Software auf dem Markt: pure Empfangs-Tools, integrierte AP-Plattformen und ERP-eigene Module. Was alle gemeinsam haben sollten: 1. **Multi-Format-Routing:** Eine einzige Inbox empfängt alle Formate (XRechnung, ZUGFeRD, Factur-X, Peppol, QR-Rechnung) und routet sie in die gleiche Verarbeitungspipeline. 2. **Strukturierte XML-Verarbeitung:** Felder werden direkt aus dem XML gelesen, nicht über OCR aus dem PDF — sonst entstehen Fehler bei Werten, die in der visuellen Darstellung anders gerundet sind. 3. **EN-16931-Validierung:** Pflichtfelder, Formatregeln, Steuerlogik nach EN 16931. Fehlerhafte Belege werden klar gekennzeichnet, nicht still durchgewunken. 4. **Sonstige-Rechnungen-Pipeline:** Bestandsbelege (PDF, Scan) müssen weiter verarbeitbar sein — eine Pipeline für strukturiert und sonstig, kein Bruch. 5. **ERP-Übergabe:** Strukturierte Buchungssätze ins ERP, nicht nur Beleg-Speicherung. Sonst doppelte Erfassung. 6. **Revisionssichere Archivierung:** GoBD- und GeBüV-konform, Original-XML unveränderbar, Audit-Trail pro Verarbeitungsschritt. 7. **Reporting:** Live-Sicht auf Eingangsvolumen pro Format, Ablehnungsquote, Validierungsfehler. Sonst läuft das Setup blind. Vertiefte Sicht auf die Auswahlkriterien für AP-Software gibt es in unserem [DACH-Leitfaden zur Kreditorenbuchhaltung-Automatisierung](../kreditorenbuchhaltung-automatisieren/). Die technischen Hintergründe zur Extraktion strukturierter Daten erklären wir im Beitrag [Intelligent Document Processing (IDP)](../intelligent-document-processing/). ## Wie Dokumentas die Empfangsseite löst Dokumentas konzentriert sich auf den Empfang und die Verarbeitung von E-Rechnungen — nicht auf den Versand. Was wir konkret tun: - **Native Verarbeitung aller DACH-Formate:** XRechnung, ZUGFeRD ab Profil EN 16931, Peppol BIS, Factur-X und QR-Rechnung in einer Pipeline. - **Direkter XML-Read:** Felder kommen aus dem strukturierten Anhang, nicht aus OCR. Bei ZUGFeRD wird das eingebettete XML direkt extrahiert; bei reinen XRechnung-/UBL-Dateien entfällt OCR komplett. - **Sonstige-Rechnungen-Bridge:** Bestandsbelege (PDF, Scan) laufen durch dieselbe Pipeline mit Template-freier KI-Extraktion. Keine Format-Insellösung. - **EN-16931-Validierung:** Pflichtfelder und Steuerregeln werden geprüft. Belege mit Validierungsfehlern landen in der Prüfoberfläche. - **ERP-Übergabe:** Strukturierte Buchungssätze ins ERP (SAP, Abacus, Sage, Microsoft Dynamics, DATEV, Infor) — idempotent, mit vollem Audit-Trail. - **Archivierung:** Original-XML und PDF werden revisionssicher in Schweizer Rechenzentren (ISO 27001) gespeichert. GoBD- und GeBüV-konform. Was Dokumentas nicht macht: **Versand** von E-Rechnungen. Wir sind kein eBill-Provider und kein Peppol-Access-Point. Für die Versandseite arbeiten wir mit etablierten Anbietern zusammen oder das ERP-System des Kunden übernimmt das. Praxisbeispiel aus der Versicherungsbranche: [Mailroom-Automatisierung mit Klassifikation](../../use-cases/versicherung/) — Eingangspost (inkl. E-Rechnungen) wird automatisch erkannt, klassifiziert und an die richtigen Bereiche geroutet, mit hoher Dunkelverarbeitungsquote im Live-Betrieb. --- ## Fazit Die E-Rechnungspflicht ist 2026 keine Theorie mehr. In Deutschland ist der Empfang seit 2025 Pflicht, der Versand greift gestaffelt 2027/28. Österreich folgt mit VIDA 2030, die Schweiz hat keinen Mandat, ist aber durch QR-Rechnung und eBill faktisch schon gut aufgestellt. Wer 2026 in eine Empfangs-Lösung investiert, deckt drei Themen gleichzeitig ab: deutsche B2B-Pflicht, schweizerische QR-Rechnung, EU-VIDA ab 2030. Wichtig ist nicht das schickste Format, sondern eine Pipeline, die alle DACH-Formate in dieselbe Verarbeitungslogik bringt — strukturiert ins ERP, mit Audit-Trail und ohne Insellösung pro Format. Bei der Empfangsseite helfen wir gerne — von der Format-Bestandsaufnahme bis zur produktiven Plattform. [Demo anfragen](../../contact/) oder direkt den [Rechnungsagenten](../../automatisierte-rechungsverarbeitung/) ansehen. ## Häufig gestellte Fragen Nein. Eine reine PDF gilt rechtlich als «sonstige Rechnung», nicht als E-Rechnung. Eine E-Rechnung muss ein strukturiertes elektronisches Format haben (XRechnung, ZUGFeRD ab 2.0.1 mit Profil EN 16931 oder höher, Peppol BIS, Factur-X). PDFs ohne eingebettetes XML bleiben in DE bis Ende der Übergangsfrist 2027 zulässig, ab 2028 nicht mehr. Ja. Seit 1. Januar 2025 muss jedes inländische B2B-Unternehmen E-Rechnungen empfangen können — unabhängig von der Grösse. Es reicht eine E-Mail-Adresse für strukturierte XRechnung- oder ZUGFeRD-Dateien. Wer das nicht hat, riskiert verlorene Belege und Compliance-Probleme bei Lieferantenbeziehungen. Wenn der Vorjahresumsatz 2026 unter 800'000 EUR liegt, dürfen Sie bis Ende 2027 weiter PDF oder Papier versenden. Ab 1. Januar 2028 ist E-Rechnung-Versand für alle B2B-Umsätze in DE Pflicht. Empfehlung: 2026 testen, 2027 produktiv schalten. ZUGFeRD ab Version 2.0.1 mit Profil EN 16931 (oder höher: EXTENDED, XRECHNUNG) erfüllt die deutschen Anforderungen vollumfänglich. Bei B2G-Aufträgen verlangen einige Bundesländer und der Bund ausschliesslich XRechnung. Pragmatische Empfehlung: ZUGFeRD für B2B-Standard, XRechnung für B2G und maschinell-only-Empfänger. Ab 1. Juli 2030 sind E-Rechnungen für alle innergemeinschaftlichen B2B-Umsätze in der EU verpflichtend (Format: EN 16931). Zusätzlich greifen Digital Reporting Requirements: Transaktionsdaten müssen innerhalb von 10 Tagen elektronisch an die Finanzverwaltung gemeldet werden. Wer 2026 in eine EN-konforme Empfangs- und Versandlösung investiert, deckt VIDA ohne zweiten Umbau ab. Direkt nicht — die deutsche E-Rechnungspflicht gilt für inländische B2B-Umsätze in DE. Schweizer Unternehmen müssen aber XRechnung und ZUGFeRD *empfangen* können, sobald sie deutsche Lieferanten haben. Beim Versand an deutsche Kunden ist es ab 2027 (für grosse) bzw. 2028 (für alle) angeraten, strukturierte Formate zu liefern, weil deutsche Kunden sonst zusätzliche Verarbeitung nötig haben. Bei E-Rechnungen ist das Original die XML-Datei (bei XRechnung) bzw. das PDF mit eingebettetem XML (bei ZUGFeRD/Factur-X). Beides muss revisionssicher und unveränderbar archiviert werden — in DE 10 Jahre nach GoBD, in CH 10 Jahre nach GeBüV, in AT 7 Jahre nach BAO. Eine Konvertierung in PDF und Archivierung nur des PDFs reicht **nicht**. Nein. Dokumentas konzentriert sich auf den Empfang und die Verarbeitung. Wir sind kein eBill-Provider und kein Peppol-Access-Point. Für die Versandseite arbeiten wir mit etablierten Anbietern zusammen oder das ERP-System des Kunden übernimmt das. Wer eine End-to-End-Lösung sucht, sollte einen Peppol-Anbindungsdienst plus eine Empfangs-Plattform wie Dokumentas kombinieren. # Kreditorenbuchhaltung automatisieren: Der DACH-Leitfaden 2026 Source: https://www.dokumentas.ai/blog/kreditorenbuchhaltung-automatisieren/ > Kreditorenbuchhaltung automatisieren (AP Automation): DACH-Compliance, 3-Way-Match, Dunkelverarbeitung, ROI und ERP-Integration. Der vollständige Leitfaden 2026 für Schweizer und deutsche Unternehmen. Die Kreditorenbuchhaltung ist die teuerste, fehleranfälligste und am schlechtesten skalierende Funktion der Finanzabteilung. In DACH-Unternehmen liegt der durchschnittliche Bearbeitungsaufwand pro Eingangsrechnung bei 8 bis 12 Tagen, die internen Stückkosten bewegen sich zwischen CHF/EUR 15 und 30. Bei 1'000 Rechnungen pro Monat summiert sich das auf über 200'000 Franken pro Jahr — bevor ein einziger Skontoertrag verloren geht oder ein einziger Lieferantenstreit verhandelt wird. Dieser Leitfaden geht über reine Rechnungsverarbeitung hinaus. Er zeigt, wie sich die **gesamte Kreditorenbuchhaltung** — vom E-Rechnungs-Empfang über das 3-Way-Matching bis zur ERP-Buchung — automatisieren lässt, welche regulatorischen Anforderungen 2026 in DE, AT und CH greifen, und wie sich realistische Dunkelverarbeitungsraten von über 80% erreichen lassen. Mit konkreten DACH-Compliance-Daten, ehrlichen Metriken und einer ERP-Integrations-Sicht, die sich nicht auf Marketing-Versprechen stützt. ## Was Kreditorenbuchhaltung-Automatisierung wirklich bedeutet Kreditorenbuchhaltung umfasst alle Prozesse rund um Verbindlichkeiten gegenüber Lieferanten — von der Rechnungserfassung über das Matching mit Bestellungen und Wareneingängen bis zur Zahlungsfreigabe und Buchung. Im englischen Sprachraum heisst diese Funktion «Accounts Payable» (AP), das Pendant auf der Forderungsseite ist «Accounts Receivable» (AR), in DACH gesprochen die **Debitorenbuchhaltung**. «AP Automation» oder «Kreditorenbuchhaltung automatisieren» bedeutet nicht einfach OCR über PDFs zu jagen. Eine vollwertige Automatisierung deckt vier Ebenen ab: - **Eingangskanäle:** E-Mail, Scan, Upload-Portal, ZUGFeRD/XRechnung, EDI, QR-Rechnung - **Datenextraktion und -validierung:** Kopfdaten, Positionsdaten, Steuerlogik, Duplikatprüfung - **Geschäftslogik:** Kontierung, Kostenstellenzuordnung, Freigabe-Workflows, 3-Way-Match - **Systemübergabe:** Buchung ins ERP, Zahlungsvorschlag, revisionssichere Archivierung Die Mehrheit der Anbieter im DACH-Markt deckt nur die ersten beiden Ebenen ab — Capture und Extraktion. Echte Kreditorenbuchhaltung-Automatisierung verlangt aber, dass auch die **Geschäftslogik** und die **ERP-Übergabe** automatisiert sind. Sonst bleibt das Team weiterhin mit Kontieren, Matching und Buchen beschäftigt — nur dass die Rechnung jetzt schneller im Postfach liegt. ### Kreditoren vs. Debitoren — der schnelle Unterschied Kreditoren = wir schulden Geld (Lieferantenrechnungen, AP). Debitoren = uns schuldet jemand Geld (Kundenrechnungen, AR). Beide Funktionen profitieren von Automatisierung, brauchen aber unterschiedliche Logik: Kreditorenseite braucht 3-Way-Match und Genehmigungs-Workflows, Debitorenseite braucht Mahnwesen und Cash-Application. Dieser Leitfaden fokussiert sich auf die Kreditorenseite. Wer den vorgelagerten Prozess (Bestellungen, Auftragsbestätigungen) ebenfalls automatisieren will, findet im [Procure-to-Pay-Leitfaden](../p2p-automatisierung-guide/) die Gesamtsicht. ## Warum jetzt: Compliance-Druck in DACH Bis 2024 war AP-Automation in DACH ein Effizienzthema. 2026 ist sie ein **Compliance-Thema**. Drei regulatorische Wellen treffen Unternehmen gleichzeitig — und alle setzen strukturierte, maschinenlesbare Rechnungen voraus. ### Deutschland: E-Rechnungspflicht ab 2025 Seit dem 1. Januar 2025 muss jedes deutsche B2B-Unternehmen **E-Rechnungen empfangen können**. Die Versandpflicht greift gestaffelt: Unternehmen über 800'000 Euro Vorjahresumsatz müssen ab 2027 versenden, alle anderen ab 2028. Akzeptierte Formate sind XRechnung (rein strukturiert) und ZUGFeRD ab Version 2.x (PDF mit eingebettetem XML, ab Profil EN 16931). Praktisch heisst das: Ein deutsches KMU, das heute Rechnungen noch manuell scannt, muss spätestens 2027 einen automatisierten Eingangsweg haben — sonst bleiben strukturierte XML-Rechnungen ungelesen liegen. ### EU: VIDA-Paket bis 2030 Das «VAT in the Digital Age»-Paket der EU sieht ab 2030 verpflichtende E-Rechnung und E-Reporting für alle innergemeinschaftlichen B2B-Transaktionen vor. Wer 2026 in einen automatisierten AP-Prozess investiert, deckt damit auch das EU-Setup ab — wer wartet, baut zweimal. ### Schweiz: QR-Rechnung als Standard, swissdec für Reporting In der Schweiz ist die QR-Rechnung seit Oktober 2022 Pflicht im Versand und faktischer Standard im Empfang. Strukturierte Empfangskanäle (eBill via SIX) wachsen jährlich zweistellig. Eine moderne Kreditorenbuchhaltung-Automatisierung muss QR-Rechnungen nativ einlesen, mit allen drei Referenztypen (QRR, SCOR, NON) umgehen können und die Felder direkt ins ERP übergeben. ### Konsequenz für AP-Software-Auswahl Wer 2026 AP-Software evaluiert, muss vier Format-Welten parallel beherrschen: PDF/Scan (Bestand), QR-Rechnung (CH), ZUGFeRD/XRechnung (DE), EDI/Peppol (Konzern). Alle Formate müssen in derselben Verarbeitungspipeline landen — keine Insellösungen pro Format. ## Status quo: Wo DACH-Buchhaltungen heute stehen Die meisten Kreditorenbuchhaltungen in DACH lassen sich in drei Reifestufen einordnen. Bevor Sie automatisieren, müssen Sie wissen, von welcher Stufe aus Sie starten — sonst schätzen Sie ROI und Aufwand falsch ein. ### Reifegrad 1: Manuell Rechnungen kommen per Post oder als E-Mail-Anhang. Mitarbeitende drucken sie aus, stempeln sie, kontieren auf Papier und tippen die Daten ins ERP. Genehmigung erfolgt per physischer Unterschrift oder per E-Mail-Hin-und-her. Skontofristen werden regelmässig verfehlt, weil die Durchlaufzeit zu lang ist. Dieser Reifegrad ist 2026 noch weit verbreitet, vor allem in KMU und kommunalen Verwaltungen. ### Reifegrad 2: Hybrid Ein OCR-Tool oder eine vorgelagerte Capture-Software extrahiert Kopfdaten. Workflow-Tools steuern die Genehmigung. Die **Buchhaltungslogik bleibt aber manuell**: Kontierung wird Rechnung für Rechnung angeklickt, Positionsdaten werden nicht extrahiert, das Matching mit Bestellungen erfolgt im ERP per Hand. Typische Bremse: Templates pro Lieferant, die bei jedem Layout-Wechsel brechen. ### Reifegrad 3: Automatisiert Eine integrierte Plattform übernimmt Capture, Extraktion (auch Positionsdaten), Validierung, 3-Way-Match, Auto-Kontierung und ERP-Übergabe. Mitarbeitende sehen nur noch die Ausnahmen — typischerweise unter 20% der Belege. Die KI lernt aus jeder Korrektur, die Erkennungsrate steigt mit jedem Monat. ## Der automatisierte AP-Prozess Schritt für Schritt Eine vollwertige Kreditorenbuchhaltung-Automatisierung folgt einem 5-Phasen-Modell. Jede Phase eliminiert eine Klasse manueller Eingriffe und macht die nachfolgende Phase erst möglich. ### Phase 1: Multikanal-Erfassung Rechnungen erreichen das Unternehmen über mindestens fünf Kanäle: dediziertes E-Mail-Postfach (PDF), Scanner für Papierpost, Upload-Portal für Lieferanten, EDI-Anbindung für Grosskunden, ZUGFeRD/XRechnung-Empfang für DE-B2B, eBill/SIX für CH. Eine moderne Plattform konsolidiert alle Eingangswege in **einer Inbox**, deduplizert quer über Kanäle und routet jeden Beleg in dieselbe Verarbeitungspipeline. ### Phase 2: KI-gestützte Extraktion Die KI extrahiert nicht nur Kopfdaten (Lieferant, Rechnungsnummer, Datum, Beträge, MWST), sondern auch **Positionsdaten** (Artikelbeschreibung, Menge, Einzelpreis, Konto-Vorschlag). Bei strukturierten Formaten (XRechnung, ZUGFeRD ab 2.x) werden die Felder direkt aus dem XML gelesen — ohne OCR-Fehler. Bei PDFs, Scans und QR-Rechnungen kommt eine kontextverstehende Extraktion zum Zug, die ohne Templates auskommt. ### Phase 3: Automatische Validierung Jede extrahierte Rechnung durchläuft technische und fachliche Prüfungen: MWST-Plausibilität (Satz × Netto = MWST), UID-Validierung (CH) bzw. USt-IdNr.-Validierung (DE/EU), Duplikatcheck quer über alle Eingangskanäle, Bankkonten-Abgleich gegen Stammdaten zur Betrugsabwehr, Preistoleranzprüfung gegen Bestellungen. ### Phase 4: Kontierung und Freigabe Aus historischen Buchungen lernt die KI, welcher Lieferant typischerweise auf welches Sachkonto und welche Kostenstelle gebucht wird. Bei hoher Konfidenz schlägt sie die Kontierung vor und triggert automatisch den passenden Freigabe-Workflow (Schwellenwerte, Vier-Augen-Prinzip, Kostenstellen-Verantwortliche). Bei niedriger Konfidenz oder regelbasierten Ausnahmen landet die Rechnung in der Prüfoberfläche. ### Phase 5: ERP-Buchung Die freigegebene Rechnung wird als fertiger Buchungssatz ins ERP übertragen — inklusive Kreditorenkonto, Sachkonto, Kostenstelle, Steuerschlüssel, Skontoinformation und Zahlungsbedingung. Parallel wird ein Zahlungsvorschlag erzeugt, das Original revisionssicher archiviert (DE: GoBD, CH: GeBüV, AT: BAO) und der Audit-Trail für jede Verarbeitungsstation lückenlos protokolliert. ## 3-Way-Match: Wie Matching in der Realität funktioniert 3-Way-Matching ist der Abgleich zwischen drei Belegen: **Bestellung (PO)**, **Wareneingang (Lieferschein)** und **Rechnung**. Stimmen Mengen, Preise und Artikel auf allen drei Belegen überein, ist die Rechnung freigabefähig. Stimmen sie nicht, liegt eine Abweichung vor — und genau hier zeigt sich der Unterschied zwischen Marketing-Versprechen und produktivem System. ### Drei Match-Typen, die jede AP-Software beherrschen muss | Match-Typ | Was wird verglichen | Wann Pflicht | Auto-Quote (realistisch) | | --- | --- | --- | --- | | **2-Way-Match** | PO ↔ Rechnung (Menge, Preis) | Dienstleistungen ohne Wareneingang | 70–85% | | **3-Way-Match** | PO ↔ Lieferschein ↔ Rechnung | Warenkäufe mit physischer Lieferung | 60–80% | | **4-Way-Match** | + Qualitätsprüfung / Inspektion | Pharma, Lebensmittel, regulierte Branchen | 40–65% | | **Non-PO-Match** | Vertrag oder Budget statt Bestellung | Mieten, Strom, Beratung, Versicherungen | 50–70% | ### Toleranzen sind die wahre Königsdisziplin In der Praxis stimmen Rechnungen selten exakt mit Bestellungen überein. Lieferanten runden Mengen, MWST-Sätze ändern sich, Versandkosten fallen unterschiedlich an. Eine produktive Matching-Engine arbeitet mit **konfigurierbaren Toleranzen**: - **Preistoleranz:** z.B. ±2% oder ±5 Franken pro Position — was zuerst greift - **Mengentoleranz:** z.B. ±3% bei Schüttgut, 0% bei Stückgut - **Summentoleranz:** auf Belegebene, oft ±0,5% oder ein fixer Schwellwert - **Zeittoleranz:** Wareneingang vor oder nach Rechnungseingang Ohne diese Toleranzen landet jede zweite Rechnung in der manuellen Bearbeitung. Mit gut eingestellten Toleranzen erreicht 3-Way-Match auf Positionsebene Quoten von 70 bis 80%. ### Was tun bei Abweichungen Ausnahmen-Handling ist genau so wichtig wie das Match selbst. Die Plattform muss erkennen, welche Art von Abweichung vorliegt — Preisabweichung, Mengenabweichung, fehlender Wareneingang, falsche Bestellnummer — und automatisch den richtigen Workflow auslösen: Klärungsanfrage an den Lieferanten, Genehmigung durch den Einkauf, Sperre für Buchung. Wer das Ausnahmen-Handling nicht durchdacht hat, hat keine AP-Automatisierung, sondern eine teure OCR-Lösung. ## Dunkelverarbeitung ehrlich erklärt Dunkelverarbeitung — englisch «Straight-Through Processing» (STP) oder «Touchless AP» — bezeichnet den Anteil der Rechnungen, die ohne menschlichen Eingriff vom Eingang bis zur Buchung durchlaufen. Es ist die meistgenannte und am häufigsten missverstandene Kennzahl in der AP-Automatisierung. ### Warum 99% Dunkelverarbeitung kein Ziel sind Anbieter werben gerne mit Erkennungsraten von 99%. Das ist nicht falsch — aber es bezieht sich auf die **Extraktionsgenauigkeit einzelner Felder**, nicht auf den Gesamt-Durchlauf einer Rechnung. Wer alle Validierungs-, Match- und Freigabe-Stufen durchrechnet, erreicht in der Praxis 70 bis 85% Dunkelverarbeitung. Höhere Werte sind möglich, aber nur mit drastisch reduzierten Geschäftsregeln — und damit weniger Kontrolle. Der ehrliche Anspruch ist: **80% der Rechnungen vollautomatisch durchziehen, 20% gezielt durch erfahrene Sachbearbeiterinnen prüfen lassen**. Diese 20% sind die Fälle, in denen menschliche Erfahrung schneller zu einer richtigen Entscheidung führt als jede Regel. ### Die fünf Stellschrauben für hohe Quoten 1. **Eingangsformat:** XRechnung, ZUGFeRD, EDI ergeben 95%+ Auto-Quote. Reine PDF-Scans liegen bei 60–75%. 2. **Bestellbezug:** Rechnungen mit PO-Nummer matchen automatisch. Non-PO-Rechnungen brauchen Vertragslogik oder Kostenstellen-Owner. 3. **Stammdatenqualität:** 95% saubere Lieferantenstammdaten heben die Auto-Quote um 10–15 Prozentpunkte. 4. **Toleranz-Tuning:** Zu enge Toleranzen erzeugen Ausnahmen, zu weite verschleiern Fehler. Quartalsweise nachjustieren. 