Nanonets

Kurzfazit

Nanonets ist eine der bekanntesten Plattformen für Intelligent Document Processing (IDP) — also für die KI-gestützte Extraktion strukturierter Daten aus Rechnungen, Quittungen, Ausweisen, Verträgen und Lieferscheinen. Anders als klassische OCR-Tools arbeitet Nanonets ohne starre Templates: Die Modelle lernen aus wenigen Beispielen, was wo steht. Dazu kommt ein visueller Workflow-Builder mit Bausteinen für Klassifikation, Extraktion, Validierung und ERP-Push, plus über 100 fertige Integrationen — von SAP und QuickBooks bis Xero und NetSuite. Schwächen: Das Standard-Hosting läuft in den USA, EU-Datenresidenz und On-Premises gibt es nur im Enterprise-Plan, und ab Growth-Tier wird die Preisliste intransparent. Für mittlere bis hohe Belegvolumen und Teams, die Kreditorenbuchhaltung oder Rechnungsverarbeitung automatisieren wollen, bleibt Nanonets eine der ausgereiftesten Optionen am Markt.

Für wen ist Nanonets?

Kreditorenbuchhalter:innen und AP-Teams: Wer monatlich mehrere hundert Eingangsrechnungen aus unterschiedlichen Quellen und Formaten verarbeitet, ist die klassische Zielgruppe. Nanonets liest Rechnungsnummer, Datum, Beträge, USt., Positionen und Lieferantendaten automatisch aus — auch bei wechselnden Layouts und ohne pro-Lieferant-Templates.

Mittelständler mit ERP-Anbindung: Wer SAP, DATEV, QuickBooks, NetSuite oder Microsoft Dynamics einsetzt, profitiert von den fertigen Konnektoren. Statt Belege manuell ins ERP zu tippen, läuft der Pfad „E-Mail-Inbox → Nanonets-Extraktion → Validierungs-UI → ERP-Push” weitgehend automatisch.

Logistik- und Supply-Chain-Teams: Lieferscheine, Frachtbriefe, Zollpapiere und Bestellbestätigungen kommen oft als PDF-Anhänge oder Scans. Nanonets klassifiziert Dokumenttypen automatisch und routet sie in den passenden Extraktions-Workflow — entscheidend, wenn dieselbe Mailbox alle Belegtypen empfängt.

Compliance-pflichtige Branchen mit IT-Budget: Banken, Versicherungen, Gesundheitsdienstleister mit echtem Volumen können Nanonets über den Enterprise-Plan mit HIPAA, SOC 2, EU-Datenresidenz oder Private Cloud betreiben. Ohne Enterprise-Vertrag ist das aber nicht zu haben.

Entwicklerteams mit Dokumenten-Use-Case: Wer eine eigene Anwendung baut, die Dokumente verarbeiten muss (Onboarding-App, KYC-Plattform, Spesen-App), kann die Nanonets-API direkt aufrufen und sich die eigene Modell-Entwicklung sparen.

Weniger geeignet für: Sehr kleine Teams mit unter 100 Belegen pro Monat (manuelle Erfassung bleibt günstiger), Behörden und Kanzleien mit harten EU-Hosting-Pflichten ohne Enterprise-Budget, Fälle mit überwiegend handschriftlichen Dokumenten, sowie Setups, in denen der Auftragsverarbeitungsvertrag und der Vertragspartner zwingend in Deutschland sitzen müssen.

Preise im Detail

Plan	Preis	Was du bekommst
Starter	0 USD + 200 USD Startguthaben	KI-Datenextraktion, API-Zugang, E-Mail-Integration, Cloud-Storage-Konnektoren, bis 3 Nutzer, Community-Support, ohne Kreditkarte
Growth	Volumenpreis (bis 40 % Mengenrabatt)	Zusätzlich: Klassifikations-KI, Barcode- und Signaturerkennung, generative KI-Blocks, eigener Python-Code, ERP- und Datenbank-Integrationen, Analytics, geteiltes Team-Guthaben, bis 40 Nutzer
Enterprise	Auf Anfrage	Zusätzlich: SAML SSO, rollenbasierte Zugriffskontrolle, HIPAA und SOC 2, Private Cloud / On-Premises, Datenresidenz EU/US/APAC, dediziertes Support-Team, Audit-Logs, Whitelabel-UI
Verbrauch (Block-Run)	0,02 USD einfach / 0,10 USD Standard-KI / 0,30 USD komplexe KI	Pay-per-Run pro Workflow-Baustein. Eine typische Rechnung benötigt 4–6 Blocks

