Beleg-Abgleich mit KI Bestellung, Lieferschein und Rechnung automatisch matchen.

In jeder Buchhaltung läuft täglich derselbe Vorgang: Eine Eingangsrechnung trifft ein, und jemand prüft, ob sie zu einer Bestellung und einem Wareneingang passt. Stimmen Artikel, Mengen und Preise überein? Wurde wirklich geliefert, was berechnet wird? Dieser Drei-Wege-Abgleich ist notwendig — er verhindert, dass falsche oder doppelte Rechnungen bezahlt werden — aber er ist auch monoton und bindet erfahrene Mitarbeiter an eine Tätigkeit, die zum überwiegenden Teil aus Routine besteht. KI kann diesen Abgleich weitgehend übernehmen: Positionen aus drei Dokumenten zusammenführen, Übereinstimmungen bestätigen und nur die echten Abweichungen zur menschlichen Prüfung vorlegen. Dieser Beitrag zeigt, wie ein solcher Abgleich in der Praxis funktioniert, welche Fälle sich automatisieren lassen und welche bewusst beim Menschen bleiben, welche Genauigkeit realistisch ist und worauf es bei der Anbindung an ERP und Buchhaltung ankommt — ehrlich, inklusive der Grenzen.

Was den Drei-Wege-Abgleich so aufwendig macht.

Theoretisch ist der Abgleich simpel: Bestellung, Lieferschein und Rechnung sollten dieselben Positionen mit denselben Mengen und Preisen zeigen. In der Praxis stimmen sie selten exakt überein. Mengen werden in Teillieferungen aufgeteilt. Artikelbezeichnungen unterscheiden sich zwischen Lieferant und eigenem System. Preise weichen um Rundungsdifferenzen, Rabatte oder Frachtkosten ab. Positionen sind in unterschiedlicher Reihenfolge gelistet oder zusammengefasst.

Genau diese kleinen Unschärfen machen die Tätigkeit für Software lange schwierig und für Menschen mühsam. Ein Sachbearbeiter muss erkennen, dass „Schraube M6x40 verzinkt“ auf der Rechnung dieselbe Position ist wie „Sechskantschraube M6 40mm“ in der Bestellung — eine Aufgabe, an der starre regelbasierte Systeme scheitern, weil sie auf exakte Übereinstimmung angewiesen sind.

Hier liegt die eigentliche Stärke der KI: Sie kann semantische Ähnlichkeit erkennen, Positionen einander zuordnen, auch wenn die Schreibweise abweicht, und mit den typischen Unschärfen umgehen, ohne für jede Variante eine Regel zu brauchen.

Wie der Abgleich technisch abläuft.

Ein KI-gestützter Abgleich läuft typischerweise in mehreren Schritten. Zuerst werden die drei Dokumente eingelesen und ihre Positionen strukturiert extrahiert — aus PDF-Rechnungen, EDI-Datensätzen oder gescannten Lieferscheinen. Dann werden die Positionen einander zugeordnet: Welche Rechnungszeile gehört zu welcher Bestellzeile und welchem Wareneingang?

Im dritten Schritt vergleicht das System die zugeordneten Positionen auf drei Dimensionen — Artikel, Menge, Preis — und bewertet jede Abweichung. Eine Mengendifferenz, die durch eine dokumentierte Teillieferung erklärt ist, ist unkritisch. Ein Preis, der drei Prozent über der Bestellung liegt, ist ein Fall fürs Eskalieren. Ein berechneter Artikel, der gar nicht bestellt wurde, ist ein klarer Stopp.

Am Ende steht für jede Rechnung eine Entscheidung: vollständig abgeglichen und buchungsbereit, oder Abweichung mit konkreter Begründung zur Prüfung. Entscheidend ist, dass das System nicht einfach „passt nicht“ meldet, sondern genau benennt, welche Position warum abweicht — das spart der Prüfung die halbe Arbeit.

Was sich automatisieren lässt — und was nicht.

Nicht jede Rechnung ist gleich gut automatisierbar. Es lohnt sich, ehrlich zu unterscheiden:

Realistisch lassen sich in vielen mittelständischen Kreditorenbuchhaltungen die klar strukturierten Warenrechnungen — oft ein Großteil des Volumens, aber nicht aller Fälle — weitgehend automatisch abwickeln. Die Toleranzschwellen sollten dabei das Unternehmen selbst festlegen: Was ist eine akzeptable Preisdifferenz, ab welchem Betrag wird immer geprüft?

Nur echte Abweichungen eskalieren.

Der eigentliche Nutzen entsteht nicht dadurch, dass die KI bucht, sondern dadurch, dass sie filtert. Wenn von hundert Rechnungen achtzig glatt durchlaufen und nur zwanzig zur Prüfung kommen, konzentriert sich die Buchhaltung auf die Fälle, die wirklich Aufmerksamkeit brauchen — statt jede Position einzeln zu vergleichen.