5. **Lerneffekt der KI:** Eine produktive Plattform verbessert sich aus jeder Korrektur. Nach 6 Monaten sind 5–10 Prozentpunkte Auto-Quote-Gewinn realistisch. ## ERP-Integration: SAP, Abacus, Sage, Dynamics Eine AP-Software, die nicht nahtlos mit dem ERP spricht, ist eine Insellösung — egal wie gut die Erkennung ist. Der grösste verdeckte Aufwand in AP-Projekten liegt in der ERP-Integration. Vier Themen entscheiden über Erfolg oder Frust: ### 1. Stammdaten-Synchronisation Lieferanten, Sachkonten, Kostenstellen, Steuerschlüssel und Bankverbindungen müssen aus dem ERP gespiegelt werden — bidirektional und in Echtzeit. Eine Plattform, die wöchentlich CSV-Exporte einliest, ist 2026 nicht produktionstauglich. ### 2. Bestelldaten-Zugriff Für 3-Way-Match braucht die Plattform Live-Zugriff auf offene Bestellungen, Wareneingänge und Vertragsdaten. Bei SAP S/4HANA sind das typischerweise BAPIs oder OData-Services, bei Microsoft Dynamics 365 Business Central die REST-API, bei Abacus die Schnittstelle Abacus Connect. ### 3. Buchungsübergabe Die fertige Rechnung wird als kompletter Buchungssatz ins ERP geschrieben — inklusive Steuerlogik, Kostenverteilung, Skontoinformation. Bei SAP läuft das über IDocs (INVOIC oder INVRPT) oder OData-Services. Wichtig: Die Übergabe muss **idempotent** sein. Eine Rechnung darf nie doppelt gebucht werden, auch wenn die Schnittstelle abbricht. ### 4. Zahlungsanbindung Freigegebene Rechnungen wandern in den nächsten Zahlungslauf — DTAUS, SEPA, ISO 20022 (pain.001) oder Zahlungsvorschläge im ERP. Skontosteuerung erfolgt anhand der erkannten Zahlungsbedingungen. ### Welche ERPs in DACH besonders relevant sind | ERP-System | Verbreitung in DACH | Typische Schnittstelle | | --- | --- | --- | | **SAP S/4HANA / ECC** | Grossunternehmen, Industrie, Pharma, Konzerne | OData, BAPI, IDoc, Cloud Connector | | **Microsoft Dynamics 365 / Business Central** | Mittelstand DE/AT, wachsend in CH | REST-API, OData, AL Extensions | | **Abacus** | CH-KMU und Treuhand-Standard | AbaConnect (XML), AbaWebService (REST) | | **Sage 100 / X3 / 50** | Mittelstand DE/AT/CH | Sage API, Web Services | | **DATEV** | Treuhand und KMU DE | DATEV-Schnittstelle, Belegtransfer | | **Infor LN / M3** | Industrie, Grosshandel | ION API | Dokumentas verfügt über Standard-Konnektoren für alle oben genannten Systeme. Die typische Anbindungszeit liegt zwischen 2 und 4 Wochen — ein Drittel davon entfällt auf Stammdaten-Mapping, der Rest auf Buchungssatz-Validierung in einer Test-Umgebung des Kunden. ## ROI-Berechnung: Was AP-Automatisierung wirklich bringt Die ROI-Rechnung ist einfacher, als viele Anbieter sie machen. Drei Hebel sorgen für die Einsparung: Personal- und Bearbeitungszeit, Skonto-Gewinne, Fehlerkosten. Die folgende Tabelle zeigt typische Werte für drei Volumen-Stufen — basierend auf DACH-Durchschnitten und konservativ kalkuliert. ### Was meist vergessen wird: die weichen Faktoren - **Lieferantenbeziehungen:** Pünktliche Zahlung verbessert die Verhandlungsposition. Wer Skonto-Fristen verpasst, zahlt strukturell mehr — und zwingt den Lieferanten in den Streit. - **Compliance-Risiken:** Eine Steuerprüfung ohne lückenlosen Audit-Trail kostet schnell sechsstellige Beträge — bei automatisierten Prozessen entfällt das Risiko. - **Mitarbeiterbindung:** Buchhaltungs-Talente sind im DACH-Raum knapp. Niemand bleibt freiwillig in einem Job, der zu 70% aus Tippen besteht. - **Skalierbarkeit:** Bei Volumen-Wachstum von 30% reichen automatisierte Teams ohne Headcount-Ausbau aus — manuelle Teams nicht. Eine ausführliche Kostenrechnung mit allen sichtbaren und versteckten Kosten zeigt unser Beitrag [Was kostet manuelle Rechnungsverarbeitung wirklich?](../kosten-rechnungsverarbeitung/). ## Implementierungs-Roadmap: 4 Phasen, 6–8 Wochen Eine erfolgreiche Einführung der Kreditorenbuchhaltung-Automatisierung folgt einem Phasenmodell, das technische und organisatorische Themen parallel adressiert. Die Gesamtdauer vom Kick-off bis zum vollen Produktivbetrieb liegt typischerweise bei 6 bis 8 Wochen. ### Phase 1: Analyse und Konzept (Woche 1–2) Bestandsaufnahme der heutigen Eingangskanäle, Dokumentation der Geschäftsregeln (Freigabematrix, Toleranzen, Sonderfälle), Definition der Schnittstellen zum ERP. Workshop mit Buchhaltung, Einkauf und IT. Ergebnis: Lösungskonzept mit Meilensteinen und KPI-Zielen. ### Phase 2: Konfiguration und Integration (Woche 2–4) Aufbau der Plattform, Anbindung der ERP-Schnittstellen, Konfiguration der Geschäftsregeln, Setup der Freigabe-Workflows, Definition der Stammdaten-Sync. Erste Testrechnungen aus dem produktiven Eingang. Schulung der Key-User und Definition der Eskalationswege. ### Phase 3: Pilotbetrieb (Woche 4–6) Parallelbetrieb mit einem klar abgegrenzten Volumen — typischerweise ein Lieferantensegment oder ein Geschäftsbereich. Tägliches Monitoring der Auto-Quote, der Erkennungsgenauigkeit und der Match-Quote. Wöchentliches Tuning von Toleranzen und Regeln. Erste echte Produktiv-Buchungen ins ERP. ### Phase 4: Rollout und Optimierung (Woche 6–8) Schrittweise Erweiterung auf das gesamte Volumen. Quartalsweise KPI-Reviews mit der Plattform-Owner-Rolle. Iteratives Tuning der Toleranzen, Ergänzung weiterer Eingangskanäle (z.B. EDI für Grosskunden), Erweiterung auf neue Geschäftsbereiche. Nach 3 Monaten ist die Plattform typischerweise im stabilen Betrieb. ## Worauf bei der Software-Auswahl achten Der Markt für AP-Software ist voll. Die meisten Anbieter erfüllen die ersten zwei oder drei Kriterien dieser Liste — wenige alle acht. Wer 2026 evaluiert, sollte gezielt fragen: 1. **Template-frei extrahieren:** Erkennt die Plattform Layouts, die sie noch nie gesehen hat? Verlangt sie pro Lieferant Konfiguration? 2. **Positionsdaten-Extraktion:** Werden nicht nur Kopfdaten, sondern auch Artikelpositionen erkannt — auch bei Sammelrechnungen mit 50+ Zeilen? 3. **Native DACH-Formate:** QR-Rechnung, ZUGFeRD ab 2.x, XRechnung — direkt aus dem XML, nicht über OCR-Umweg. 4. **3-Way-Match auf Positionsebene:** Mit konfigurierbaren Toleranzen, klarem Ausnahmen-Handling, Live-PO-Zugriff im ERP. 5. **Echte ERP-Integration:** Bidirektionale Stammdaten-Sync, idempotente Buchung, dokumentierte Konnektoren für Ihr ERP. 6. **Lückenloser Audit-Trail:** GoBD- und GeBüV-konform, jede Verarbeitungsstation protokolliert, Originalbeleg unveränderbar archiviert. 7. **Human in the Loop:** Eine Prüfoberfläche, die Ausnahmen schneller bearbeitbar macht — nicht ein zweites ERP-Frontend. 8. **End-to-End-Reporting:** Auto-Quote, Cycle-Time, Skonto-Quote, Match-Quote, Fehlerquote — auf Lieferanten-, Bereichs- und Gesamtsicht. Eine vertiefte Gegenüberstellung der Technologie-Ansätze zeigt unser Beitrag [OCR vs. KI: Warum klassische Texterkennung nicht mehr reicht](../ocr-vs-ki-dokumentenverarbeitung/). Wer den weiter gefassten Begriff verstehen will, findet im Beitrag zu [Intelligent Document Processing (IDP)](../intelligent-document-processing/) die Kategorie-Definition. ## Wie Dokumentas Kreditorenbuchhaltung automatisiert Dokumentas adressiert genau die Lücke, die der Markt offen lässt: einen Agenten, der nicht nur extrahiert, sondern auch **kontiert, matcht, bucht und protokolliert**. Konkret: - **Rechnungsagent:** Template-freie Extraktion von Kopf- und Positionsdaten, integrierte Accounting-Logik, 3-Way-Match auf Positionsebene, Auto-Kontierung mit Lerneffekt aus jedem freigegebenen Beleg. - **Bestellagent:** Erfasst Auftragsbestätigungen und Bestelleingänge, was die Datenbasis für saubere 3-Way-Matches überhaupt erst schafft. - **P2P-Agent:** Verbindet Bestellung, Wareneingang und Rechnung End-to-End — die Voraussetzung für Auto-Quoten jenseits 80%. - **Human in the Loop:** Eine Prüfoberfläche, die nur die Ausnahmen zeigt, mit Inline-Editing und Erklärung der KI-Entscheidung. Jede Korrektur trainiert die Modelle. - **End-to-End-Reporting:** Live-Sicht auf Auto-Quote, Match-Quote, Cycle-Time und offene Skontofristen — mit Drill-Down bis zur einzelnen Rechnung. - **Schweizer Plattform, ESGroup-Hintergrund:** 20+ Jahre Erfahrung in Prozessautomatisierung, Hosting in Schweizer Rechenzentren, ISO 27001. Wir versprechen nicht 99% Dunkelverarbeitung. Wir versprechen 80% mit harten Geschäftsregeln, vollem Audit-Trail und sauberer ERP-Übergabe — und ein Team, das die Plattform mit Ihnen einführt, statt sie über die Mauer zu werfen. Praxisbeispiel aus dem [Use-Case Versicherung](../../use-cases/versicherung/): Mailroom-Automatisierung mit Klassifikation und Rechnungs-Routing in mehrere Bereiche, mit hoher Dunkelverarbeitungsquote im Live-Betrieb. --- ## Fazit Kreditorenbuchhaltung-Automatisierung ist 2026 keine Effizienz-Spielerei mehr. Mit der E-Rechnungspflicht in DE, dem EU-VIDA-Paket und der QR-Rechnung in CH ist sie zur Compliance-Voraussetzung geworden. Wer jetzt investiert, deckt drei Fliegen mit einer Klappe ab: Compliance, Kosten, Lieferantenbeziehung. Der Schlüssel liegt nicht in der bestmöglichen OCR-Genauigkeit, sondern in der Tiefe der Geschäftslogik: 3-Way-Match mit echten Toleranzen, sauberer ERP-Übergabe, ehrlichen Auto-Quoten und einer Prüfoberfläche, die Ausnahmen wirklich schneller macht. 80% Dunkelverarbeitung mit voller Kontrolle ist das realistische Ziel — und genug, um den ROI in 4 bis 8 Monaten zu erreichen. Wir helfen gerne weiter — von der Reifegradanalyse bis zur produktiven Plattform. [Demo anfragen](../../contact/) oder direkt den [Rechnungsagenten](../../automatisierte-rechungsverarbeitung/) ansehen. ## Häufig gestellte Fragen Reine Rechnungsverarbeitung deckt Erfassung und Datenextraktion ab. Kreditorenbuchhaltung-Automatisierung geht zwei Schritte weiter: Sie übernimmt auch die Geschäftslogik (Kontierung, 3-Way-Match, Freigabe-Workflows) und die ERP-Übergabe als fertigen Buchungssatz. Wer nur extrahiert, hat eine teure OCR-Lösung — wer kontiert und bucht, hat eine echte Automatisierung. Ja, beim Empfang. Seit dem 1. Januar 2025 muss jedes deutsche B2B-Unternehmen E-Rechnungen (XRechnung oder ZUGFeRD ab 2.x) empfangen und verarbeiten können. Die Versandpflicht greift gestaffelt: Unternehmen über 800'000 Euro Vorjahresumsatz ab 2027, alle anderen ab 2028. Eine moderne AP-Plattform liest die strukturierten XML-Daten direkt aus, ohne OCR-Umweg. Bei einer produktiven AP-Automatisierung mit 3-Way-Match und harten Geschäftsregeln liegen 80% Dunkelverarbeitung bei Dokumentas-Kunden im Standard. Höhere Werte (95%+) sind möglich, aber nur mit reduzierten Regeln — was meist nicht sinnvoll ist. Wer 99% verspricht, weicht in der Regel die Geschäftsregeln so weit auf, dass sie keine Kontrolle mehr bieten. Ja. Dokumentas verfügt über Standard-Konnektoren für SAP S/4HANA und ECC (OData, BAPI, IDoc), Microsoft Dynamics 365 und Business Central (REST-API), Abacus (AbaConnect/AbaWebService), Sage 100/X3/50, DATEV und Infor. Die typische Anbindungszeit beträgt 2–4 Wochen. Stammdaten werden bidirektional synchronisiert, Buchungen erfolgen idempotent. Non-PO-Rechnungen werden gegen Verträge, Budgets oder Kostenstellen gematcht. Die Plattform lernt aus historischen Buchungen, welcher Lieferant typisch auf welches Konto und welche Kostenstelle gebucht wird. Die Freigabe folgt dann der Kostenstellen- oder Vertragsverantwortung. Auto-Quoten von 50–70% sind hier realistisch — höher als bei reiner Rechnungsverarbeitung, aber niedriger als bei PO-Rechnungen. Jede Verarbeitungsstation wird lückenlos protokolliert: Eingang, Extraktion, Validierung, Korrektur, Freigabe, Buchung. Originalbelege werden unveränderbar archiviert (DE: GoBD, CH: GeBüV, AT: BAO). Hosting erfolgt in Schweizer Rechenzentren mit ISO-27001-Zertifizierung. Audit-Logs sind exportierbar und für die Betriebsprüfung aufbereitet. 6–8 Wochen ist der Standard. Phase 1 (Analyse, Konzept) dauert 2 Wochen, Phase 2 (Konfiguration, ERP-Integration) 2–3 Wochen, Phase 3 (Pilotbetrieb mit echten Daten) 2 Wochen, Phase 4 (Rollout, Optimierung) startet danach. Komplexere ERP-Landschaften oder mehrere Mandanten verlängern Phase 2. Ab etwa 200–250 Rechnungen pro Monat amortisiert sich das Projekt typischerweise innerhalb von 6 bis 8 Monaten. Bei 1'000 Rechnungen monatlich liegt die Amortisation oft schon bei 4 Monaten. Wer auch Bestellungen und Lieferscheine automatisieren will (P2P-Sicht), erreicht den ROI schneller, weil Skonto-Quoten und Match-Quoten gemeinsam steigen. # Bestellautomatisierung in der Verpackungsindustrie: Herausforderungen, Loesungen & ROI | Dokumentas Source: https://www.dokumentas.ai/blog/bestellautomatisierung-verpackungsindustrie/ > Warum die manuelle Auftragserfassung in der Verpackungsindustrie zum Engpass wird — und wie KI-basierte Automatisierung 75% der manuellen Arbeit eliminiert. Mit interaktivem ROI-Rechner. ## Warum die Verpackungsindustrie ein besonderes Problem hat Verpackungsunternehmen verarbeiten tausende Bestellungen pro Jahr — per E-Mail, als PDF, Excel oder Freitext. Anders als in Branchen mit hohem EDI-Anteil kommen Bestellungen in der Verpackungsindustrie meist unstrukturiert. Die Folge: Ein enormer manueller Aufwand bei der Auftragserfassung, der linear mit dem Bestellvolumen skaliert. ### Heterogene Bestellformate ohne Standardisierung - Kunden bestellen in komplett unterschiedlichen Formaten: PDF-Bestellungen, Excel-Tabellen, E-Mail-Freitext - Keine EDI-Anbindung bei einem Grossteil der Kunden — vor allem im Mittelstand - Jeder Kunde verwendet eigene Artikelnummern, Layouts und teilweise unterschiedliche Sprachen - EDI deckt oft nur einen Bruchteil des Bestellvolumens ab — der Rest ist manuell ### Komplexe Artikelzuordnung - Kunden verwenden eigene Materialnummern, die auf interne ERP-Artikelnummern gemappt werden müssen - Stammdatenabgleich ist aufwändig: Kundenartikel, Preise, Lieferadressen und Konditionen müssen validiert werden - Unterscheidung zwischen Nachbestellungen (bekannter Artikel) und Neubestellungen (noch nicht im System) - Werkbestimmung: gleicher Artikel kann an mehreren Produktionsstandorten gefertigt werden — die Zuordnung ist oft regelbasiert ### Wachsendes Volumen bei gleichbleibenden Ressourcen - Verpackungsunternehmen wachsen — organisch, durch neue Kunden oder Übernahmen — aber das Backoffice wächst nicht mit - Personalaufwand skaliert linear: Doppelt so viele Bestellungen bedeutet doppelt so viele Stunden Erfassungsarbeit - Saisonspitzen (Weihnachtsgeschäft, Promotions, Produktlaunches) erzeugen Bestellpeaks, die mit dem bestehenden Team kaum bewältigbar sind - Temporäres Personal für Spitzenzeiten ist teuer und fehleranfällig — Einarbeitung dauert Wochen ### Hoher Zeitaufwand pro Bestellung - **3–5 Minuten pro Bestellung** im Durchschnitt: E-Mail öffnen, Anhang sichten, relevante Daten identifizieren, im ERP suchen und abgleichen, Auftrag manuell anlegen - Bei einem typischen mittelständischen Verpackungsunternehmen mit 1'000–2'000 Bestellungen pro Monat summiert sich das auf **600–2'000 Stunden pro Jahr** — reine Erfassungsarbeit - Qualifizierte Sachbearbeiter verbringen den Grossteil ihrer Zeit mit repetitiver Dateneingabe statt mit wertschöpfenden Aufgaben ## Der typische Bestellprozess — und wo er scheitert Der manuelle Bestellprozess in der Verpackungsindustrie folgt einem typischen Muster. An jedem Schritt lauern Fehlerquellen und Zeitfresser. An jedem Schritt entsteht Reibung: E-Mails müssen gefiltert, unterschiedliche Formate interpretiert, Kundenmaterialnummern manuell übersetzt und Stammdaten validiert werden. Bei einem Fehler in der Auftragsanlage — falsche Menge, falsches Werk, falsche Artikelnummer — entsteht ein Dominoeffekt in der Produktion. ## Drei Bestelltypen — und warum nicht alle gleich automatisierbar sind In der Verpackungsindustrie lassen sich Bestellungen typischerweise in drei Kategorien einteilen. Diese Unterscheidung ist entscheidend für eine realistische Automatisierungsstrategie. ### Standardbestellungen (Nachbestellungen) - **Grösster Anteil:** ~60–80% des gesamten Bestellvolumens - Artikel ist bekannt, Kunde ist bekannt, Konditionen stehen fest — es ändert sich nur Menge und Liefertermin - **Vollautomatisierbar** — Auftrag kann direkt im ERP angelegt werden, funktional wie ein EDI-Auftrag - Hier liegt der grösste ROI-Hebel: Tausende Bestellungen pro Jahr ohne manuellen Eingriff ### Bestellungen mit Abweichungen - Bekannter Artikel, aber mit Änderungen: andere Lieferadresse, Sonderkonditionen, abweichende Verpackungseinheiten, geänderte Spezifikationen - System erkennt die Abweichung und steuert den Auftrag zur Validierung an den zuständigen Sachbearbeiter - **Teilautomatisiert:** Datenextraktion und Routing laufen automatisch, nur die Entscheidung bleibt beim Menschen ### Erstbestellungen / Neue Artikel - Artikel existiert noch nicht im ERP — z.B. ein neues Verpackungsformat, ein neuer Kunde oder eine komplett neue Produktlinie - System erkennt dies automatisch und überführt den Vorgang in den manuellen Prozess - **Trotzdem wertvoll:** Die automatische Datenextraktion spart auch hier erheblich Zeit bei der Neuanlage ## Die Lösung — KI-basierte Bestellautomatisierung Ein moderner Ansatz zur Bestellautomatisierung in der Verpackungsindustrie umfasst fünf Phasen — von der E-Mail bis zum ERP-Auftrag. 1. **Dokumenteingang & Intake** — Automatischer E-Mail-Abruf, Anhang-Extraktion, KI-Klassifikation (Bestellung vs. Anfrage vs. Reklamation vs. nicht-relevant) 2. **KI-Dokumentenverarbeitung** — Intelligente Extraktion von Bestelldaten (Artikelnummer, Menge, Liefertermin, Lieferadresse) aus jedem Format — PDF, Excel, Freitext 3. **Business Logik & Stammdatenabgleich** — Kundenmaterialnummer auf interne ERP-Nummer mappen, Werkbestimmung, Adressvalidierung, Preisprüfung 4. **Workflowsteuerung** — Automatische Entscheidung: vollautomatisch verarbeiten (Standardbestellung), zur Validierung aussteuerern (Bestellung mit Abweichung) oder manuell bearbeiten (Erstbestellung) 5. **ERP-Integration** — Automatische Auftragserstellung im ERP (z.B. SAP, Microsoft Dynamics, Oracle), funktional identisch mit einem EDI-Auftrag Der Clou: Das System unterscheidet automatisch zwischen den [drei Bestelltypen](#use-cases) und wählt den optimalen Verarbeitungspfad. Standardbestellungen werden vollautomatisch angelegt — ohne manuellen Eingriff. ## Einsparpotenzial — Die Zahlen sprechen für sich Die Einsparungen hängen vom Bestellvolumen, der Erfassungszeit und dem Lohnniveau ab. Die folgende Modellrechnung zeigt, welche Grössenordnungen typisch sind. | Kennzahl | Vorher (manuell) | Nachher (80% STP) | | --- | --- | --- | | **Bestellungen/Jahr** | 18'000 | 18'000 | | **Aufwand pro Bestellung** | 4 Min. (manuell) | 80% automatisch, 20% je 1 Min. | | **Personalaufwand/Jahr** | 1'200 Stunden | 60 Stunden | | **Vollkosten/Jahr** | ~60'000 EUR | ~3'000 EUR | | **Einsparung** | **~57'000 EUR/Jahr (95%)** | | Die konkreten Zahlen variieren je nach Unternehmen. Nutzen Sie den [interaktiven ROI-Rechner](#roi-rechner) weiter unten für eine individuelle Berechnung. Typisches Einsparpotenzial 75–95% Weniger manueller Erfassungsaufwand 0.5–2 FTE Kapazitätsentlastung (je nach Volumen) 4–8 Mt. Typische Amortisationszeit Basierend auf Erfahrungswerten aus der Verpackungsindustrie, 75–85% STP-Rate bei Standardbestellungen --- ### Praxisbeispiel: Mittelständischer Verpackungshersteller Ein europäischer Verpackungshersteller mit mehreren Produktionsstandorten verarbeitet rund 1'500 Bestellungen pro Monat. Davon kommen ca. 60% per E-Mail (PDF, Excel), der Rest über EDI. Die E-Mail-Bestellungen wurden bisher komplett manuell erfasst — mit einem Team von 3 Sachbearbeitern, das an der Kapazitätsgrenze arbeitet. - **Ausgangslage:** ~10'800 manuelle Bestellungen/Jahr, 4 Min. Erfassungszeit, Fehlerquote ~3% - **Lösung:** KI-basierte Bestellautomatisierung mit ERP-Integration und automatischem Stammdatenabgleich - **Ergebnis nach 6 Monaten:** 78% STP-Rate bei Standardbestellungen, Erfassungszeit reduziert auf unter 1 Minute für validierungspflichtige Bestellungen - **Auswirkung:** Ein Sachbearbeiter konnte auf wertschöpfendere Aufgaben (Kundenbetreuung, Reklamationsmanagement) umgeschichtet werden ## ROI-Rechner für die Verpackungsindustrie Interaktiv Berechnen Sie Ihr Einsparpotenzial Passen Sie die Werte an Ihr Unternehmen an. Die Berechnung berücksichtigt Vollkosten inkl. Arbeitgebernebenkosten und Overhead. Bei automatisierten Bestellungen fallen nur noch kurze Validierungszeiten an. Bestellungen pro Monat 1'500 Region / Lohnniveau CHF 6'500 / Mt. CHF 5'500 / Mt. EUR 4'500 / Mt. EUR 3'800 / Mt. EUR 3'500 / Mt. Erfassungszeit pro Bestellung (Min.) 4 Min. Automatisierungsrate (STP) 80% 0 Aktuelle Kosten/Jahr 0h Zeitaufwand/Jahr 0 Kosten nach Autom. 