Eingangsrechnungen digitalisieren: KI liest, ein Mensch prüft

Eingangsrechnungen digitalisieren heißt im Kern: Die Rechnung kommt als PDF, Foto oder Word-Datei an, eine KI liest Lieferant, Rechnungsnummer, Datum, Positionen und Summe aus, das System rechnet jede Zahl nach — und ein Mensch prüft das Ergebnis, statt es abzutippen. Gespeichert wird nichts, was niemand gesehen hat.

Wie das in der Praxis aussieht, zeige ich an einem System, das ich im Oktober 2026 für ein Handelsunternehmen gebaut habe: einen Großhändler für technische Komponenten mit Lieferanten in Asien und Europa. Der Artikel richtet sich an Inhaberinnen und Inhaber kleiner Betriebe, die wissen wollen, was KI beim Rechnungseingang heute zuverlässig kann — und wo sie einen Menschen braucht.

Die Ausgangslage: Jede Rechnung sieht anders aus

Vor dem Umbau wurde jede Lieferantenrechnung von Hand in das Bestellsystem übertragen: Kopfdaten, jede Position mit Artikelnummer, Menge und Preis, dazu der Rechnungsbetrag. Die Rechnungen kamen in drei Formen:

• PDF aus der Buchhaltungssoftware des Lieferanten — mal mit echtem Text, mal als eingescanntes Bild,
• Fotos und Scans als JPEG-Datei,
• Word-Dateien, bei denen Briefkopf und Bankverbindung in Kopf- und Fußzeile stehen.

Dazu kommen Eigenheiten, an denen einfache Vorlagen-Erkennung scheitert: Positionen in chinesischen Yuan, bezahlt in Euro zu einem auf der Rechnung gedruckten Kurs; Rabattzeilen; Fracht und Bankgebühren, die keine Ware sind; und Lieferantennamen wie „Muster Power International Company Limited”, die im eigenen System schlicht „Muster Power” heißen.

So funktioniert die Rechnungserkennung in fünf Schritten

1. Hochladen. Die Rechnung wird beim Anlegen der Bestellung hochgeladen. Das System erkennt das Format am Inhalt, nicht am Dateinamen: Eine Excel-Datei, die „rechnung.pdf” heißt, wird abgelehnt statt falsch gelesen. Obergrenzen: 10 MB für PDF und Word, 7 MB für Bilder.
2. Auslesen. Die Datei geht an ein Sprachmodell, das ein festes Antwortformat ausfüllen muss: Lieferant, Rechnungsnummer, Datum, Währung, Positionen (Beschreibung, Artikelnummer, Menge, Einzelpreis, Zeilensumme), Rechnungsbetrag — und eine Liste der Zeilen, die es bewusst nicht als Position übernommen hat. Weicht die Antwort vom Format ab, wird sie verworfen. Word-Dateien werden vorher in Text umgewandelt, Kopf- und Fußzeilen eingeschlossen.
3. Nachrechnen. Das System glaubt der KI keine Zahl ungeprüft. Menge × Einzelpreis muss die Zeilensumme ergeben, die Summe aller Zeilen den Rechnungsbetrag. Ein Rabatt wird anteilig auf die Einzelpreise verteilt; Fracht und Gebühren werden als „nicht in den Positionen” ausgewiesen. Jede Abweichung erscheint als Hinweis mit den konkreten Zahlen, etwa „Zeile 3: 10 × 4,20 = 42,00, auf der Rechnung 44,20”.
4. Lieferant zuordnen. Der gelesene Name wird mit dem Lieferantenstamm verglichen, Zusätze wie „Co., Ltd.” oder „International Company Limited” fallen dabei weg. Automatisch ausgewählt wird ein Lieferant nur bei mindestens 80 % Übereinstimmung und deutlichem Abstand zum Zweitplatzierten. Sonst bietet das Formular die drei wahrscheinlichsten Treffer zur Auswahl an.
5. Prüfen und speichern. Das Ergebnis landet vorausgefüllt im Formular, die Hinweise stehen darüber. Während man korrigiert, rechnet das Formular die Positionen live gegen den Rechnungsbetrag. Gespeichert wird erst, wenn ein Mensch bestätigt.