Damit das funktioniert, muss die Eskalation präzise sein. Zwei Fehler sind zu vermeiden: Zu viele falsche Alarme — dann prüft das Team weiterhin fast alles und der Nutzen verpufft. Und übersehene echte Abweichungen — dann wird Falsches bezahlt und das Vertrauen ist dahin. Die Kunst liegt in der richtigen Schwelle zwischen diesen beiden Fehlern.

Bewährt hat sich, konservativ zu starten: Im Zweifel eskalieren, lieber einen Fall zu viel prüfen lassen. Mit wachsendem Vertrauen und sauberen Rückmeldungen kann die Schwelle behutsam angehoben werden. Wichtig ist eine Feedback-Schleife: Jede vom Menschen korrigierte Entscheidung verbessert die Treffsicherheit künftiger Abgleiche.

Integration in ERP und Buchhaltung.

Ein Abgleich, der in einem separaten Tool stattfindet und dessen Ergebnis manuell ins ERP übertragen wird, bringt wenig. Der Hebel entsteht, wenn die KI direkt mit dem führenden System spricht: Bestelldaten lesen, Wareneingänge abgleichen, das Prüfergebnis zurückschreiben und freigegebene Rechnungen zur Buchung anstoßen.

Bei gängigen Systemen — SAP, DATEV, Microsoft Dynamics, Sage oder branchenspezifischen ERPs — existieren dafür heute meist saubere Schnittstellen oder fertige Connector-Bausteine. Wichtig ist, die Verantwortung klar zu trennen: Die KI schlägt vor und begründet, die Buchung im engeren Sinne bleibt ein kontrollierter, nachvollziehbarer Schritt. Gerade in der Buchhaltung ist Auditierbarkeit nicht verhandelbar — jeder automatische Abgleich muss später nachvollziehbar dokumentiert sein.

Sinnvoll ist außerdem, den Eingangskanal mitzudenken: Rechnungen kommen per PDF, per E-Mail, als EDI oder über ein Portal. Ein robuster Prozess fängt alle relevanten Kanäle ab und führt sie in denselben Abgleich.

Realistischer Nutzen und Wirtschaftlichkeit.

Der Nutzen lässt sich gut beziffern, weil der manuelle Aufwand pro Rechnung bekannt ist. Wenn ein Drei-Wege-Abgleich manuell mehrere Minuten pro Beleg kostet und ein großer Teil davon entfällt, summiert sich das bei mehreren tausend Rechnungen im Monat schnell zu erheblicher freigesetzter Kapazität.

Neben der Zeit zählt die Qualität: Weniger doppelt bezahlte Rechnungen, weniger übersehene Preisabweichungen, schnellere Durchlaufzeiten und damit bessere Ausnutzung von Skonti. Gerade die rechtzeitige Skontonutzung wird oft unterschätzt — sie kann den Business Case allein tragen.

Die Investition für einen ersten Anwendungsfall bewegt sich im Mittelstand je nach ERP-Anbindung und Belegvielfalt in einer überschaubaren Größenordnung, die sich bei entsprechendem Belegvolumen häufig innerhalb des ersten Jahres amortisiert. Ehrlich bleibt: Der Pflegeaufwand und die laufenden Modellkosten gehören in die Rechnung, und sie verschwinden nicht.

Wo die Grenzen liegen.

So nützlich der automatische Abgleich ist — er ersetzt die Buchhaltung nicht, sondern entlastet sie. Drei Grenzen sind ehrlich zu benennen.

Erstens sind Belege ohne klare Struktur schwierig. Handschriftliche Vermerke, exotische Layouts oder schlecht gescannte Dokumente senken die Trefferquote. Hier hilft eine Konfidenzprüfung, die unsichere Extraktionen markiert, statt sie blind zu übernehmen.

Zweitens braucht der Abgleich saubere Stammdaten. Wenn Artikelnummern im Bestellsystem nicht gepflegt sind oder Lieferantenkataloge fehlen, fehlt der Bezugspunkt, an dem die KI ansetzt. Oft ist die Datenpflege die größere Baustelle als die KI selbst.

Drittens bleiben Sonderfälle — Reklamationen, Gutschriften, strittige Lieferungen — ein menschliches Geschäft. Ein gutes System erkennt diese Fälle und reicht sie weiter, statt eine Scheinlösung zu erzwingen. Das ist keine Schwäche, sondern die richtige Arbeitsteilung zwischen Maschine und Mensch.

Sie wollen prüfen, wie viel Ihres Rechnungseingangs sich realistisch automatisch abgleichen lässt? Unverbindlich anfragen — wir schauen gemeinsam auf Belegvolumen, Stammdatenqualität und ERP-Anbindung und schätzen den möglichen Hebel für Ihren Anwendungsfall ehrlich ab.