0 Einsparpotenzial/Jahr [Individuelle Analyse? Kostenlose Demo vereinbaren](../../contact/) ## Human-in-the-Loop — Warum 100% nicht das Ziel ist Ein häufiges Missverständnis: Automatisierung bedeutet nicht, den Menschen komplett zu ersetzen. Das Konzept «Human-in-the-Loop» (HITL) ist ein bewusster Designentscheid. - Der Mensch greift nur bei Ausnahmen ein: neue Layouts, fehlende Stammdaten, geänderte Artikel - Das System lernt aus jeder manuellen Korrektur — die Automatisierungsrate steigt kontinuierlich - Validierungsoberflächen zeigen vorextrahierte Daten — der Sachbearbeiter bestätigt nur noch, statt neu einzutippen - Fehlerrate sinkt drastisch: Maschinelle Extraktion mit menschlicher Kontrolle ist genauer als rein manuelle Erfassung > Das Ziel ist nicht 100% Automatisierung, sondern 100% Kontrolle bei minimalem Aufwand. ## Warum EDI allein nicht reicht EDI (Electronic Data Interchange) ist der Goldstandard für strukturierten Datenaustausch. Doch in der Praxis hat EDI klare Grenzen: - **Begrenzte Abdeckung:** Nur ein Teil der Kunden — vor allem Grosskunden — hat EDI implementiert - **Mittelstand ohne EDI:** Viele Verpackungskunden, insbesondere im Mittelstand, bestellen weiterhin per E-Mail und PDF - **E-Mail bleibt Kanal Nr. 1:** In der Verpackungsindustrie kommen 50–70% aller Bestellungen per E-Mail - **EDI-Implementierung ist teuer:** Pro Kunde CHF/EUR 10'000–50'000 für Setup und Mapping KI-basierte Bestellautomatisierung schliesst die Lücke zwischen EDI und manueller Erfassung. Sie verarbeitet unstrukturierte Bestellungen genauso zuverlässig wie strukturierte EDI-Nachrichten — ohne dass der Kunde etwas ändern muss. Mehr zum Thema: [Use Case: Verpackungsindustrie](../../use-cases/verpackungsindustrie/) ## Häufig gestellte Fragen Alle gängigen Formate: PDF-Bestellungen, Excel-Dateien, E-Mail-Freitext, gescannte Dokumente und strukturierte EDI-Nachrichten. Die KI arbeitet template-frei — es müssen keine Vorlagen definiert werden, auch neue Kundenformate werden sofort erkannt. Nein. Die Lösung funktioniert unabhängig von EDI und ergänzt bestehende EDI-Strecken. Gerade für Kunden ohne EDI-Fähigkeit bietet sie den grössten Mehrwert — E-Mail-Bestellungen werden genauso automatisiert verarbeitet wie EDI-Aufträge. Das System pflegt eine Zuordnungstabelle (Mapping) zwischen Kundenmaterialnummern und internen ERP-Artikelnummern. Bei der Verarbeitung wird die Kundennummer automatisch auf die interne Nummer aufgelöst — inklusive Werkbestimmung und Stammdatenvalidierung. Die typische Implementierung dauert 8–12 Wochen. Phase 1 (PoC mit echten Daten) ist in 2–3 Wochen abgeschlossen. Danach folgt die schrittweise Anbindung an das ERP-System und die Integration der Stammdaten. Die Lösung integriert mit allen gängigen ERP-Systemen: SAP (S/4HANA, ECC), Microsoft Dynamics 365, Oracle, Infor und weiteren. Die Integration erfolgt über standardisierte Schnittstellen (APIs, IDocs, RFCs) oder Dateiaustausch. Das System erkennt automatisch, ob ein Artikel unverändert, geändert oder neu ist. Unveränderte Bestellungen werden vollautomatisch verarbeitet. Bei geänderten Artikeln werden die extrahierten Daten dem Sachbearbeiter vorgelegt. Bei neuen Artikeln wird der Vorgang in den manuellen Prozess überführt — mit bereits extrahierten Daten als Ausgangsbasis. Bei unveränderten Bestellungen (dem Hauptvolumen) liegt die STP-Rate (Straight-Through Processing) typischerweise bei 75–85%. Diese Rate steigt mit der Zeit, da das System aus Korrekturen lernt. Insgesamt werden 60–80% aller Bestellungen — über alle drei Use Cases hinweg — automatisiert oder teilautomatisiert verarbeitet. Ja, bereits ab ca. 500 Bestellungen pro Monat zeigt sich ein klarer Business Case. Der ROI-Rechner auf dieser Seite zeigt Ihnen das konkrete Einsparpotenzial für Ihr Volumen. Neben den direkten Kosteneinsparungen profitieren auch kleinere Unternehmen von der höheren Datenqualität und der Entlastung des Personals. # Was kostet manuelle Rechnungsverarbeitung wirklich? – Der Kostencheck 2026 | Dokumentas Source: https://www.dokumentas.ai/blog/kosten-rechnungsverarbeitung/ > Was kostet eine Rechnung manuell zu verarbeiten? Detaillierte Aufschlüsselung aller sichtbaren und versteckten Kosten — mit interaktivem Kostenrechner und Branchenzahlen. ## Die sichtbaren Kosten: 12 Minuten pro Rechnung "CHF 22 pro Rechnung" — diese Zahl wird oft zitiert. Aber woher kommt sie? Wir schlüsseln jeden einzelnen Schritt auf, transparent und nachvollziehbar. | Prozessschritt | Ø Zeit | Beschreibung | | --- | --- | --- | | **Posteingang & Sortierung** | ~2 Min. | E-Mail öffnen, Anhänge speichern, physische Post scannen, Dokument dem richtigen Prozess zuordnen | | **Datenerfassung im ERP** | ~4 Min. | Lieferant, Rechnungsnummer, Datum, Positionen, Beträge, Steuersätze manuell eintippen | | **Prüfung & Kontierung** | ~3 Min. | Abgleich mit Bestellung/Lieferschein, Kostenstelle zuordnen, Sachkonto wählen, Steuern prüfen | | **Freigabe & Genehmigung** | ~2 Min. | Freigabe-Workflow auslösen, Rückfragen klären, Genehmigung einholen | | **Ablage & Archivierung** | ~1 Min. | Dokument ablegen, Revisionssicherheit gewährleisten | | **Total** | **~12 Min.** | **Vollständiger Durchlauf einer einzelnen Rechnung** | So ergibt sich der Vollkostensatz: - **Schweizer Durchschnittslohn Sachbearbeitung Buchhaltung:** CHF 6'500/Monat - **Bei 168 Arbeitsstunden/Monat:** CHF 38.70/Stunde - **12 Minuten x CHF 38.70/60:** CHF 7.74 reine Personalkosten - **Inkl. Arbeitgeber-Nebenkosten (+30%):** CHF 10.06 - **Inkl. Infrastruktur, Software, Overhead (+50–80%):** CHF 18–22 Vollkosten pro Rechnung Auf einen Blick 12 Min. Durchschnittliche Bearbeitungszeit CHF 22 Vollkosten pro Rechnung CHF 132'000 Jährlich bei 500 Rechnungen/Monat ## Die versteckten Kosten: Was in keiner Rechnung steht Die sichtbaren CHF 22 sind nur die Spitze des Eisbergs. Die wahren Kosten der manuellen Verarbeitung verstecken sich in Fehlern, Verzögerungen und verpassten Chancen. ### Fehlerkosten - **Manuelle Fehlerquote:** 3–5% aller Rechnungen - **Kosten pro Fehler:** CHF 50–150 (Korrektur, Nachbuchung, Kommunikation) - **Bei 500 Rechnungen/Monat und 4% Fehlerquote:** 20 fehlerhafte Rechnungen x CHF 100 = CHF 2'000/Monat - **Jährlich:** CHF 24'000 ### Skontoverluste - **Durchschnittliches Skonto:** 2% bei Zahlung innert 10 Tagen - **Manuelle Durchlaufzeit:** 8–12 Tage — oft wird das Skontofenster verpasst - **Typische Skonto-Nutzungsrate manuell:** 40–50% - **Bei CHF 5 Mio. Einkaufsvolumen und Verbesserung von 40% auf 85%:** CHF 45'000/Jahr Mehrertrag ### Durchlaufzeit und Cashflow - **Manuelle Durchlaufzeit:** 8–12 Tage - Verzögerte Verarbeitung führt zu verspäteter Zahlung — keine Skonti, Mahngebühren - Fehlende Echtzeit-Transparenz über offene Verbindlichkeiten - Liquiditätsplanung wird zum Blindflug ### Personalrisiko und Skalierung - Wissen konzentriert sich auf wenige Personen - Urlaub, Krankheit, Kündigung = sofortiger Engpass - Lineare Skalierung: Mehr Rechnungen = proportional mehr Personal - **Faustregel:** 1 FTE verarbeitet ca. 2'000–3'000 Rechnungen/Monat ## Der Gesamtkosten-Vergleich | Kostenfaktor | Monatlich | Jährlich | | --- | --- | --- | | **Direkte Bearbeitungskosten (CHF 22 x 500)** | CHF 11'000 | CHF 132'000 | | **Fehlerkosten (4% x CHF 100)** | CHF 2'000 | CHF 24'000 | | **Entgangene Skonti** | CHF 3'750 | CHF 45'000 | | **Mahngebühren & Verzugszinsen** | CHF 500 | CHF 6'000 | | **Gesamtkosten manuell** | **CHF 17'250** | **CHF 207'000** | > Die meisten Unternehmen kennen ihre direkten Bearbeitungskosten. Was sie unterschätzen, sind die versteckten Kosten — sie machen oft 40–60% der Gesamtkosten aus. ## Interaktiver Kostenrechner Interaktiv Berechnen Sie Ihre wahren Kosten Basierend auf Schweizer Durchschnittswerten: 12 Min. Bearbeitungszeit pro Rechnung, 4% Fehlerquote, 2% Skonto bei CHF-Einkaufsvolumen. Passen Sie die Werte an Ihr Unternehmen an. Rechnungen pro Monat 500 Lohnregion (Ø Monatslohn Sachbearbeiter) CHF 6'500 / Mt. CHF 5'500 / Mt. EUR 4'500 / Mt. EUR 3'800 / Mt. EUR 3'500 / Mt. Bearbeitungszeit pro Rechnung (Min.) 12 Min. Jährliches Einkaufsvolumen CHF 5 Mio. CHF 0 Kosten pro Rechnung CHF 0 Jährliche Gesamtkosten CHF 0 Davon versteckte Kosten CHF 0 Einsparpotenzial [Individuelle Analyse? → Kostenlose Demo vereinbaren](../../contact/) ## Was bedeutet das konkret? Drei Unternehmensprofile Profil 1: Kleines KMU 200 Rechnungen / Monat 1 FTE Buchhaltung (anteilig) CHF 2 Mio. Einkaufsvolumen ~CHF 75'000 Geschätzte Gesamtkosten / Jahr Profil 2: Mittelständisches Unternehmen 1'500 Rechnungen / Monat 2–3 FTE Kreditorenbuchhaltung CHF 15 Mio. Einkaufsvolumen ~CHF 500'000 Geschätzte Gesamtkosten / Jahr Profil 3: Grossunternehmen 10'000+ Rechnungen / Monat 8+ FTE Eigene Kreditorenabteilung CHF 100 Mio. Einkaufsvolumen ~CHF 3.5 Mio. Geschätzte Gesamtkosten / Jahr ## Wann lohnt sich Automatisierung? Fünf klare Anzeichen, dass Automatisierung sich für Ihr Unternehmen lohnt: 1. Sie verarbeiten mehr als 200 Rechnungen pro Monat 2. Ihre Fehlerquote liegt über 2% 3. Sie verpassen regelmässig Skontofristen 4. Ihr Team verbringt mehr als 50% der Zeit mit manueller Datenerfassung 5. Personalengpässe (Urlaub, Krankheit) führen zu Rechnungsstau Die Frage ist nicht mehr ob, sondern wann. Je höher das Rechnungsvolumen, desto schneller amortisiert sich die Investition. Bei den meisten dokumentas-Kunden liegt der Payback bei **4–8 Monaten**. Wie eine KI-gestützte Automatisierung konkret funktioniert — vom IDP-Kern über Invoice-Matching bis zur ERP-Integration — erfahren Sie in unserem [kompletten Guide zur Rechnungsautomatisierung](../eingangsrechnungen-automatisieren/). ## Fazit Die wahren Kosten manueller Rechnungsverarbeitung liegen deutlich über den sichtbaren CHF 18–22 pro Rechnung. Versteckte Kosten — Fehler, entgangene Skonti, Verzögerungen und Personalrisiken — machen 40–60% der Gesamtkosten aus und werden in den meisten Kostenanalysen übersehen. Der interaktive Rechner zeigt: Auch für kleine KMU summieren sich die Kosten schnell auf fünfstellige Beträge pro Jahr. Für mittelständische Unternehmen sind es bereits sechsstellige Beträge. Diese Kosten sind nicht unvermeidbar — sie sind das direkte Ergebnis manueller Prozesse. Der [dokumentas Rechnungsagent](../../automatisierte-rechungsverarbeitung/) automatisiert den gesamten Prozess End-to-End: template-freie KI-Extraktion, automatisches Invoice-Matching, integrierte Kontierung und ERP-Übergabe. Das Ergebnis: Bearbeitungszeit von 12 Minuten auf unter 1 Minute, Fehlerquote nahe null, Skontofristen zuverlässig eingehalten. ## Häufig gestellte Fragen Die CHF 22 sind Vollkosten und beinhalten: direkte Personalkosten (Lohn + Arbeitgebernebenkosten) für durchschnittlich 12 Minuten Bearbeitungszeit plus einen Overhead-Zuschlag für Infrastruktur, Software (ERP, Scanner) und Verwaltung. Die Berechnung basiert auf einem Schweizer Durchschnittslohn von CHF 6'500/Monat für Sachbearbeiter in der Buchhaltung. Die drei grössten versteckten Kostentreiber sind: Fehlerkosten (Korrekturbuchungen, Mahnungen), entgangene Skonti durch zu lange Durchlaufzeiten und Opportunitätskosten durch gebundene Personalkapazität. Bei 500 Rechnungen pro Monat können diese versteckten Kosten CHF 75'000 oder mehr pro Jahr ausmachen. Bereits ab 200 Rechnungen pro Monat zeigt sich ein klarer Business Case. Bei diesem Volumen liegen die manuellen Gesamtkosten bei rund CHF 75'000 pro Jahr. Eine KI-basierte Automatisierung kann 70–80% davon einsparen und amortisiert sich typischerweise innerhalb von 4–8 Monaten. Unser Kostenrechner fokussiert auf die Diagnose: Er zeigt transparent, was der Status quo wirklich kostet — inklusive versteckter Kosten. Der ROI-Rechner in unserem Automatisierungs-Guide berechnet dagegen die Einsparungen und den Return on Investment einer konkreten Lösung. Die Prozesskostenstruktur ist branchenübergreifend ähnlich, die absoluten Beträge variieren je nach Lohnniveau. Nutzen Sie den Kostenrechner und wählen Sie Ihre Lohnregion (Schweiz, Deutschland, Österreich oder EU) — die Berechnung passt sich automatisch an. Der dokumentas Rechnungsagent automatisiert den gesamten Prozess: template-freie KI-Extraktion, automatisches Invoice-Matching (2/3-Way), integrierte Kontierung und ERP-Übergabe. Über 80% der Rechnungen werden vollautomatisch verarbeitet (Dunkelverarbeitung). Das reduziert die Bearbeitungszeit von 12 Minuten auf unter 1 Minute, eliminiert Fehler und sichert Skontofristen. # Digitaler Posteingang: Wie KI den Mailroom automatisiert – Guide 2026 | Dokumentas Source: https://www.dokumentas.ai/blog/digitaler-posteingang/ > Digitaler Posteingang: Wie KI-basierte Mailroom-Automatisierung Eingangspost klassifiziert, anreichert und routet — multikanal, template-frei, mit über 80% Dunkelverarbeitung. ## Warum der Posteingang zum Engpass wird In vielen Unternehmen ist der Posteingang ein unterschätzter Flaschenhals. Täglich treffen Dutzende bis Tausende Dokumente ein — per E-Mail, Briefpost, Fax oder Webportal. Jedes einzelne muss geöffnet, gelesen, zugeordnet und an die richtige Stelle weitergeleitet werden. Manuell. Das Ergebnis: Verzögerungen, Fehler und unnötige Kosten. Besonders in dokumentenintensiven Branchen wie Versicherungen, Logistik oder dem Gesundheitswesen wird der Posteingang zum operativen Risiko. ## So funktioniert ein digitaler Posteingang Ein digitaler Posteingang ersetzt manuelle Sortierung durch KI-basierte Automatisierung. Der Prozess läuft in fünf Schritten — vom Eingang bis zur Weiterleitung ins Zielsystem. Der gesamte Prozess dauert Sekunden statt Stunden. Bei über 80% der Dokumente erfolgt die Verarbeitung vollautomatisch — ohne menschlichen Eingriff. Nur Ausnahmen werden zur manuellen Prüfung vorgelegt. ## Multikanal: E-Mail, Scan, Portal — ein Prozess Die grösste Herausforderung im Posteingang ist die Kanalvielfalt. Dokumente kommen über unterschiedliche Wege, in unterschiedlichen Formaten und zu unterschiedlichen Zeiten. Ein digitaler Posteingang vereinheitlicht alle Kanäle in einem Prozess. ### E-Mail & Anhänge - Automatisches Monitoring von Posteingängen und Funktionspostfächern - PDF-, Word-, Excel- und Bildanhänge werden extrahiert und verarbeitet - Kein manuelles Öffnen, Speichern oder Weiterleiten mehr ### Physische Post & Scanning-Center - Integration mit bestehenden Scanning-Centern - Digitalisierte Dokumente werden automatisch übernommen - Barcode-basierte Trennung oder KI-basierte Seitentrennung ### Webportale & EDI - Dokumente aus Kunden- und Lieferantenportalen automatisch abholen - EDI-Nachrichten (EDIFACT, XML) direkt verarbeiten - API-basierte Integration mit bestehenden Systemen ## KI-Klassifikation: 150+ Dokumenttypen automatisch erkennen Template-basierte Systeme scheitern an der Vielfalt. Ein digitaler Posteingang muss mit hunderten verschiedenen Dokumenttypen umgehen können — ohne für jeden Typ manuell Regeln zu definieren. Die dokumentas-Plattform nutzt Intelligent Document Processing (IDP) für die template-freie Klassifikation. Die KI erkennt den Dokumenttyp anhand von Inhalt und Struktur, nicht anhand von starren Layouts. Neue Dokumenttypen werden automatisch erkannt, ohne manuelle Konfiguration. | Kategorie | Dokumenttypen | Beispiel-Routing | | --- | --- | --- | | **Finanzdokumente** | Rechnungen, Gutschriften, Mahnungen | Kreditorenbuchhaltung / ERP | | **Bestellwesen** | Bestellungen, Auftragsbestätigungen, Lieferscheine | Einkauf / Bestellagent | | **Vertragswesen** | Verträge, Nachträge, Kündigungen | Vertragsmanagement / DMS | | **Korrespondenz** | Briefe, Anfragen, Reklamationen | Kundenservice / CRM | | **Formulare** | Anträge, Schadenmeldungen, Stammdatenänderungen | Fachabteilung / Workflow | | **Sonstige** | Technische Dokumente, Zertifikate, Protokolle | Archiv / DMS | Die Klassifikationsgenauigkeit liegt bei über 95%. Dokumente, die nicht eindeutig zugeordnet werden können, werden zur manuellen Prüfung vorgelegt — mit KI-Vorschlag für den wahrscheinlichsten Typ. Auf einen Blick >95% Klassifikationsgenauigkeit 150+ Erkannte Dokumenttypen <5 Sek. Verarbeitungszeit pro Dokument ## Routing: Das richtige Dokument an die richtige Stelle Klassifikation allein reicht nicht. Der eigentliche Mehrwert entsteht erst, wenn jedes Dokument automatisch an die richtige Abteilung, das richtige System und den richtigen Prozess weitergeleitet wird. - **Regelbasiertes Routing:** Dokumenttyp + extrahierte Daten bestimmen das Zielsystem - **Stammdaten-Anreicherung:** Kundennummer, Vertragsnummer oder Bestellnummer werden automatisch zugeordnet - **Dossierbildung:** Dokumente werden automatisch dem richtigen Vorgang/Fall zugewiesen - **Eskalation:** Unklare Fälle werden zur manuellen Entscheidung vorgelegt — mit Kontext ## Praxisbeispiel: Input Management in der Versicherung Ein Schweizer Versicherungsunternehmen stand vor einer typischen Herausforderung: Täglich gingen mehrere hundert Dokumente ein — Schadenmeldungen, Policenänderungen, Arztzeugnisse, Korrespondenz und Rechnungen. Über drei getrennte Kanäle: physische Post via Scanning-Center, E-Mail mit Anhängen und Portaluploads. ### Ausgangslage - **Rund 150 verschiedene Dokumenttypen** mussten täglich manuell erkannt und zugeordnet werden - **3 getrennte Kanäle** (Post, E-Mail, Portal) mit eigenen Workflows und Medienbrüchen - **Nur ~30% Dunkelverarbeitung** — der Grossteil erforderte manuelles Eingreifen trotz externem Scanning-Center - **Über 2 FTE** gebunden in Sortierung und Weiterleitung statt in qualifizierter Sachbearbeitung ### Lösung: KI-gestützte Mailroom-Plattform Die dokumentas-Plattform wurde an das bestehende Scanning-Center angebunden. Die KI übernimmt automatisch: - **Dokumententrennung und Klassifikation:** Mehrseitige Postsendungen werden automatisch getrennt und einem von 150 Dokumenttypen zugeordnet - **Extraktion und Stammdaten-Anreicherung:** Relevante Datenpunkte werden extrahiert und mit Vertrags- und Kundenstammdaten verknüpft - **Automatische Dossierbildung:** Dokumente werden dem richtigen Versicherungsdossier zugeordnet — für lückenlose Aktenführung - **Routing in Fachanwendungen:** Klassifizierte Dokumente werden automatisch an die zuständigen Systeme und Teams weitergeleitet Ergebnis nach 6 Monaten ~80% Dunkelverarbeitungsquote vorher: ~30% -60% Reduktion Bearbeitungszeit ~2 FTE Direkte Einsparung Die freigewordenen Kapazitäten wurden für qualifizierte Sachbearbeitung eingesetzt statt für Sortierarbeit. Die Dunkelverarbeitungsquote steigt mit zunehmendem Datenvolumen und kontinuierlichem Lernen aus Korrekturen weiter an. > Der digitale Posteingang hat unsere Sachbearbeitung fundamental verändert. Statt Dokumente zu sortieren, können sich unsere Mitarbeitenden auf die wirklich komplexen Fälle konzentrieren. Den kompletten Use Case mit weiteren Details finden Sie auf unserer [Use-Case-Seite zur Versicherungsbranche](../../use-cases/versicherung/). ## Implementierung: In 5 Schritten zum digitalen Posteingang 1. **Analyse & Dokumenteninventar** — Welche Dokumenttypen gehen ein? Über welche Kanäle? Wie viele pro Tag? Wo landen sie heute? 2. **Kanal-Anbindung** — E-Mail-Postfächer, Scanning-Center und Portale technisch anbinden. dokumentas unterstützt alle gängigen Schnittstellen. 3. **Klassifikator-Training** — Die KI wird mit Beispieldokumenten trainiert. Bei den häufigsten Typen reichen wenige Dutzend Beispiele für >95% Genauigkeit. 4. **Routing-Regeln definieren** — Gemeinsam mit den Fachabteilungen: Welcher Dokumenttyp geht wohin? Welche Daten müssen extrahiert werden? 