KI in der Rechnungsverarbeitung: was nach dem Eingang wirklich passiert

Eine Rechnung kommt an. In diesem Moment beginnt in vielen Unternehmen noch immer kein automatisierter Prozess, sondern eine kleine Expedition: Rechnung suchen, Daten prüfen, Bestellung finden, Freigabe einholen, Kostenstelle klären, Rückfragen beantworten, buchen, archivieren. Wenn noch dazu jemand krank ist, die Rechnung an die falsche Person geschickt wurde oder der Bestellbezug fehlt, wird aus einem einfachen Beleg schnell Chaos. Zwischen „Rechnung eingegangen“ und „Rechnung gebucht“ liegt in vielen Unternehmen also ein Prozess, der mehr Zeit, Geld und Nerven kostet, als er sollte.

Oft unterschätzt: Kosten von Eingangsrechnungen

Die manuelle Bearbeitung einer einzigen Eingangsrechnung kostet laut Branchenstudien zwischen 12 und 30 Euro, abhängig von Unternehmensgröße, Personalkosten und Prozessstruktur. Darin enthalten: Arbeitszeit für die Dateneingabe, Aufwand für Rückfragen und Korrekturen, Kosten für physische Weiterleitung und Archivierung.

Bei einem mittelständischen Unternehmen mit 500 Eingangsrechnungen pro Monat summiert sich das schnell auf eine beträchtliche Position. Hinzu kommen die versteckten Kosten: Skonti, die wegen langer Durchlaufzeiten verfallen. Mahnungen, die entstehen, weil der Status unklar ist. Oder auch Freigaben, die liegen bleiben, weil die zuständige Person im Urlaub ist.

Genau hier macht KI in der Rechnungsverarbeitung den Unterschied. Sie kann einige konkrete Aufgaben übernehmen: Daten auslesen, Abweichungen erkennen, Kontierungen vorschlagen, Prüfungen vorbereiten, Workflows steuern und den Bearbeitungsstatus sichtbar machen.

Wie KI, Buchhaltung und Automatisierung reibungslos zusammenspielen (können), erklären wir in den folgenden Kapiteln.

Der Weg einer Rechnung durch Ihr Unternehmen

Eine professionelle digitale Lösung für die Eingangsrechnungsverarbeitung betrachtet nicht nur einzelne Funktionen. Sie bildet den gesamten Prozess ab.

Der typische Weg einer Rechnung sieht so aus:

Format ist nicht Prozess: Was E-Rechnung, XRechnung und ZUGFeRD nicht lösen

Seit 1. Januar 2025 sind Unternehmen in Deutschland verpflichtet, E-Rechnungen im B2B-Bereich empfangen zu können. In Österreich gilt die E-Rechnungspflicht bislang nur gegenüber Bundesbehörden. Eine allgemeine B2B-Pflicht wird mit der EU-VIDA-Richtlinie ab 2030 erwartet.

Strukturierte Formate wie XRechnung, ZUGFeRD oder ebInterface sorgen dafür, dass Rechnungsdaten maschinenlesbar vorliegen. Das ist ein großer Fortschritt gegenüber PDF-Dateien oder gescannten Papierbelegen. Aber: Ein strukturiertes Format ersetzt keinen Prozess.

Wer eine XRechnung empfängt, aber manuell kontiert, manuell freigibt und manuell archiviert, hat den Medienbruch nur nach hinten verschoben.

Ausführliche Informationen über die Verarbeitung von unterschiedlichen (E-)Rechnungsformaten haben wir in unserem Whitepaper „Elektronische Eingangsrechnung – Formate, Trends & Pflichten“ zusammengefasst.

KI in der Rechnungsverarbeitung: Was sie konkret leistet

Die grundlegenden Technologieschichten von OCR über LLM bis zur Agentic AI Buchhaltung erklären wir ausführlich in unserem Ratgeber „Die Evolution der KI in der intelligenten Dokumentenverarbeitung“.

Was bedeuten diese Technologien speziell für die Buchhaltung? Welchen Nutzen bringt KI hier?

KI liest Rechnungsdaten aus

Der offensichtlichste Einsatzbereich ist die automatische Datenextraktion. Dabei werden relevante Informationen aus PDF-Dateien, Scans, Papierbelegen, XML-Dateien oder hybriden Formaten erkannt und strukturiert bereitgestellt.