Einordnung: Das Starter-Guthaben von 200 USD ohne Kreditkarte ist für die Branche ungewöhnlich großzügig — damit lassen sich rund 100 bis 200 echte Rechnungen testen, was für eine ehrliche Pilotphase reicht. Sobald du in echte Produktion gehst, landest du bei einer Mischkalkulation aus Verbrauch und Plan-Aufschlag — eine klassische Eingangsrechnung mit Klassifikation, Extraktion und Validierung kostet etwa 1 bis 2 USD pro Beleg, bei einfachen Layouts deutlich weniger. Der Sprung von Starter auf Growth bedeutet einen Vertriebsprozess; eine öffentliche Preisliste gibt es ab dieser Stufe nicht. Wer EU-Hosting, AVV in Deutschland-Sprache oder On-Premises braucht, muss zwingend Enterprise verhandeln — das beginnt erfahrungsgemäß im niedrigen vierstelligen Monatsbereich aufwärts und ist in der Regel an Mindestlaufzeiten gekoppelt.

Stärken im Detail

Template-freie Extraktion mit echtem KI-Vorteil. Klassische OCR-Lösungen verlangen für jeden Lieferanten eine eigene Vorlage mit Feldkoordinaten — sobald das Layout sich ändert, bricht die Extraktion. Nanonets-Modelle lernen aus etwa 10 bis 30 Beispielen, welche Information wo steht, und erkennen das auch auf nie zuvor gesehenen Layouts. Für AP-Teams mit hunderten Lieferanten ist das der zentrale Vorteil gegenüber klassischen Tools wie ABBYY FineReader oder Kofax-Scripts.

Vorgefertigte Workflows für die häufigsten Use-Cases. Für Rechnungen, Quittungen, Ausweise, Lieferscheine und Bestellungen bringt Nanonets Templates mit, die nach wenigen Minuten produktiv sind. Du musst keine eigene Pipeline aufsetzen, sondern wählst „Invoice Processing”, verbindest deine E-Mail-Inbox und das ERP — innerhalb eines Tages läuft die erste produktive Charge. Diese Time-to-First-Value ist der wichtigste praktische Hebel für Mittelständler.

Visueller Workflow-Builder mit Block-Architektur. Jeder Verarbeitungsschritt ist ein Block: Dokument einlesen, klassifizieren, extrahieren, validieren, anreichern, prüfen, exportieren. Du kettest sie visuell, kannst Verzweigungen einbauen („wenn USt-Betrag fehlt, an Sachbearbeiter:in zur manuellen Prüfung”), eigene Python-Snippets einbauen oder generative KI-Blocks anschließen. Das Modell ähnelt Make.com oder n8n — aber spezialisiert auf Dokumentenverarbeitung mit allen passenden Bausteinen.

Über 100 fertige Integrationen. SAP, QuickBooks, Xero, NetSuite, Sage, Microsoft Dynamics, Google Drive, SharePoint, Salesforce, Slack — die wichtigsten ERP-, DMS- und Kommunikationssysteme sind nativ angebunden. Für DACH-relevante Systeme wie DATEV gibt es Konnektoren über Partner und CSV-Exports. Wer eigene Glue-Code-Brücken zum ERP vermeiden will, spart hier Wochen Entwicklungsaufwand.

API-First-Architektur. Alles, was die Web-UI kann, geht auch per REST-API: Dokument hochladen, Extraktion abrufen, Modell trainieren, Workflows starten. Das macht Nanonets nicht nur als fertige App nutzbar, sondern auch als Engine hinter eigenen Anwendungen — KYC-Portale, Spesen-Apps, Onboarding-Prozesse. Die Dokumentation ist gut, mit funktionierenden Code-Beispielen in Python, JavaScript, Java und cURL.

Compliance-Stack auf Enterprise-Niveau. SOC 2 Type II, HIPAA, ISO 27001, DSGVO-konform durchführbar bei EU-Datenresidenz — das öffnet Türen in regulierten Branchen, die viele Konkurrenten erst über separate Audits erreichen müssen. Der Preis dafür: Enterprise-Vertrag mit individueller Verhandlung.

