Inhalt
  1. Welche Dokumente sich mit KI auslesen lassen
  2. Klassische OCR oder Sprachmodell?
  3. Ausgabe in feste Felder
  4. Plausibilitätsprüfungen: der wichtigste Teil
  5. Übergabe an CRM und ERP
  6. Aufbewahrung und Datenschutz
  7. Ein typisches Szenario: Auftragsbestätigungen im Einkauf
  8. Fazit
  9. Häufige Fragen

Das Wichtigste in Kürze

  • Sprachmodelle können Lieferscheine, Auftragsbestätigungen, Formulare und Verträge auch dann auslesen, wenn jedes Dokument anders aufgebaut ist, und tragen die Werte in vorher festgelegte Felder ein.
  • Klassische Texterkennung (OCR) mit Vorlagen ist bei immer gleichen Layouts günstig und zuverlässig, bei wechselnden Layouts sind Sprachmodelle meist deutlich flexibler.
  • Jeder ausgelesene Wert sollte gegen Regeln und Stammdaten geprüft werden, bevor er in CRM oder ERP landet, und bei Abweichungen entscheidet ein Mensch.
  • Das Originaldokument bleibt maßgeblich und muss nach den geltenden Aufbewahrungsregeln unverändert archiviert werden, auch wenn die Daten längst im System stehen.

Welche Dokumente sich mit KI auslesen lassen

In vielen Unternehmen gibt es eine stille Abtipp-Abteilung. Im Einkauf werden Auftragsbestätigungen mit der Bestellung verglichen, im Lager Lieferscheine erfasst, im Vertrieb Kundenformulare ins CRM übertragen, und in der Verwaltung sucht jemand in Verträgen nach Laufzeit und Kündigungsfrist. Das ist mühsam, fehleranfällig und bindet Leute, die Wichtigeres zu tun hätten.

Für Rechnungen gibt es seit Jahren spezialisierte Lösungen. Außerdem müssen Unternehmen in Deutschland seit 2025 im inländischen Geschäft untereinander E-Rechnungen empfangen können, und Formate wie XRechnung oder ZUGFeRD enthalten die Daten ohnehin maschinenlesbar. Dort brauchst du keine KI. Wie die Rechnungsverarbeitung als Ganzes automatisiert wird, beschreibe ich im Artikel Rechnungsverarbeitung automatisieren. In diesem Beitrag geht es um die übrigen Dokumente, für die es solche Standards meist nicht gibt:

  • Lieferscheine: Lieferant, Lieferscheinnummer, Bestellbezug, Positionen mit Mengen, Vermerke zu Fehlmengen
  • Auftragsbestätigungen: bestätigte Preise, Mengen und Liefertermine, die mit der eigenen Bestellung abgeglichen werden
  • Formulare: Anmeldungen, Aufträge, Serviceberichte, oft als ausgefülltes PDF oder als Foto
  • Verträge: Vertragspartner, Laufzeit, Kündigungsfrist, Verlängerungsklausel, besondere Vereinbarungen

Allen gemeinsam ist: Es geht nicht darum, das Dokument zu verstehen wie ein Jurist, sondern bestimmte Werte zuverlässig an die richtige Stelle zu bringen.

Klassische OCR oder Sprachmodell?

OCR steht für Optical Character Recognition, also Texterkennung: Aus einem Bild oder Scan wird Text. Damit weißt du aber noch nicht, welche Zahl die Bestellnummer ist. Klassische Lösungen arbeiten deshalb mit Vorlagen. Für jedes Layout wird festgelegt, wo welches Feld steht, oder es gibt Regeln wie „die Zahl nach dem Wort Bestellnummer“. Das funktioniert zuverlässig, solange die Dokumente gleich aussehen.

Sprachmodelle, die auch Bilder und PDFs verarbeiten, gehen anders vor. Sie lesen das Dokument im Zusammenhang und erkennen, dass „Ihre Bestellung Nr.“, „Order Ref.“ und „Ihr Zeichen“ dasselbe meinen können. Eine Vorlage pro Lieferant ist nicht nötig. Dafür arbeiten sie weniger vorhersehbar und können im ungünstigen Fall einen Wert liefern, der plausibel aussieht, aber nicht im Dokument steht.