5. **Go-Live & Optimierung** — Start mit einem Kanal oder einer Dokumentklasse, dann schrittweise ausweiten. Kontinuierliches Monitoring der Dunkelverarbeitungsquote. Die typische Implementierungszeit beträgt 4–8 Wochen für den ersten Kanal. Weitere Kanäle und Dokumenttypen können danach schrittweise hinzugefügt werden. Wie die KI-basierte Dokumentenerkennung (IDP) im Detail funktioniert, erklären wir in unserem [Guide zu Intelligent Document Processing](../intelligent-document-processing/). ## Fazit Der digitale Posteingang ist mehr als ein IT-Projekt — er ist die Grundlage für durchgängig automatisierte Dokumentenprozesse. Wer Eingangspost heute noch manuell sortiert, verschwendet qualifizierte Arbeitszeit für eine Aufgabe, die KI schneller und genauer erledigt. Die Kombination aus template-freier Klassifikation, Stammdaten-Anreicherung und intelligentem Routing macht den Unterschied: Dokumente landen nicht nur im richtigen System, sondern sind sofort verarbeitungsbereit — für die spezialisierten dokumentas-Agenten, die den End-to-End-Prozess übernehmen. ### Nach der Klassifikation: Die dokumentas-Agenten - **Rechnungen** gehen an den [Rechnungsagent](../../automatisierte-rechungsverarbeitung/) — mit Invoice-Matching, Kontierung und ERP-Übergabe - **Bestellungen** gehen an den [Bestellagent](../../auftragseingang-automatisieren/) — mit Stammdaten-Anreicherung und Auftragsanlage - **End-to-End-Prozesse** übernimmt der [P2P-Agent](../../p2p-automatisierung/) — vom Bestelleingang über 3-Way-Matching bis zur Rechnungsfreigabe ## Häufig gestellte Fragen Ein digitaler Posteingang ist ein KI-basiertes System, das eingehende Dokumente — egal ob per E-Mail, Briefpost, Fax oder Webportal — automatisch erfasst, klassifiziert, mit Stammdaten anreichert und an die richtigen Systeme und Abteilungen weiterleitet. Der manuelle Sortier- und Verteilprozess wird vollständig automatisiert. Moderne Systeme wie die dokumentas-Plattform erkennen über 150 verschiedene Dokumenttypen: Rechnungen, Bestellungen, Verträge, Korrespondenz, Formulare, Schadenmeldungen und viele mehr. Die KI-basierte Klassifikation ist template-frei und erkennt neue Dokumenttypen automatisch. Im Regelbetrieb erreicht ein digitaler Posteingang eine Dunkelverarbeitungsquote von über 80%. Das bedeutet: Mehr als 8 von 10 Dokumenten werden vollautomatisch verarbeitet — von der Erfassung bis zur Weiterleitung ins Zielsystem. Nur Ausnahmen erfordern manuellen Eingriff. Die dokumentas-Plattform wird direkt an Ihr bestehendes Scanning-Center angebunden. Digitalisierte Dokumente werden automatisch übernommen, getrennt (falls mehrseitig), klassifiziert und geroutet. Für die physische Postverarbeitung ändert sich nichts — nur die nachfolgende Sortierung und Verteilung wird automatisiert. Der erste Kanal (z.B. E-Mail) kann in 4–8 Wochen produktiv geschaltet werden. Weitere Kanäle und Dokumenttypen werden schrittweise hinzugefügt. Die Klassifikationsgenauigkeit verbessert sich mit jedem verarbeiteten Dokument kontinuierlich. Besonders für dokumentenintensive Branchen: Versicherungen, Logistik, Gesundheitswesen, Finanzdienstleister und produzierende Unternehmen. Überall dort, wo täglich viele verschiedene Dokumenttypen über unterschiedliche Kanäle eingehen, entfaltet die Automatisierung ihren vollen Nutzen. # OCR vs. KI-basierte Dokumentenverarbeitung – Der Vergleich 2026 | Dokumentas Source: https://www.dokumentas.ai/blog/ocr-vs-ki-dokumentenverarbeitung/ > OCR vs. KI: Wo klassische Texterkennung aufhört und KI-basierte Dokumentenverarbeitung anfängt. Vergleich, Praxisbeispiele und Entscheidungshilfen für Schweizer Unternehmen. OCR — Optical Character Recognition — war jahrelang der Goldstandard für die digitale Dokumentenverarbeitung. Zeichen erkennen, Text extrahieren, fertig. Doch die Realität in Schweizer Unternehmen sieht anders aus: Eingangsrechnungen von 50 verschiedenen Lieferanten, Bestellungen in drei Sprachen, Lieferscheine mit wechselnden Layouts. Hier stösst klassische OCR an ihre Grenzen. KI-basierte Dokumentenverarbeitung — oft als [Intelligent Document Processing (IDP)](../intelligent-document-processing/) bezeichnet — geht einen fundamental anderen Weg: Statt starrer Templates nutzt sie künstliche Intelligenz, um Dokumente zu **verstehen**. Dieser Artikel vergleicht beide Ansätze direkt, zeigt konkrete Praxisbeispiele und gibt Entscheidungshilfen für den Wechsel. Die zentrale Frage: Reicht OCR noch für Ihre Anforderungen — oder verlieren Sie bereits Geld durch manuelle Nacharbeit, Template-Pflege und Fehler? ## Was ist OCR? Optical Character Recognition (OCR) ist eine Technologie, die Zeichen in Bildern oder gescannten Dokumenten erkennt und in maschinenlesbaren Text umwandelt. Das Prinzip ist seit den 1990er-Jahren im Einsatz und hat sich als grundlegende Digitalisierungstechnologie etabliert. ### Wie OCR funktioniert Der klassische OCR-Prozess läuft in vier Schritten ab: Ein Dokument wird gescannt oder als Bild eingespeist. Im Preprocessing wird das Bild optimiert — Kontrast anpassen, Rauschen entfernen, Schräglage korrigieren. Dann erfolgt die eigentliche Zeichenerkennung: Algorithmen vergleichen Pixelmuster mit bekannten Buchstaben und Ziffern. Am Ende steht ein Textstring — die Rohausgabe. ### Stärken von OCR - **Schnell und günstig:** Texterkennung in Sekundenbruchteilen, geringe Lizenzkosten - **Bewährt:** Über 30 Jahre Entwicklung, ausgereifte Engines (Tesseract, ABBYY, etc.) - **Gut für standardisierte Dokumente:** Bei gleichbleibendem Layout funktioniert OCR zuverlässig - **Einfache Integration:** OCR-APIs sind für nahezu jede Programmiersprache verfügbar ### Grenzen von OCR - **Template-abhängig:** Für jedes Dokumentlayout muss ein Regelwerk definiert werden, das festlegt, wo welche Daten stehen - **Kein Kontextverständnis:** OCR liest Zeichen, versteht aber nicht, was sie bedeuten — "Total", "Gesamtbetrag" und "Amount Due" sind für OCR drei verschiedene Textfragmente - **Fragil bei Layout-Änderungen:** Verschiebt ein Lieferant sein Logo um 2 cm, kann das gesamte Template brechen - **Limitiert bei Handschrift:** Klassische OCR-Engines erkennen Druckschrift, scheitern aber oft an handschriftlichen Elementen > OCR liefert Text — aber kein Verständnis. Die eigentliche Intelligenz muss durch Templates, Regeln und manuelle Nacharbeit ergänzt werden. ## Was ist KI-basierte Dokumentenverarbeitung? KI-basierte Dokumentenverarbeitung geht über reine Texterkennung hinaus. Statt nur Zeichen zu lesen, **versteht** das System den Inhalt eines Dokuments — ähnlich wie ein erfahrener Sachbearbeiter, der weiss, wo auf einer Rechnung der Betrag steht, auch wenn das Layout jedes Mal anders aussieht. ### Die Technologie dahinter Moderne KI-Systeme kombinieren mehrere Technologien zu einem integrierten Ansatz: - **Computer Vision:** Erkennung von Layouts, Tabellen, Logos und handschriftlichen Elementen — nicht nur Buchstaben, sondern visuelle Strukturen - **Natural Language Processing (NLP):** Verständnis von Dokumenteninhalten auf semantischer Ebene — "Rechnungsbetrag", "Total" und "Amount Due" werden als gleich erkannt - **Machine Learning:** Kontinuierliches Lernen aus Korrekturen und neuen Dokumenttypen — das System wird mit der Zeit besser - **Large Language Models (LLMs):** Kontextbasierte Interpretation komplexer oder mehrdeutiger Inhalte, auch bei unbekannten Dokumentformaten ### Der fundamentale Unterschied zu OCR OCR arbeitet **positionsbasiert**: "Der Betrag steht in Zeile 15, Spalte 3." KI arbeitet **semantisch**: "Dies ist der Rechnungsbetrag — egal wo er steht." Das macht KI-basierte Systeme fundamental robuster gegenüber Layout-Variationen, neuen Lieferanten und mehrsprachigen Dokumenten. ## Der direkte Vergleich: OCR vs. KI Um den Unterschied greifbar zu machen, hier der direkte Vergleich anhand von acht Kriterien, die in der Praxis den Unterschied machen. | Kriterium | Klassisches OCR | KI-basiert | | --- | --- | --- | | **Genauigkeit** | 85–90% | 95–99% | | **Kontextverständnis** | Keins (positionsbasiert) | Ja (semantisch) | | **Neue Dokumenttypen** | Neues Template nötig | Lernt automatisch | | **Mehrsprachigkeit** | Pro Sprache konfigurieren | Multilingual nativ | | **Handschrift** | Sehr limitiert | Ja (inkl. Mixed) | | **Tabellenextraktion** | Regelbasiert / starr | KI-gestützt / flexibel | | **Lernfähigkeit** | Keine | Kontinuierlich | | **Wartungsaufwand** | Hoch (Template-Pflege) | Niedrig (Self-Learning) | > Der grösste Unterschied: OCR erkennt Zeichen — KI versteht Dokumente. Dieser Paradigmenwechsel macht den Unterschied zwischen 85% und 99% Genauigkeit. ## Wo OCR noch ausreicht — und wo nicht OCR ist nicht per se schlecht. Für bestimmte Einsatzszenarien reicht klassische Texterkennung völlig aus. Die Frage ist: Passen Ihre Dokumente in dieses Szenario? ### OCR reicht aus bei: - **Standardisierte Formulare:** Intern erstellte Dokumente mit gleichbleibendem Layout — etwa Stundenzettel, interne Anträge oder eigene Rechnungsvorlagen - **Einheitliche Vorlagen:** Wenn Sie immer die gleichen Dokumente vom gleichen Absender erhalten - **Einfache Digitalisierung:** Wenn Sie nur Text aus Scans extrahieren wollen, ohne strukturierte Daten zu benötigen ### OCR reicht NICHT bei: - **Eingangsrechnungen:** Jeder Lieferant verwendet ein anderes Layout — 50 Lieferanten bedeuten 50 Templates - **Kundenbestellungen:** Bestellungen per E-Mail, PDF oder Fax in variierenden Formaten und Sprachen - **Lieferscheine:** Unterschiedliche Formate für das [3-Way-Matching](../../p2p-automatisierung/) im Procure-to-Pay-Prozess - **Verträge:** Unstrukturierte Dokumente mit variierendem Aufbau und Formulierungen - **Mehrsprachige Dokumente:** Im DACH-Raum kommen Dokumente in Deutsch, Französisch, Italienisch und Englisch — oft gemischt **Die Realität:** Schätzungsweise 80% der geschäftsrelevanten Dokumente, die Unternehmen von extern erhalten, sind semi- oder unstrukturiert. Das bedeutet: Template-basiertes OCR versagt bei genau den Dokumenten, die am häufigsten vorkommen und den grössten Automatisierungshebel haben. ## Praxisbeispiel: Eingangsrechnung Eingangsrechnungen sind das häufigste Dokument in der Kreditorenbuchhaltung — und gleichzeitig das beste Beispiel für die Grenzen von OCR. Stellen Sie sich vor: 3 verschiedene Rechnungen von 3 verschiedenen Lieferanten. ### Der OCR-Ansatz Für jeden Lieferanten muss ein separates Template definiert werden: Wo steht die Rechnungsnummer? Wo der Betrag? Wo das Datum? Bei 50 aktiven Lieferanten sind das 50 Templates, die erstellt und gepflegt werden müssen. Ändert ein Lieferant sein Rechnungslayout — was regelmässig vorkommt — muss das Template manuell angepasst werden. Bis dahin laufen alle Rechnungen dieses Lieferanten in die manuelle Nachbearbeitung. ### Der KI-Ansatz Die KI erkennt semantisch, was ein "Rechnungsbetrag" ist — egal ob das Feld "Total", "Gesamtbetrag", "Montant total" oder "Amount Due" heisst. Kein Template nötig. Neue Lieferanten werden automatisch verarbeitet. Layout-Änderungen haben keinen Einfluss, weil die KI nicht an Positionen gebunden ist, sondern den Inhalt versteht. Mehr dazu in unserem Guide zur [automatisierten Rechnungsverarbeitung](../../automatisierte-rechungsverarbeitung/). Vergleich: OCR vs. KI bei Eingangsrechnungen 90–95% Dunkelverarbeitung (KI) vs. 70–80% bei OCR <2% Fehlerquote (KI) vs. 10–15% bei OCR Unbegrenzt Skalierung (KI) vs. pro Template bei OCR Werte basieren auf Branchenbenchmarks für Schweizer KMU mit 30–100 aktiven Lieferanten. Mehr dazu: [Rechnungsverarbeitung](../../automatisierte-rechungsverarbeitung/) Ein ähnliches Bild zeigt sich bei [Kundenbestellungen](../../auftragseingang-automatisieren/): Jeder Kunde bestellt in einem anderen Format, per E-Mail, PDF oder sogar per Fax. OCR-Templates sind hier praktisch nicht umsetzbar — KI verarbeitet alle Varianten nativ. ## ROI-Vergleich: Umstieg von OCR auf KI Die häufigste Frage bei der Evaluation: "Was kostet der Wechsel — und wann rechnet er sich?" Die Antwort hängt vom Dokumentvolumen ab, aber der Trend ist eindeutig. ### Kosten template-basiertes OCR Die offensichtlichen Lizenzkosten für OCR-Software sind oft gering. Die versteckten Kosten machen den Unterschied: Template-Erstellung (1–2 Stunden pro Lieferant), Wartung bei Layout-Änderungen, Support-Aufwand für Fehlerfälle und manuelle Nachbearbeitung der 10–30% Dokumente, die das Template nicht korrekt erkennt. ### Kosten KI-basiert KI-basierte Lösungen haben typischerweise höhere initiale Setup-Kosten. Dafür entfällt die laufende Template-Pflege fast vollständig. Der Wartungsaufwand sinkt um bis zu 90%, weil das System selbstlernend ist und sich an neue Layouts automatisch anpasst. | Kostenfaktor | Template-OCR | KI-basiert | | --- | --- | --- | | **Einrichtung pro Dokumenttyp** | 1–2h Template-Erstellung | Konfiguration in Minuten | | **Wartung bei Layout-Änderungen** | Manuell (jedes Mal) | Automatisch (Self-Learning) | | **Fehlerbehandlung** | 10–30% manuelle Nacharbeit | 1–5% manuelle Prüfung | | **Neue Lieferanten onboarden** | Neues Template pro Lieferant | Kein Aufwand (sofort) | | **Skalierung** | Linear (mehr Templates) | Nicht-linear (KI lernt) | | **TCO über 3 Jahre** | Hoch (steigende Wartung) | Sinkend (Continuous Learning) | **Break-even:** Bei einem mittleren Dokumentvolumen (2'000–10'000 Dokumente pro Monat) liegt der typische Break-even bei 3–6 Monaten. Je höher das Volumen und je grösser die Lieferantenvielfalt, desto schneller rechnet sich der Wechsel. Interaktiv Berechnen Sie Ihr Einsparpotenzial Manuelle Bearbeitungszeit pro Dokument: 8–12 Min. (Ø 10 Min.). KI-automatisiert: 90% Dunkelverarbeitung in ~15 Sek. + 10% manuelle Prüfung à ~5 Min. = **Ø 45 Sek. pro Dokument**. Passen Sie die Werte an Ihr Unternehmen an. Dokumente pro Monat 2'000 Lohnregion (Ø Monatslohn Sachbearbeiter) CHF 6'500 / Mt. CHF 5'500 / Mt. CHF 4'500 / Mt. EUR 4'500 / Mt. EUR 3'500 / Mt. EUR 2'800 / Mt. EUR 2'500 / Mt. EUR 1'800 / Mt. EUR 1'200 / Mt. Aktueller Automatisierungsgrad 10% CHF 0 Jährliche Einsparung 0 Std. Eingesparte Stunden / Jahr 0% ROI im ersten Jahr [Individuelle Analyse? → Kostenlose Demo vereinbaren](../../contact/) ## Worauf Sie beim Wechsel achten sollten Nicht jede "KI-Lösung" hält, was sie verspricht. Fünf Kriterien, die beim Wechsel von OCR auf KI-basierte Verarbeitung den Unterschied machen: ### 1. Erkennung ohne Templates Das Kernmerkmal einer echten KI-Lösung: **Template-freie Extraktion**. Das System muss neue Dokumentlayouts ohne manuelle Konfiguration verarbeiten können. Wenn der Anbieter für jeden Lieferanten ein "Modell trainieren" muss, ist es verkapptes Template-OCR mit Marketing-Label. ### 2. ERP-Integration Die beste Extraktion nützt nichts, wenn die Daten nicht ins ERP gelangen. Achten Sie auf **native Konnektoren** für die gängigen Systeme im DACH-Raum: SAP (S/4HANA, Business One), Abacus, Netsuite, Microsoft Dynamics. Die Integration sollte bidirektional sein — Stammdatenabgleich inklusive. ### 3. Mehrsprachigkeit Für Schweizer Unternehmen ein Muss: Die Lösung muss Dokumente in Deutsch, Französisch, Italienisch und Englisch **nativ** verarbeiten — ohne separate Sprachmodelle oder Konfiguration. Besonders wichtig: gemischtsprachige Dokumente (z.B. deutsche Rechnung mit englischen Produktnamen). ### 4. Continuous Learning Das System muss aus Korrekturen lernen. Wenn ein Sachbearbeiter einen falsch erkannten Betrag korrigiert, sollte die KI ähnliche Fälle beim nächsten Mal automatisch korrekt erkennen. Fragen Sie nach: Wie schnell greift das Learning? Wie transparent ist der Lernfortschritt? ### 5. Datenschutz und Hosting Dokumente enthalten sensible Geschäftsdaten — Lieferantenkonditionen, Kundeninformationen, Finanzdetails. Für Schweizer Unternehmen gelten strenge Anforderungen: **Schweizer oder EU-Hosting**, DSG-Konformität (Schweizer Datenschutzgesetz), optionales On-Premise-Deployment. Prüfen Sie, ob Dokumentdaten für Trainingszwecke verwendet werden. ## Fazit OCR war der richtige Ansatz für die Dokumentendigitalisierung in den 2010er-Jahren. Für standardisierte, gleichbleibende Dokumente funktioniert es nach wie vor. Aber die Anforderungen haben sich verändert: Unternehmen verarbeiten heute Dokumente von Hunderten von Lieferanten, in mehreren Sprachen, mit ständig wechselnden Layouts. 2026 sind KI-basierte Lösungen der neue Standard. Die Technologie ist ausgereift, die Ergebnisse nachweisbar und die Implementierung pragmatisch umsetzbar. Die wichtigsten Unterschiede: - **Genauigkeit:** 95–99% statt 85–90% — weniger Fehler, weniger Nacharbeit - **Skalierbarkeit:** Neue Lieferanten und Layouts ohne Template-Aufwand - **Lernfähigkeit:** Das System wird mit jedem Dokument besser - **TCO:** Sinkende Kosten statt steigender Wartung Wer heute noch auf Template-OCR setzt, verliert bei jeder Skalierung — mehr Lieferanten bedeuten mehr Templates, mehr Wartung, mehr manuelle Nacharbeit. KI-basierte Systeme lösen dieses Problem fundamental. Erfahren Sie mehr über KI-basierte Dokumentenverarbeitung in unserem [kompletten IDP-Guide](../intelligent-document-processing/) oder lesen Sie, wie Unternehmen ihre [Eingangsrechnungen automatisieren](../eingangsrechnungen-automatisieren/). ## Häufig gestellte Fragen Die Lizenzkosten für KI-basierte Lösungen sind initial oft höher als für klassisches OCR. Aber die Total Cost of Ownership (TCO) ist deutlich niedriger: Sie sparen Template-Erstellung, -Wartung und manuelle Nachbearbeitung. Bei mittlerem Dokumentvolumen (2'000+ pro Monat) rechnet sich der Wechsel typischerweise innerhalb von 3–6 Monaten. Ja. Moderne KI-Systeme verarbeiten handschriftliche Elemente deutlich besser als klassisches OCR — auch Mixed-Content, also gedruckter Text mit handschriftlichen Ergänzungen. Bei gut lesbarer Handschrift auf strukturierten Formularen liegen die Erkennungsraten bei 85–95%. Reine Freitext-Handschrift bleibt herausfordernd und wird zur manuellen Prüfung weitergeleitet. Ein Pilotprojekt mit einem Dokumenttyp (z.B. Eingangsrechnungen) kann in 2–4 Wochen live gehen. Der vollständige Rollout mit ERP-Integration und mehreren Dokumenttypen dauert typischerweise 4–8 Wochen. Wichtig: Die Migration kann schrittweise erfolgen — Sie müssen nicht alles auf einmal umstellen. Nein. Das ist der Kernvorteil von KI-basierter Verarbeitung: Das System erkennt Dokumentinhalte semantisch, nicht positionsbasiert. Sie definieren, WELCHE Daten Sie brauchen (z.B. Rechnungsnummer, Betrag, Lieferant) — die KI findet sie unabhängig vom Layout. Templates für einzelne Lieferanten oder Dokumentformate entfallen komplett. Klassisches OCR erreicht bei bekannten Templates 85–90% Genauigkeit bei der Datenextraktion. Bei unbekannten Layouts sinkt die Rate deutlich. KI-basierte Systeme erreichen 95–99% über alle Layouts hinweg — auch bei neuen, noch nie gesehenen Dokumentformaten. Der Unterschied zeigt sich besonders bei Tabellen, mehrsprachigen Inhalten und variierenden Layouts. Ja, und deutlich besser als klassisches OCR. KI-Systeme nutzen erweiterte Bildverarbeitung (Computer Vision), um Kontrast, Schärfe und Ausrichtung automatisch zu optimieren. Selbst bei schlechter Scanqualität, Kaffeeflecken oder teilweise verdecktem Text liefert KI zuverlässigere Ergebnisse als OCR, weil sie den Kontext zur Rekonstruktion nutzt. In den meisten Fällen ja. Die KI-Lösung ersetzt die Erkennungs- und Extraktionsschicht — Ihre bestehenden Workflows, Freigabeprozesse und ERP-Integrationen können erhalten bleiben. Die Migration kann schrittweise erfolgen: Starten Sie mit einem Dokumenttyp, validieren Sie die Ergebnisse, und erweitern Sie dann. Bestehende OCR-Templates können als Referenz für die Validierung dienen. Dokumentas integriert nativ mit den gängigen ERP-Systemen im DACH-Raum: SAP (S/4HANA, Business One), Abacus, Netsuite, Microsoft Dynamics 365 und weiteren Systemen. Für ERPs ohne nativen Konnektor stehen Standard-APIs und Webhooks zur Verfügung. Die Integration umfasst bidirektionalen Datenaustausch — also auch Stammdatenabgleich und Statusrückmeldungen. # Auftragseingang automatisieren: Der komplette Guide 2026 Source: https://www.dokumentas.ai/blog/auftragseingang-automatisieren/ > Auftragseingang automatisieren: Alles über KI-basierte Auftragsverarbeitung, typische Herausforderungen, Branchenbeispiele und Implementierung. Der komplette Guide 2026. Bestellungen kommen per E-Mail, Fax, Webportal oder Telefon — und in den unterschiedlichsten Formaten. Was in vielen Unternehmen folgt, ist ein aufwändiger manueller Prozess: Daten abtippen, ins ERP-System übertragen, Rückfragen bei Unstimmigkeiten klären. Pro Bestellung vergehen nicht selten 10 bis 15 Minuten — reine Erfassungsarbeit, die qualifizierte Mitarbeitende bindet und bei wachsendem Bestellvolumen zum Engpass wird. Dieser Guide zeigt Ihnen, wie Sie Ihren Auftragseingang systematisch automatisieren — von der Analyse des Ist-Zustands über die Technologiewahl bis zur erfolgreichen Implementierung. Sie erfahren, worauf es bei der Auswahl einer Lösung ankommt, welche Branchen besonders profitieren und wie Sie den Einstieg pragmatisch gestalten. Der Guide richtet sich an Unternehmen, die monatlich mehr als 100 Bestellungen verarbeiten und ihren Erfassungsaufwand spürbar reduzieren möchten. ## Was ist Auftragseingang-Automatisierung? Auftragseingang-Automatisierung bezeichnet den Einsatz von Technologie, um eingehende Bestellungen automatisch zu erfassen, zu interpretieren und als Aufträge im ERP-System anzulegen — ohne manuelles Abtippen. Der Prozess beginnt beim Eingang der Bestellung (egal über welchen Kanal) und endet mit einem validierten Auftrag im Zielsystem. ### Abgrenzung zu verwandten Ansätzen - **EDI (Electronic Data Interchange):** Strukturierter, standardisierter Datenaustausch zwischen Systemen. Funktioniert nur, wenn beide Seiten denselben Standard nutzen — was bei vielen KMU nicht der Fall ist. - **E-Procurement-Portale:** Kunden bestellen direkt in einem Portal. Setzt voraus, dass Kunden ihre Gewohnheiten ändern — oft nicht realistisch. - **Klassisches OCR:** Erkennt Zeichen auf Dokumenten, versteht aber nicht den Kontext. Braucht für jedes Bestellformat ein eigenes Template. - **KI-basierte Automatisierung:** Versteht den Inhalt von Bestellungen kontextbezogen — unabhängig von Format, Layout und Sprache. Kein Template nötig. ## Der Status Quo: Warum manuelle Auftragserfassung nicht skaliert In den meisten Unternehmen erreichen Bestellungen über verschiedene Kanäle den Vertriebsinnendienst: als PDF per E-Mail, als Fax, über Kundenportale oder telefonisch. Jede Bestellung hat ein anderes Format — manche sind strukturierte SAP-Auszüge, andere handschriftliche Notizen auf Firmenvordrucken. Das Ergebnis: Mitarbeitende verbringen einen Grossteil ihrer Arbeitszeit damit, Bestelldaten manuell in ERP-Systeme zu übertragen. Dabei entstehen Medienbrüche an jeder Schnittstelle — und mit jedem Medienbruch steigt das Fehlerrisiko. ### Typische Probleme im manuellen Auftragseingang - **Medienbrüche:** Daten werden von einem Format ins andere übertragen — von der PDF-Bestellung in die ERP-Maske. Jeder Übertrag ist eine potenzielle Fehlerquelle. - **Fehleranfälligkeit:** Tippfehler bei Artikelnummern, falsche Mengenangaben, verwechselte Lieferadressen — manuelle Erfassung ist naturgemäss fehleranfällig, besonders bei hohem Volumen und Zeitdruck. - **Lange Durchlaufzeiten:** Vom Bestelleingang bis zur Auftragsanlage im ERP vergehen oft Stunden oder sogar Tage — besonders bei Rückfragen oder fehlenden Informationen. - **Fragmentierte Kanäle:** Bestellungen kommen über E-Mail, Fax, Portal und Telefon. Ohne zentrale Erfassung gehen Bestellungen unter oder werden doppelt erfasst. - **Skalierungsproblem:** Bei wachsendem Bestellvolumen braucht es proportional mehr Personal. Die Kosten steigen linear, die Fehlerquote auch. ## Fünf Anzeichen, dass Ihr Auftragseingang automatisiert werden sollte Nicht jedes Unternehmen braucht sofort eine Automatisierung. Die folgenden fünf Indikatoren zeigen Ihnen, ob der Zeitpunkt für Ihr Unternehmen gekommen ist: 1. **Ihre Mitarbeitenden tippen Bestelldaten manuell ab.