Schwächen ehrlich betrachtet

Standard-Hosting in den USA — EU-Region nur Enterprise. Wer Starter oder Growth nutzt, sendet jedes Dokument an US-Server. Anbieter ist Nanonets, Inc., San Francisco. Für DSGVO-sensible Workloads (Rechnungen mit personenbezogenen Daten, Ausweise, Verträge) ist das ohne zusätzliche rechtliche Absicherung problematisch — und die EU-Datenresidenz lässt sich erst über den Enterprise-Plan verhandeln, der nicht zu Starter-Preisen zu haben ist.

Preisintransparenz ab Growth. Der Starter-Plan hat eine ehrliche Preisliste, ab Growth musst du anrufen. Das ist Branchenüblich, aber für Einkäufer:innen, die zwei oder drei Anbieter vergleichen wollen, ein echter Reibungsverlust — besonders gegenüber Konkurrenten wie Konfuzio, die Volumenstaffelungen offen ausweisen.

Kein deutschsprachiger Direktsupport. Anbieter ist US-basiert, Support läuft auf Englisch. Deutscher Service kommt nur über Implementierungspartner — und deren Qualität schwankt stark. Für DACH-Mittelständler, die ihren AP-Prozess auslagern wollen, ist das ein Punkt, den Konfuzio oder DocuWare als deutsche Anbieter gewinnen.

Verbrauchsmodell macht Kostenplanung schwer. Block-Run-Preise klingen niedrig, aber bei hohem Volumen und komplexen Workflows summieren sie sich. Ein produktiver AP-Workflow mit Klassifikation, KI-Extraktion, Validierung und ERP-Push läuft schnell durch 6 bis 8 Blocks — bei 2.000 Belegen im Monat sind das zwischen 1.500 und 3.000 USD reine Verbrauchskosten, ohne Plan-Grundgebühr. Das vorab sauber zu modellieren, kostet Vertriebs-Iterationen.

Handschrift und schlechte Scans bleiben Problemzonen. Nanonets erkennt Handschrift („HTR”, Handwritten Text Recognition), aber die Qualität schwankt — bei Lieferscheinen mit handschriftlichen Korrekturen oder schlecht gescannten Faxen sind manuelle Nacherfassungen weiterhin Realität. Wer 100 % Automatisierung verspricht, verkauft falsch.

Kein Self-Hosting unterhalb Enterprise. Für Starter und Growth gibt es nur die SaaS-Variante. Wer aus Gründen des Datenschutzes, der Latenz oder der Branchenregulierung On-Premises oder Private Cloud braucht, kommt nicht um Enterprise herum. Das ist legitim für die wirtschaftliche Realität von KI-SaaS, aber für KMU manchmal eine Hürde.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Einen deutschen Anbieter mit deutschem Hosting brauchst	Konfuzio
Eine Cloud-OCR-API mit Pay-per-Use ohne Workflow-UI suchst	AWS Textract
Eine Google-Cloud-native Dokumenten-API mit hoher Reichweite suchst	Google Document AI
Volle Workflow-Orchestrierung mit eigenen Skripten willst	n8n
Reine generative Dokumentanalyse ohne IDP-Workflow brauchst	Claude

Erwähnenswert ohne eigene Tool-Seite: Rossum (tschechischer Anbieter, ähnlich gelagert, stärker auf Rechnungen fokussiert), Hypatos (deutscher AP-Spezialist mit Fokus auf Großunternehmen), Klippa (niederländischer Anbieter mit gutem Preis-Leistungs-Verhältnis), Mindee (französische API-Lösung mit EU-Hosting) und Google Document AI (technisch stark, aber komplexere Workflows). Im DACH-Raum sind besonders Hypatos und Konfuzio die direktesten Konkurrenten — wer EU-Hosting ohne Enterprise-Verhandlung will, sollte sie zwingend mit prüfen.

So steigst du ein

Schritt 1: Starter-Account anlegen und 200 USD Guthaben nutzen. Registriere dich auf nanonets.com, wähle ein vorgefertigtes Modell (z. B. „Invoice Extraction”) und lade 20 bis 50 echte Belege aus deiner Praxis hoch. Schon mit dem Standardmodell siehst du die Extraktionsqualität an realen Daten — kein Demoset, sondern deine eigenen Lieferanten.

