Rechnungsverarbeitung automatisieren: Ein Praxis-Beispiel mit lokaler KI

Wie viel Zeit kostet manuelle Rechnungsverarbeitung?

Ein durchschnittliches KMU verbringt ueber 10 Stunden pro Monat mit dem manuellen Abtippen von Eingangsrechnungen -- bei einer Fehlerquote von rund 2 Prozent. Mit einem lokalen KI-Workflow sinkt die Bearbeitungszeit pro Rechnung von 5 bis 8 Minuten auf 30 Sekunden Kontrolle, waehrend die Kosten pro Rechnung von 12 bis 15 EUR auf etwa 2 EUR fallen.

Der Ablauf ist in den meisten Unternehmen identisch. Eine Rechnung kommt per E-Mail. Jemand öffnet sie, lädt das PDF herunter, liest Rechnungsnummer, Datum, Betrag und Lieferant ab, tippt alles in Excel oder die Buchhaltungssoftware, legt das PDF ab und macht weiter mit der nächsten. Pro Rechnung dauert das 5 bis 8 Minuten. Bei 100 Rechnungen im Monat sind das über 10 Stunden reine Handarbeit. Dazu kommen Tippfehler mit einer Quote von rund 2 Prozent, falsche Beträge, Zahlendreher, vergessene Rechnungen. In einer Abteilung, wo Genauigkeit Pflicht ist, nicht optional.

Das ist kein exotisches Problem. Laut Ardent Partners verarbeitet ein durchschnittliches Unternehmen mit 50 bis 250 Mitarbeitern zwischen 500 und 5.000 Eingangsrechnungen pro Jahr. Der manuelle Aufwand liegt branchenweit bei 12 bis 15 Euro pro Rechnung, inklusive Arbeitszeit, Fehlerkorrektur und Archivierung.

Die gute Nachricht: Genau dieser Prozess lässt sich mit lokaler KI fast vollständig automatisieren. Nicht als Zukunftsvision, sondern mit Technologie, die heute verfügbar ist. Der Mitarbeiter in der Buchhaltung wird nicht ersetzt, aber statt jede Rechnung von Hand abzutippen, prüft er nur noch das Ergebnis. Aus 5 Minuten Arbeit werden 30 Sekunden Kontrolle.

Was das in Euro bedeutet, hängt vom Volumen ab. Die Berechnung basiert auf einem Stundensatz von 35 EUR (Buchhaltungskraft inkl. Arbeitgeberkosten), einer durchschnittlichen Bearbeitungszeit von 6,5 Minuten pro Rechnung manuell vs. 0,5 Minuten Kontrolle, und geschätzten Fehlerkosten von 25 EUR pro fehlerhafter Rechnung. Bei 500 Rechnungen pro Monat multipliziert sich das entsprechend.

Wie funktioniert ein KI-Workflow fuer Rechnungsverarbeitung?

Ein KI-gestuetzter Rechnungsworkflow ueberwacht das E-Mail-Postfach per IMAP, extrahiert den Text aus eingehenden PDFs und laesst ein lokales Sprachmodell wie Qwen 2.5 oder Mistral die relevanten Felder als strukturiertes JSON zurueckgeben. Anschliessend durchlaufen die Daten automatische Plausibilitaetschecks und werden direkt in die Buchhaltungssoftware exportiert -- inklusive automatischer Archivierung der Original-PDF.

Der Workflow besteht aus acht Schritten, die vollautomatisch ablaufen. Nur bei Sonderfällen greift ein Mensch ein.

Alles beginnt mit einem IMAP-Trigger, der das Rechnungspostfach überwacht. Sobald eine neue E-Mail mit PDF-Anhang eingeht, startet der Workflow. Das PDF wird extrahiert, der Dateiname und das Eingangsdatum für die spätere Archivierung erfasst.

Im nächsten Schritt wird der Text ausgelesen. Bei digital erstellten PDFs funktioniert das direkt, das betrifft die Mehrheit der Rechnungen. Bei eingescannten Dokumenten kommt OCR zum Einsatz, Tesseract mit dem deutschen Sprachpaket erkennt auch Umlaute und typisch deutsche Rechnungsformate zuverlässig.

Der Kernschritt ist die KI-Extraktion. Der ausgelesene Text geht an ein lokales Sprachmodell, zum Beispiel Qwen 2.5 oder Mistral, laufend über Ollama auf der lokalen Hardware. Das Modell bekommt einen präzisen Auftrag: Extrahiere die relevanten Felder und gib sie als JSON zurück.

Warum KI statt Regeln? Weil in der Praxis jede Rechnung anders aussieht. Unterschiedliche Layouts, unterschiedliche Bezeichnungen wie „Rechnungsnummer", „Belegnummer" oder „Invoice No.", unterschiedliche Positionen auf dem Dokument. Ein Sprachmodell versteht den Kontext. Es erkennt, dass „Rechnungsnr." und „Invoice Number" dasselbe meinen, ohne für jeden Lieferanten eine eigene Konfiguration zu brauchen. Wenn ein Feld nicht gefunden wird, gibt es null zurück, das Modell erfindet nichts.