Die wichtigste Regel: lieber leer als falsch

Eine KI, die meistens richtig liest, ist nur dann eine Hilfe, wenn man die Fälle sieht, in denen sie danebenliegt. Deshalb füllt das System nie stillschweigend einen zweifelhaften Wert ein, sondern lässt das Feld leer und sagt, warum:

• Die Währung ist keine der bekannten? Das Feld bleibt leer, der Hinweis nennt die gelesene Angabe.
• Das Datum lässt sich nicht deuten? Hinweis statt Fantasiedatum.
• Die Word-Datei enthält fast keinen Text, weil nur ein Scan eingefügt ist? „Bitte manuell ausfüllen.”
• Der KI-Dienst ist nicht erreichbar oder antwortet nicht innerhalb von 55 Sekunden? Das Formular bleibt benutzbar, man tippt wie früher.

Der letzte Punkt wird oft vergessen: Ein Rechnungseingang, der stillsteht, sobald ein externer Dienst hakt, ist schlechter als gar keiner.

Welches KI-Modell? Elf Modelle, zehn echte Rechnungen

Aus über 200 Sprachmodellen, die PDFs oder Bilder lesen können, kamen elf in die engere Wahl — vom teuren Spitzenmodell bis zum Kleinstmodell für Bruchteile eines Cents. Getestet wurde im Oktober 2026 an zehn echten Rechnungen des Unternehmens, so ausgewählt, dass jedes Format (PDF, Scan, Word) und mehrere Lieferanten vertreten waren. Alle Anfragen gingen nur an Anbieter, die Eingaben nach eigener Angabe weder speichern noch zum Training verwenden. Gemessen wurde, was im Alltag zählt:

• Summe: Ergeben die gelesenen Positionen den Rechnungsbetrag?
• Rechnungsnummer: Stimmt sie exakt?
• Währung und Kurs: Stimmen die Währung und bei Fremdwährung der gedruckte Kurs?
• Positionen: Fehlt eine Zeile, stimmt jede Artikelnummer?
• Antwortzeit: Antwortet das Modell bei 19 von 20 Rechnungen in unter 55 Sekunden? Das Formular wartet auf die KI.
• Kosten: Was kostet ein Beleg?

Das Ergebnis:

• Gemini 3 Flash (Google) las die Rechnungsnummer bei 10 von 10 Rechnungen und die Summe bei 9 von 10 richtig, dazu alle Währungen und Kurse und alle 18 Artikelnummern. 19 von 20 Antworten kamen in unter 5 Sekunden, ein Beleg kostete rund 0,002 US-Dollar.
• Claude Opus 5.5 (Anthropic), das teuerste Modell im Test, war bei Summen und Positionen gleich gut, traf aber nur 8 von 10 Rechnungsnummern, brauchte etwa doppelt so lange (9,5 statt 4,6 Sekunden) und kostete mit 0,027 US-Dollar pro Beleg rund 14-mal so viel.
• Ausgeschieden sind ein Modell, das bei den langsamen Rechnungen fast eine Minute brauchte (59,8 Sekunden, über dem Limit), und eines, für das sich kein Anbieter fand, der die Datenschutz-Vorgabe und das feste Antwortformat zugleich erfüllt — es lieferte bei keiner der zehn Rechnungen eine Antwort.

Das größte Modell ist also nicht automatisch das beste. Für einen Knopf, auf dessen Ergebnis jemand wartet, zählen Tempo und Preis genauso wie Genauigkeit.

Lehrreicher als die Rangliste waren die Fehler. Die eine Summe, die fast alle Modelle „falsch” hatten, war ein Zahlendreher in den Altdaten: Alle lasen 29.340, gespeichert waren 29.430 — die KI hatte einen Tippfehler im Bestand gefunden. Die fehlenden Rechnungsnummern betrafen zwei Dokumente mit der Überschrift „Sales Contract”, und die Anweisung an die KI lautete, Vertragsnummern zu ignorieren; die genaueren Modelle hielten sich daran. Seit der Regel „ein Vertrag mit Preisen zählt als Rechnung” ist das erledigt. Und die drei Positionen, die allen Modellen fehlten, stammten von einer Rechnung, deren Zeilen in den Vergleichsdaten anders aufgeteilt waren. Ein Test an eigenen Belegen prüft also nicht nur das Modell, sondern auch die Anweisung und die eigenen Daten.