** Wenn Bestellungen als PDF oder Fax eingehen und Ihre Mitarbeitenden die Daten Feld für Feld ins ERP übertragen, ist das ein klares Zeichen für Automatisierungspotenzial. 2. **Rückfragen bei Bestellungen nehmen zu.** Falsche Artikelnummern, unklare Mengenangaben, fehlende Kundennummern — je mehr Rückfragen nötig sind, desto grösser der Nutzen einer automatisierten Validierung. 3. **Die Auftragserfassung wird zum Engpass.** Wenn bei Auftragsspitzen oder Ferienabwesenheiten die Auftragserfassung stockt und Lieferzeiten darunter leiden, skaliert Ihr Prozess nicht mit. 4. **Sie haben mehr als 100 Bestellungen pro Monat.** Ab diesem Volumen amortisiert sich eine Automatisierungslösung erfahrungsgemäss in akzeptabler Zeit. Je höher das Volumen, desto schneller der Return. 5. **Kunden bestellen in unterschiedlichen Formaten.** Excel-Tabellen, freiformatige E-Mails, PDF-Bestellformulare, Faxe — je heterogener die Formate, desto grösser der Vorteil einer KI-basierten Lösung gegenüber regelbasierten Ansätzen. Treffen drei oder mehr dieser Punkte auf Ihr Unternehmen zu? Dann lohnt sich eine genauere Betrachtung. ## Wie funktioniert KI-basierte Auftragsverarbeitung? KI-basierte Auftragsverarbeitung folgt einem strukturierten Ablauf in fünf Schritten. Das Ziel: Vom Eingang der Bestellung bis zum fertigen ERP-Auftrag mit möglichst wenig manuellem Eingriff. ### Schritt 1: Multikanal-Eingang Das System empfängt Bestellungen aus allen Kanälen — E-Mail-Anhänge, Faxe, Portal-Downloads, gescannte Dokumente. Unabhängig vom Eingangsweg werden alle Bestellungen zentral erfasst und in den Verarbeitungsprozess eingespeist. ### Schritt 2: Dokumentklassifikation Nicht jede eingehende Nachricht ist eine Bestellung. Die KI erkennt den Dokumenttyp — Bestellung, Anfrage, Reklamation, Lieferschein — und leitet nur tatsächliche Bestellungen in den Verarbeitungsprozess weiter. ### Schritt 3: Intelligente Extraktion Die KI extrahiert alle relevanten Daten aus der Bestellung: Kundennummer, Artikelnummern, Bezeichnungen, Mengen, Einheiten, Preise, gewünschter Liefertermin, Lieferadresse. Dabei versteht sie den Kontext — auch wenn Felder unterschiedlich benannt sind oder die Struktur von Bestellung zu Bestellung variiert. ### Schritt 4: Automatische Validierung Die extrahierten Daten werden gegen Ihre Stammdaten in SAP, Abacus oder Ihrem jeweiligen ERP-System validiert: Gibt es den Kunden? Stimmt die Artikelnummer? Ist der Preis plausibel? Ist der Liefertermin realistisch? Unstimmigkeiten werden markiert und — je nach Konfiguration — automatisch korrigiert oder zur manuellen Prüfung eskaliert. Besonders wertvoll ist dabei die Fuzzy-Logik bei der Artikelzuordnung. Kunden verwenden selten exakt die gleichen Bezeichnungen wie Ihr ERP: Wenn eine Bestellung «Schraube M8» enthält, Ihr SAP aber «M8-Schraube-verzinkt» führt, erkennt die KI den Zusammenhang über Ähnlichkeitsabgleich — statt die Position als «nicht gefunden» abzulehnen. Genau diese intelligente Zuordnung unterscheidet KI-basierte Systeme von starren Template-Lösungen. ### Schritt 5: ERP-Auftragsanlage Validierte Bestellungen werden automatisch als Aufträge in Ihrem ERP-System angelegt — ob SAP, Abacus, Microsoft Dynamics oder Sage — mit allen Positionen, Konditionen und Lieferinformationen. Der menschliche Eingriff beschränkt sich auf die Ausnahmebearbeitung: jene Fälle, bei denen die KI unsicher ist oder Geschäftsregeln einen Review erfordern. Wie das in der Praxis aussieht, zeigt der [Dokumentas Bestellagent](../../auftragseingang-automatisieren/). ### Feedback-Loop: Das System lernt mit Jede manuelle Korrektur fliesst als Trainingssignal zurück in die KI. Wenn ein Mitarbeitender eine falsch zugeordnete Artikelnummer korrigiert, lernt das System diese Zuordnung für zukünftige Bestellungen. Die Erkennungsrate verbessert sich kontinuierlich — ohne Neukonfiguration. ## Welche Daten werden automatisch extrahiert? Die KI extrahiert aus eingehenden Bestellungen eine Vielzahl strukturierter Datenfelder. Die folgende Übersicht zeigt die wichtigsten Felder und wie sie validiert werden: | Datenfeld | Beschreibung | Validierung | | --- | --- | --- | | **Kundennummer** | Eindeutige Identifikation des Bestellers | Abgleich mit Kundenstamm | | **Artikelnummer** | SKU oder interne Artikelkennung | Abgleich mit Artikelstamm | | **Artikelbezeichnung** | Beschreibung des bestellten Produkts | Fuzzy-Matching gegen ERP-Stammdaten (z.B. «Schraube M8» → «M8-Schraube-verzinkt») | | **Bestellmenge** | Gewünschte Stückzahl | Plausibilitätsprüfung (Mindest-/Höchstmenge) | | **Mengeneinheit** | Stück, Karton, Palette, kg, m² | Mapping auf SAP-/Abacus-Einheiten | | **Preis** | Einzelpreis oder Gesamtpreis | Abgleich mit Preisliste/Rahmenvertrag | | **Liefertermin** | Gewünschtes Lieferdatum | Machbarkeits- und Verfügbarkeitsprüfung | | **Lieferadresse** | Zieladresse für die Lieferung | Abgleich mit hinterlegten Adressen | ### Strukturierte vs. unstrukturierte Bestellungen Strukturierte Bestellungen (EDI, XML, CSV) enthalten klar definierte Felder und lassen sich direkt verarbeiten. Die grössere Herausforderung — und der eigentliche Mehrwert der KI — liegt bei unstrukturierten Bestellungen: PDF-Formulare, freiformatige E-Mails, gescannte Faxe oder sogar Bestellungen, die als Freitext in einer E-Mail stehen. Hier erkennt die KI Muster und Kontext, wo regelbasierte Systeme scheitern. ## Branchenbeispiele: Auftragseingang in der Praxis Die Automatisierung des Auftragseingangs bietet in verschiedenen Branchen spezifische Vorteile. Zwei Beispiele zeigen, wie unterschiedlich die Herausforderungen — und Lösungen — sein können. ### Verpackungsindustrie In der Verpackungsindustrie bestellen Kunden häufig in individuellen Formaten — vom handschriftlich ausgefüllten Bestellformular bis zur detaillierten Excel-Spezifikation mit Sondermassen und Druckvorgaben. EDI ist selten etabliert, die Formatvielfalt enorm. Gleichzeitig sind die Bestellungen oft komplex: Mehrere Varianten eines Produkts, unterschiedliche Veredelungsstufen, kundenspezifische Artikelnummern. Eine KI-basierte Lösung erkennt diese heterogenen Formate ohne vorkonfigurierte Templates und ordnet kundenspezifische Bezeichnungen automatisch internen Artikeln zu. Das reduziert den Erfassungsaufwand deutlich und eliminiert die häufigsten Fehlerquellen — falsche Variantenzuordnungen und Mengenabweichungen. Typische Ergebnisse — Verpackungsindustrie −75% Manuelle Erfassung −60% Durchlaufzeit 100% ERP-Datenqualität Verglichen mit rein manueller Auftragserfassung. Ergebnisse basieren auf typischen Kundenprojekten. [Mehr zum Use Case Verpackungsindustrie →](../../use-cases/verpackungsindustrie/) ### Gesundheitswesen Spitäler, Kliniken und Gesundheitseinrichtungen bestellen medizinische Verbrauchsmaterialien und Geräte häufig über standardisierte Formulare — aber in grosser Vielfalt. Die Herausforderung: Strenge regulatorische Anforderungen (Rückverfolgbarkeit, Chargennummern), hohe Dringlichkeit bei bestimmten Produkten und die Notwendigkeit, Bestellungen exakt gegen Rahmenverträge zu validieren. Die Automatisierung stellt sicher, dass alle regulatorischen Felder korrekt erfasst werden und Bestellungen automatisch gegen gültige Verträge geprüft werden. Dringlichkeitsklassifikationen werden erkannt und priorisiert in den Verarbeitungsprozess eingespeist. Typische Ergebnisse — Gesundheitswesen −80% Manuelle Datenerfassung −65% Durchlaufzeit Auftragsverarbeitung 20'000+ Bestellungen pro Jahr skalierbar Verglichen mit klassischer manueller Verarbeitung. Ergebnisse basieren auf typischen Kundenprojekten. [Mehr zum Use Case Gesundheitswesen →](../../use-cases/gesundheitswesen/) ## Worauf Sie bei der Auswahl einer Lösung achten sollten Der Markt für Automatisierungslösungen ist vielfältig. Die folgenden Kriterien helfen Ihnen bei der Evaluation: - **Template-Freiheit:** Kann die Lösung neue Bestellformate ohne Konfiguration verarbeiten? Oder braucht jedes neue Format ein eigenes Template? - **Multikanal-Fähigkeit:** Werden alle relevanten Eingangskanäle unterstützt — E-Mail, Fax, Portal, Scan? - **Validierungstiefe:** Wie granular können Geschäftsregeln definiert werden? Nur Formatprüfung — oder auch inhaltliche Validierung gegen Stammdaten und Preislisten? - **ERP-Anbindung:** Gibt es standardisierte Schnittstellen zu gängigen Systemen wie SAP, Abacus, Microsoft Dynamics oder Sage? Wie aufwändig ist die Integration? - **Lernfähigkeit:** Wird das System durch Korrekturen besser? Oder bleibt es statisch und muss manuell nachkonfiguriert werden? - **Skalierbarkeit:** Funktioniert die Lösung auch bei zehnfachem Volumen? Was passiert bei Lastspitzen? | Kriterium | Manuell | Template-OCR | KI-basiert | | --- | --- | --- | --- | | **Template-Freiheit** | Nicht relevant | Nein — pro Format ein Template | Ja — sofort einsatzbereit | | **Neue Formate** | Sofort (manuell erfassbar) | Konfiguration nötig | Automatische Erkennung | | **Fehlerquote** | Hoch (menschlich bedingt) | Mittel (positionsabhängig) | Niedrig (kontextbasiert) | | **Skalierbarkeit** | Linear (mehr Personal) | Begrenzt (Template-Pflege) | Hoch (volumenneutral) | | **Lernfähigkeit** | Nur menschlich | Keine | Kontinuierlich | | **Wartungsaufwand** | Keiner (aber hoher Personalaufwand) | Hoch (Template-Pflege) | Minimal (selbstlernend) | ## Implementierung: So starten Sie richtig Eine erfolgreiche Automatisierung des Auftragseingangs beginnt nicht mit Technologie, sondern mit einer klaren Analyse des Ist-Zustands. Der folgende 4-Schritte-Ansatz hat sich in der Praxis bewährt. Wenn Sie neben dem Auftragseingang auch den gesamten Beschaffungsprozess optimieren möchten, lesen Sie mehr über [Procure-to-Pay-Automatisierung](../../p2p-automatisierung/). ### Schritt 1: Ist-Analyse und Potenzialbestimmung Erfassen Sie Ihr aktuelles Bestellvolumen nach Kanal, Format und Komplexität. Identifizieren Sie die grössten Zeitfresser: Welche Bestellungen verursachen die meisten Rückfragen? Welche Formate kommen am häufigsten vor? Wie viel Zeit verbringt Ihr Team mit reiner Datenerfassung? ### Schritt 2: Einen Dokumenttyp als Pilot wählen Starten Sie nicht mit allem gleichzeitig. Wählen Sie einen Kanal oder Dokumenttyp für den Pilotbetrieb — zum Beispiel PDF-Bestellungen per E-Mail, die den grössten Anteil ausmachen. So sammeln Sie Erfahrung mit überschaubarem Risiko und können Quick Wins zeigen. ### Schritt 3: Integration und Konfiguration Binden Sie die Lösung an Ihr ERP-System an — ob SAP, Abacus oder eine andere Lösung — und definieren Sie die Geschäftsregeln: Welche Felder müssen gegen welche Stammdaten validiert werden? Ab welcher Konfidenz wird automatisch angelegt? Welche Fälle sollen eskaliert werden? Schulen Sie die Key Users, die zukünftig die Ausnahmen bearbeiten. ### Schritt 4: Erfolgsmessung und Skalierung Definieren Sie vorab klare KPIs: Automatisierungsrate, Fehlerquote, Durchlaufzeit, Bearbeitungszeit pro Auftrag. Messen Sie diese KPIs regelmässig und skalieren Sie schrittweise auf weitere Kanäle und Bestelltypen. Jede Phase sollte die Ergebnisse der vorherigen bestätigen, bevor erweitert wird. --- ## Fazit Die Automatisierung des Auftragseingangs ist kein Zukunftsthema — es ist eine Notwendigkeit für Unternehmen, die wettbewerbsfähig bleiben wollen. Manuelle Auftragserfassung skaliert nicht, bindet wertvolle Ressourcen und ist eine systematische Fehlerquelle. KI-basierte Lösungen bieten heute einen ausgereiften Ansatz, der ohne Templates auskommt, aus Korrekturen lernt und sich nahtlos in bestehende ERP-Landschaften — von SAP über Abacus bis Microsoft Dynamics — integriert. Mit Fuzzy-Logik erkennen sie auch dann den richtigen Artikel, wenn der Kunde «Schraube M8» bestellt, Ihr System aber «M8-Schraube-verzinkt» führt. Der Schlüssel zum Erfolg: Klein starten, schnell lernen, schrittweise skalieren. Wenn Sie mehr darüber erfahren möchten, wie Dokumentas den Auftragseingang automatisiert, schauen Sie sich unseren [Bestellagent](../../auftragseingang-automatisieren/) an — oder sprechen Sie direkt mit uns über Ihren konkreten Use Case. Lesen Sie auch unseren Guide zur [Automatisierung von Eingangsrechnungen](../eingangsrechnungen-automatisieren/), wenn Sie auch auf der Kreditorenseite Potenzial sehen. ## Häufig gestellte Fragen Klassisches OCR erkennt lediglich Zeichen auf einem Dokument und braucht für jedes Bestellformat ein eigenes Template, das definiert, wo welches Feld steht. KI-basierte Systeme hingegen verstehen den Kontext eines Dokuments — ähnlich wie ein erfahrener Sachbearbeiter. Sie erkennen, dass «Stückzahl», «Qty» und «Menge» dasselbe bedeuten, unabhängig von Position oder Layout. Grundsätzlich alle gängigen Formate: PDF-Bestellungen, gescannte Dokumente (TIFF, JPEG), Excel-Dateien, freiformatige E-Mails und strukturierte Formate wie EDI oder XML. Die grösste Stärke KI-basierter Lösungen liegt bei unstrukturierten Dokumenten — also genau dort, wo klassische Systeme an ihre Grenzen stossen. Nein. EDI ist eine Möglichkeit unter vielen und setzt voraus, dass beide Seiten denselben Standard nutzen. KI-basierte Auftragsverarbeitung funktioniert unabhängig von EDI — sie verarbeitet Bestellungen in jedem Format. Wenn Sie bereits EDI-Verbindungen haben, bleiben diese bestehen. Für alle anderen Kunden übernimmt die KI die Verarbeitung. Ein typischer Pilotbetrieb kann innerhalb von 2–4 Wochen aufgesetzt werden. Der vollständige Rollout — inklusive ERP-Integration, Geschäftsregeln und Schulung — dauert in der Regel 4–8 Wochen. Die Dauer hängt von der Komplexität Ihrer ERP-Landschaft und der Anzahl zu konfigurierender Validierungsregeln ab. Erfahrungsgemäss amortisiert sich die Investition ab etwa 100 Bestellungen pro Monat in akzeptabler Zeit. Der genaue Break-even hängt von der Komplexität Ihrer Bestellungen und dem aktuellen Erfassungsaufwand pro Auftrag ab. Bei Unternehmen mit mehreren hundert Bestellungen pro Monat ist die Amortisierung oft innerhalb weniger Monate erreicht. Grundsätzlich ja, allerdings mit Einschränkungen. Bei gut lesbarer Handschrift auf strukturierten Formularen (z.B. vorgedruckte Bestellzettel) erzielt die KI gute Ergebnisse. Rein handschriftliche Freitextbestellungen sind anspruchsvoller und erreichen niedrigere Erkennungsraten. In solchen Fällen wird die Bestellung zur manuellen Prüfung weitergeleitet. Bestellungen, die nicht vollständig automatisch verarbeitet werden können, landen in einer übersichtlichen Prüfoberfläche. Dort sehen Ihre Mitarbeitenden auf einen Blick, welche Daten die KI bereits extrahiert hat und wo eine Entscheidung nötig ist. Typische Gründe für Ausnahmen: unbekannte Artikelnummern, unklare Mengenangaben oder Abweichungen von Preisvereinbarungen. Jede Korrektur verbessert die KI für zukünftige Fälle. Ja, und das ist sogar der empfohlene Ansatz. Starten Sie mit einem Kanal oder Dokumenttyp — zum Beispiel PDF-Bestellungen per E-Mail. Sobald dieser Prozess stabil läuft und die gewünschte Automatisierungsrate erreicht ist, erweitern Sie schrittweise auf weitere Kanäle und Bestelltypen. So minimieren Sie Risiken und können Erfolge früh nachweisen. # Was ist Intelligent Document Processing (IDP)? Der komplette Guide 2026 Source: https://www.dokumentas.ai/blog/intelligent-document-processing/ > Was ist Intelligent Document Processing (IDP)? Der komplette Guide zu KI-basierter Dokumentenverarbeitung — Technologie, Praxisbeispiele und Implementierung. Unternehmen verarbeiten täglich Hunderte von Dokumenten — Rechnungen, Bestellungen, Lieferscheine, Verträge, Formulare. In vielen Organisationen passiert das noch manuell: Mitarbeitende lesen Dokumente, tippen Daten ab und übertragen sie in ERP-Systeme. Das ist zeitaufwändig, fehleranfällig und skaliert nicht. Intelligent Document Processing (IDP) verändert diesen Prozess grundlegend. Statt starrer Regeln und Templates nutzt IDP künstliche Intelligenz, um Dokumente zu verstehen — unabhängig von Format, Sprache oder Layout. Dieser Guide erklärt, was hinter der Technologie steckt, wie sie sich von klassischen Ansätzen unterscheidet und wie Schweizer Unternehmen IDP erfolgreich implementieren. Der Guide richtet sich an Entscheider und Projektverantwortliche, die ihre Dokumentenverarbeitung modernisieren möchten — mit konkreten Zahlen, Branchenbeispielen und einem pragmatischen Implementierungsfahrplan. ## Was ist Intelligent Document Processing (IDP)? Intelligent Document Processing (IDP) ist eine KI-Technologie, die Dokumente automatisch erkennt, klassifiziert, relevante Daten extrahiert und diese strukturiert an nachgelagerte Systeme weitergibt. Anders als klassische OCR-Lösungen versteht IDP den **Kontext** eines Dokuments — ähnlich wie ein erfahrener Sachbearbeiter, der weiss, wo auf einer Rechnung der Betrag steht, auch wenn das Layout jedes Mal anders aussieht. IDP kombiniert mehrere KI-Technologien: - **Computer Vision:** Erkennung von Layouts, Tabellen, Logos und handschriftlichen Elementen - **Natural Language Processing (NLP):** Verständnis von Dokumenteninhalten — nicht nur einzelne Wörter, sondern Zusammenhänge - **Machine Learning:** Kontinuierliches Lernen aus Korrekturen und neuen Dokumenttypen - **Large Language Models (LLMs):** Kontextbasierte Interpretation komplexer oder mehrdeutiger Inhalte ### Warum IDP 2026 so relevant ist Der globale IDP-Markt wächst jährlich um über 30%. Der Haupttreiber: Unternehmen erkennen, dass manuelle Dokumentenverarbeitung der grösste verbliebene Engpass in ansonsten digitalisierten Prozessen ist. ERP-Systeme, Workflows und Freigabeprozesse sind längst digital — aber der Eingang, also das Lesen und Erfassen von Dokumenten, ist oft noch manuell. Für den DACH-Raum kommt hinzu: Mehrsprachigkeit (Deutsch, Französisch, Italienisch, Englisch), lokale ERP-Systeme (SAP, Abacus, Netsuite) und strenge Datenschutzanforderungen erfordern Lösungen, die diese Besonderheiten nativ unterstützen. ## IDP vs. OCR vs. RPA: Was ist der Unterschied? Die Begriffe OCR, RPA und IDP werden oft vermischt — dabei beschreiben sie grundlegend verschiedene Technologien mit unterschiedlichen Fähigkeiten. ### OCR (Optical Character Recognition) OCR erkennt Zeichen auf Dokumenten und wandelt Bilder in maschinenlesbaren Text um. Klassisches OCR ist **template-basiert**: Für jedes Dokumentlayout wird ein Regelwerk definiert, das festlegt, wo welche Daten stehen. Ändert sich das Layout, funktioniert die Extraktion nicht mehr. ### RPA (Robotic Process Automation) RPA automatisiert regelbasierte, repetitive Aufgaben — zum Beispiel das Kopieren von Daten zwischen Systemen oder das Ausfüllen von Formularen. RPA hat **keine Dokumenten-Intelligenz**: Es kann Daten bewegen, aber nicht verstehen. Für die Dokumentenverarbeitung braucht RPA immer eine vorgelagerte Erkennungslösung. ### IDP (Intelligent Document Processing) IDP kombiniert OCR, NLP und Machine Learning zu einem **kontextverständigen System**. Es versteht, dass "Rechnungsbetrag", "Total" und "Amount Due" dasselbe bedeuten — unabhängig von Position, Sprache oder Layout. IDP lernt aus Korrekturen und wird mit jedem verarbeiteten Dokument besser. | Kriterium | OCR | RPA | IDP | | --- | --- | --- | --- | | **Technologie** | Zeichenerkennung | Regelbasierte Bots | KI + NLP + ML | | **Dokumentverständnis** | Keines (nur Zeichen) | Keines | Kontextbasiert | | **Template nötig?