Die extrahierten Daten durchlaufen dann automatische Plausibilitätschecks: Pflichtfelder müssen vorhanden sein, Datumsformate werden normalisiert, Beträge auf Plausibilität geprüft und eine mathematische Gegenprobe stellt sicher, dass Netto plus MwSt. den Bruttobetrag ergibt. Wenn alles passt, werden die Daten ins Zielsystem exportiert: Excel, Google Sheet, Buchhaltungssoftware oder Datenbank. Die Original-PDF wird automatisch umbenannt und archiviert, zum Beispiel als 2026-01-15_Mustermann-IT-Services_RE-2026-00142.pdf. Bei Fehlern oder Sonderfällen geht eine Benachrichtigung an die zuständige Person.

Warum sollte Rechnungsverarbeitung lokal statt in der Cloud laufen?

Lokale Rechnungsverarbeitung loest drei Probleme gleichzeitig: DSGVO-Konformitaet ohne Auftragsverarbeitungsvertrag fuer externe Cloud-KI, GoBD-konforme Archivierung auf eigener Infrastruktur und Schutz von Geschaeftsgeheimnissen wie Lieferantenbeziehungen und Einkaufskonditionen. Fehlerhafte oder uneindeutige Rechnungen werden automatisch zur manuellen Pruefung weitergeleitet, statt stillschweigend falsch verbucht zu werden.

Rechnungen enthalten sensible Geschäftsdaten: Lieferantenbeziehungen, Preise, Zahlungsbedingungen, Bankverbindungen. Bei Freiberufler-Rechnungen stecken personenbezogene Daten drin: Name, Adresse, Steuernummer. Lokale Verarbeitung löst drei Probleme gleichzeitig.

Erstens DSGVO: Keine Datenübermittlung an Dritte, keine Auftragsverarbeitung, kein Verarbeitungsverzeichnis für externe Cloud-KI nötig. Zweitens GoBD: Die Original-PDF bleibt unverändert im lokalen Archiv, die Verarbeitung ist protokolliert und reproduzierbar, die Aufbewahrungsfrist von 10 Jahren läuft auf eigener Infrastruktur. Drittens Geschäftsgeheimnisse: Lieferantenbeziehungen und Einkaufskonditionen bleiben vertraulich, kein Risiko, dass Daten als Trainingsdaten für Cloud-Modelle verwendet werden.

Kein Automatisierungssystem ist perfekt. Entscheidend ist, wie mit Fehlern umgegangen wird. Schlecht gescannte Rechnungen (schief, unscharf, Flecken) landen automatisch im „Manuell prüfen"-Ordner. Fehlende Pflichtfelder wie Rechnungsnummer oder Betrag verhindern die automatische Buchung. Die Rechnung wird zur Prüfung weitergeleitet, nie stillschweigend verschluckt. Kleinunternehmer-Rechnungen ohne MwSt. erkennt das Modell am Muster und setzt die MwSt.-Felder korrekt auf null. Bei gemischten MwSt.-Sätzen (7% und 19%) kann das Modell beide separat ausweisen. Und englische Rechnungen funktionieren ebenfalls, da die eingesetzten Modelle multilingual sind.

Die technischen Voraussetzungen sind überschaubar: ein lokales KI-System mit mindestens 8 GB VRAM (für kleinere Modelle) oder 32 bis 64 GB (für zuverlässigere große Modelle), Ollama für die Modellverwaltung, n8n als Workflow-Tool, IMAP-Zugang zum Rechnungspostfach und 5 bis 10 echte Rechnungen zum Testen. Der Aufwand für die Ersteinrichtung liegt bei 10 bis 12 Stunden, danach läuft das System weitgehend autonom.

Fazit

Rechnungsverarbeitung ist kein glamouröses Thema. Aber genau das macht es zum idealen Einstieg in die KI-Automatisierung: Der Prozess ist klar definiert, die Daten sind strukturiert, der ROI ist messbar und das Risiko ist gering.

Die Technologie ist keine Raketenwissenschaft: Open-Source-Modelle, kompakte Hardware, bewährte Workflow-Tools. Alles verfügbar, alles dokumentiert, alles lokal betreibbar. Der wichtigste Schritt ist der erste: nicht das perfekte System von Tag eins, sondern ein funktionierender Workflow, der echte Arbeit abnimmt. Von dort aus lässt sich ausbauen, auf Angebote, Verträge, Lieferscheine, Bestellungen.

Quellen

1. Gartner: How to Improve Your Data Quality
2. Ardent Partners: Accounts Payable Metrics That Matter
3. Billentis: E-Invoicing / E-Billing Report
4. Tesseract OCR (Open Source)
5. Qwen 2.5 (Alibaba)
6. Mistral AI
7. Ollama, Lokale KI-Modelle
8. BMF: GoBD, Grundsätze ordnungsgemäßer Buchführung
9. n8n, Workflow-Automatisierung (Open Source)