KriteriumKlassische OCR mit VorlagenSprachmodell
Neues Layoutneue Vorlage nötigmeist ohne Anpassung
Große Mengen gleicher Dokumentezuverlässig und günstigfunktioniert, oft überdimensioniert
Handschrift, Fotos, schiefe Scansschwierigoft besser, aber fehleranfällig
Zusammenhang verstehen, etwa Vertragsklauselnkaum möglichgut
Typischer FehlerFeld leer oder verrutschtplausibler, aber falscher Wert
Vorhersehbarkeithochgeringer, Prüfregeln nötig

Oft ist eine Kombination sinnvoll: Für den einen Großlieferanten mit immer gleichem Lieferschein reicht eine Vorlage, für die vielen kleinen Lieferanten mit wechselnden Formaten übernimmt das Sprachmodell.

Ausgabe in feste Felder

Der wichtigste Grundsatz: Das Modell schreibt keinen Fließtext, sondern füllt ein festes Schema. Für eine Auftragsbestätigung könnte das so aussehen: Lieferant, Dokumentnummer, Datum, Bezug auf eure Bestellnummer und für jede Position Artikelnummer, Menge, Einheit, Preis und bestätigter Liefertermin. Technisch ist das meist JSON, ein Textformat mit benannten Feldern, das sich direkt weiterverarbeiten lässt. Viele Modell-Schnittstellen können ein solches Schema inzwischen erzwingen. Drei Regeln haben sich bewährt:

  • Fehlende Werte bleiben leer. Das Modell soll nichts ergänzen, schätzen oder aus dem Zusammenhang erraten.
  • Werte werden so übernommen, wie sie im Dokument stehen, und erst danach von festen Regeln in euer Format umgewandelt, etwa Datumsangaben oder Einheiten.
  • Zu wichtigen Feldern gibt das Modell die Fundstelle mit aus, also den Textausschnitt, aus dem der Wert stammt. So lässt sich automatisch prüfen, ob der Wert dort wirklich steht.

Verzichte darauf, das Modell selbst einschätzen zu lassen, wie sicher es sich ist. Solche Angaben klingen hilfreich, sind nach meiner Erfahrung aber kein verlässlicher Maßstab. Besser sind Prüfungen, die nicht von der KI abhängen.

Plausibilitätsprüfungen: der wichtigste Teil

Hier entscheidet sich, ob eine Lösung im Alltag trägt. Jeder ausgelesene Datensatz durchläuft Prüfungen, bevor irgendetwas weitergegeben wird:

  • Pflichtfelder: Sind Dokumentnummer, Datum und Bezug vorhanden?
  • Formate: Ist das Datum gültig, hat eine IBAN eine korrekte Prüfziffer, passt die Postleitzahl zum Land?
  • Rechnerische Prüfung: Ergibt Menge mal Einzelpreis die Positionssumme, stimmt die Gesamtsumme?
  • Stammdaten: Gibt es den Lieferanten, die Artikelnummer und die Bestellung im ERP?
  • Abgleich mit dem Vorgang: Weichen bestätigte Menge, Preis oder Liefertermin von der eigenen Bestellung ab?
  • Fundstelle: Steht der ausgelesene Wert tatsächlich so im Dokumenttext?
  • Dubletten: Wurde dieses Dokument schon einmal verarbeitet?

Die Abgleiche mit Stammdaten und Vorgang sind besonders wertvoll, weil sie zwei Arten von Fehlern auf einmal finden: Fehler beim Auslesen und echte Abweichungen des Geschäftspartners. Ob die Auftragsbestätigung einen anderen Liefertermin nennt, weil das Modell sich verlesen oder weil der Lieferant ihn verschoben hat, klärt dann ein Mensch mit Blick auf das Original.

Praxis-Tipp: Sammle vor dem Bau 30 bis 50 echte Dokumente aus den letzten Monaten, bewusst auch die schwierigen: schlechte Scans, mehrseitige Dokumente, handschriftliche Vermerke. Trag für jedes die richtigen Werte von Hand ein. Mit diesem Testsatz kannst du jede Änderung an Anweisung oder Modell objektiv prüfen, statt nach Gefühl zu urteilen.

