Kann KI Bestellanforderungsdaten extrahieren?
PR-Extraktion ist nicht PO-Extraktion

Was unterscheidet einen Kaufantrag von einer Bestellung

Der häufigste Fehler bei der PR-Extraktion ist, sie wie ein PO-Extraktionsproblem zu behandeln. Beide teilen ähnliche Feldnamen – Belegnummer, Datum, Antragsteller, Lieferant, Positionen, Mengen, Summen – aber Zweck und Struktur unterscheiden sich so stark, dass ein auf Bestellungen ausgerichtetes Tool einen Kaufantrag stillschweigend falsch interpretiert.

Eine Bestellung ist ein Vertrag gegenüber dem Lieferanten. Sie kommuniziert Bestellmengen, vereinbarte Preise, Liefertermine und Zahlungsbedingungen an einen Anbieter. Ihre Felder sind relativ standardisiert, da Lieferanten sie lesen und ausführen müssen. Bestellnummernformate mögen variieren, aber das Konzept einer Bestellnummer ist bei jedem Lieferanten in jeder Branche universell.

Ein Kaufantrag ist eine interne Genehmigungsanfrage. Er besagt: „Ich muss dies kaufen – bitte genehmigen Sie die Ausgabe." Seine Felder spiegeln die interne Unternehmensstruktur wider: Abteilungscodes, Kostenstellen, Budgetkontonummern, Genehmigungshierarchien, Begründungsvermerke, Lieferantenvorschläge. Keines dieser Felder erscheint auf einer Bestellung. Und anders als Bestellungen, die in der Regel systemgeneriert sind, kommen Kaufanträge immer noch als handschriftlich ausgefüllte Papierformulare, ausgedruckte und unterschriebene Excel-Tabellen oder formlose E-Mail-Anhänge – Formate ohne jegliche Standardisierung. Für einen breiteren Überblick darüber, wie verschiedene Dokumenttypen unterschiedliche Extraktionsansätze erfordern, lesen Sie unseren Leitfaden zu was PO-Datenextraktion eigentlich ist.

Die praktische Konsequenz: Wenn Sie ein PO-Extraktionstool auf Kaufanträge anwenden, findet es zuverlässig die Belegnummer und das Datum – übersieht oder klassifiziert dann aber jedes Feld falsch, das für den Genehmigungsworkflow wichtig ist. Das Abteilungsfeld wird zu „Lieferadresse", der Budgetcode wird ignoriert, und die Genehmigungsunterschriften werden nicht erfasst, weil das Tool nicht danach gesucht hat.

Wo PR-Daten leben: Handschriftliche Formulare, Excel-Exporte und gescanntes Papier

Im Gegensatz zu Bestellungen, die die meisten Unternehmen über ihr ERP-System generieren, stammen Bestellanforderungen noch aus unterschiedlichsten Quellen – und viele sind nicht digital geboren.

Handschriftliche PR-Formulare. In der Fertigung, im Bauwesen und im Außendienst werden Anforderungen von Hand ausgefüllt – ein Instandhaltungsleiter notiert Teilenummern, schätzt Kosten aus dem Gedächtnis und reicht das Papierformular beim Einkauf ein. Diese handschriftlichen PRs enthalten Abkürzungen, aus dem Gedächtnis notierte Teilcodes und manuelle Kostenschätzungen. KI, die auf getippten Text angewiesen ist, liefert hier nichts Brauchbares. Die visionsbasierte Extraktion liest die Handschrift als Teil des Dokumentenbildes und identifiziert „Menge: 5“, indem sie den Feldkontext versteht – selbst bei unleserlicher Schrift.

