So automatisierst du Dokumentenprozesse und sparst messbar Kosten 

Die Dokumentenautomatisierung verbindet strukturierte E-Rechnungen, OCR, KI, Workflow-Automatisierung und rechtskonforme Archivierung zu einem durchgängigen Geschäftsprozess. Sie ist erst wirtschaftlich, wenn nicht nur Dokumente automatisch ausgelesen werden, sondern auch die Ausnahmequote, die Nacharbeit, die Freigabezeit und die Kosten je Vorgang messbar sinken. Viele Unternehmen messen bei der Automatisierung der Dokumentenverarbeitung jedoch die falsche Größe.

Für die kaufmännische Steuerung ist entscheidender, wie viele Vorgänge ohne manuelle Arbeit vollständig abgeschlossen werden können und was jede Ausnahme tatsächlich kostet. Genau hier liegt der Unterschied zwischen einer technisch beeindruckenden Demo und einer Investition, die sich rechnet. Wer Dokumentenprozesse automatisieren will, muss deshalb den vollständigen Vorgang und nicht nur die Erkennung betrachten.

Ein PDF ist seit 2025 nicht automatisch eine E-Rechnung

Die Digitalisierung von Dokumenten bekommt durch die E-Rechnung eine neue wirtschaftliche Relevanz. Seit dem 1. Januar 2025 gilt ein einfaches PDF im deutschen Umsatzsteuerrecht nicht mehr als E-Rechnung, weil ihm ein strukturiertes Format zur elektronischen Verarbeitung fehlt. XRechnung und geeignete ZUGFeRD-Profile basieren dagegen auf strukturierten Daten, die automatisierte Systeme direkt weiterverarbeiten können. Das erläutert das Bundesfinanzministerium in seinen FAQ zur E-Rechnung. Wie sich diese Anforderungen in SAP in einen automatisierten Prozess überführen lassen, zeigt unser Beitrag „E-Rechnung mit SAP umsetzen: Von der Pflicht zum automatisierten Prozess“.

Für Unternehmen bedeutet das: Ein digitales Dokument ist noch kein digitaler Prozess. Wer Rechnungen lediglich per E-Mail empfängt und anschließend manuell in ERP- oder DMS-Systeme eingibt, hat zwar den Papiertransport ersetzt, den eigentlichen Ablauf aber nicht effizienter gestaltet. Wie sich elektronische Belege von XRechnung bis ZUGFeRD zentral in SAP verwalten, automatisieren und nachvollziehbar steuern lassen, erläutert unser Praxis-Leitfaden für elektronische Belege in SAP.

Seit dem 1. Januar 2025 müssen inländische Unternehmen E-Rechnungen empfangen können. Für die Ausstellung gelten Übergangsfristen: Bis Ende 2026 können Rechnungsaussteller grundsätzlich noch sonstige Rechnungen verwenden. Bei einem Vorjahresumsatz bis 800.000 Euro verlängert sich die Frist sogar bis Ende 2027. Welche Veränderungen daraus für den Rechnungsprozess entstehen, vertieft unser Blogartikel „SAP E-Rechnung 2027: Was ändert sich im Rechnungsprozess?“. Der bloße Empfang erzeugt jedoch noch keine Effizienz. Der wirtschaftliche Nutzen entsteht erst, wenn Unternehmen den strukturierten Datensatz validieren, mit Bestellungen abgleichen, zur Freigabe weiterleiten und rechtskonform archivieren.

Die neue Kernkennzahl: Straight-Through-Processing statt OCR-Genauigkeit

OCR ist zwar wichtig, als alleinige KPI ist es jedoch ungeeignet. Denn eine hohe Genauigkeit bei der Texterkennung sagt nichts darüber aus, ob ein Vorgang ohne Eingriffe abgeschlossen werden kann. Denn schon ein falsch erkanntes Schlüsselfeld kann die gesamte Dokumentenverarbeitung stoppen. Relevanter ist die Dunkelverarbeitungsquote, international häufig Straight-Through-Processing-Rate genannt:

Dunkelverarbeitungsquote = vollständig automatisierte Vorgänge / alle eingegangenen Vorgänge × 100

Diese Kennzahl zeigt, welcher Anteil ohne manuelle Arbeit vom Eingang bis zur Buchung, Freigabe oder Archivierung läuft. Ergänzend sollte das Management vier Größen beobachten:

• Ausnahmequote: Anteil der Vorgänge, die an eine Abteilung weitergeleitet werden.
• Nacharbeitszeit: Minuten, die Mitarbeitende für Korrektur, Suche und Klärung benötigen.
• First-Time-Right-Rate: Anteil der Dokumente, die beim ersten Durchlauf korrekt verarbeitet werden.
• Kosten je Ausnahme: Personalkosten plus Verzögerungs-, Fehler- und Opportunitätskosten.