** | Ja, pro Layout | Ja, pro Workflow | Nein | | **Lernfähigkeit** | Keine | Keine | Continuous Learning | | **Mehrsprachigkeit** | Begrenzt | Nicht relevant | Nativ mehrsprachig | | **Genauigkeit** | 70–85% | Abhängig von Regeln | 95–99% | > IDP kombiniert das Beste aus OCR, NLP und Machine Learning — und ergänzt es um kontextbasiertes Verständnis, das mit jedem Dokument besser wird. ## Wie funktioniert IDP? Die 5 Kernkomponenten Ein modernes IDP-System besteht aus fünf eng verzahnten Komponenten, die den gesamten Dokumentenprozess abdecken — vom Eingang bis zur ERP-Buchung. ### 1. Dokumenteneingang & Klassifizierung Dokumente erreichen das System über verschiedene Kanäle: E-Mail-Anhänge, Scans, Upload-Portale oder API-Schnittstellen. Die KI erkennt automatisch, um welchen Dokumenttyp es sich handelt — Rechnung, Bestellung, Lieferschein, Vertrag oder Formular. Dabei spielt es keine Rolle, ob das Dokument als PDF, Bild oder sogar als E-Mail-Fliesstext vorliegt. ### 2. Intelligente Datenextraktion Hier kommt die Kernstärke von IDP zum Tragen: Die Kombination aus Computer Vision und NLP extrahiert relevante Daten kontextbasiert. Bei einer Rechnung werden automatisch Lieferant, Rechnungsnummer, Positionen, Beträge und Zahlungsbedingungen erkannt — ohne vordefiniertes Template. Die KI versteht, dass ein Feld "Nettobetrag" denselben Inhalt hat wie "Net Amount" auf einem englischen Dokument. ### 3. Validierung & Business Rules Extrahierte Daten werden gegen Stammdaten und Geschäftsregeln geprüft: Existiert der Lieferant? Stimmt die Artikelnummer? Entspricht der Preis der Vereinbarung? Nur Dokumente, die alle Regeln erfüllen, werden automatisch durchgebucht. Ausnahmen landen in einer übersichtlichen Prüfoberfläche. ### 4. Lernen & Optimierung Jede manuelle Korrektur fliesst zurück ins System. Wenn ein Sachbearbeiter einen falsch erkannten Betrag korrigiert, lernt die KI daraus und erkennt ähnliche Fälle beim nächsten Mal korrekt. Dieser **Continuous Learning Loop** ist der entscheidende Unterschied zu regelbasierten Systemen: IDP wird mit der Zeit besser, nicht schlechter. ### 5. ERP/System-Integration Validierte Daten werden automatisch im Zielsystem verbucht — ob SAP, Abacus, Netsuite, Microsoft Dynamics oder andere ERP-Systeme. Die Integration erfolgt über Standard-APIs oder branchenspezifische Konnektoren. Das Ergebnis: End-to-End-Automatisierung vom Dokumenteneingang bis zur Buchung. ## Welche Dokumente kann IDP verarbeiten? IDP ist nicht auf einen bestimmten Dokumenttyp beschränkt. Moderne Systeme verarbeiten strukturierte, semi-strukturierte und unstrukturierte Dokumente — der Unterschied liegt in der Komplexität der Extraktion. ### Strukturierte Dokumente Dokumente mit festem Layout und klar definierten Feldern. Beispiele: EDI-Nachrichten, XML-Dateien, standardisierte Formulare. Hier liegen die Erkennungsraten bei nahezu 100%. ### Semi-strukturierte Dokumente Dokumente mit ähnlicher Grundstruktur, aber variierendem Layout. Beispiele: Rechnungen, Bestellungen, Lieferscheine. Jeder Lieferant verwendet ein anderes Layout, aber die Informationen (Positionen, Beträge, Adressen) sind vorhanden. IDP erkennt diese kontextbasiert — **ohne Template pro Lieferant**. ### Unstrukturierte Dokumente Dokumente ohne vorhersagbares Format: Verträge, Korrespondenz, E-Mail-Fliesstext, handschriftliche Notizen. Hier zeigt IDP seine grösste Stärke gegenüber klassischen OCR-Lösungen. ## IDP in der Praxis: Branchenbeispiele IDP wird branchenübergreifend eingesetzt. Die konkreten Ergebnisse hängen vom Dokumentvolumen, der Komplexität und der bestehenden Infrastruktur ab. Hier vier typische Einsatzszenarien aus der Praxis. ### Versicherung: Input Management Versicherungen verarbeiten täglich Tausende von Dokumenten: Schadensmeldungen, Policen, Arztrechnungen, Korrespondenz. IDP klassifiziert eingehende Dokumente automatisch und extrahiert relevante Daten für die Sachbearbeitung. Ergebnisse Versicherung 80% Dunkelverarbeitung -60% Prozesskosten 3-5 FTE entlastet Mehr dazu: [Use Case Versicherung](../../use-cases/versicherung/) ### Produktion & P2P: Beschaffungsprozesse In der produzierenden Industrie durchlaufen Bestellungen, Auftragsbestätigungen, Lieferscheine und Rechnungen den Procure-to-Pay-Prozess. IDP automatisiert die Erfassung aller Dokumenttypen und ermöglicht automatisches 3-Way-Matching. Ergebnisse Produktion/P2P 90% berührungslos verarbeitet -70% Erfassungskosten 6-7 FTE entlastet Mehr dazu: [Use Case Procure-to-Pay](../../use-cases/procure-to-pay/) ### Gesundheitswesen: Komplexe Dokumentenformate Spitäler und Krankenkassen verarbeiten Arztberichte, Rezepte, Überweisungen und Abrechnungen — oft in schlechter Scanqualität und mit handschriftlichen Elementen. IDP meistert diese Komplexität besser als templatebasierte Systeme. Ergebnisse Gesundheitswesen 80% Dunkelverarbeitung -65% Prozesskosten 4-6 FTE entlastet Mehr dazu: [Use Case Gesundheitswesen](../../use-cases/gesundheitswesen/) ### Logistik: Frachtbriefe und Lieferdokumentation Logistikunternehmen verarbeiten Frachtbriefe, Zolldokumente, Lieferscheine und Transportaufträge. Die Vielfalt der Formate und Sprachen macht manuelle Erfassung besonders aufwändig. IDP automatisiert die Dokumentenzuordnung und den Abgleich mit Aufträgen. Ergebnisse Logistik 95% Matching-Quote -65% Durchlaufzeit 3-4 FTE entlastet Mehr dazu: [Use Case Logistik](../../use-cases/logistik-p2p/) **Fazit:** Branchenübergreifend erzielen Unternehmen mit IDP eine Kostenreduktion von 60–80% in der Dokumentenverarbeitung. Der ROI liegt typischerweise bei 6–12 Monaten. ## IDP vs. traditionelle Lösungen: Der Vergleich Um die Vorteile von IDP greifbar zu machen, hier der direkte Vergleich zwischen manueller Verarbeitung, template-basiertem OCR und KI-basiertem IDP. | Kriterium | Manuell | Template-OCR | KI-basiertes IDP | | --- | --- | --- | --- | | **Genauigkeit** | 96–98% (mit Fehlern) | 80–90% | 95–99% | | **Skalierbarkeit** | Linear (mehr Personal) | Begrenzt (Templates) | Unbegrenzt | | **Lernfähigkeit** | Ja (Erfahrung) | Nein | Continuous Learning | | **Einrichtungszeit** | Keine | Wochen pro Template | Tage bis wenige Wochen | | **Dokumenttypen** | Alle | Nur konfigurierte | Alle (inkl. unbekannte) | | **Kosten pro Dokument** | CHF 3–8 | CHF 0.50–2 | CHF 0.10–0.50 | | **ROI-Zeitraum** | — | 12–18 Monate | 6–12 Monate | ## Worauf Sie bei der Auswahl achten sollten Nicht jede IDP-Lösung ist gleich. Sechs Kriterien, die bei der Evaluation den Unterschied machen: ### 1. End-to-End vs. Punkt-Lösung Manche Anbieter decken nur die Extraktion ab — Klassifizierung, Validierung und ERP-Integration müssen Sie selbst bauen. Achten Sie auf **End-to-End-Lösungen**, die den gesamten Prozess abdecken: vom Dokumenteneingang bis zur Buchung im Zielsystem. ### 2. ERP-Integration (SAP, Abacus, etc.) Die beste Extraktion nützt nichts, wenn die Daten nicht ins ERP gelangen. Fragen Sie nach **nativen Konnektoren** für Ihre Systeme — insbesondere für SAP, Abacus, Netsuite und Microsoft Dynamics, die im DACH-Raum dominieren. ### 3. Lernfähigkeit & Continuous Improvement Statische Systeme erfordern ständige manuelle Nachkonfiguration. Achten Sie darauf, dass die Lösung aus Korrekturen **automatisch lernt** und sich kontinuierlich verbessert — ohne Intervention Ihres IT-Teams. ### 4. Schweizer Datenschutz / DACH-Compliance Dokumente enthalten sensible Geschäftsdaten. Prüfen Sie: Wo werden Daten verarbeitet? Gibt es ein **Schweizer Hosting** oder zumindest EU-Rechenzentren? Ist die Lösung DSG-konform (Schweizer Datenschutzgesetz)? ### 5. Skalierbarkeit ohne Mehrkosten Ihr Dokumentvolumen schwankt. Achten Sie auf **volumenbasierte Preismodelle** ohne versteckte Kosten für zusätzliche Dokumenttypen, Sprachen oder Benutzer. ### 6. Support & Implementierungsbegleitung Eine IDP-Lösung ist nur so gut wie ihre Implementierung. Achten Sie auf **lokalen Support** in Ihrer Sprache, Implementierungsbegleitung und ein dediziertes Customer-Success-Team — nicht nur Self-Service-Dokumentation. ## IDP implementieren: So starten Sie richtig Die erfolgreiche Einführung von IDP folgt einem bewährten 4-Schritte-Prozess. Der Schlüssel: Klein starten, schnell Erfolge nachweisen, dann skalieren. ### 1. Ist-Analyse: Dokumentenvolumen & Prozesskosten erheben Ermitteln Sie Ihr aktuelles Dokumentenvolumen pro Typ, die durchschnittliche Bearbeitungszeit und die Kosten pro Dokument. Diese Baseline ist entscheidend für die spätere ROI-Berechnung. Typische Fragen: Wie viele Rechnungen, Bestellungen oder Lieferscheine verarbeiten Sie monatlich? Wie viele Mitarbeitende sind damit beschäftigt? ### 2. Pilotprojekt: Ein Dokumenttyp starten Beginnen Sie mit dem Dokumenttyp, der das grösste Volumen hat — in den meisten Fällen sind das [Eingangsrechnungen](../eingangsrechnungen-automatisieren/). Ein Pilot mit einem Dokumenttyp lässt sich in 2–4 Wochen aufsetzen und liefert messbare Ergebnisse, die für den internen Buy-in entscheidend sind. ### 3. Skalierung: Weitere Dokumenttypen einbinden Nach dem erfolgreichen Pilot erweitern Sie schrittweise: [Bestellungen](../auftragseingang-automatisieren/), Lieferscheine, Verträge. Jeder neue Dokumenttyp profitiert von den bereits gelernten Mustern — die Einrichtungszeit sinkt mit jedem Schritt. ### 4. Optimierung: Continuous Learning aktivieren Im laufenden Betrieb verbessert sich die Erkennungsrate kontinuierlich. Überprüfen Sie regelmässig die KPIs (Dunkelverarbeitungsquote, Fehlerrate, Durchlaufzeit) und passen Sie Business Rules an. Das Ziel: maximale Automatisierung bei minimaler manueller Intervention. **Nächste Schritte:** Erfahren Sie mehr über unsere spezialisierten Agenten für [Rechnungsverarbeitung](../../automatisierte-rechungsverarbeitung/), [Bestellautomatisierung](../../auftragseingang-automatisieren/) und den gesamten [Procure-to-Pay-Prozess](../../p2p-automatisierung/). ## Fazit Intelligent Document Processing ist kein Trend, sondern der neue Standard für die Dokumentenverarbeitung in 2026 und darüber hinaus. Die Technologie ist ausgereift, die Ergebnisse sind nachweisbar und die Implementierung ist pragmatisch umsetzbar. Was IDP von früheren Ansätzen unterscheidet: - **Kein Template-Aufwand:** Neue Dokumentlayouts werden automatisch erkannt - **Continuous Learning:** Das System wird mit jedem Dokument besser - **End-to-End:** Vom Eingang bis zur ERP-Buchung, vollautomatisch - **Branchenübergreifend:** 60–80% Kostenreduktion nachweisbar - **DACH-ready:** Mehrsprachig, lokale ERP-Integration, Schweizer Datenschutz Der beste Zeitpunkt, IDP einzuführen, ist jetzt. Je früher das System lernt, desto grösser der Vorsprung gegenüber Unternehmen, die weiter manuell verarbeiten. ## Häufig gestellte Fragen Die Kosten hängen vom Dokumentvolumen und der Komplexität ab. Typisch sind volumenbasierte Modelle zwischen CHF 0.10 und CHF 0.50 pro Dokument. Bei einem mittleren Volumen (5'000 Dokumente/Monat) liegen die monatlichen Kosten zwischen CHF 500 und CHF 2'500 — deutlich weniger als die Personalkosten für manuelle Verarbeitung. Ein Pilotprojekt mit einem Dokumenttyp kann in 2–4 Wochen live gehen. Der vollständige Rollout mit ERP-Integration und mehreren Dokumenttypen dauert typischerweise 4–8 Wochen. Die Dauer hängt von der Komplexität Ihrer ERP-Landschaft und der Anzahl Dokumenttypen ab. Ja. Moderne IDP-Systeme verarbeiten handschriftliche Elemente — zum Beispiel ausgefüllte Formulare oder handschriftliche Notizen auf gedruckten Dokumenten. Bei gut lesbarer Handschrift auf strukturierten Formularen liegen die Erkennungsraten bei 85–95%. Reine Freitext-Handschrift ist anspruchsvoller und wird zur manuellen Prüfung weitergeleitet. Dokumentas integriert nativ mit SAP (S/4HANA, Business One), Abacus, Netsuite, Microsoft Dynamics 365 und weiteren ERP-Systemen. Für Systeme ohne nativen Konnektor stehen Standard-APIs und Webhooks zur Verfügung. Die Integration erfolgt über zertifizierte Schnittstellen — ohne Eingriff in Ihr ERP-System. Datenschutz hat höchste Priorität. Dokumentas verarbeitet Daten auf Schweizer/EU-Infrastruktur, ist DSG-konform (Schweizer Datenschutzgesetz) und bietet optionales On-Premise-Hosting. Dokumente werden nach der Verarbeitung nicht für Trainingszwecke verwendet, und der Zugang ist über rollenbasierte Berechtigungen geschützt. Der ROI hängt vom Dokumentvolumen und den aktuellen Verarbeitungskosten ab. Typisch ist eine Amortisation innerhalb von 6–12 Monaten. Bei einem Unternehmen mit 10'000 Dokumenten pro Monat und durchschnittlichen Kosten von CHF 5 pro Dokument (manuell) reduziert IDP die Kosten auf CHF 0.20–0.50 pro Dokument — eine Ersparnis von über CHF 500'000 pro Jahr. Ja, und das ist besonders für den DACH-Raum relevant. Dokumentas verarbeitet Dokumente in Deutsch, Französisch, Italienisch, Englisch und weiteren Sprachen — auch gemischtsprachige Dokumente. Die KI erkennt die Sprache automatisch und passt die Extraktion entsprechend an. Dokumente, bei denen die KI unsicher ist, werden automatisch zur manuellen Prüfung weitergeleitet — mit den bereits extrahierten Daten vorausgefüllt. Ihre Mitarbeitenden korrigieren nur die unsicheren Felder. Jede Korrektur fliesst zurück ins System (Continuous Learning), sodass ähnliche Fälle beim nächsten Mal korrekt erkannt werden. Das Ziel ist nicht 100% Automatisierung, sondern maximale Automatisierung mit menschlicher Kontrolle bei Ausnahmen. # Procure-to-Pay automatisieren: Der komplette Guide 2026 Source: https://www.dokumentas.ai/blog/p2p-automatisierung-guide/ > P2P-Prozess optimieren: Alles über KI-basierte Procure-to-Pay-Automatisierung — vom 3-Way-Matching über Praxisbeispiele bis zur erfolgreichen Implementierung. Vom Bedarf bis zur Zahlung — der Procure-to-Pay-Prozess (P2P) bildet das Rückgrat jeder Beschaffung. Doch in vielen Unternehmen ist dieser Prozess alles andere als durchgängig: Bestellungen werden manuell erstellt, Rechnungen einzeln geprüft, das Matching zwischen Bestellung, Lieferschein und Rechnung erfolgt per Hand. Die Folge sind lange Durchlaufzeiten, hohe Fehlerquoten und mangelnde Transparenz über offene Verbindlichkeiten. Dieser Guide gibt Ihnen einen vollständigen Überblick über die Procure-to-Pay Automatisierung — von der Definition des P2P-Zyklus über die Herausforderungen manueller Prozesse bis hin zum 3-Way-Matching und der konkreten Implementierung. Sie erfahren, wie Unternehmen ihren P2P-Prozess mit KI-basierter Automatisierung optimieren, welche Ergebnisse realistisch sind und worauf Sie bei der Auswahl einer Lösung achten sollten. Der Guide richtet sich an Finanzverantwortliche, Einkaufsleiter und Prozessverantwortliche, die ihren Beschaffungsprozess End-to-End automatisieren möchten — unabhängig davon, ob sie SAP, Netsuite, Abacus oder ein anderes ERP-System einsetzen. ## Was ist Procure-to-Pay? Procure-to-Pay (P2P) bezeichnet den gesamten Beschaffungsprozess eines Unternehmens — vom Moment, in dem ein Bedarf entsteht, bis zur abschliessenden Zahlung an den Lieferanten. Der Begriff umfasst alle operativen Schritte, Dokumente und Systeme, die an der Beschaffung von Waren und Dienstleistungen beteiligt sind. Der typische P2P-Zyklus besteht aus fünf Kernschritten: 1. **Bedarfsermittlung und Bestellanforderung (BANF):** Ein Mitarbeitender oder eine Abteilung meldet einen Bedarf an. Die Bestellanforderung wird intern geprüft und freigegeben. 2. **Bestellung (Purchase Order):** Die genehmigte Anforderung wird in eine formelle Bestellung an den Lieferanten umgewandelt. Diese enthält Artikel, Mengen, Preise und Lieferbedingungen. 3. **Wareneingang:** Die bestellte Ware trifft ein. Menge und Qualität werden gegen die Bestellung geprüft und im System als Wareneingang verbucht. 4. **Rechnungseingang und -prüfung:** Der Lieferant stellt eine Rechnung. Diese wird gegen Bestellung und Wareneingang abgeglichen (3-Way-Matching) und bei Übereinstimmung zur Zahlung freigegeben. 5. **Zahlung:** Die freigegebene Rechnung wird innerhalb der vereinbarten Zahlungsfrist beglichen. Skontofristen werden — im Idealfall — automatisch berücksichtigt. ### Abgrenzung zu verwandten Begriffen - **Procure-to-Pay (P2P):** Deckt den operativen Beschaffungsprozess ab — vom Bedarf bis zur Zahlung. Fokus auf Transaktionsverarbeitung und Dokumentenfluss. - **Source-to-Pay (S2P):** Erweitert P2P um die strategische Beschaffung: Lieferantenauswahl, Verhandlung, Vertragsmanagement. Source-to-Pay beginnt also vor dem eigentlichen P2P-Zyklus. - **Order-to-Cash (O2C):** Die Spiegelseite von P2P — aus der Perspektive des Verkäufers. Vom Auftragseingang über Lieferung und Rechnungsstellung bis zum Zahlungseingang. Dieser Guide konzentriert sich auf den P2P-Prozess — den operativen Kern, bei dem die grössten Effizienzgewinne durch Automatisierung erzielt werden. ## Der Status Quo: Warum manuelle P2P-Prozesse nicht skalieren In vielen Unternehmen ist der Procure-to-Pay-Prozess historisch gewachsen — ein Patchwork aus E-Mails, Excel-Listen, ERP-Modulen und manuellen Prüfschritten. Einzelne Teilprozesse funktionieren isoliert, aber der Gesamtfluss ist weder durchgängig noch transparent. Das Ergebnis: hoher manueller Aufwand, lange Zykluszeiten und ein permanentes Compliance-Risiko. Die typischen Probleme lassen sich in sechs Kategorien zusammenfassen: **Medienbrüche** entstehen an jeder Schnittstelle: Bestellanforderungen werden per E-Mail gesendet, Bestellungen manuell ins ERP übertragen, Wareneingänge auf Papier dokumentiert und Rechnungen einzeln mit Bestellungen abgeglichen. Jeder dieser Schritte ist eine potenzielle Fehlerquelle — und ein Zeitfresser. **Fragmentierte Systeme** verschärfen das Problem. Einkauf, Lager und Buchhaltung arbeiten häufig in unterschiedlichen Tools und Modulen. Daten werden nicht in Echtzeit synchronisiert, sodass niemand einen vollständigen Überblick über den aktuellen Stand einer Beschaffung hat. **Manuelles Matching** ist einer der grössten Kostentreiber im P2P-Prozess. Für jede Rechnung muss geprüft werden: Stimmt die Rechnung mit der Bestellung überein? Wurde die Ware tatsächlich geliefert? Stimmen Mengen und Preise? In vielen Unternehmen geschieht das noch immer manuell — Dokument für Dokument. **Fehlende Transparenz** bedeutet, dass offene Bestellungen, ausstehende Lieferungen und fällige Rechnungen nicht in Echtzeit sichtbar sind. Das erschwert die Liquiditätsplanung und verhindert, dass Skontofristen konsequent genutzt werden. **Compliance-Risiken** entstehen, wenn Freigabeprozesse unklar sind, Audit-Trails fehlen und manuelle Workarounds zur Normalität werden. Bei einer Prüfung lässt sich dann nicht mehr nachvollziehen, wer wann was freigegeben hat. **Hohe Prozesskosten** sind die direkte Konsequenz. Studien zeigen, dass die manuelle Verarbeitung einer einzelnen Rechnung zwischen CHF 15 und CHF 25 kostet. Bei tausend Rechnungen pro Monat summiert sich das schnell auf einen sechsstelligen Betrag pro Jahr — ohne die Kosten für Fehlerkorrekturen und verpasste Skonti einzurechnen. ## Fünf Anzeichen, dass Ihr P2P-Prozess automatisiert werden sollte Nicht jedes Unternehmen braucht sofort eine End-to-End-Automatisierung. Die folgenden fünf Indikatoren zeigen Ihnen, ob der Zeitpunkt für Ihr Unternehmen gekommen ist: 1. **Ihr 3-Way-Matching läuft manuell.** Wenn Ihre Buchhaltung jede Rechnung einzeln gegen Bestellung und Lieferschein prüft — oft mit ausgedruckten Dokumenten nebeneinander — verlieren Sie pro Rechnung wertvolle Minuten. Manuelles Matching bei mehr als 200 Rechnungen pro Monat ist ein klares Signal für Automatisierungsbedarf. 