KI im Unternehmensalltag – Wunsch und Wirklichkeit

Der Einsatz von Künstlicher Intelligenz (KI) gilt als strategischer Schlüssel zur digitalen Transformation in Unternehmen. Dennoch hinkt die tatsächliche Nutzung den Erwartungen noch deutlich hinterher. Laut einer Bitkom-Studie aus 2024 setzen lediglich 16 Prozent der deutschen Unternehmen KI aktiv in ihren Geschäftsprozessen ein – ein ernüchternder Befund, der eine deutliche Lücke zwischen technologischem Potenzial und betrieblicher Realität offenbart.

Ein zentraler Ansatzpunkt für den KI-Einsatz mit messbarem Mehrwert ist die automatisierte Rechnungsverarbeitung. Insbesondere Large Language Models (LLMs), eine spezifische Ausprägung neuronaler Netze im Bereich des Deep Learnings, zeigen hier bemerkenswerte Wirkung – sowohl in Bezug auf Genauigkeit als auch auf Effizienz.

Was sind Large Language Models und warum sind sie relevant?

LLMs wie GPT-4 (das aktuelle Standardmodell, das ChatGPT nutzt) gehören zu den fortschrittlichsten Werkzeugen im Bereich der natürlichen Sprachverarbeitung. Sie sind darauf spezialisiert, große Textmengen zu analysieren, Inhalte zu verstehen und daraus Zusammenhänge abzuleiten. Diese Fähigkeit macht sie prädestiniert für Anwendungen, bei denen strukturierte Informationen aus unstrukturierten Textquellen extrahiert werden müssen – etwa bei der Analyse und Klassifikation von Rechnungsinhalten.

Rechnungsverarbeitung im Fokus: Herausforderungen der Praxis

Die Extraktion relevanter Daten aus Eingangsrechnungen stellt nach wie vor eine erhebliche Herausforderung dar – insbesondere, wenn die Dokumente in variierenden Layouts und Formaten vorliegen. Selbst moderne Texterkennungs- und Capture-Systeme erreichen im Praxisbetrieb durchschnittliche Trefferquoten von etwa 85 Prozent. Selbst bei gut trainierten Systemen liegt die Obergrenze bei rund 95 Prozent. Diese Differenz bedeutet im operativen Alltag: Ein signifikanter Anteil der Rechnungsdaten muss manuell korrigiert werden – bei großen Belegvolumina ein nicht zu vernachlässigender Aufwand.

Warum herkömmliche Capture-Technologien an ihr Limit stoßen

Traditionelle Verfahren zur Datenerfassung – ob regelbasiert, bildgestützt oder formularorientiert – stoßen zunehmend an ihre Grenzen. Die Weiterentwicklung dieser Systeme bringt oft nur noch marginale Verbesserungen in der Erkennungsqualität, während der Implementierungs- und Wartungsaufwand hoch bleibt. Jede Änderung im Rechnungsdesign oder neue Lieferantenkonstellationen erfordern aufwändiges Nachjustieren.

Mit LLMs zu mehr Automatisierung und weniger manuellem Aufwand

Durch den Einsatz von LLMs lässt sich dieser Prozess grundlegend neu denken. Anstatt für jede Rechnungsvariante manuell Regeln zu definieren oder umfangreiche Trainingsdaten zu pflegen, sind LLMs in der Lage, Muster selbstständig zu erkennen und zu verallgemeinern. Das System „lernt“, relevante Informationen wie Beträge, Daten, Referenznummern oder Positionszeilen korrekt zu interpretieren – unabhängig vom konkreten Layout.

In speziell optimierten Lösungen – etwa in Verbindung mit SAP-Systemen – kann ein LLM gezielt für die Erfordernisse der Rechnungsverarbeitung konfiguriert werden. Der Effekt: deutlich höhere Automatisierungsgrade, bei gleichzeitig reduziertem Pflegeaufwand für Templates und Regeln.

Rechenbeispiel: So viel Potenzial steckt in verbesserten Erkennungsraten

Die erzielbare Effizienzsteigerung lässt sich auch quantitativ belegen. Eine Verbesserung der Erkennungsrate von 85 auf 95 Prozent bedeutet bei 100.000 Rechnungen jährlich, dass 10.000 manuelle Korrekturen entfallen. Bei einer Million Rechnungen summiert sich der Effekt auf 100.000 potenziell eingesparte Eingriffe – ein klarer wirtschaftlicher Vorteil, insbesondere in Shared-Service-Umgebungen oder bei dezentralen Finanzabteilungen.

Fazit: Warum sich der Einsatz von LLMs in der Rechnungsverarbeitung lohnt

Large Language Models markieren einen Wendepunkt in der automatisierten Belegverarbeitung. Sie ermöglichen nicht nur eine höhere Datenqualität, sondern auch eine erhebliche Entlastung der operativen Prozesse. Unternehmen, die über ein hohes Rechnungsaufkommen verfügen, können mit dem gezielten Einsatz dieser Technologie nicht nur Kosten senken, sondern auch ihre Prozesslandschaft zukunftsfähig gestalten.

Die Einführung von LLMs in der Rechnungsverarbeitung stellt damit einen praxisnahen und wirtschaftlich sinnvollen Einstieg in die unternehmensweite Nutzung von Künstlicher Intelligenz dar – und bietet das Potenzial, weitere Prozesse datengetrieben zu optimieren.

 

 

---

Dina Haack,
Senior Lead Marketing,
xSuite Group

 

 

xSuite ist Softwarehersteller von Anwendungen für dokumentenbasierte Prozesse und stellt weltweit standardisierte, digitale Lösungen bereit, die einfaches, sicheres und schnelles Arbeiten ermöglichen. Die Automatisierung wichtiger Arbeitsprozesse in Verbindung mit einem durchgängigen Dokumentenmanagement steht im Mittelpunkt. Kernkompetenz ist die Eingangsrechnungsverarbeitung in SAP inkl. E-Invoicing für führende Unternehmen weltweit sowie öffentliche Auftraggeber. Ergänzt wird dies durch Anwendungen für Einkaufs- und Auftragsprozesse sowie Archivierung. Die Software wird in der Cloud oder hybrid betrieben. xSuite liefert alles aus einer Hand (Softwarekomponenten und Dienstleistungen). Regelmäßige SAP-Zertifizierungen bestätigen den hohen Qualitätsstandard. Sie gelten für verschiedene Lösungen und Einsatzumgebungen von SAP.  Mit xSuite verarbeiten mehr als 300.000 User pro Jahr über 80 Millionen Dokumente in über 60 Ländern.

www.xsuite.com

Bilder: © xSuite Group, Fotostudio Cornelia Hansen