Excel-gedruckte und gescannte PRs. Viele Abteilungen nutzen Excel-Vorlagen als Anforderungsformulare – und jede Abteilung hat eine andere Vorlage. Spaltenpositionen verschieben sich, verbundene Überschriften tauchen an unerwarteten Stellen auf, und die Zelle „Gesamt“ befindet sich in einem Formular in Zeile 25 und in einem anderen in Zeile 40. Die vorlagenbasierte OCR scheitert, weil keine zwei Excel-gedruckten PRs dasselbe Layout haben. Die semantische Extraktion liest Werte anhand ihrer Spaltenbeschriftungen, nicht ihrer Positionen, sodass „Beschreibung“ in Spalte C eines Formulars und in Spalte E eines anderen als dasselbe Feld erkannt wird. Selbst Unternehmen, die PRs digital erstellen, drucken sie oft für Unterschriften aus und scannen dann das unterschriebene Exemplar – das resultierende PDF ist ein Bild ohne auswählbaren Text. Mehr dazu, wie KI mit Dokumenten ohne Textebene umgeht, erfahren Sie in unserem Leitfaden ob KI Daten aus gescannten PDFs extrahieren kann.

Das Genehmigungsketten-Problem: Unterschriften, Weiterleitung und Status

Dies ist die Extraktionsherausforderung, die es in der Bestellungsverarbeitung nicht gibt. Eine Bestellanforderung ist kein einzelner Datensatz – sie ist ein Dokument mit einem Lebenszyklus. Genehmigungsunterschriften, Daten und Weiterleitungsentscheidungen sind Datenpunkte, die die PR-Extraktion erfassen muss, damit das Dokument nutzbar ist.

Eine typische Genehmigungskette in einer Anforderung könnte so aussehen:

Jeder dieser Unterschriftsblöcke ist ein separates Extraktionsziel. Der Name des Antragstellers steht oben. Die Unterschrift des Managers steht in der Mitte – manchmal mit einem Kontrollkästchen für „Genehmigt“ oder „Abgelehnt“. Die endgültige Freigabe des Einkäufers steht unten, oft mit der Bestellnummer, die aus der genehmigten PR generiert wurde. Ein Extraktionstool muss zwischen „Antragsdatum“ und „Genehmigungsdatum“ unterscheiden – zwei verschiedene Daten auf derselben Seite – und jedes der richtigen Spalte zuordnen.

Hier versagt die positionsbasierte Extraktion am deutlichsten. Auf dem Formular einer Abteilung befindet sich das Feld für die Unterschrift des Vorgesetzten unten rechts, auf dem einer anderen Abteilung in einer Seitenleiste links, und bei einem dritten ist es in einer Tabellenzeile neben den Positionen eingebettet. Die semantische Extraktion umgeht dies, indem sie nach der Kombination aus „Genehmigung durch Vorgesetzten“ oder „Freigegeben von“ sowie einer Unterschrift oder einem Datum sucht – sie identifiziert den Genehmigungsblock also anhand der Bedeutung, nicht der Position.

Welche Felder bei der Bedarfsanforderungsextraktion wichtig sind

Bedarfsanforderungen (PRs) enthalten eine spezifische Reihe von Feldern, die sich von Bestellungen (POs) unterscheiden. Eine vollständige PR-Extraktion sollte sowohl die Anforderungsinformationen auf Kopfebene als auch die Positionsdetails erfassen:

Das Feld „Abteilungsartikelcode“ verdient besondere Aufmerksamkeit. Anders als bei Bestellungen, bei denen die Artikelcodes aus dem Lieferantenkatalog stammen, verwenden interne PRs abteilungsspezifische Nummerierungsschemata – die Instandhaltung nutzt Gerätecodes, die IT Asset-Tags, die Technik Zeichnungsnummern. Eine KI-Extraktion, die diese Codes korrekt liest, ohne für jedes Abteilungssystem eine Nachschlagetabelle zu benötigen, verhindert, dass die Ausgabe im Schritt der Bestellerstellung manuell korrigiert werden muss.

Ebenso sind die geschätzten Kosten in einer PR eine Budgetprüfung, kein verbindlicher Preis. Das Extraktionstool muss „Geschätzte Kosten“ oder „Geschätzter Einzelpreis“ als Schätzwert erfassen und nicht mit einem bestätigten Preis verwechseln. Die semantische Extraktion meistert dies, da sie das qualifizierende Feldlabel liest, anstatt einfach die nächste Zahl zu übernehmen.