2. **Ihre Durchlaufzeiten sind zu lang.** Vom Rechnungseingang bis zur Zahlung vergehen bei Ihnen regelmässig mehr als 14 Tage? Dann verpassen Sie vermutlich Skontofristen und belasten die Lieferantenbeziehung. Automatisierte P2P-Prozesse reduzieren diese Zykluszeit typischerweise auf 3–5 Tage. 3. **Sie haben Compliance-Lücken.** Wenn Sie bei einer Prüfung nicht sofort nachweisen können, wer eine Bestellung freigegeben hat, ob der Wareneingang dokumentiert ist und warum eine Rechnung bezahlt wurde, fehlt Ihnen ein durchgängiger Audit-Trail. Automatisierung schafft diese Nachvollziehbarkeit von Tag eins. 4. **Ihr Beschaffungsvolumen wächst, Ihr Team nicht.** Wenn die Anzahl der Bestellungen und Rechnungen steigt, aber Ihr Team gleich gross bleibt, führt das unweigerlich zu Rückständen, Überstunden oder sinkender Qualität. Automatisierung skaliert mit dem Volumen — ohne zusätzliches Personal. 5. **Sie haben keinen Echtzeit-Überblick über Ihre Verbindlichkeiten.** Wenn Sie nicht jederzeit sehen können, welche Bestellungen offen sind, welche Rechnungen geprüft werden und welche Zahlungen fällig sind, fehlt Ihnen die Grundlage für eine solide Cashflow-Planung. Ein automatisierter P2P-Prozess liefert diese Transparenz standardmässig. Treffen drei oder mehr dieser Punkte auf Ihr Unternehmen zu? Dann lohnt sich eine systematische Analyse Ihres P2P-Prozesses. ## Wie funktioniert KI-basierte P2P-Automatisierung? KI-basierte Procure-to-Pay Automatisierung ersetzt manuelle Schritte im P2P-Zyklus durch intelligente, lernfähige Verarbeitungslogik. Das Ziel: Dokumente automatisch erfassen, Daten extrahieren, Bestellungen mit Rechnungen abgleichen, Regeln prüfen und Buchungen im ERP-System auslösen — mit möglichst wenig manuellem Eingriff. Der automatisierte Ablauf lässt sich in fünf Phasen unterteilen: ### Phase 1: Dokumenteneingang Im ersten Schritt werden alle eingehenden Dokumente — Rechnungen, Bestellbestätigungen, Lieferscheine, Gutschriften — zentral erfasst. Das System empfängt Dokumente aus verschiedenen Kanälen: E-Mail-Anhänge, gescannte Belege, EDI-Nachrichten oder Lieferantenportale. Unabhängig vom Eingangsweg werden alle Dokumente in einen einheitlichen Verarbeitungsstrom überführt. Die KI klassifiziert dabei automatisch den Dokumenttyp — ob es sich um eine Rechnung, einen Lieferschein oder eine Gutschrift handelt. ### Phase 2: Intelligente Extraktion Die KI extrahiert alle relevanten Datenfelder aus den Dokumenten: Lieferantenname, Rechnungsnummer, Bestellnummer, Positionen mit Artikelbezeichnungen, Mengen, Einzelpreise, Gesamtbeträge, Mehrwertsteuersätze und Zahlungsbedingungen. Entscheidend ist dabei, dass die KI den Kontext versteht — sie erkennt, dass «Nettobetrag», «Subtotal» und «Zwischensumme» dasselbe Feld bezeichnen, unabhängig von der Position auf dem Dokument oder dem Layout des Lieferanten. ### Phase 3: Automatisches Matching Die extrahierten Rechnungsdaten werden automatisch gegen die zugehörige Bestellung und den Wareneingang abgeglichen — das sogenannte 3-Way-Matching. Das System prüft: Stimmt die Bestellnummer? Wurde die Ware in der bestellten Menge geliefert? Entsprechen die Rechnungspreise den vereinbarten Konditionen? Abweichungen werden kategorisiert und — je nach Konfiguration — automatisch freigegeben (innerhalb definierter Toleranzen) oder zur manuellen Prüfung weitergeleitet. Mehr zum 3-Way-Matching erfahren Sie im nächsten Abschnitt. ### Phase 4: Regelbasierte Validierung Neben dem Matching prüft das System zusätzliche Geschäftsregeln: Sind die MwSt.-Sätze korrekt? Stimmt das Zahlungsziel mit dem Rahmenvertrag überein? Ist der Freigabeworkflow eingehalten worden? Hat die Rechnung ein gültiges Rechnungsdatum? Wurden Skontokonditionen korrekt ausgewiesen? Diese Regeln können unternehmensspezifisch konfiguriert werden und bilden die Compliance-Schicht des automatisierten P2P-Prozesses. ### Phase 5: ERP-Buchung Rechnungen, die alle Matching- und Validierungsschritte bestanden haben, werden automatisch im ERP-System verbucht — ob SAP, Netsuite, Abacus oder Microsoft Dynamics. Die Buchung umfasst Kreditorenkonto, Kostenstelle, Sachkonto, Steuerkennzeichen und Zahlungsbedingungen. Die Zahlung wird entsprechend der vereinbarten Frist und unter Berücksichtigung von Skontokonditionen terminiert. Der gesamte Vorgang — vom Rechnungseingang bis zur Buchung — wird lückenlos dokumentiert und ist jederzeit auditierbar. ## 3-Way-Matching: Das Herzstück der P2P-Automatisierung Das 3-Way-Matching ist der kritische Prüfschritt im Procure-to-Pay-Prozess — und gleichzeitig der Bereich, in dem die meiste manuelle Arbeit anfällt. Beim 3-Way-Matching werden drei Dokumente systematisch miteinander abgeglichen: - **Bestellung (Purchase Order):** Was wurde bestellt? Welche Mengen, Preise und Konditionen wurden vereinbart? - **Lieferschein / Wareneingang:** Was wurde tatsächlich geliefert? Stimmen Mengen und Qualität mit der Bestellung überein? - **Rechnung (Invoice):** Was wird in Rechnung gestellt? Stimmen die Rechnungspositionen mit Bestellung und Lieferung überein? Das Ergebnis des Abgleichs fällt in eine von drei Kategorien: - **Grün — Volle Übereinstimmung:** Bestellung, Lieferschein und Rechnung stimmen in allen wesentlichen Feldern überein (Artikel, Mengen, Preise). Die Rechnung wird automatisch zur Zahlung freigegeben. - **Orange — Abweichung in Toleranz:** Es gibt kleinere Abweichungen, die innerhalb definierter Toleranzbereiche liegen — zum Beispiel eine Mengenabweichung von 2 % oder eine Preisdifferenz unter CHF 50. Je nach Konfiguration wird die Rechnung automatisch freigegeben oder zur Bestätigung weitergeleitet. - **Rot — Signifikante Abweichung:** Die Abweichung überschreitet die definierten Toleranzen — beispielsweise eine deutlich höhere Menge als bestellt, ein abweichender Preis oder eine Rechnung ohne zugehörige Bestellung. Diese Fälle werden zur manuellen Prüfung eskaliert. ### Manuelles vs. KI-basiertes Matching im Vergleich | Kriterium | Manuelles Matching | KI-basiertes Matching | | --- | --- | --- | | **Geschwindigkeit** | 5–15 Min. pro Rechnung | Sekunden pro Rechnung | | **Fehlerquote** | 3–8 % (menschliche Fehler) | < 1 % (regelbasiert + KI) | | **Skalierbarkeit** | Linear (mehr Volumen = mehr Personal) | Nahezu unbegrenzt skalierbar | | **Toleranzregeln** | Informell, inkonsistent angewendet | Exakt konfigurierbar pro Lieferant/Warengruppe | | **Lernfähigkeit** | Erfahrung bleibt bei Mitarbeitenden | System lernt aus Korrekturen und wird besser | | **Dokumentformate** | Jedes Format manuell prüfbar | Automatisch — unabhängig von Layout und Sprache | Der entscheidende Vorteil des KI-basierten Matchings liegt nicht nur in der Geschwindigkeit, sondern in der Konsistenz. Während ein Mitarbeitender bei der 200. Rechnung des Tages möglicherweise eine Preisabweichung übersieht, prüft das System jede Position mit derselben Sorgfalt. Gleichzeitig sind die Toleranzregeln transparent dokumentiert und jederzeit nachvollziehbar — ein wesentlicher Faktor für die Compliance. ## Praxisbeispiele: P2P-Automatisierung in Unternehmen Zwei Beispiele aus unterschiedlichen Branchen zeigen, wie die Procure-to-Pay Automatisierung in der Praxis funktioniert — und welche messbaren Ergebnisse möglich sind. ### Use Case 1: Produktionsunternehmen (SAP) Ein mittelgrosses Produktionsunternehmen mit SAP als ERP-System verarbeitete monatlich über 2'000 Eingangsrechnungen von mehr als 300 Lieferanten. Der bisherige Prozess: Rechnungen trafen per E-Mail und Post ein, wurden manuell erfasst und Zeile für Zeile gegen die zugehörigen Bestellungen geprüft. Zwei Vollzeitstellen waren ausschliesslich mit der Rechnungsprüfung beschäftigt. Die Herausforderungen waren typisch: unterschiedliche Rechnungsformate, mehrzeilige Bestellungen mit Teillieferungen, und Lieferanten, die ihre eigenen Artikelbezeichnungen verwendeten. Das manuelle Matching war nicht nur zeitaufwändig, sondern auch fehleranfällig — insbesondere bei Teillieferungen und Sammelrechnungen, die sich auf mehrere Bestellungen bezogen. Nach der Implementierung einer KI-basierten P2P-Automatisierung mit direkter SAP-Anbindung wurden Rechnungen automatisch erfasst, die relevanten Datenfelder extrahiert und gegen offene Bestellungen und Wareneingänge in SAP abgeglichen. Das System erkannte automatisch, welche Bestellpositionen zu welcher Rechnungsposition gehörten — auch bei abweichenden Artikelbezeichnungen und Teillieferungen. Ergebnisse — Produktionsunternehmen (SAP) 90% Berührungslose Verarbeitung −70% Buchungsarbeit reduziert 100'000+ CHF/Jahr Einsparung Ergebnisse basieren auf dem konkreten Kundenprojekt nach 6 Monaten produktivem Betrieb. [Mehr zum Use Case Procure-to-Pay →](../../use-cases/procure-to-pay/) ### Use Case 2: Logistikunternehmen (Netsuite) Ein wachsendes Logistikunternehmen mit Netsuite als ERP-System stand vor einer anderen Herausforderung: Das Bestellvolumen stieg schneller als die Kapazität des Back-Office-Teams. Monatlich fielen über 1'500 Rechnungen an, die gegen Transportaufträge und Leistungsnachweise geprüft werden mussten. Das manuelle Matching war besonders komplex, weil Logistikrechnungen häufig Zuschläge, Gewichtsdifferenzen und variable Preisbestandteile enthalten. Die KI-basierte Lösung wurde direkt in Netsuite integriert und übernahm die Erfassung, Extraktion und das Matching der Eingangsrechnungen. Besonders wirkungsvoll war die Fähigkeit des Systems, auch bei variablen Rechnungspositionen (Treibstoffzuschläge, Gewichtsanpassungen) die korrekten Bestellpositionen zuzuordnen und Toleranzregeln pro Zuschlagsart zu konfigurieren. Ergebnisse — Logistikunternehmen (Netsuite) −70% Prüfaufwand reduziert −65% Durchlaufzeit verkürzt 95% Matching-Quote automatisch Ergebnisse basieren auf dem konkreten Kundenprojekt nach 4 Monaten produktivem Betrieb. [Mehr zum Use Case Logistik P2P →](../../use-cases/logistik-p2p/) ## Worauf Sie bei der Auswahl einer Lösung achten sollten Der Markt für P2P-Automatisierungslösungen ist vielfältig — von reinen OCR-Tools bis hin zu KI-basierten End-to-End-Plattformen. Die folgenden Kriterien helfen Ihnen bei der Evaluation: - **End-to-End-Abdeckung:** Deckt die Lösung den gesamten P2P-Zyklus ab — von der Rechnungserfassung über das Matching bis zur ERP-Buchung? Oder müssen Sie verschiedene Einzeltools kombinieren? - **Matching-Fähigkeit:** Unterstützt die Lösung echtes 3-Way-Matching auf Positionsebene? Kann sie mit Teillieferungen, Sammelrechnungen und variablen Zuschlägen umgehen? - **ERP-Integration:** Gibt es native Schnittstellen zu Ihrem ERP-System (SAP, Netsuite, Abacus, Microsoft Dynamics)? Wie tief geht die Integration — nur Datenimport oder bidirektionale Synchronisation? - **Skalierbarkeit:** Funktioniert die Lösung auch bei zehnfachem Rechnungsvolumen? Was passiert bei Monatsspitzen? - **Lernfähigkeit:** Wird das System besser, je mehr Dokumente es verarbeitet? Fliessen Korrekturen als Trainingssignale zurück? - **Compliance-Unterstützung:** Bietet die Lösung einen vollständigen Audit-Trail? Sind Freigaberegeln und Toleranzen transparent dokumentiert und nachvollziehbar? ### Vergleich: Manuelle Verarbeitung vs. Template-OCR vs. KI-basierte Automatisierung | Kriterium | Manuell | Template-OCR | KI-basiert | | --- | --- | --- | --- | | **End-to-End-Abdeckung** | Nein — isolierte Teilschritte | Teilweise — nur Erfassung | Ja — Erfassung bis Buchung | | **3-Way-Matching** | Manuell, positionsweise | Nicht integriert | Automatisch auf Positionsebene | | **ERP-Integration** | Manuelle Übertragung | CSV/XML-Export | Native Schnittstellen (bidirektional) | | **Skalierbarkeit** | Linear (mehr Personal) | Begrenzt (Template-Pflege) | Hoch (volumenneutral) | | **Lernfähigkeit** | Nur menschlich | Keine | Kontinuierlich (Feedback-Loop) | | **Compliance-Audit-Trail** | Lückenhaft (E-Mails, Notizen) | Teilweise (Erfassungslog) | Vollständig (jeder Schritt dokumentiert) | Der entscheidende Unterschied zwischen Template-OCR und KI-basierten Lösungen zeigt sich besonders beim Matching: Template-OCR-Tools können Rechnungsdaten erfassen, bieten aber kein integriertes 3-Way-Matching. Sie extrahieren Daten, aber die eigentliche Prüflogik — der Abgleich mit Bestellungen und Wareneingängen — muss separat gelöst werden. KI-basierte Plattformen hingegen bilden den gesamten Prüf- und Freigabeprozess End-to-End ab. ## Implementierung: So starten Sie richtig Eine erfolgreiche P2P-Automatisierung beginnt nicht mit Technologie, sondern mit einem klaren Verständnis des Ist-Zustands. Der folgende 4-Schritte-Ansatz hat sich in der Praxis bewährt: ### Schritt 1: Ist-Analyse und Prozess-Mapping Kartieren Sie Ihren aktuellen P2P-Prozess von Ende zu Ende: Wie entsteht eine Bestellanforderung? Über welche Kanäle bestellen Sie? Wie werden Wareneingänge dokumentiert? Wie viele Rechnungen verarbeiten Sie monatlich — und wie viel Zeit verbringt Ihr Team mit dem Matching? Identifizieren Sie die grössten Engpässe und Kostentreiber. Typische Fragen, die in dieser Phase beantwortet werden sollten: - Wie viele Rechnungen pro Monat werden verarbeitet? - Wie viel Prozent der Rechnungen haben eine zugehörige Bestellung? - Wie lange dauert der Matching-Prozess durchschnittlich? - Wie hoch ist die aktuelle Fehlerquote? - Welche Skontovolumina gehen durch zu lange Durchlaufzeiten verloren? ### Schritt 2: Pilotphase mit einem Dokumenttyp Starten Sie nicht mit dem gesamten P2P-Zyklus auf einmal. Der bewährteste Einstiegspunkt ist die Rechnungsverarbeitung — sie bietet den schnellsten ROI und die klarsten Erfolgskennzahlen. Beginnen Sie mit der automatisierten Erfassung und Verarbeitung von Eingangsrechnungen und erweitern Sie den Scope schrittweise. Mehr zur Automatisierung der [Rechnungsverarbeitung](../../automatisierte-rechungsverarbeitung/) erfahren Sie auf unserer Produktseite. ### Schritt 3: Matching und Validierung konfigurieren Definieren Sie die Matching-Regeln und Toleranzen für Ihr Unternehmen: Ab welcher Preisabweichung soll eskaliert werden? Wie gehen Sie mit Mengenabweichungen bei Teillieferungen um? Welche Zuschläge (Transport, Verpackung, Versicherung) sind zulässig? Diese Konfiguration ist der Kern des automatisierten P2P-Prozesses und sollte gemeinsam mit Einkauf, Buchhaltung und Controlling definiert werden. Typische Toleranzparameter: - Preistoleranz: z.B. ±2 % oder ±CHF 50 pro Position - Mengentoleranz: z.B. ±5 % bei Schüttgut, 0 % bei Stückware - Zuschlagsregeln: definierte Zuschlagskategorien mit Maximalbetrag - Freigabeschwellen: bis CHF 5'000 automatisch, darüber mit Genehmigung ### Schritt 4: Schrittweise Erweiterung Sobald die Rechnungsverarbeitung und das Matching stabil laufen, erweitern Sie den automatisierten Bereich schrittweise: Integrieren Sie die Auftragsverarbeitung, um auch den eingehenden Bestellprozess zu automatisieren. Mehr dazu erfahren Sie in unserem Guide zur [Automatisierung des Auftragseingangs](../auftragseingang-automatisieren/). Verbinden Sie anschliessend alle Teilprozesse zu einem durchgängigen P2P-Fluss. Jede Phase sollte die Ergebnisse der vorherigen bestätigen, bevor erweitert wird. Dieser schrittweise Ansatz minimiert Risiken, schafft früh sichtbare Erfolge und gibt Ihrem Team die Möglichkeit, sich mit der neuen Arbeitsweise vertraut zu machen. --- ## Fazit Der Procure-to-Pay-Prozess ist das finanzielle Rückgrat jeder Beschaffung — und gleichzeitig einer der Bereiche mit dem grössten Automatisierungspotenzial. Manuelle P2P-Prozesse skalieren nicht, sind fehleranfällig und erzeugen Compliance-Risiken, die bei einer Prüfung zum Problem werden können. KI-basierte P2P-Automatisierung bietet einen Weg, der über reine Datenerfassung hinausgeht: Sie versteht Dokumente kontextbasiert, gleicht Rechnungen automatisch gegen Bestellungen und Wareneingänge ab, prüft Geschäftsregeln und bucht im ERP-System — End-to-End, mit lückenlosem Audit-Trail. Die Vorteile der Procure-to-Pay Automatisierung zeigen sich in der Praxis deutlich: weniger manuelle Arbeit, kürzere Durchlaufzeiten, genutzte Skontofristen und ein transparenter Prozess, der mit dem Volumen skaliert. Der Schlüssel zur erfolgreichen P2P Implementierung: Klein starten — idealerweise mit der Rechnungsverarbeitung — schnell lernen und schrittweise erweitern. So optimieren Sie Ihren P2P-Prozess nachhaltig, ohne den laufenden Betrieb zu gefährden. Lesen Sie auch unsere verwandten Guides: [Eingangsrechnungen automatisieren](../eingangsrechnungen-automatisieren/) und [Auftragseingang automatisieren](../auftragseingang-automatisieren/). Oder erfahren Sie mehr über die [Dokumentas P2P-Automatisierung](../../p2p-automatisierung/). ## Häufig gestellte Fragen Procure-to-Pay (P2P) umfasst den operativen Beschaffungsprozess — vom Bedarf über Bestellung, Wareneingang und Rechnungsprüfung bis zur Zahlung. Source-to-Pay (S2P) erweitert diesen Zyklus um die strategische Beschaffung: Lieferantenauswahl, Verhandlung, Vertragsmanagement und Lieferantenbewertung. S2P beginnt also vor dem eigentlichen P2P-Zyklus und ist der umfassendere Begriff. Grundsätzlich alle gängigen ERP-Systeme — darunter SAP (S/4HANA und ECC), Oracle Netsuite, Microsoft Dynamics 365, Abacus, Sage und viele weitere. Die Integration erfolgt über standardisierte Schnittstellen (APIs, RFC, IDocs bei SAP) und kann bidirektional konfiguriert werden, sodass Daten in beide Richtungen fliessen. Die Integrationstiefe variiert je nach ERP-System und Anforderung. Beim automatischen 3-Way-Matching vergleicht die KI jede Rechnungsposition mit der zugehörigen Bestellposition und dem dokumentierten Wareneingang. Geprüft werden Artikelbezeichnung, Menge, Einzelpreis und Gesamtbetrag. Bei voller Übereinstimmung wird die Rechnung automatisch freigegeben. Abweichungen innerhalb definierter Toleranzen können ebenfalls automatisch verarbeitet werden. Signifikante Abweichungen werden zur manuellen Prüfung eskaliert — inklusive einer klaren Markierung, welche Positionen betroffen sind. Ein Pilotbetrieb — typischerweise mit der Rechnungsverarbeitung als Einstieg — kann innerhalb von 2–4 Wochen aufgesetzt werden. Die Erweiterung auf das vollständige 3-Way-Matching mit ERP-Integration dauert in der Regel 6–10 Wochen, abhängig von der Komplexität Ihrer ERP-Landschaft und der Anzahl der Lieferanten. Der empfohlene Ansatz ist schrittweise: Erst die Rechnungserfassung automatisieren, dann das Matching ergänzen, dann weitere Dokumenttypen einbinden. Abweichungen werden in drei Kategorien klassifiziert: Volle Übereinstimmung (automatische Freigabe), Abweichung in Toleranz (automatische Freigabe oder Bestätigung je nach Konfiguration) und signifikante Abweichung (Eskalation zur manuellen Prüfung). Bei einer Eskalation sieht der Prüfer genau, welche Positionen betroffen sind und worin die Abweichung besteht. Jede Entscheidung wird dokumentiert und fliesst als Trainingssignal in das System zurück. Schrittweise Automatisierung ist nicht nur möglich, sondern der empfohlene Ansatz. Starten Sie mit dem Teilprozess, der den grössten ROI bietet — in den meisten Fällen die Rechnungsverarbeitung. Sobald diese stabil läuft, ergänzen Sie das 3-Way-Matching, dann die Auftragsverarbeitung und schliesslich den gesamten P2P-Fluss. So minimieren Sie Risiken, schaffen früh sichtbare Erfolge und geben Ihrem Team Zeit, sich anzupassen. Der ROI hängt von Ihrem Rechnungsvolumen, den aktuellen Prozesskosten und den genutzten Skontopotenzialen ab. Typische Kundenprojekte zeigen: 60–80 % Reduktion des manuellen Prüfaufwands, 50–70 % kürzere Durchlaufzeiten und 100'000+ CHF jährliche Einsparungen bei Unternehmen mit mehr als 1'000 Rechnungen pro Monat. Hinzu kommen indirekte Effekte wie höhere Skontoausnutzung, bessere Lieferantenbeziehungen und reduziertes Compliance-Risiko. # Eingangsrechnungen automatisieren: Der komplette Guide 2026 Source: https://www.dokumentas.ai/blog/eingangsrechnungen-automatisieren/ > Eingangsrechnungen automatisieren: Alles über KI-gestützte Rechnungsverarbeitung, ROI-Berechnung, Implementierung und Best Practices. Der komplette Guide 2026. Eingangsrechnungen manuell zu verarbeiten kostet Schweizer KMU durchschnittlich CHF 18–25 pro Rechnung. Bei 500 Rechnungen im Monat summiert sich das auf über CHF 100'000 pro Jahr — allein für die Erfassung und Prüfung. KI-gestützte Automatisierung reduziert diese Kosten um bis zu 80% und eliminiert gleichzeitig