Viele Abläufe beginnen mit einem Dokument, das jemand abtippt. Moderne KI kann auch uneinheitliche Unterlagen verstehen. Das heißt aber nicht, dass sie fehlerfrei ist.
Die richtigen Werkzeuge
- Digitale PDF und Excel: Daten oft direkt auslesbar
- Scans und Fotos: zuerst Texterkennung nötig
- Sehr uneinheitliche Unterlagen: Sprachmodelle helfen beim Zuordnen
- Feste Formate: Regeln sind oft zuverlässiger als KI
Ergebnisse prüfen, nicht glauben
Bauen Sie Plausibilitätsprüfungen ein: Stimmt die Summe mit den Einzelpositionen überein? Gibt es den Kunden? Passt die Menge zur Bestellung? Solche Regeln fangen viele Fehler ab, die man dem Ergebnis nicht ansieht.
Unsicherheit einplanen
Fälle mit fehlenden oder widersprüchlichen Werten sollten zu einem Menschen gehen. Zeigen Sie dabei das Originaldokument neben den ausgelesenen Daten, damit die Prüfung schnell geht.
Mit Testsatz arbeiten
Sammeln Sie echte Beispiele samt richtiger Ergebnisse. So können Sie Qualität messen und Änderungen vergleichen, statt sich auf den Eindruck einzelner Fälle zu verlassen.
Zuerst das Zielformat festlegen
Bevor Sie ein Werkzeug auswählen, schreiben Sie auf, welche Daten am Ende in welchem System landen sollen. Dieses Feldschema beschreibt zu jeder Angabe den Namen, das Format, ob sie Pflicht ist und welche Werte erlaubt sind. Bei einer Lieferantenrechnung gehören dazu etwa Rechnungsnummer, Datum, Bestellbezug, Positionen und Beträge. Das Schema ist zugleich Arbeitsauftrag an das Modell und Grundlage für die spätere Prüfung.
Erlauben Sie dem Modell ausdrücklich, ein Feld leer zu lassen. Sonst neigt es dazu, eine plausibel wirkende Angabe zu liefern. Lassen Sie sich nach Möglichkeit auch die Fundstelle zurückgeben, also Seite und Textstelle. Das macht die spätere Kontrolle deutlich schneller und hilft bei der Fehlersuche.
Typische Fallstricke in der Praxis
Saubere Beispieldateien täuschen über die Vielfalt echter Eingänge hinweg. Planen Sie die folgenden Fälle bewusst ein:
- Sammelscans: Eine PDF-Datei enthält mehrere Dokumente und muss zuerst getrennt werden.
- Mehrseitige Tabellen: Spalten verrutschen, und Zeilen über Seitenumbrüche gehen verloren.
- Schlechte Scans: Schiefe Seiten oder Stempel über dem Text stören die Erkennung.
- Handschriftliche Notizen: Eine Änderung auf einem Lieferschein ändert die gedruckte Menge.
- Verwechselbare Angaben: Das Dokument nennt mehrere Daten, Adressen oder Nummern.
- Einheiten und Zahlenformate: Kommas, Punkte und Packungsgrößen werden falsch gelesen.
Nehmen Sie solche Dokumente von Anfang an in den Testsatz auf, und zwar getrennt nach Lieferant oder Dokumentart. So erkennen Sie, ob ein Gesamtergebnis ein Problem bei einer einzelnen Dokumentgruppe verdeckt.
Qualität pro Feld messen
Die Frage „Wie gut funktioniert das Auslesen?“ lässt sich mit einem einzigen Wert kaum sinnvoll beantworten. Ein Fehler in der Artikelbezeichnung hat andere Folgen als ein falscher Betrag oder eine falsche Bankverbindung. Bewerten Sie deshalb jedes Feld einzeln und legen Sie vorher fest, welche Felder nie ungeprüft weitergegeben werden dürfen.