Übergabe an CRM und ERP

Wie die Daten ins System kommen

Am saubersten ist die Übergabe über die Schnittstelle (API) des Zielsystems. Die Automatisierung legt einen Datensatz an oder aktualisiert ihn, etwa den bestätigten Liefertermin an der Bestellposition im ERP oder einen neuen Kontakt aus einem Anmeldeformular im CRM. Wo es keine Schnittstelle gibt, bleibt oft ein Import über Dateien. In beiden Fällen sollte am Datensatz vermerkt sein, aus welchem Dokument er stammt, am besten mit Link zum Original.

Ausgelesene Daten sollten Stammdaten möglichst nicht direkt überschreiben. Ändert ein Formular die Adresse eines Kunden, wird daraus eine Aufgabe oder ein Änderungsvorschlag, keine stille Änderung. Neue Bewegungsdaten wie ein Wareneingang oder eine Notiz sind weniger heikel als geänderte Stammdaten, auf denen viele andere Abläufe aufbauen. Bei der technischen Anbindung unterstütze ich dich im Rahmen meiner Leistungen zur Automatisierung und Schnittstellen-Integration.

Freigabe bei Unsicherheit

Nicht jedes Dokument muss ein Mensch ansehen. Sinnvoll ist eine einfache Ampel nach den Prüfungen. Besteht ein Dokument alle Prüfungen und gibt es keine Abweichung zum Vorgang, läuft es durch. Fehlt ein Pflichtfeld, scheitert eine Prüfung oder weicht etwas ab, landet es in einer Prüfliste: das Original links, die ausgelesenen Werte rechts, die auffälligen Felder markiert. Wer prüft, korrigiert dort direkt und gibt frei.

Zu Beginn würde ich alle Dokumente durch die Prüfliste schicken und den automatischen Durchlauf erst freigeben, wenn sich über einige Wochen zeigt, dass die Ergebnisse stimmen. Wie du diesen Übergang an Kennzahlen festmachst, beschreibe ich im Artikel über Human in the Loop bei KI-Automatisierungen.

Aufbewahrung und Datenschutz

Ein häufiges Missverständnis: Sobald die Daten im ERP stehen, könne das PDF weg. Das stimmt nicht. Das Originaldokument bleibt der Beleg, die ausgelesenen Daten ergänzen es nur. Für steuer- und handelsrechtlich relevante Unterlagen gelten gesetzliche Aufbewahrungsfristen, je nach Dokumentart derzeit sechs, acht oder zehn Jahre. Nach den GoBD müssen digital eingegangene steuerrelevante Dokumente außerdem in dem Format aufbewahrt werden, in dem sie empfangen wurden, unveränderbar und auffindbar. Welche Fristen für welche Dokumente gelten, klärst du am besten mit deiner Steuerberatung. Papieroriginale solltest du nur nach einem abgestimmten und dokumentierten Verfahren für das sogenannte ersetzende Scannen vernichten.

Beim Datenschutz gelten die bekannten Punkte. Formulare und Verträge enthalten personenbezogene Daten, deshalb brauchst du einen Auftragsverarbeitungsvertrag mit dem KI-Anbieter, Klarheit über Speicherort und Drittlandübermittlung und den vertraglichen Ausschluss des Trainings mit euren Daten. Lösch Zwischenkopien und Ausführungsprotokolle der Automatisierung nach kurzer Zeit, denn das Original liegt ja im Archiv. Prüfe bei Verträgen zusätzlich, ob Vertraulichkeitsklauseln die Weitergabe an einen externen Dienst einschränken. Eine ausführliche Übersicht findest du in meiner Checkliste zum DSGVO-konformen KI-Einsatz. Dieser Abschnitt ersetzt keine Rechts- oder Steuerberatung.