Schritt 2: Modell anlernen, wo nötig. Wenn das Standardmodell Felder falsch oder unvollständig erkennt, korrigierst du in der UI direkt am Beleg. Nach 10 bis 30 Korrekturen pro Feldtyp lernt das Modell die Besonderheiten deines Datensatzes (z. B. eigenwillige Lieferantenformate, abweichende USt-Positionierung). Diese Schleife ist der eigentliche Trainingsschritt — und der Punkt, an dem KI-Extraktion klassischer OCR davonzieht.

Schritt 3: Workflow bauen und Integration anschließen. Verbinde deine E-Mail-Inbox als Eingang, baue einen einfachen Workflow (Klassifikation → Extraktion → Validierung), und teste den Export — entweder als CSV/JSON für DATEV oder über einen direkten ERP-Konnektor. Plane für diesen Schritt einen halben bis einen ganzen Tag ein. Validierungsregeln (z. B. „USt-Summe muss zu Nettosumme passen”) gehören in diesen Schritt — sie reduzieren die manuelle Nacharbeit deutlich.

Schritt 4: Pilot mit echtem Volumen, dann Vertrieb anrufen. Lasse zwei bis vier Wochen echte Eingangspost durch den Pilot-Workflow laufen, dokumentiere Trefferquote, manuelle Korrekturzeit und Verbrauchskosten. Mit diesen Zahlen führst du das Vertriebsgespräch über Growth oder Enterprise — die Verhandlungsposition ist deutlich stärker, als wenn du nur über die Demo gesehen hast, dass „es geht”.

Ein konkretes Beispiel

Ein mittelständischer Großhändler in Köln (180 Mitarbeitende, Sanitär-/Heizungstechnik) verarbeitet rund 4.000 Eingangsrechnungen pro Monat aus mehr als 600 Lieferanten — überwiegend per E-Mail-PDF, ein Drittel als Papierscan über den Multifunktionsdrucker. Vorher: Drei Mitarbeiter:innen in der Buchhaltung tippen Rechnungen manuell in DATEV, Durchlaufzeit pro Beleg im Schnitt 6 bis 8 Minuten inkl. Kontierungsvorschlag. Pilot mit Nanonets Starter: 200 Belege durchgespielt, Trefferquote bei den Standardfeldern (Rechnungsnummer, Datum, Beträge, USt) bei 94 %, bei Positionsdaten bei 78 %. Produktiv-Setup auf Growth-Plan: E-Mail-Inbox als Eingang, Klassifikations-Block trennt Rechnungen von Mahnungen und Lieferscheinen, Extraktions-Block, Validierungsregeln gegen offene Bestellungen, anschließend CSV-Export an DATEV-Schnittstelle. Ergebnis nach drei Monaten: Durchlaufzeit pro Beleg 1,5 Minuten (manuelle Kontrolle und Buchung im DATEV), eine Halbtagsstelle wird intern auf Mahnwesen und Lieferantenpflege umgewidmet. Verbrauchskosten: rund 5.500 USD/Monat plus Plan-Gebühr. Rechtlich: AVV mit Nanonets, EU-Datenresidenz im Enterprise-Plan nach Pilotphase nachverhandelt.

DSGVO & Datenschutz

• Datenhosting Standard (Starter, Growth): USA, Anbieter Nanonets, Inc., San Francisco. Eine native EU-Region steht in diesen Plänen nicht zur Verfügung.
• Datenhosting Enterprise: Datenresidenz wahlweise US, EU oder APAC. Auch Private Cloud und On-Premises-Deployment möglich. AVV nach Standardvertragsklauseln verhandelbar.
• Compliance-Zertifikate: SOC 2 Type II, HIPAA, ISO 27001, DSGVO-konform erreichbar bei EU-Datenresidenz.
• Datennutzung: Eingaben werden laut Datenschutzerklärung nicht zum Training der allgemeinen Modelle verwendet — du trainierst nur dein eigenes Modell mit deinen eigenen Daten.
• Aufbewahrung: Dokumente bleiben so lange im Account, wie du sie nicht löschst. Auf Wunsch konfigurierbar als Auto-Löschung nach Verarbeitung.
• Auftragsverarbeitung (AVV): Standard-AVV für Growth- und Enterprise-Kunden verfügbar, individuell verhandelbar.
• Empfehlung für Unternehmen: Für DSGVO-sensible Branchen (Banken, Versicherungen, Gesundheitsdienstleister, öffentliche Hand) ist nur der Enterprise-Plan mit EU-Datenresidenz und individuellem AVV ein sauberer Pfad. Für interne, nicht-personenbezogene Belegströme ist auch Growth mit Standardvertragsklauseln vertretbar — die Datenschutz-Folgenabschätzung ist Pflicht.

