Automatisierte Rechnungsverarbeitung

Das echte Ausmaß des Problems

Ein mittelständisches Unternehmen mit 30 Mitarbeitenden bekommt täglich 20 bis 80 Eingangsrechnungen — per E-Mail, als PDF-Anhang, gelegentlich noch per Post. Jede davon muss geöffnet, geprüft, einer Kostenstelle zugeordnet, auf Richtigkeit kontrolliert und zur Freigabe weitergeleitet werden. Danach ins Buchhaltungssystem, Zahlung terminieren, Skonto prüfen.

Der Deutsche Verband für Post, Informationstechnologie und Telekommunikation (Bitkom) schätzt, dass die manuelle Verarbeitung einer einzelnen Eingangsrechnung in deutschen KMU zwischen 12 und 25 Euro kostet — alles eingerechnet: Mitarbeiterzeit, Fehlerkorrektur, Nachfragen, verzögerte Zahlungen. Bei 50 Rechnungen täglich und 250 Arbeitstagen im Jahr: bis zu 312.500 Euro jährlich nur für diesen einen Prozess.

Die drei häufigsten Probleme in der Praxis:

• Skonto-Verlust: Rechnungen liegen zu lang in der Warteschleife. 2 Prozent Skonto auf eine 10.000-Euro-Rechnung sind 200 Euro — die durch einen einzigen verspäteten Freigabeschritt verloren gehen
• Doppelzahlungen: Dieselbe Rechnung kommt per E-Mail und nochmals per Post — ohne automatische Duplikatprüfung landet sie zweimal im System
• Falsche Kostenstellen: Wer 40 Rechnungen am Tag manuell zuordnet, macht Fehler. Korrekturbuchungen kosten Zeit und Nerven am Monatsende

Hinzu kommt die E-Rechnungspflicht: Seit 2025 sind B2B-Empfänger in Deutschland verpflichtet, elektronische Rechnungen (XRechnung, ZUGFeRD) zu empfangen. Wer seinen Eingangsrechnungsprozess nicht digitalisiert, wird in den nächsten Jahren strukturell abgehängt.

So funktioniert es in der Praxis

KI-gestützte Rechnungsverarbeitung läuft in drei Stufen ab:

Stufe 1 — Erkennung (OCR + Feldextraktion)
Das System empfängt eingehende Rechnungen automatisch — per E-Mail-Weiterleitung oder aus einem überwachten Ordner. OCR erkennt den Text (auch bei schlechten Scans), und ein trainiertes KI-Modell extrahiert die relevanten Felder: Rechnungsnummer, Datum, Betrag, MwSt-Satz, Lieferant, IBAN. Bei ZUGFeRD- oder XRechnung-Dateien entfällt OCR, die Daten liegen strukturiert vor.

Stufe 2 — Validierung und Plausibilitätsprüfung
Das System vergleicht die extrahierten Daten gegen hinterlegte Regeln: Ist der Lieferant bekannt? Gibt es eine passende Bestellung (3-Wege-Abgleich: Bestellung, Lieferschein, Rechnung)? Stimmen Betrag und vereinbarte Konditionen überein? Doppelt eingegangene Rechnungen werden anhand von Rechnungsnummer und IBAN erkannt.

Stufe 3 — Routing und Freigabe
Plausible Rechnungen bis zu einem definierten Betragslimit werden automatisch zur Zahlung vorgemerkt. Rechnungen über dem Limit oder mit Abweichungen gehen mit einem vorausgefüllten Freigabe-Link an die zuständige Person — mit allen Informationen auf einen Blick, ohne Suchen. Nach Freigabe fließen die Daten direkt ins Buchhaltungssystem.

Das Modell lernt mit: Wenn Buchhalter:innen eine Kostenstelle korrigieren, merkt sich das System die Korrektur für denselben Lieferanten beim nächsten Mal.

Welche Tools passen hierzu

Docsumo — Spezialisiert auf Belegverarbeitung: Rechnungen, Lieferscheine, Verträge. Sehr gute Erkennungsqualität auch bei handschriftlichen oder schlecht formatierten Dokumenten. Konfigurierbare Felder, API für ERP-Integration. Freemium ab 0 Euro für geringe Volumen, bezahlt ab ca. 500 Euro/Monat für Unternehmensvolumen. Englischsprachiges Interface.

Mindee — API-First-Ansatz für Dokumentenerkennung. Starke vorgefertigte Modelle für Rechnungen, Quittungen, Ausweise. Gut für Teams mit etwas technischem Hintergrund, die eine saubere API-Integration in bestehende Systeme wollen. Pay-per-use ab 0 Euro (500 Seiten/Monat kostenlos).