Der Unterschied zu klassischer OCR: Moderne KI-Lösungen erkennen nicht nur Zeichen, sondern interpretieren Zusammenhänge. Sie verstehen zum Beispiel, welche Zahl die Rechnungsnummer ist, welche Position zu welchem Betrag gehört und welche Zahlungsbedingung relevant ist.

Das ist besonders wichtig bei:

• wechselnden Rechnungslayouts
• internationalen Lieferanten
• vielen Positionsdaten
• Sonderrechnungen
• schlecht strukturierten PDFs
• kombinierten Dokumenten

KI erkennt Abweichungen

Eine Rechnung ist nicht automatisch korrekt, nur weil sie korrekt ausgelesen wurde. KI kann Abweichungen erkennen und zur Prüfung markieren.

Zum Beispiel:

• Rechnungssumme passt nicht zu Positionssummen.
• Steuerbetrag ist auffällig.
• Bestellnummer fehlt.
• Preis weicht von der Bestellung ab.
• Liefermenge stimmt nicht mit dem Lieferschein überein.
• Rechnung könnte ein Duplikat sein.
• Zahlungsbedingungen unterscheiden sich von bekannten Lieferantenkonditionen.

Hier wird KI besonders wertvoll: Sie hilft der Buchhaltung, nicht jede Rechnung gleich intensiv prüfen zu müssen. Standardfälle laufen schneller. Auffällige Fälle bekommen dafür mehr Aufmerksamkeit.

KI unterstützt 2-Way- und 3-Way-Match

Beim 2-Way-Match wird die Rechnung mit der Bestellung abgeglichen. Beim 3-Way-Match kommt zusätzlich der Lieferschein beziehungsweise Wareneingang dazu. Das ist einer der größten Hebel für Automatisierung. Denn wenn Rechnung, Bestellung und Lieferung sauber zusammenpassen, kann eine Rechnung deutlich schneller verarbeitet werden. Wenn nicht, muss das System die Abweichung verständlich anzeigen und an die richtige Person weitergeben.

Eine gute KI-Lösung erkennt dabei nicht nur Kopfdatensätze, sondern arbeitet auch mit Positionsdaten. Dort sitzen besonders viele der teuren Sonderfälle.

KI schlägt Kontierungen vor

Wenn ein Lieferant regelmäßig ähnliche Leistungen abrechnet, wenn Kostenstellen wiederkehren oder bestimmte Buchungskombinationen historisch plausibel sind, kann eine KI Vorschläge machen.

Zum Beispiel:

• Sachkonto
• Kostenstelle
• Projekt
• Kostenträger
• Steuerkennzeichen
• Buchungstext

Das heißt nicht, dass die KI alleine entscheidet. Aber sie macht gute Vorschläge und reduziert Routine.

KI steuert Freigaben intelligenter

KI kann helfen, Rechnungen anhand von Merkmalen besser zu routen:

• Lieferant
• Betragshöhe
• Kostenstelle
• Bestellbezug
• Projekt
• Fachbereich
• Abweichungsart
• Risikoindikatoren

Das reduziert falsch zugewiesene Freigaben und beschleunigt Klärungen.

KI macht Status sichtbar

Eine der wichtigsten Funktionen liegt in der Transparenz einer intelligenten Lösung. Sie zeigt den Bearbeitungsstatus: eingegangen, ausgelesen, geprüft, in Freigabe, abgelehnt, gebucht, archiviert. Für CFOs und Finanzleitungen bedeutet das Übersicht und Steuerbarkeit, ohne nachfragen zu müssen.

Dunkelverarbeitung als Ziel und was sie braucht

Das Ziel jeder KI-gestützten Rechnungsverarbeitung ist eine möglichst hohe Dunkelverarbeitungsquote. Das ist der Anteil der Rechnungen, der vollständig automatisch, das heißt ohne manuellen Eingriff, vom Eingang bis zur Buchung durchläuft.