Ein Beispiel: Ein System verarbeitet 10.000 Dokumente pro Monat und erreicht bei der Klassifizierung eine Genauigkeit von 95 Prozent. Das klingt gut. Wenn jedoch 30 Prozent der Vorgänge wegen fehlender Bestellnummern, unklarer Zuständigkeiten oder fehlerhafter Stammdaten manuell geprüft werden müssen, bleibt der wirtschaftliche Effekt begrenzt. Das Problem liegt dann nicht bei der künstlichen Intelligenz, sondern beim vorgelagerten Geschäftsprozess.

Konfidenzwerte sind keine Freigabeentscheidung

Moderne Dokumentenverarbeitung liefert für extrahierte Felder häufig einen Konfidenzwert. Microsoft AI Builder gibt beispielsweise für Rechnungsnummer, Fälligkeitsdatum, Betrag oder Lieferantenname einen Wert zwischen 0 und 1 aus. Die Microsoft-Dokumentation zur Rechnungsverarbeitung beschreibt diese feldbezogenen Confidence Scores ausdrücklich.

Ein hoher Wert bedeutet allerdings nur, dass das Modell seiner Erkennung vertraut. Er bestätigt weder die sachliche Richtigkeit noch die Einhaltung interner Regeln. Ein Betrag kann korrekt extrahiert und trotzdem unberechtigt sein. Ein Lieferant kann richtig erkannt werden, obwohl seine Bankverbindung manipuliert wurde. Das Modell extrahiert relevante Informationen, trifft damit aber noch keine kaufmännische Freigabeentscheidung.

Deshalb benötigt jeder intelligente Workflow drei getrennte Prüfungen:

1. Technische Sicherheit: Wurde das Feld mit ausreichender Konfidenz erkannt?
2. Fachliche Plausibilität: Passt der Inhalt zu Bestellung, Vertrag, Wareneingang und Stammdaten?
3. Berechtigung: Darf der Vorgang in dieser Höhe automatisch gebucht oder freigegeben werden?

Erst durch diese Trennung werden automatisierte Prozesse sicher und effizient. Eine pauschale Schwelle für alle Dokumententypen wäre zu grob. Während bei einer internen Projektnummer ein niedrigerer Wert vertretbar sein kann, sind bei IBAN, Steuerbetrag oder Zahlungsempfänger strengere Regeln und gegebenenfalls eine menschliche Freigabe erforderlich. So lassen sich finanzielle und regulatorische Risiken minimieren.

Der strukturierte Teil ist bei hybriden Rechnungen führend

Eine wenig bekannte Folge der E-Rechnungsregeln betrifft hybride Formate wie ZUGFeRD. Wenn sich der lesbare Bildteil und die strukturierten XML-Daten unterscheiden, sind seit der Einführung der obligatorischen E-Rechnung die strukturierten Daten maßgebend. Unternehmen sollten sich daher nicht darauf verlassen, dass die angezeigte PDF-Ansicht den buchungsrelevanten Inhalt vollständig wiedergibt.

Für die Prozessautomatisierung ergibt sich daraus ein klarer Kontrollpunkt: Das System sollte den strukturierten Datensatz validieren, Abweichungen zum sichtbaren Dokument erkennen und Informationen aus Anhängen getrennt behandeln. Zudem empfiehlt das Bundesfinanzministerium eine Validierung, um fehlende oder unlogische Pflichtangaben früh zu erkennen.

Diese Prüfung muss vor der Buchung und vor der Archivierung von Dokumenten erfolgen. Wird eine fehlerhafte E-Rechnung zuerst archiviert und erst später beanstandet, verlängert sich der Korrekturprozess und die Zuordnung zwischen Original, Berichtigung und Buchung wird unnötig komplex.

Acht Jahre Aufbewahrung bedeuten mehr als „Datei liegt im Archiv“

Für E-Rechnungen gilt eine umsatzsteuerliche Aufbewahrungsfrist von acht Jahren. Der strukturierte Teil muss dabei so archiviert werden, dass er unversehrt in seiner ursprünglichen Form erhalten bleibt. Damit wird das Dokumentenmanagement zur Frage der Nachweisbarkeit und nicht nur zur Frage des Speicherplatzes. Ein rechtskonformes Konzept für die Verwaltung von Dokumenten sollte deshalb folgende Fragen beantworten:

• Welche Originaldatei wurde empfangen?
• Wann und über welchen Kanal ging sie ein?
• Welche Validierung wurde durchgeführt?
• Welche Informationen hat das System extrahiert?
• Wer hat welche Änderung oder Freigabe vorgenommen?
• Welche Version wurde gebucht und welche später berichtigt?
• Wer besitzt Zugriff auf Dokumente und mit welcher Berechtigung?
• Wann darf oder muss ein Dokument gelöscht werden?