Daraus ergibt sich eine einfache Betriebslogik. Vollständig plausible Dokumente mit unkritischen Feldern können weiterlaufen, sobald die Tests das rechtfertigen. Kritische Angaben, etwa Bankdaten, werden gegen Stammdaten geprüft. Eine geänderte Bankverbindung sollte immer an einen Menschen gehen, denn hier spielt auch das Betrugsrisiko eine Rolle. Korrekturen aus der manuellen Prüfung sollten Sie speichern, damit neue Testfälle entstehen. Prüfen Sie auch, ob sich die Fehler bei einem bestimmten Lieferanten oder nach einer Layoutänderung häufen. Dann lässt sich die Ursache meist gezielt beheben, ohne den gesamten Ablauf anzufassen.
Wenn das Dokument schon strukturierte Daten enthält
Nicht jedes PDF muss gelesen werden wie ein Bild. E-Rechnungen im Format XRechnung oder ZUGFeRD enthalten maschinenlesbare Daten. Hier ist es meist zuverlässiger, die Struktur direkt auszuwerten, statt Text zu interpretieren. Auch Bestellungen per EDI oder Exporte aus Lieferantenportalen kommen ohne KI aus. Prüfen Sie daher vor jedem Modell, ob die Daten nicht bereits in einer besseren Form vorliegen. Die Originaldokumente bleiben zudem wichtig: Ablage und Aufbewahrung sollten mit Ihrer Buchhaltung oder steuerlichen Beratung abgestimmt sein, bevor Sie Abläufe ändern.
Das passende Verfahren je Dokumentart
| Dokument | Sinnvolles Verfahren | Wichtigste Prüfung |
|---|---|---|
| E-Rechnung mit strukturierten Daten | Daten direkt aus der Struktur auslesen | Bestellbezug, Lieferant und Bankverbindung gegen Stammdaten |
| Rechnung als digitales PDF | Textebene auslesen, Sprachmodell für uneinheitliche Layouts | Summe der Positionen, Steuer und Bestellbezug |
| Gescannter Lieferschein | Texterkennung plus Abgleich, Handnotizen gezielt erkennen | Mengen gegen die Bestellung und manuelle Änderungen |
| Formular mit festem Aufbau | Regelbasiertes Auslesen nach Position oder Feldname | Pflichtfelder und erlaubte Wertebereiche |
| Vertrag oder Ausschreibung | Sprachmodell zum Finden und Zusammenfassen relevanter Stellen | Menschliche Prüfung mit Verweis auf die Fundstelle |
Für den Start eines Ausleseprojekts
Typische Fehler
Die Lösung wirkt dann besser, als sie im Betrieb ist. Verwenden Sie zufällig gezogene echte Dokumente, einschließlich schlechter Scans und seltener Formate.
Er kann schwere Fehler in wenigen wichtigen Feldern verdecken. Messen Sie pro Feld und legen Sie für kritische Felder strengere Prüfwege fest.
Das ist bei festen Formaten oder strukturierten E-Rechnungen oft unnötig und schwerer zu kontrollieren. Prüfen Sie zuerst, ob direktes Auslesen oder einfache Regeln ausreichen.
Häufige Fragen
Wie zuverlässig ist KI beim Auslesen von Dokumenten?
Das hängt stark von Dokumentart, Scanqualität und Feld ab und lässt sich nicht pauschal beantworten. Messen Sie die Qualität mit einem eigenen Testsatz aus echten Unterlagen, statt sich auf allgemeine Aussagen zu verlassen.
Reicht OCR nicht aus?
OCR macht Text aus einem Bild lesbar, ordnet ihn aber noch nicht fachlich zu. Bei festen Layouts können zusätzliche Regeln genügen, bei uneinheitlichen Dokumenten kann ein Sprachmodell die Zuordnung übernehmen.
Kann KI auch Handschrift lesen?
Oft ist das bis zu einem gewissen Grad möglich, die Ergebnisse schwanken aber stark mit Schrift und Scan. Bei wichtigen Angaben sollten handschriftliche Einträge deshalb erkannt und von einem Menschen geprüft werden.
Von Patrick Thomas, KI Sidekick. Dieser Artikel ersetzt keine Rechts- oder Steuerberatung.