Danach las das gewählte Modell alle 102 Rechnungen des Altbestands — bei 0,0019 US-Dollar pro Beleg zusammen rund 20 US-Cent. Der Testsatz bleibt erhalten: Erscheint ein neues Modell, läuft derselbe Vergleich erneut, bevor gewechselt wird. Und weil Google das gewählte Modell als Vorschauversion führt, steht der Ersatz schon fest: Gemini 3.1 Flash-Lite lag bei der Genauigkeit gleichauf und ist etwas günstiger, antwortet aber langsamer.

Machen E-Rechnungen das überflüssig?

Nein, aber sie verkleinern den Stapel. Seit dem 1. Januar 2025 müssen Unternehmen in Deutschland E-Rechnungen empfangen können, also Formate wie XRechnung oder ZUGFeRD, die ihre Daten maschinenlesbar mitbringen. Für diese Rechnungen braucht es keine KI: Die Daten werden direkt übernommen.

Der PDF- und Papierstrom verschwindet trotzdem nicht so bald. Für die Ausstellung gelten Übergangsfristen bis Ende 2026, für Aussteller mit bis zu 800.000 € Vorjahresumsatz bis Ende 2027. Kleinbetragsrechnungen bis 250 € brutto sind ausgenommen, und die Pflicht gilt nur zwischen Unternehmen mit Sitz in Deutschland (Fragen und Antworten des Bundesfinanzministeriums). Rechnungen ausländischer Lieferanten, Quittungen und Fotos — wie im Beispiel oben — bleiben also ein Fall für die KI-Auslese. Das ist keine Steuerberatung: Was für Ihren Betrieb gilt, klären Sie mit Ihrer Steuerkanzlei.

Was sich auf ein kleines Büro übertragen lässt

Das Beispiel ist ein Bestellsystem, das Muster passt aber auf jeden Betrieb mit Belegeingang:

• Hausverwaltung: Handwerker- und Versorgerrechnungen dem richtigen Objekt zuordnen — dieselbe Logik wie die Lieferantenzuordnung oben.
• Handwerk: Materialrechnungen vom Großhandel mit vielen Positionen, bei denen sich das Nachrechnen besonders lohnt.
• Dienstleister mit Backoffice: viele kleine Belege per E-Mail, die heute jemand öffnet, umbenennt und ablegt.

Mein Standardangebot dafür ist der Digitale Dokumenten-Eingang: Belege aus E-Mail und Scan werden ausgelesen, abgelegt und an DATEV, lexoffice oder sevDesk übergeben; was unsicher ist, landet in einer Prüfliste. Die KI-Auslese für bis zu ca. 1.000 Belege im Monat ist in Betrieb & Pflege für 129 € im Monat enthalten (alle Preise).

Häufige Fragen

Wie genau liest eine KI Rechnungen? Im Test oben las das gewählte Modell 10 von 10 Rechnungsnummern und 9 von 10 Summen richtig — die eine Abweichung war ein Tippfehler in den Altdaten. Das hängt aber vom Beleg ab, und entscheidender als jede Quote ist, dass jede Zahl nachgerechnet und jede Abweichung angezeigt wird. Im Pilot messe ich die Genauigkeit an Ihren eigenen Belegen, gegen die Abnahmekriterien auf der Lösungsseite.

Brauche ich dafür eine neue Buchhaltungssoftware? Nein. Die ausgelesenen Daten werden an das System übergeben, mit dem Sie oder Ihre Steuerkanzlei heute arbeiten — DATEV, lexoffice oder sevDesk. Der Rechnungseingang wird automatisiert, die Buchhaltung bleibt, wo sie ist.

Wo werden die Rechnungen verarbeitet? Beim Dokumenten-Eingang auf einem Server in Deutschland; die KI-Auslese läuft über einen Anbieter mit Sitz in der EU mit Auftragsverarbeitungsvertrag, lokale KI ist auf Anfrage möglich. Mehr zur Abwägung im Artikel KI DSGVO-konform einsetzen.

Alle Artikel