Wenn in einem kleinen Unternehmen „lass uns was mit KI machen" fällt, ist der erste Gedanke fast immer ein Chatbot auf der Website oder ein „Assistent", der Mails schreibt. Doch der schnellste Return aus KI im KMU liegt meist an einer ganz anderen, viel langweiligeren Stelle: im Stapel Eingangsrechnungen, den jemand jeden Morgen von Hand ins ERP abtippt.
Ein Chatbot macht auf der Folie etwas her. Daten aus Rechnungen zu ziehen ist staubtrocken — und genau deshalb funktioniert es. Es verlangt nicht, dass der Kunde einer Maschine im Gespräch vertraut. Es verlangt nur, dass die Maschine ein PDF so gut liest wie eine müde Buchhalterin um halb vier nachmittags, nur hundertmal schneller und ohne Tippfehler in der Steuernummer.
Das ist die Art KI, mit der wir KMU zu beginnen raten: eng, messbar, mit einem Menschen am Ende des Prozesses. Keine „digitale Transformation", sondern eine konkrete Aufgabe, die heute jemandem einen halben Arbeitsplatz auffrisst.
Wo KI im KMU wirklich Geld bringt
Die besten KI-Anwendungen im kleinen Unternehmen teilen drei Merkmale: Es gibt viel davon, es ist repetitiv, und das Ergebnis lässt sich prüfen. Eingangsrechnungen passen perfekt, sind aber nicht die einzige Möglichkeit. Derselbe Mechanismus — lies das Dokument, extrahiere die Daten, schreib sie ins System — funktioniert für eine ganze Familie langweiliger Papiere:
- Eingangsrechnungen von Lieferanten (PDF, Scan, Handyfoto),
- Wareneingangs- und Lieferscheine,
- Kundenbestellungen, die in beliebigem Format per Mail eintrudeln,
- Kontoauszüge zum Abgleich mit Forderungen,
- Transportdokumente (CMR, Frachtbriefe).
Der gemeinsame Nenner: Heute öffnet jemand eine Datei, liest sie mit den Augen und tippt die Zahlen in ein anderes Fenster. Der Fehler ist teuer, aber erkennbar — und das ist der Punkt. Ein Chatbot, der ein Gespräch mit dem Kunden führt, läuft genau andersherum: das Ergebnis ist offen, schwer messbar, und ein Patzer beschädigt den Ruf, bevor es jemand bemerkt. Deshalb sagen wir: fang mit Dokumenten an, nicht mit Gesprächen.
Wie es wirklich funktioniert — und wo es hakt
Hinter „KI liest Rechnungen" stecken vier Schritte. Erstens OCR — die Pixel eines Scans in Text verwandeln. Zweitens ein Extraktionsmodell, das diese Ziffernfolge als Steuernummer erkennt, jene als Rechnungsnummer und „12.345,67" als Bruttobetrag. Drittens die Validierung: Passt die Steuernummer zu einem Lieferanten in den Stammdaten, ergeben die Positionen die Rechnungssumme, geht die Mehrwertsteuer auf. Viertens das Schreiben ins ERP — meist über eine API.
Und hier kommt, was KI-Anbieter beim Demo nicht sagen: das Modell versteht die Rechnung nicht, es erkennt Muster. Je typischer das Dokument, desto besser funktioniert es. Je ungewöhnlicher, desto häufiger muss man von Hand korrigieren. Es hakt bei schiefen und blassen Scans, bei handschriftlichen Notizen, bei einem neuen Lieferanten mit unbekanntem Layout, bei ausländischen Dokumenten, bei einem schräg im Lager geschossenen Foto.
Die sinnvolle Kennzahl ist deshalb nicht „funktioniert es", sondern welcher Prozentsatz der Rechnungen ohne Handgriff durchläuft. Am Anfang, bei wiederkehrenden Lieferanten, sind das realistisch 70–85%. Der Rest geht an einen Menschen zur Korrektur — und so soll es sein. Wer 100% Automatik ab dem ersten Tag verspricht, verkauft ein Demo, kein Projekt.
Beispiel: 900 Rechnungen im Monat
Bei einem unserer Kunden — einem Baustoffgroßhandel mit 22 Mitarbeitern — tippte die Buchhaltung rund 900 Eingangsrechnungen pro Monat von Hand in Comarch Optima. Jede Rechnung kostete etwa 3–4 Minuten: PDF oder Scan öffnen, Steuernummer, Nummer, Datum, Positionen, Netto- und Mehrwertsteuerbeträge abtippen, der richtigen Bestellung zuordnen, speichern. Zwei Personen in der Buchhaltung verbrachten damit insgesamt rund 50 Stunden im Monat — und das vor allem zum Monatsende, in Eile, also genau dann, wenn Fehler am leichtesten passieren.
Wir haben eine Rechnungsdatenextraktion eingeführt — OCR, ein Modell zur Felderkennung, Validierung (Abgleich der Steuernummer mit den Stammdaten, Prüfung der Positionssummen und der Rechnungsnummer auf Dubletten) und das Schreiben in Optima über die API. Der Mensch blieb am Ende: jede Rechnung landet in einer Freigabeansicht, die Felder bereits ausgefüllt, das vom Modell Unsichere hervorgehoben.