Gut kombiniert mit

• n8n — Nanonets übernimmt die Extraktion, n8n orchestriert den umliegenden Workflow: E-Mail-Trigger, Drittsystem-Aufrufe, Slack-Benachrichtigungen, Eskalation bei Validierungsfehlern. Für Teams, die mehr als reine AP-Automatisierung brauchen, ist diese Kombination das flexibelste Setup.
• Claude — wenn extrahierte Daten zusätzlich semantisch interpretiert werden sollen (z. B. „prüfe, ob die Lieferbedingungen vom Standardvertrag abweichen”), übernimmt Claude die textuelle Analyse. Nanonets liefert die strukturierten Felder, Claude die Bewertung.
• Make.com — als visuelle Alternative zu n8n, besonders wenn das Team bereits Make-Szenarien betreibt. Nanonets-Webhooks lassen sich direkt anbinden, Make übernimmt Routing in DATEV, Slack, Outlook oder Microsoft Teams.

Unser Testurteil

Nanonets verdient 4 von 5 Sternen. Es ist eine der technisch ausgereiftesten IDP-Plattformen am Markt, mit einem ungewöhnlich großzügigen Einstieg (200 USD Startguthaben ohne Kreditkarte), echtem KI-Vorteil gegenüber Template-OCR und einem visuellen Workflow-Builder, der den Sprung von Demo zu Produktion in Tagen statt Monaten ermöglicht. Den fünften Stern verlieren wir aus drei Gründen: Erstens läuft das Standard-Hosting in den USA, EU-Datenresidenz und On-Premises nur im Enterprise-Plan. Zweitens ist die Preisliste ab Growth intransparent — für mittelständische Einkäufer:innen, die zwei oder drei Anbieter sauber vergleichen wollen, ist das ein echter Reibungsverlust. Drittens fehlt deutschsprachiger Direktsupport — wer einen deutschen Vertragspartner mit deutschem Service möchte, sollte parallel Konfuzio oder Hypatos prüfen. Trotzdem: Wer 2026 ein ernsthaftes IDP-Projekt aufsetzt und keine harten EU-Hosting-Zwänge ohne Enterprise-Budget hat, bekommt mit Nanonets eine sehr starke Plattform.

Was wir bemerkt haben

• 2024 — Nanonets hat die Workflow-Engine grundlegend überarbeitet und auf das Block-basierte Modell umgestellt. Wer noch alte „Models”-Setups betrieb, musste migrieren — der neue Ansatz ist deutlich flexibler, aber die Migration kostete Bestandskunden Aufwand.
• 2024 — Generative KI-Blocks wurden eingeführt, sodass innerhalb von Workflows Sprachmodelle für freie Felder, Klassifikation oder Anreicherung angesprochen werden können. Damit verschmelzen IDP- und LLM-Welt — ein klarer Trend, dem alle großen IDP-Anbieter folgen.
• 2025 — EU-Datenresidenz im Enterprise-Plan wurde stärker beworben, nachdem europäische Compliance-Anforderungen (NIS2, DSGVO-Verschärfungen) bei Vertriebsterminen häufiger angesprochen wurden. Die Option ist verfügbar, aber an Enterprise-Konditionen gekoppelt.
• Mai 2026 — Das Starter-Guthaben von 200 USD ohne Kreditkarte ist im Markt weiterhin ungewöhnlich großzügig — viele Konkurrenten verlangen entweder Kreditkarte oder begrenzen Tests auf 14 Tage. Diese niedrige Einstiegshürde ist ein bewusster Hebel im Vertriebsmodell und macht Pilotprojekte für Mittelständler erstaunlich realistisch.
• Mai 2026 — Eine deutschsprachige Service-Mannschaft beim Anbieter selbst gibt es weiterhin nicht. DACH-Implementierungen laufen über Partner, deren Qualität stark schwankt — bei Vertragsverhandlungen lohnt es sich, den vorgesehenen Implementierungspartner namentlich zu prüfen.