Aber: Um eine hohe Dunkelverarbeitungsquote zu erreichen braucht es einige Voraussetzungen:

• Saubere Stammdaten: Wenn Lieferanten doppelt angelegt sind oder Kontendaten fehlen, scheitert der automatische Abgleich.
• Klar definierte Prozessregeln: Die KI braucht klare Regeln: Ab welchem Betrag ist eine manuelle Freigabe nötig? Wer ist zuständig für welche Kostenstelle? Ohne Regeln ist keine Automatisierung sinnvoll möglich.
• Verlässliche ERP-/FIBU-Integration: Dunkelverarbeitung endet nicht bei der Extraktion. Sie ist erst vollständig, wenn Daten ohne manuellen Zwischenschritt im ERP ankommen.
• Ausnahmebehandlung: Gute Automatisierung erkennt, was sie nicht sicher verarbeiten kann. Klare Eskalationsregeln für Sonderfälle sind keine Schwäche, sondern ein wichtiges Qualitätsmerkmal.
• Qualitätssicherung: Ein KI-Konsensprinzip (mehrere LLMs validieren gegenseitig) stellt sicher, dass nur verifizierte Ergebnisse automatisiert weitergeleitet werden.
• Saubere Archivierung: Dunkelverarbeitung endet nicht mit der Buchung. Jede automatisch verarbeitete Rechnung muss mit vollständigem Audit-Trail revisionssicher, strukturiert und nachvollziehbar archiviert werden.

Mehr zum Thema Dunkelverarbeitung und zum KI-Konsensprinzip gibt es in unserem Glossar zur intelligenten Dokumentenverarbeitung.

Sonderfälle testen: Woran man gute KI-Lösungen erkennt

Die meisten Lösungen wirken überzeugend, wenn die Rechnung einfach ist: Ein Lieferant, eine Seite, eine Position, keine Abweichung, gute Formatierung. Doch das ist im Alltag eher selten.

Die Qualität einer KI-Lösung zeigt sich bei Sonderfällen. In der Praxis sind das oft:

• Gutschriften: Wird erkannt, dass es keine normale Rechnung ist? Wird der Betrag korrekt behandelt? Wird der Workflow angepasst?
• Teillieferungen: Passt die Rechnung nur zu einem Teil der Bestellung? Gibt es mehrere Lieferscheine? Wurde nur ein Teil geliefert, aber alles verrechnet?
• Fremdwährungen: Werden Währung, Wechselkurslogik und Beträge sauber erkannt? Werden Netto, Steuer und Brutto korrekt interpretiert?
• Abweichende Layouts: Kann das System mit neuen Lieferanten umgehen, ohne dass jedes Layout manuell trainiert werden muss? Erkennt das System neue Layouts, wenn bisherige Lieferanten diese ändern? Braucht es dafür manuelles Nachtraining?
• Fehlender Bestellbezug: Was passiert, wenn keine Bestellnummer auf der Rechnung steht? Wird die Rechnung automatisch zur Klärung weitergeleitet? Gibt es Vorschläge auf Basis von Lieferant, Betrag oder Historie?
• Viele Positionsdaten: Werden nur Kopfdaten erkannt oder auch Positionen sauber verarbeitet? Gerade bei Industrie, Handel und Produktion entscheidet das über den tatsächlichen Nutzen.
• Doppelte Einreichung: Derselbe Lieferant schickt eine Rechnung zweimal. Erkennt das System das Duplikat, auch wenn Datum oder Format leicht abweichen?
• Mahnungen für bereits bezahlte Rechnungen: Wird erkannt, dass es sich nicht um eine neue Rechnung handelt? Wird ein möglicher Zusammenhang zu einer offenen Rechnung hergestellt?

Agentic AI in der Buchhaltung: Was daran sinnvoll ist

Während klassische Automatisierung meist nach festen Regeln arbeitet, kann Agentic AI Aufgaben zielgerichteter vorbereiten, prüfen und in mehreren Schritten bearbeiten. Wichtig ist dabei, dass sie nicht als unkontrollierter Autopilot arbeitet, sondern als Assistenzsystem mit klaren Grenzen.