Die Bearbeitungszeit pro Rechnung sank von etwa 3,5 Minuten auf rund 40 Sekunden — denn aus „alles abtippen" wurde „prüfen und freigeben". Aus 50 Stunden im Monat wurden etwa zwölf. Die rund 38 zurückgewonnenen Stunden flossen in das Eintreiben überfälliger Forderungen, wofür vorher schlicht keine Zeit war — und das brachte dem Unternehmen am Ende mehr ein als die Tippersparnis selbst.
Wichtig festzuhalten: Niemand wurde entlassen, das war nie das Ziel. Verschwunden ist dagegen der Überstunden-Stress zum Monatsabschluss, und die Zahl falsch erfasster Beträge — die früher erst bei den Korrekturen auftauchten — ging zurück.
Was man nicht blind automatisieren sollte
Der teuerste Fehler bei so einem Projekt ist, den Menschen herauszunehmen, damit es „vollautomatisch" ist. Eine Eingangsrechnung, die automatisch mit falscher Mehrwertsteuer oder doppelt gebucht wird, ist teurer als eine langsam abgetippte — denn man zahlt sie mit Korrekturen, Meldungen und einer Buchhalterin, die eine Woche später sucht, woher die Differenz kommt.
Ein paar Regeln, die wir immer anwenden:
- Mensch am Tor — dauerhaft, nicht nur zum Start. Das Modell schlägt vor, der Mensch gibt frei. Das ist keine Übergangsphase.
- Harte Validierung vor dem Speichern. Die Positionen müssen den Bruttobetrag ergeben, die Rechnungsnummer wird auf Dubletten geprüft (OCR liest dieselbe Datei schon mal zweimal), die Steuernummer wird den Stammdaten zugeordnet.
- Eine Vorsichtsschwelle. Rechnungen über einem festgelegten Betrag oder von einem neuen, unbekannten Lieferanten gehen immer in die manuelle Prüfung, egal wie sicher das Modell ist.
- Fang nicht mit den schwierigsten Dokumenten an. Ausländische, handschriftliche, untypische Rechnungen — lass sie für zuletzt oder beim Menschen.
Was vorhanden sein muss, bevor du anfängst
KI räumt kein Chaos auf — sie verstärkt, was du schon hast. Bevor du ein Modell auf deine Rechnungen loslässt, müssen drei Dinge in Ordnung sein.
Erstens, ein ERP mit einer API. Comarch Optima, enova365 oder Subiekt lassen sich integrieren; bietet dein System gar keine Schnittstelle, lösen wir zuerst das, nicht das OCR. Zweitens, saubere Lieferantenstammdaten. Erscheint derselbe Lieferant unter drei Namen und zwei Steuernummern, vervielfältigt die Automatik dieses Chaos bei jeder einzelnen Rechnung. Drittens, ein definierter Freigabeprozess — wer gibt eine Kostenrechnung frei, und auf welcher Stufe. Wenn Rechnungen heute per Mail kreisen und „freigibt, wer gerade da ist", ordnen wir erst den Prozess und setzen dann KI hinein.
Es ist dieselbe Wahrheit wie bei jedem sinnvollen KI-Projekt: saubere Daten, integrierte Systeme, ein reibungsloser Prozess. Ohne das ist Rechnungsextraktion nur ein schnellerer Weg, Fehler einzugeben.
Wo man anfängt
Wenn deine Buchhaltung zum Monatsende in Rechnungen ertrinkt, geh in dieser Reihenfolge vor:
- Miss den heutigen Stand. Wie viele Rechnungen im Monat, wie viele Minuten pro Stück, wer macht es. Ohne diese Zahl wirst du nie beweisen, dass KI etwas gebracht hat.
- Wähle einen Dokumenttyp und ein bis zwei deiner größten Lieferanten. Ein wiederkehrendes Layout bedeutet hohe Treffsicherheit ab dem ersten Tag und einen schnellen Beweis, dass es funktioniert.
- Mach einen 4–6-wöchigen Pilot mit voller menschlicher Prüfung. Miss, welcher Prozentsatz der Rechnungen ohne Korrektur durchlief.
- Erweitere erst, wenn die Pilot-Treffsicherheit stabil ist — weitere Lieferanten, weitere Dokumenttypen.
- Behalte einen Menschen am Ende — für immer. Das Ziel ist weniger Abtippen, nicht null Kontrolle.
Das ist kein Quartalsprojekt und keine sechsstellige Investition. Es ist eine enge, messbare Verbesserung eines einzigen Prozesses — genau die Art KI, die sich im KMU wirklich rechnet, statt als Folie in einer Präsentation zu enden.
Willst du prüfen, ob sich die Rechnung bei dir aufgeht, fang mit dem Zählen der Stunden an. Und wenn dir lieber ist, dass jemand das mit dir durchgeht — das erste Gespräch ist kostenlos und dauert eine halbe Stunde.
Die beste KI im kleinen Unternehmen führt keine Gespräche. Sie tippt Rechnungen ab — schneller, billiger und ohne Tippfehler in der Steuernummer.