Wie KI die PR-Extraktion anders handhabt

Der Kernmechanismus – semantische Extraktion durch visuelle KI – ist dieselbe Technologie, die Rechnungen und Bestellungen verarbeitet. Doch PR-Dokumente stellen andere Anforderungen.

Größere Formatvielfalt. Eine Rechnung folgt ausreichend Konventionen, sodass ein Setup für die meisten Lieferanten reicht. Eine Bedarfsanforderung hat keine Konventionen – jedes Unternehmen und oft jede Abteilung gestaltet ihr eigenes Formular. Semantische Extraktion meistert dies, weil sie die Bedeutung von Feldern liest, statt Layouts abzugleichen. Sie definieren die Spalten einmal – „PR-Nummer“, „Abteilung“, „Artikelbeschreibung“, „Kostenschätzung“, „Genehmigt von“ – und die KI findet diese Werte überall auf jedem Abteilungsformular. Dies ist die benutzerdefinierte Spaltenextraktion: Sie geben die Feldnamen ein, und die KI findet passende Daten, indem sie versteht, was jeder Textabschnitt bedeutet.

Handschrift ist die Regel, nicht die Ausnahme. In vielen Beschaffungsabteilungen enthalten über die Hälfte der eingehenden Anforderungen handschriftliche Elemente – per Hand korrigierte Mengen, Genehmigungsunterschriften, Notizen am Rand. Die visuelle KI liest diese als Teil des Dokuments. Bei handschriftlichen Artikelcodes und Mengen hängt die Genauigkeit von der Leserlichkeit ab, aber der semantische Kontext hilft: Eine KI, die nach „Menge“ sucht, liest eine handschriftliche „5“ in der Nähe von „Stk“ mit höherer Wahrscheinlichkeit korrekt als dasselbe Zeichen isoliert. Mehr dazu in unserem Leitfaden zur KI-Handschrifterkennung.

Genehmigungsunterschriften sind Daten, nicht Dekoration. Bei der Bestellextraktion sind Unterschriften meist irrelevant. Bei der PR-Extraktion sind sie entscheidend: Wer hat wann und auf welcher Ebene genehmigt? Eine KI, die Unterzeichner, Datum und Genehmigungsstatus erfasst, verwandelt manuelle Routing-Verfolgung in auswertbare Daten. Eine praktische Anleitung finden Sie in unserem Leitfaden zur Datenextraktion aus Bedarfsanforderungs-PDFs.

Häufig gestellte Fragen

Daten aus Bestellanforderungen extrahieren

Die Extraktion von Bestellanforderungen steht an der Schnittstelle zweier Realitäten, die die meisten Beschaffungsabteilungen als unvermeidbar akzeptieren: Interne Formulare sind nicht standardisiert, und die manuelle Bearbeitung von Bestellanforderungen verteuert sich in jeder Abteilung und auf jeder Genehmigungsebene. KI-gestützte Extraktion ändert das, indem sie jede Bestellanforderung als visuelles Dokument behandelt, das sie durch Lesen versteht – nicht durch Template-Abgleich. Dieselbe Spaltendefinition funktioniert bei handschriftlichen Wartungsanfragen, in Excel gedruckten technischen Anforderungen und gescannten Lagerbestellungen.

Die entscheidende Frage ist nicht: „Kann KI Bestellanforderungen extrahieren?“ – die Antwort ist ja. Die Frage ist, ob das Extraktionstool den Unterschied zwischen einer internen Genehmigungsanfrage und einer Lieferantenbestellung erkennt. Diese Unterscheidung bestimmt, ob Ihre Ausgabe vollständig ist oder die Hälfte der relevanten Felder fehlt.

Laden Sie eine Muster-Bestellanforderung hoch – jedes Format, jede Abteilung – und sehen Sie, wie das Tool mit Ihren eigenen Dokumenten umgeht.