Fehlerquellen, die bei manueller Verarbeitung unvermeidlich sind. Dieser Guide zeigt Ihnen Schritt für Schritt, wie Sie Ihre Eingangsrechnungen automatisieren — von der Bestandsaufnahme über die Technologiewahl bis zum produktiven Einsatz. Mit konkreten Zahlen, erprobten Strategien und den Erfahrungen aus über 200 Implementierungsprojekten. ## Warum Eingangsrechnungen automatisieren? Die manuelle Rechnungsverarbeitung ist einer der teuersten und fehleranfälligsten Prozesse in der Kreditorenbuchhaltung. Studien zeigen: Bei manueller Erfassung liegt die Fehlerquote zwischen 3% und 5%. Bei Unternehmen mit 10'000+ Rechnungen pro Jahr bedeutet das 300–500 fehlerhafte Buchungen — Skonti werden verpasst, Duplikate übersehen, Kontierungen vertauscht. Die Automatisierung löst diese Probleme nicht durch Kompromisse, sondern durch einen grundlegend anderen Ansatz: Statt menschliche Aufmerksamkeit für repetitive Prüfungen einzusetzen, übernimmt KI die Extraktion, Validierung und Kontierung — und eskaliert nur die echten Ausnahmen an Ihre Mitarbeitenden. ### Die drei Hauptgründe für Automatisierung - **Kostensenkung:** Automatisierte Rechnungen kosten CHF 2–5 statt CHF 18–25 pro Stück. Bei 500 Rechnungen/Monat spart das CHF 78'000–138'000 pro Jahr. - **Fehlerreduktion:** KI-Extraktion erreicht über 98% Genauigkeit — deutlich über dem menschlichen Durchschnitt. Automatische Duplikatprüfung und Regelvalidierung eliminieren systematische Fehler. - **Geschwindigkeit:** Von durchschnittlich 8–12 Tagen Durchlaufzeit auf unter 24 Stunden. Das bedeutet mehr Skontoerträge und bessere Lieferantenbeziehungen. ## Status quo: Wie werden Rechnungen heute verarbeitet? Bevor Sie automatisieren, brauchen Sie ein klares Bild Ihres aktuellen Prozesses. Die meisten Unternehmen befinden sich in einer von drei Stufen: ### Stufe 1: Vollständig manuell Rechnungen kommen per Post und E-Mail, werden ausgedruckt, gestempelt und manuell im ERP erfasst. Kontierung erfolgt auf Papier, Freigabe per physischer Unterschrift. Durchlaufzeit: 10–15 Tage. ### Stufe 2: Teildigitalisiert Rechnungen werden gescannt oder als PDF empfangen. OCR extrahiert Basisdaten (Rechnungsnummer, Betrag), aber Kontierung und Prüfung erfolgen manuell. Freigabe über ein einfaches Workflow-Tool. Durchlaufzeit: 5–8 Tage. ### Stufe 3: Automatisiert KI extrahiert alle relevanten Daten, kontiert automatisch basierend auf Regeln und Lerneffekten, prüft gegen Bestellungen und Verträge und leitet nur Ausnahmen an Menschen weiter. Durchlaufzeit: unter 24 Stunden. ## KI vs. klassisches OCR: Was ist der Unterschied? Klassische OCR-Systeme (Optical Character Recognition) erkennen Text auf Dokumenten — mehr nicht. Sie brauchen Templates, also Vorlagen, die definieren, wo auf einer Rechnung welches Feld steht. Ändert ein Lieferant sein Layout, bricht die Erkennung zusammen. Moderne KI-Systeme arbeiten grundlegend anders: Sie verstehen den Kontext eines Dokuments. Wie ein erfahrener Buchhalter erkennen sie, dass «Nettobetrag», «Net Amount» und «Zwischensumme» dasselbe meinen — unabhängig von Position, Sprache oder Layout. | Kriterium | Klassisches OCR | KI-basiert | | --- | --- | --- | | **Template-Abhängigkeit** | Pro Lieferant ein Template nötig | Template-frei, sofort einsatzbereit | | **Neue Lieferanten** | Manuelle Konfiguration (Stunden/Tage) | Automatische Erkennung (sofort) | | **Genauigkeit** | 85–92% (Positionsdaten) | 95–99% (kontextbasiert) | | **Lernfähigkeit** | Keine | Kontinuierliches Lernen aus Korrekturen | | **Mehrsprachigkeit** | Eingeschränkt, sprachspezifische Regeln | Nativ mehrsprachig | | **Wartungsaufwand** | Hoch (Template-Pflege, Updates) | Minimal (selbstlernend) | ## Der automatisierte Rechnungsprozess im Überblick Ein vollständig automatisierter Rechnungsprozess besteht aus fünf Phasen, die nahtlos ineinandergreifen. Jede Phase eliminiert manuelle Eingriffe und steigert die Prozesssicherheit. ### Phase 1: Multikanal-Erfassung Rechnungen erreichen Unternehmen über verschiedene Kanäle: E-Mail (PDF-Anhänge), Scanner, Upload-Portale oder EDI. Ein modernes System konsolidiert alle Eingangswege automatisch — unabhängig davon, ob die Rechnung als PDF, TIFF, JPEG oder strukturiert als ZUGFeRD/XRechnung eingeht. ### Phase 2: KI-gestützte Extraktion Die KI liest Kopfdaten (Lieferant, Rechnungsnummer, Datum, Beträge, MWST) und Positionsdaten (Artikelbeschreibung, Menge, Einzelpreis) aus dem Dokument. Dabei versteht sie den Kontext: Bei einer Sammelrechnung erkennt sie mehrere Lieferscheinreferenzen, bei einer Gutschrift erkennt sie negative Beträge und deren Zuordnung. ### Phase 3: Automatische Validierung Nach der Extraktion durchlaufen die Daten automatische Prüfungen: Duplikatcheck, MWST-Plausibilität, 3-Way-Matching (Rechnung ↔ Bestellung ↔ Wareneingang), Preistoleranzprüfung und Compliance-Checks (z.B. MWST-Nummer-Validierung). ### Phase 4: Kontierung und Freigabe Basierend auf historischen Daten und definierten Regeln kontiert das System automatisch: Sachkonto, Kostenstelle, Projekt. Bei konfidenten Entscheidungen (Konfidenz > 95%) wird direkt freigegeben. Bei niedrigerer Konfidenz oder regelbasierten Ausnahmen wird ein Freigabe-Workflow ausgelöst. ### Phase 5: ERP-Integration Die validierten und freigegebenen Rechnungsdaten werden automatisch ins ERP-System übergeben: Kreditorenbuchung, Zahlungsvorschlag, revisionssichere Archivierung. Die Integration erfolgt über standardisierte Schnittstellen (API, RFC, Webservice) — kein manuelles Abtippen, keine Medienbrüche. ## ROI-Berechnung: Lohnt sich die Investition? Die Investition in eine KI-gestützte Rechnungsautomatisierung amortisiert sich typischerweise innerhalb von 4–8 Monaten. Die folgenden Zahlen basieren auf konkreten Kundenprojekten und Schweizer Durchschnittswerten. ### Zusätzliche Einsparungen durch Skontonutzung Ein oft unterschätzter Vorteil: Durch die schnellere Verarbeitung können mehr Skonti genutzt werden. Bei einem durchschnittlichen Skonto von 2% und einer Steigerung der Skontonutzung von 40% auf 85% ergeben sich bei CHF 5 Mio. Einkaufsvolumen zusätzlich CHF 45'000 Ersparnis pro Jahr. > «Die Automatisierung hat sich bei uns in vier Monaten amortisiert. Allein die Skontoerträge sind um 120% gestiegen.» — Finanzleiter eines Dokumentas-Kunden ## Was bedeutet Dunkelverarbeitung? Dunkelverarbeitung (auch Straight-Through Processing oder STP) bezeichnet den Idealfall: Eine Rechnung wird vollständig automatisch verarbeitet — von der Erfassung bis zur Buchung — ohne dass ein Mensch eingreifen muss. Der Begriff stammt aus der Vorstellung einer «dunklen Fabrik», in der keine Beleuchtung nötig ist, weil keine Menschen anwesend sind. Bei Dokumentas erreichen Kunden typischerweise eine Dunkelverarbeitungsrate von über 80%. Das bedeutet: Von 100 Rechnungen werden mindestens 80 vollautomatisch verarbeitet. Die restlichen 20 landen in einer übersichtlichen Prüfoberfläche, wo Mitarbeitende gezielt die Ausnahmen bearbeiten. ### Was beeinflusst die Dunkelverarbeitungsrate? - **Rechnungsqualität:** Saubere, maschinenlesbare PDFs erzielen höhere Raten als handschriftliche Rechnungen oder schlecht gescannte Dokumente. - **Stammdatenqualität:** Vollständige und aktuelle Lieferanten- und Artikelstammdaten sind die Basis für automatisches Matching. - **Regelkomplexität:** Je klarer die Geschäftsregeln definiert sind, desto höher die Automatisierung. Vage Freigaberegeln erzwingen manuelle Entscheidungen. - **Bestellbezug:** Rechnungen mit Bestellbezug (PO-Nummer) lassen sich deutlich besser automatisieren als Rechnungen ohne Bestellbezug. ## ERP-Integration: Nahtlos statt Insellösung Die beste Automatisierungslösung nützt wenig, wenn sie nicht nahtlos in Ihr ERP-System integriert ist. Medienbrüche — also Stellen, an denen Daten manuell übertragen werden müssen — sind die häufigste Ursache für Fehler und Verzögerungen. Eine professionelle Integration umfasst: - **Stammdaten-Synchronisation:** Lieferanten, Kostenstellen, Konten und Steuerschlüssel werden in Echtzeit synchronisiert. Keine manuellen Abgleiche mehr. - **Bestelldaten-Zugriff:** Die Lösung liest Bestellungen direkt aus dem ERP, um das 3-Way-Matching (Rechnung ↔ Bestellung ↔ Wareneingang) automatisch durchzuführen. - **Buchungsübergabe:** Validierte Rechnungen werden als fertige Buchungssätze ins ERP übergeben — inklusive Kontierung, Kostenverteilung und Steuerbehandlung. - **Zahlungsanbindung:** Integration in den Zahlungslauf: Freigegeben = zahlbereit. Kein separater Export/Import nötig. ### Unterstützte ERP-Systeme Dokumentas bietet standardisierte Schnittstellen für SAP (S/4HANA und ECC), Microsoft Dynamics 365/Business Central, Abacus, Sage und weitere Systeme über offene REST-APIs. Die typische Integrationszeit beträgt 2–4 Wochen. ## Implementierung: Von der Entscheidung zum Go-Live Eine erfolgreiche Implementierung folgt einem strukturierten Vorgehen in vier Phasen. Die Gesamtdauer vom Kick-off bis zum produktiven Einsatz beträgt typischerweise 4–8 Wochen. ### Phase 1: Analyse und Konzept (Woche 1–2) Bestandsaufnahme des aktuellen Prozesses, Definition der Anforderungen, Identifikation der Schnittstellen. Ergebnis: ein massgeschneidertes Lösungskonzept mit klarer Zieldefinition und Meilensteinplanung. ### Phase 2: Konfiguration und Integration (Woche 2–4) Einrichtung des Systems, Anbindung ans ERP, Definition der Geschäftsregeln und Freigabe-Workflows. Erste Tests mit echten Rechnungsdaten. Schulung der Key Users. ### Phase 3: Pilotbetrieb (Woche 4–6) Parallelbetrieb mit einem definierten Rechnungsvolumen (z.B. ein Lieferantensegment). Monitoring der Erkennungsraten, Optimierung der Regeln, Feintuning der KI-Modelle basierend auf Korrekturen. ### Phase 4: Rollout und Optimierung (Woche 6–8) Schrittweise Erweiterung auf das gesamte Rechnungsvolumen. Kontinuierliches Monitoring der KPIs (Dunkelverarbeitungsrate, Erkennungsgenauigkeit, Durchlaufzeit). Regelmässige Review-Meetings zur Optimierung. ## Best Practices für maximale Automatisierung Aus über 200 Implementierungsprojekten haben wir die wichtigsten Erfolgsfaktoren identifiziert: 1. **Stammdaten zuerst:** Investieren Sie vor dem Go-Live in saubere Stammdaten. Ein aktuelles Lieferantenverzeichnis und korrekte Kontierungsregeln sind die Basis für hohe Dunkelverarbeitungsraten. 2. **Klein starten, schnell skalieren:** Beginnen Sie mit einem klar abgegrenzten Prozess (z.B. Rechnungen eines Lieferantensegments) und erweitern Sie schrittweise. So sammeln Sie Erfahrung ohne Risiko. 3. **Feedback-Schleife etablieren:** Jede manuelle Korrektur ist ein Trainingssignal für die KI. Stellen Sie sicher, dass Korrekturen systematisch erfasst und zurückgespeist werden. 4. **Change Management nicht vergessen:** Die Technologie ist nur die halbe Miete. Schulen Sie Ihre Mitarbeitenden frühzeitig und kommunizieren Sie transparent, wie sich ihre Rolle verändert — von der Datenerfassung zur Ausnahmebearbeitung. 5. **KPIs definieren und messen:** Definieren Sie vor dem Start klare Ziele: Dunkelverarbeitungsrate, Durchlaufzeit, Fehlerquote, Skontonutzung. Nur was gemessen wird, kann optimiert werden. 6. **Prozess-Hygiene:** Fordern Sie Lieferanten aktiv auf, strukturierte Rechnungsformate (ZUGFeRD, QR-Rechnung) zu verwenden. Je höher die Eingangsqualität, desto besser die Automatisierung. ## Häufige Fehler bei der Automatisierung Nicht jedes Automatisierungsprojekt ist erfolgreich. Diese fünf Fehler sehen wir immer wieder — und so vermeiden Sie sie: ### Fehler 1: Alles auf einmal automatisieren Wer versucht, vom ersten Tag an 100% des Rechnungsvolumens zu automatisieren, riskiert Frustation und Qualitätsprobleme. Besser: mit 30–40% starten und schrittweise hochfahren. So können Regeln und KI-Modelle reifen. ### Fehler 2: Die IT zu spät einbinden ERP-Integration ist ein technisches Thema, das frühzeitig geplant werden muss. Wer die IT-Abteilung erst nach der Produktevaluation einbezieht, riskiert Verzögerungen und Kompatibilitätsprobleme. ### Fehler 3: Stammdaten ignorieren «Garbage in, Garbage out» gilt auch für KI. Wenn 20% Ihrer Lieferantenstammdaten veraltet oder falsch sind, kann auch die beste KI keine validen Ergebnisse liefern. Investieren Sie in Datenqualität, bevor Sie automatisieren. ### Fehler 4: Keinen Prozess-Owner definieren Automatisierung braucht Ownership. Ohne einen klar definierten Verantwortlichen, der Regeln pflegt, Ausnahmen monitort und Optimierungen vorantreibt, veralten die Konfigurationen und die Dunkelverarbeitungsrate sinkt. ### Fehler 5: Compliance unterschätzen Automatisierte Prozesse müssen revisionssicher sein. Stellen Sie von Anfang an sicher, dass alle Verarbeitungsschritte dokumentiert werden und ein lückenloser Audit-Trail existiert — das ist nicht nur Best Practice, sondern gesetzliche Anforderung. ## Zukunft: Wohin entwickelt sich die Rechnungsautomatisierung? Die Rechnungsautomatisierung steht nicht still. Drei Trends prägen die Entwicklung in den nächsten Jahren: ### Trend 1: End-to-End P2P-Automatisierung Die isolierte Rechnungsverarbeitung wird zunehmend in einen ganzheitlichen Procure-to-Pay-Prozess eingebettet. Von der Bedarfsmeldung über die Bestellung und den Wareneingang bis zur Zahlung — alles aus einem Guss, ohne Systembrüche. ### Trend 2: Predictive Analytics KI wird nicht nur reaktiv (Rechnungen verarbeiten), sondern auch prädiktiv: Cashflow-Prognosen basierend auf erwarteten Rechnungseingängen, automatische Optimierung von Zahlungszeitpunkten für maximale Skontoerträge, Anomalieerkennung bei Preisabweichungen. ### Trend 3: Autonome Agenten Statt nur Daten zu extrahieren, werden KI-Agenten zunehmend eigenständig handeln: Lieferantenanfragen beantworten, Mahnung automatisch nachgehen, Differenzen mit Bestellabteilungen klären — alles im Rahmen definierter Policies und Eskalationsregeln. ## Checkliste: Sind Sie bereit für die Automatisierung? Nutzen Sie diese Checkliste, um Ihre Bereitschaft für ein Automatisierungsprojekt einzuschätzen: - **Volumen:** Sie verarbeiten mindestens 200 Rechnungen pro Monat. Ab diesem Volumen lohnt sich die Automatisierung wirtschaftlich. - **Digitaler Eingang:** Mindestens 60% Ihrer Rechnungen kommen bereits digital (E-Mail, PDF). Der Rest kann parallel digitalisiert werden. - **ERP-System:** Sie arbeiten mit einem ERP-System, das über APIs oder Standard-Schnittstellen angebunden werden kann. - **Stammdaten:** Ihre Lieferantenstammdaten sind grundsätzlich aktuell und gepflegt. Perfekt müssen sie nicht sein — Lücken können im Projekt geschlossen werden. - **Prozess-Ownership:** Es gibt eine Person oder ein Team, das für den Rechnungsprozess verantwortlich ist und das Projekt vorantreibt. - **Management-Support:** Die Geschäftsleitung unterstützt das Projekt und stellt die nötigen Ressourcen bereit. Wenn Sie mindestens vier dieser sechs Punkte mit «Ja» beantworten können, sind Sie bereit für den nächsten Schritt. --- ## Fazit Die Automatisierung von Eingangsrechnungen ist kein Luxus mehr — sie ist eine wirtschaftliche Notwendigkeit. Unternehmen, die ihre Rechnungsverarbeitung automatisieren, sparen nicht nur signifikant Kosten, sondern gewinnen auch an Geschwindigkeit, Qualität und Compliance. Der Schlüssel zum Erfolg liegt nicht in der Technologie allein, sondern in der richtigen Kombination aus leistungsfähiger KI, sauberer Integration und durchdachtem Change Management. Starten Sie klein, messen Sie konsequent und skalieren Sie schrittweise — so wird aus einem IT-Projekt ein echter Wettbewerbsvorteil. Dokumentas begleitet Sie von der ersten Analyse bis zum produktiven Einsatz. Mit über 20 Jahren Erfahrung in der Prozessautomatisierung und KI-Technologie, die sich kontinuierlich weiterentwickelt. ## Häufig gestellte Fragen Die typische Implementierungsdauer beträgt 4–8 Wochen vom Kick-off bis zum produktiven Einsatz des ersten Prozesses. Die Dauer hängt von der Komplexität Ihrer ERP-Integration und der Anzahl der zu automatisierenden Regeln ab. Ein Pilotbetrieb mit einem begrenzten Rechnungsvolumen ist in der Regel innerhalb von 2–3 Wochen möglich. Nein. Dokumentas wird als Managed Service betrieben — wir kümmern uns um Betrieb, Updates und Optimierung. Ihr IT-Team muss lediglich die ERP-Schnittstelle bereitstellen, was bei modernen Systemen (SAP, Dynamics, Abacus) standardisiert und gut dokumentiert ist. Der Fachbereich (Kreditorenbuchhaltung) definiert die Geschäftsregeln — dafür braucht es Prozesswissen, kein IT-Know-how. Rechnungen, die nicht vollständig automatisch verarbeitet werden können, landen in einer übersichtlichen Prüfoberfläche. Dort sehen Ihre Mitarbeitenden auf einen Blick, was die KI bereits erkannt hat und wo eine manuelle Entscheidung nötig ist. Jede Korrektur fliesst als Trainingssignal zurück in die KI — das System wird mit jeder bearbeiteten Ausnahme besser. Ja. Die KI von Dokumentas versteht Rechnungen in allen gängigen europäischen Sprachen — Deutsch, Französisch, Italienisch, Englisch und weitere. Besonders für Schweizer Unternehmen mit Lieferanten aus verschiedenen Sprachregionen ist das ein wichtiger Vorteil gegenüber regelbasierten Systemen, die für jede Sprache separat konfiguriert werden müssen. Sicherheit hat bei Dokumentas höchste Priorität. Alle Daten werden in Schweizer Rechenzentren verarbeitet und gespeichert (ISO 27001 zertifiziert). Die Übertragung erfolgt verschlüsselt (TLS 1.3), und alle Dokumente werden mit AES-256 verschlüsselt abgelegt. Zugriffskontrollen, Audit-Logs und regelmässige Penetration Tests stellen sicher, dass Ihre sensiblen Finanzdaten jederzeit geschützt sind. --- ## Teil 4: Unternehmen # Über uns — Das Team hinter Dokumentas | Dokumentas Source: https://www.dokumentas.ai/about/ > Dokumentas stammt von der ESGroup — einem unabhängigen Softwareunternehmen mit 20+ Jahren Erfahrung und Standorten in der Schweiz und Polen. Lernen Sie unser Team kennen. Über Dokumentas # Automatisierung, die echte Prozesse versteht Dokumentas wurde entwickelt, um die Realität abzubilden — nicht um sie zu vereinfachen. Mit der Balance zwischen Standardisierung und Individualisierung. Unsere Mission ## Prozesse richtig verstehen — nicht vereinfachen Dokumentenbasierte Prozesse sind in der Praxis nie gleich. Jede Firma arbeitet anders, jede Branche hat eigene Regeln — und genau daran scheitern viele Standardlösungen. Wir glauben, dass Automatisierung nicht bedeutet, Prozesse zu vereinfachen — sondern sie richtig zu verstehen und intelligent zu verarbeiten. Ohne starre Templates. Ohne komplexe Enterprise-Projekte. Mit der Balance zwischen Standardisierung und Individualisierung. Dokumentas kombiniert bewährte Standard-Agenten für Rechnungen, Bestellungen und Procure-to-Pay mit individueller Prozesslogik dort, wo sie wirklich gebraucht wird. So entstehen Lösungen, die schnell produktiv sind — und trotzdem exakt zum Unternehmen passen. Das Team ## Die Menschen hinter Dokumentas Ein Team aus Entwicklern, Ingenieuren und Branchenexperten — vereint durch die Überzeugung, dass Automatisierung besser geht. ![Florin Iten — Co-Founder / Managing Partner bei Dokumentas](images/florin-iten.jpg) ### Florin Iten Co-Founder / Managing Partner ![Yannick Gross — Co-Founder / Managing Partner bei Dokumentas](images/yannick-gross.jpg) ### Yannick Gross Co-Founder / Managing Partner ![Patryk Mamla — Senior Developer bei Dokumentas](images/patryk-mamla.png) ### Patryk Mamla Senior Developer ![Oleg Kuzava — Senior Developer bei Dokumentas](images/oleg-kuzava.png) ### Oleg Kuzava Senior Developer ![Ali Imren — CMO bei Dokumentas](images/ali-imren.jpg) ### Ali Imren CMO Über die ESGroup ## Gebaut von Experten für echte Prozesse Dokumentas stammt von der ESGroup, einem unabhängigen Softwareunternehmen mit Standorten in der Schweiz und Polen. 01 ### 20+ Jahre Erfahrung Seit über zwei Jahrzehnten spezialisiert auf Softwareentwicklung und Prozessautomatisierung — von ERP-Integration bis KI-gestützte Dokumentenverarbeitung. 02 ### Modulare Plattform Standardmodule, die sich individuell anpassen lassen. Schnell produktiv, stabil im Betrieb, zukunftssicher in der Architektur. 03 ### Schweiz & Polen Unabhängiges Softwareunternehmen mit Standorten in Zürich und Polen — nah am Kunden, mit starkem Engineering-Team. Bereit? ## Lassen Sie uns über Ihre Prozesse sprechen. Wir zeigen Ihnen in einer kurzen Demo, wie Dokumentas Ihre dokumentenbasierten Prozesse automatisiert — unverbindlich und praxisnah. [Kostenlose Demo anfordern](../contact/)