In der Rechnungsverarbeitung kann das zum Beispiel bedeuten:

• Rechnungsdaten aus unterschiedlichen Quellen zusammentragen
• fehlende Informationen identifizieren
• Abweichungen priorisieren
• Prüfschritte vorbereiten
• Vorschläge für Kontierung und Workflow machen
• Rückfragen strukturieren
• nächste Prozessschritte auslösen

Entscheidend ist Governance. Eine Agentic AI-Lösung in der Buchhaltung darf nicht kreativ entscheiden. Sie muss nachvollziehbar, kontrollierbar und in definierte Prozesse eingebunden sein.

Agentic AI Buchhaltung mit den Lösungen von free-com

free-com betrachtet Rechnungsverarbeitung nicht als Einzelfunktion, sondern als durchgängigen End-to-End-Prozess. Das bedeutet: Eingang, Auslesen, Prüfung, Freigabe, Kontierung, Buchung, Übergabe ans ERP- oder FIBU-System und Archivierung gehören durchgängig zusammen.

Folgende Funktionen machen die Rechnungsverarbeitung zu einem sauberen KI-gestützten Prozess:

• KI-Konsensprinzip: Mehrere Sprachmodelle (LLMs) verarbeiten jede Rechnung unabhängig voneinander. Nur bei Übereinstimmung (Konsens) wird das Ergebnis als verifiziert markiert und automatisiert weitergeleitet. Bei Abweichungen: gezielte Eskalation zur manuellen Prüfung. Das erhöht die Zuverlässigkeit der Dunkelverarbeitung erheblich.
• Vendor-Level Learning: Das System lernt auf Ebene einzelner Lieferanten. Je länger es läuft, desto präziser werden Kontierungsvorschläge und Erkennungsraten für bekannte Lieferanten.
• Alle Eingangsformate: Papier, PDF, Scan, XML, XRechnung, ZUGFeRD, ebInterface: es werden alle gängigen Formate in einem durchgängigen Prozess verarbeitet.
• ERP/FIBU-Integration: Nahtlose Anbindung an alle gängigen Systeme: SAP, Microsoft Dynamics 365, BMD, DATEV und weitere. Keine doppelte Datenpflege, kein Medienbruch.
• DSGVO und Datensouveränität: Alle LLM-Instanzen werden ausschließlich europäisch gehostet. Kundendaten verlassen den europäischen Rechtsraum nicht. Kein Training mit Unternehmensdaten für öffentliche Modelle.
• Flexible Freigabeworkflows: Freigaben werden regelbasiert gesteuert. Je nach Betrag, Lieferant, Kostenstelle, Abweichung oder Organisationseinheit. Das reduziert Liegezeiten und macht Verantwortlichkeiten klar.
• Kontierungsvorschläge: Das System unterstützt die Buchhaltung mit intelligenten Vorschlägen für Sachkonto, Kostenstelle, Projekt oder weitere Buchungsdimensionen. Die finale Kontrolle bleibt dort, wo sie hingehört: im Unternehmen.
• 2-Way / 3-Way-Match: Bestellungen, Lieferscheine und Rechnungen können automatisiert abgeglichen werden, Abweichungen werden sichtbar.
• Revisionssichere Archivierung: GoBD-konform (Deutschland) und BAO-konform (Österreich). Jeder Verarbeitungsschritt ist nachvollziehbar dokumentiert.
• Benutzerführung: Freigaben, Statusabfragen und Rückfragen erfolgen über eine klare Oberfläche, die auch von Fachabteilungen ohne IT-Kenntnisse genutzt werden kann.

Fazit: KI in der Buchhaltung rechnet sich

Die Eingangsrechnungsverarbeitung ist eines der Gebiete, in denen KI-Automatisierung unmittelbar und messbar wirkt: weniger Aufwand, weniger Fehler, kürzere Durchlaufzeiten, mehr gesicherte Skonti. Der Nutzen entsteht aber erst, wenn KI Teil eines durchgängigen End-to-End Prozesses ist: Vom Rechnungseingang über Auslesen, Prüfung, Freigabe, Kontierung und ERP-Übergabe bis zur revisionssicheren Archivierung.

Was dabei den Unterschied zwischen einer guten und einer schlechten Lösung ausmacht, ist die Fähigkeit, Sonderfälle sauber zu behandeln, Ausnahmen transparent zu eskalieren, sich nahtlos in bestehende Systeme zu integrieren und DSGVO-konform zu sein.