Ein Enterprise-Content-Management-System (ECM) oder Dokumentenmanagementsystem (DMS) bildet in der Regel die revisionssichere Ablage. Das ERP-System bleibt das führende System für Buchungen und Zahlungen. Die Workflow-Automatisierung verbindet beide Systeme. Diese Trennung ist strategisch relevant: Ein Archiv ist kein Prozessmotor und ein ERP-System ist nicht automatisch ein vollständiges Dokumentenarchiv.

Dokumente zuerst trennen, dann extrahieren

Ein unterschätzter Kostentreiber sind Sammeldateien. In einer PDF können Anschreiben, Rechnung, Leistungsnachweis und weitere Anlagen enthalten sein. Wird die gesamte Datei ungeprüft an ein Extraktionsmodell übergeben, steigen Rechenkosten und Fehlerrisiko.

Die robustere Reihenfolge lautet:

1. Eingangskanal und Dateiformat prüfen.
2. Datei in einzelne logische Dokumente trennen.
3. Dokumententypen klassifizieren.
4. Nur die relevanten Seiten an OCR oder KI übergeben.
5. Daten extrahieren und fachlich validieren.
6. Den passenden Workflow starten.

Microsoft weist bei seinem Rechnungsmodell darauf hin, dass gezielt gewählte Seitenbereiche Kosten der Modellvorhersage reduzieren und die Performance erhöhen können. Das ist ein kleines technisches Detail mit direkter betriebswirtschaftlicher Wirkung: Nicht jede Seite braucht dieselbe Form der Analyse.

Bei standardisierten XML-Rechnungen ist OCR für die Kernfelder häufig gar nicht erforderlich. Die Daten sind bereits strukturiert. OCR bleibt relevant für ergänzende PDFs, Scans, Altbestände und andere Dokumententypen. Eine gute Architektur entscheidet also zuerst, welche Information bereits maschinenlesbar vorhanden ist, bevor sie maschinelles Lernen einsetzt.

Process Mining zeigt den realen Ablauf statt des Sollprozesses

Viele Digitalisierungsprojekte beginnen mit einem Workshop und der Erstellung eines Sollprozesses. Das ist zwar hilfreich, bildet aber oft nicht ab, wie Geschäftsabläufe tatsächlich laufen. Rückfragen per E-Mail, erneute Freigaben, Systemwechsel und Liegezeiten bleiben in Prozessdiagrammen unsichtbar.

Process Mining nutzt Ereignisdaten aus den beteiligten Systemen, um reale Prozessvarianten, Engpässe und Abweichungen sichtbar zu machen. Microsoft Power Automate kann dazu Event-Daten aus den Systemen of Record auswerten, Prozesspfade vergleichen und KPIs überwachen. Die offizielle Übersicht zu Process Mining nennt ausdrücklich Optimierung, Automation, Compliance und Ursachenanalyse als Einsatzfelder. Damit lassen sich Arbeitsabläufe gezielt beschleunigen, statt nur einzelne Routineaufgaben zu verlagern.

Für Dokumentenprozesse sind vor allem diese Fragen interessant:

• Wie oft springt ein Vorgang zwischen Einkauf und Buchhaltung zurück?
• Wo entstehen Wartezeiten vor einer Freigabe?
• Welche Lieferanten verursachen überdurchschnittlich viele Ausnahmen?
• Welche Dokumententypen werden besonders häufig falsch klassifiziert?
• Wie viele manuelle Prozesse entstehen nur wegen fehlender Stammdaten?
• Welche automatisierten Workflows werden regelmäßig abgebrochen?

Damit lässt sich vor der Investition erkennen, ob die Dokumentenbearbeitung, die Dokumentenverarbeitung oder die unklare Prozessverantwortung den größten Aufwand verursacht. Anschließend können Unternehmen gezielt rationalisieren, anstatt einen schlechten Ablauf unverändert zu digitalisieren und zu automatisieren.

Die richtige Architektur: Regeln, RPA und KI gezielt kombinieren

Nicht jeder Schritt braucht KI. Die wirtschaftlichste Lösung verteilt Aufgaben nach ihrer Natur:

Aufgabe	Geeignete Technologie	Typisches Beispiel
Strukturierte Daten übernehmen	Schnittstelle oder regelbasierte Verarbeitung	XML-Daten einer E-Rechnung ins ERP übertragen
Bild und Text erkennen	OCR	Scan oder PDF-Anlage lesbar machen
Dokumente klassifizieren	KI mit maschinellem Lernen	Rechnung, Vertrag und Lieferschein unterscheiden
Feste Bildschirmaktionen ausführen	RPA	Daten in ein Altsystem ohne API eintragen
Arbeitsabläufe steuern	Microsoft Power Automate oder Workflow-System	Prüfung, Eskalation und Freigabe koordinieren
Dokumente verwalten	DMS oder Enterprise Content Management	Versionierung, Berechtigung und Archivierung

Diese Aufteilung minimiert unnötige Komplexität. RPA eignet sich für stabile Oberflächen und feste Abläufe, ist aber bei Layoutänderungen fehleranfällig. KI kann variable Inhalte verstehen, benötigt jedoch Leitplanken. Regelbasierte Prüfungen bleiben für Beträge, Pflichtfelder und Berechtigungen oft präziser und günstiger.