ABBYY FlexiCapture — Enterprise-Tool mit langer Marktpräsenz. Sehr leistungsfähig bei komplexen Dokumenttypen und großen Volumen. Einmalige Lizenz oder Cloud-Modell. Für KMU oft überdimensioniert, aber interessant für Unternehmen mit 200+ Rechnungen täglich. Starke DSGVO-Konformität, deutsches Unternehmen.

sevDesk / lexoffice — Deutsche Buchhaltungstools mit zunehmend automatisierter Belegscanfunktion. Für kleinere Volumen (bis 20–30 Rechnungen täglich) oft ausreichend — Belege per App fotografieren oder per E-Mail einschicken, Felder werden erkannt, direkt verbucht. Kein komplexes Setup, günstiger Einstieg.

Make.com oder Zapier — Für die Automatisierung des Routing: Wenn das KI-Tool eine Rechnung verarbeitet hat, schickt Make.com automatisch die Freigabe-E-Mail, erstellt den DATEV-Export oder legt den Beleg in SharePoint ab. Ergänzt jedes der oben genannten Tools.

DATEV — Standard-ERP für deutsche Steuerberatungskanzleien. Wer seinen Buchhalter über DATEV angebunden hat, profitiert von direktem Datenexport. Viele KI-Rechnungstools bieten DATEV-Export als Standardfunktion.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• Konfiguration, Anbindung ans E-Mail-System, ERP-Integration: 1–3 Tage Aufwand intern oder extern
• Externe Einrichtung: 1.500–4.000 Euro je nach Komplexität der ERP-Integration
• Für sevDesk/Lexware-Variante: oft unter 500 Euro, weil alles bereits integriert ist

Laufende Kosten (monatlich)

• sevDesk / Lexware Office: 20–50 Euro/Monat (ohnehin nötig für Buchhaltung)
• Mindee: 0–200 Euro/Monat je nach Volumen
• Docsumo: ab 500 Euro/Monat für Unternehmensvolumen
• ABBYY FlexiCapture: Projektlizenz, auf Anfrage

ROI-Beispiel: 25 Rechnungen täglich, 15 Euro Bearbeitungskosten je Rechnung
Aktuelle Kosten: 25 × 15 Euro × 250 Tage = 93.750 Euro/Jahr
Mit KI-Lösung: Bearbeitungskosten sinken auf 4–6 Euro/Rechnung (Kontrollaufwand bleibt, Erfassungsaufwand entfällt)
Einsparung: ca. 56.000 Euro/Jahr — Werkzeugkosten und Einrichtung amortisiert sich in unter 6 Wochen

Nicht eingerechnet: Skonto-Gewinnung durch schnellere Durchlaufzeiten (bei 2% Skonto auf 500.000 Euro Eingangsvolumen jährlich: bis zu 10.000 Euro zusätzlich).

Realistischer Zeitplan

Phase	Dauer	Was passiert	Typisches Risiko
Analyse & Toolauswahl	Woche 1	Rechnungsvolumen zählen, Formate inventarisieren, Tool auswählen	Mehr Rechnungsformate als erwartet — zu viele Ausnahmen für einfache Tools
Einrichtung & Integration	Woche 2–3	Tool konfigurieren, E-Mail-Weiterleitung einrichten, ERP-Anbindung testen	ERP-Integration komplexer als geplant — Puffer einplanen
Testlauf mit echten Belegen	Woche 3–4	100–200 reale Rechnungen durchlaufen lassen, Erkennungsqualität prüfen	Erkennungsrate unter 85% — mehr Training oder manuelles Nachkonfigurieren nötig
Go-Live & Nachkalibrierung	Woche 4–6	Vollbetrieb starten, erste Korrekturen nachziehen, Team einweisen	Team umgeht das System und verarbeitet lieber manuell — klare interne Ansage nötig

Häufige Einwände

„Unsere Rechnungen kommen in zu vielen verschiedenen Formaten.”
Das stimmt — und genau dafür sind KI-basierte Systeme entwickelt worden. Anders als regelbasierte Systeme, die für jedes Lieferantenformat eine eigene Vorlage brauchen, lernen moderne Invoice-KI-Tools aus Beispielen. Die Erkennungsrate liegt nach einer Einlernphase typischerweise bei 90–97 Prozent — die restlichen 3–10 Prozent werden zur manuellen Prüfung markiert. Das ist immer noch massiv weniger Aufwand als heute.

„Was ist mit dem Datenschutz? Rechnungen enthalten sensible Geschäftsdaten.”
Berechtigte Frage. Alle genannten Tools bieten EU-konforme Optionen: ABBYY ist ein deutsches Unternehmen, Mindee und Docsumo bieten Verarbeitung in europäischen Rechenzentren. Für besonders sensible Branchen (Gesundheit, Recht) gibt es On-Premise-Varianten. Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO ist mit jedem Cloud-Anbieter zwingend abzuschließen — diese stellen Standardvorlagen bereit.

„Wir haben das immer manuell gemacht und es hat funktioniert.”
Ja — bis zur E-Rechnungspflicht, die seit 2025 für B2B-Transaktionen in Deutschland gilt. Wer seinen Eingangsrechnungsprozess nicht digitalisiert, kann XRechnung- und ZUGFeRD-Formate nicht effizient verarbeiten. Das ist kein optionales Upgrade mehr, sondern eine Anforderung, die sich weiter verschärft.