Ein typisches Szenario: Auftragsbestätigungen im Einkauf

Ein typisches Szenario, an dem sich zeigt, wie das konkret aussehen kann: Angenommen, der Einkauf eines mittelständischen Herstellers bestellt bei einigen Dutzend Lieferanten. Jede Bestellung wird mit einer Auftragsbestätigung beantwortet, und jede sieht anders aus: mal als PDF, mal als Text in der Mail, mal als Scan. Bisher prüft eine Einkäuferin jede Bestätigung von Hand gegen die Bestellung. Abweichungen beim Liefertermin fallen dabei manchmal erst auf, wenn die Ware in der Produktion fehlt.

Mit KI-Auslesen sieht der Ablauf so aus: Die Bestätigung kommt in einem eigenen Postfach an, das Modell füllt das Schema, und die Prüfungen gleichen Positionen, Preise und Termine mit der Bestellung im ERP ab. Stimmt alles, wird die Bestellung als bestätigt markiert und das Dokument verknüpft. Weicht etwas ab, bekommt die Einkäuferin eine kurze Übersicht: welche Position, was bestellt und was bestätigt wurde, mit Link zum Original. Sie entscheidet, ob sie die Abweichung akzeptiert oder beim Lieferanten nachhakt.

Der eigentliche Gewinn liegt in so einem Fall weniger im gesparten Abtippen als darin, dass Abweichungen früh und vollständig auffallen. Genau dafür lohnt sich der Aufwand für saubere Prüfregeln.

Fazit

Dokumente mit KI auszulesen ist heute auch für kleinere Unternehmen machbar, ohne für jedes Layout eine Vorlage zu bauen. Zuverlässig wird es aber erst durch das, was um das Modell herum passiert: feste Felder, Prüfregeln gegen Stammdaten und Vorgänge, eine Freigabe bei Abweichungen und eine saubere Ablage der Originale. Mein Rat für den ersten Schritt: Wähle eine Dokumentart mit hohem Aufkommen und klarem Abgleich, etwa Auftragsbestätigungen gegen Bestellungen, und stelle einen Testsatz echter Dokumente mit den richtigen Werten zusammen.

Häufige Fragen

OCR ist reine Texterkennung: Sie macht aus einem Bild oder Scan maschinenlesbaren Text, weiß aber nicht, welcher Wert was bedeutet, und braucht dafür Vorlagen oder Regeln. Sprachmodelle verstehen den Zusammenhang und finden Felder wie Bestellnummer oder Liefertermin auch in unbekannten Layouts. Dafür können sie Fehler machen, die plausibel aussehen, weshalb Prüfregeln dazugehören.
Indem jeder ausgelesene Wert vor der Übergabe automatisch geprüft wird: auf Pflichtfelder, Formate und rechnerische Richtigkeit sowie gegen Stammdaten und offene Vorgänge im ERP. Zusätzlich lässt sich prüfen, ob der Wert tatsächlich im Dokumenttext vorkommt. Dokumente, die eine Prüfung nicht bestehen, landen in einer Prüfliste und werden von einem Menschen freigegeben.
In der Regel nicht. Für steuer- und handelsrechtlich relevante Unterlagen gelten gesetzliche Aufbewahrungsfristen, und digital eingegangene steuerrelevante Dokumente müssen nach den GoBD in ihrem ursprünglichen Format unveränderbar aufbewahrt werden. Die ausgelesenen Daten ergänzen das Original nur; die Details klärst du mit deiner Steuerberatung.
Gut geeignet sind Dokumente mit hohem Aufkommen, wechselnden Layouts und einem klaren Abgleich im System, etwa Auftragsbestätigungen gegen Bestellungen oder Lieferscheine gegen erwartete Wareneingänge. Weniger geeignet für den Start sind Verträge mit komplexen Klauseln, weil sich Fehler dort schwerer automatisch erkennen lassen. Entscheidend ist ein Testsatz echter Dokumente, für den die richtigen Werte bekannt sind.

Wie viele PDFs tippt dein Team jede Woche ab?

Ich analysiere mit dir, welche Dokumente bei euch ankommen und welche Felder wirklich gebraucht werden, und baue die Strecke vom Eingang bis zur Übergabe an CRM oder ERP. Mit Prüfregeln, Freigabe bei Unsicherheit und sauberer Ablage der Originale.

Kostenloses Erstgespräch Mehr zur Leistung