Wer Workflows automatisieren will, sollte daher nicht nach einem einzigen Werkzeug suchen. Automatisierte Workflows liefern dann den höchsten Nutzen, wenn jedes System eine klar definierte Aufgabe übernimmt und die Übergaben nahtlos protokolliert werden. Der Einsatz künstlicher Intelligenz bleibt dabei auf die Schritte begrenzt, bei denen variable Inhalte tatsächlich bewertet werden müssen.

Fünf KPIs für den belastbaren Business Case

Ein Projekt zur Automatisierung von Dokumentenprozessen braucht vor dem Start eine messbare Ausgangslage. Diese fünf KPIs reichen für eine erste wirtschaftliche Bewertung:

1. Kosten je vollständig verarbeitetem Dokument: inklusive Lizenzen, Betrieb, manueller Arbeit und Nachbearbeitung.
2. Dunkelverarbeitungsquote: Anteil vollständig automatisierter Vorgänge.
3. Mittlere Zeit bis zur Freigabe: nicht nur reine Bearbeitungszeit, sondern gesamte Liegezeit.
4. Ausnahmequote nach Ursache: fehlende Daten, Regelverstoß, geringe Konfidenz oder technische Störung.
5. Finanzielle Wirkung: Skontoverlust, Mahnkosten, vermiedene Fehler und freigesetzte Kapazität.

So wird Effizienz nicht behauptet, sondern belegt. Steigt die Produktivität, ohne dass Qualität oder Compliance leiden, kann die Lösung auf weitere Geschäftsprozesse ausgeweitet werden. Bleibt die Ausnahmequote hoch, liegt der nächste Hebel möglicherweise in Stammdaten, Lieferantenkommunikation oder Prozessdesign und nicht in zusätzlicher Automation.

Was Unternehmen jetzt konkret tun sollten

Die Übergangsfristen der E-Rechnung sind kein Grund, die Umsetzung aufzuschieben. Sie bieten Zeit, Eingangskanäle, Datenqualität und Archivierung kontrolliert zu testen.

Ein pragmatischer Start umfasst vier Schritte:

1. Bestand aufnehmen: Dokumentenmengen, Formate, Systeme, Medienbrüche und manuelle Arbeit je Abteilung erfassen.
2. Realen Prozess messen: Event-Daten und Stichproben nutzen, um Varianten und Liegezeiten zu verstehen.
3. Kontrollen definieren: Konfidenzschwellen, Berechtigung, Freigabe und Compliance-Regeln je Dokumententyp festlegen.
4. Pilot wirtschaftlich bewerten: Kosten je Vorgang, Ausnahmequote und Durchlaufzeit vor und nach der Einführung vergleichen.

Erst danach sollte mit der Skalierung begonnen werden. Unternehmen automatisieren ihre Dokumentenprozesse erfolgreich, wenn sie zunächst Transparenz schaffen und anschließend gezielt Prozesse automatisieren. Wer hingegen nur verspricht, Dokumentenprozesse zu revolutionieren, ohne Ausnahmebehandlungen und Betriebskosten offenzulegen, kann keinen belastbaren Business Case liefern.

Die teuerste Stelle liegt meist zwischen Erkennung und Abschluss

Dokumente automatisch zu lesen, ist heute technisch vergleichsweise gut lösbar. Die eigentliche Herausforderung liegt jedoch zwischen dem extrahierten Feld und dem abgeschlossenen Geschäftsprozess: Validierung, Zuständigkeit, Freigabe, Fehlerbehandlung, Buchung und Archivierung müssen berücksichtigt werden. Genau dort entscheidet sich, ob die Automatisierung der Dokumentenverarbeitung tatsächlich Kosten sparen kann. Ein intelligentes System reduziert manuelle Arbeit nur dann nachhaltig, wenn es Ausnahmen kontrolliert behandelt, die Compliance nachweisbar unterstützt und relevante Informationen sicher an die richtigen Systeme übergibt. Die entscheidende Managementfrage lautet deshalb nicht: „Wie hoch ist die OCR-Genauigkeit?” Sie lautet: „Wie viele Vorgänge laufen vollständig, korrekt und rechtskonform durch und was kostet der Rest?”

Häufige Fragen zur Dokumentenautomatisierung