Der Komplettguide zu
Lieferschein- & POD-Datenerfassung

Was ist Lieferschein- & POD-Erfassung?

Die Lieferschein- und POD-Erfassung (Proof of Delivery) ist der automatisierte Prozess, bei dem handschriftliche und gedruckte Sendungsbestätigungsfelder – Lieferscheinnummer, Datum, Versender, Empfänger, Spediteur, Sendungsnummer, Positionsmengen und Unterschriften – von den Papierbelegen, die Frachtsendungen begleiten, gelesen und in strukturierte Daten für Ihr TMS, ERP oder Ihre Abstimmungstabelle umgewandelt werden. Statt dass ein Sachbearbeiter oder Fahrer am Ende einer Schicht jedes Feld manuell aus einem Stapel von Durchschlagbelegen eingibt – ein Prozess, der 3–6 Minuten pro Dokument dauert und bei dem die Fehlerrate pro Feld bei Handschrift auf über 5 % steigt – liest die Erfassungssoftware jedes Dokument ganzheitlich, versteht, was jedes Feld bedeutet, nicht wo es auf der Seite steht, und gibt eine strukturierte Tabelle aus, die für den Abgleich bereit ist.

Ein Lieferschein ist kein Packzettel, auch wenn die beiden oft verwechselt werden. Ein Packzettel ist ein lieferantenseitiges Dokument, das die Ware vom Lager begleitet und zeigt, was bestellt versus was versendet wurde. Ein Lieferschein – manchmal auch als Lieferquittung, Frachtbrief oder Proof of Delivery bezeichnet – ist ein spediteurseitiges Dokument, das festhält, was tatsächlich angekommen ist, wer unterschrieben hat und ob es Ausnahmen gab (Beschädigung, Fehlmenge, Annahmeverweigerung). Der entscheidende Unterschied: Ein Lieferschein enthält handschriftliche Unterschriften, Fahrervermerke und Ausnahmecodes, die ein Packzettel nicht hat. Eine ausführlichere Einführung in den eng verwandten Dokumententyp finden Sie in unserem Artikel Was ist Packzettel-Datenerfassung? – dieser Leitfaden konzentriert sich auf die besonderen Herausforderungen der Erfassung, wenn die primäre Eingabe handschriftlich, mit dem Handy fotografiert und als rechtlicher Liefernachweis dient.

Warum die manuelle Lieferscheinverarbeitung teurer ist als Sie denken

Die Kosten der manuellen Lieferscheinverarbeitung sind unsichtbar, weil sie sich auf drei Abteilungen verteilen, die nicht miteinander darüber sprechen: Logistikbetrieb, Kreditorenbuchhaltung und Kundenservice. Jede Abteilung sieht nur ihr eigenes Symptom; niemand sieht die gesamte Kette.

Streitfälle bei der letzten Meile

Behauptet ein Kunde, 48 Einheiten erhalten zu haben, obwohl der Lieferschein 50 ausweist, und die handschriftliche Angabe der empfangenen Menge sowohl als „48“ als auch als „50“ gelesen werden kann – wer zahlt? Der Spediteur belastet den Versender für die fehlenden 2 Einheiten. Die Kreditorenbuchhaltung des Versenders setzt die Spediteurrechnung auf Hold. Jemand aus der Logistik muss den Papier-Lieferschein finden – der sich noch im Fahrerhaus, im Lager oder verloren befinden kann – und das Unterschriftenfeld entziffern. Jeder Streitfall kostet 20–45 Minuten über mehrere Abteilungen hinweg. Bei einer mittelgroßen Flotte mit 500 Lieferungen pro Woche bedeuten selbst 1 % Streitfälle 5 Fälle pro Woche, also etwa 2,5 bis 5,5 Stunden abteilungsübergreifende Arbeit, die niemand budgetiert.

POD-Abweichung gleich Zahlungsverzug

Die Zahlungsbedingungen für Spediteure lauten in der Regel netto 30 Tage ab Erhalt eines gültigen POD. „Gültiger POD“ bedeutet einen unterschriebenen Lieferschein, der mit den Rechnungspositionen des Spediteurs übereinstimmt. Ist der POD unleserlich, unvollständig oder taucht erst nach drei Tagen aus den Fahrerunterlagen auf, beginnt die Uhr nicht zu ticken. Die Rechnung des Spediteurs bleibt unbezahlt, der Spediteur mahnt, die Kreditorenbuchhaltung prüft, und aus einem 30-tägigen Zahlungszyklus werden 45, 60 oder mehr Tage. Der Spediteur kalkuliert diese Verzögerung in seinen Satz ein, und der Versender zahlt pro Sendung auf allen Routen mehr – nicht nur bei den strittigen. Die NMFTA-Standard-Frachtbriefbedingungen knüpfen die Spediteurzahlung explizit an die POD-Verfügbarkeit, doch nur wenige Versender verfolgen, wie oft POD-Verzögerungen Zahlungszyklen beeinflussen.

Manuelle Datenerfassung aus Fahrergekritzel

Die häufigsten Kosten sind die unsichtbarsten: Ein Sachbearbeiter oder Datenerfasser liest am Ende jeder Schicht einen Stapel von 20–60 Lieferscheinen und tippt jedes Feld in das TMS oder die Abstimmungstabelle. Jeder Schein dauert 3–6 Minuten. Bei 40 Scheinen pro Schicht à 4 Minuten sind das 2 Stunden und 40 Minuten Tipparbeit – etwa ein Drittel der Schicht. Bei einem belasteten Arbeitskosten von 22–28 $ pro Stunde für Datenerfasser in der Logistik sind das 60–75 $ pro Schicht allein für Tipparbeit, also etwa 15.000–19.000 $ pro Datenerfassungsstelle pro Jahr. Für eine Flotte, die Datenerfassung über drei Schichten benötigt, belaufen sich die jährlichen Arbeitskosten auf fast 50.000 $ – bevor Fehler, Streitfälle und Zahlungsverzögerungen hinzukommen.

Eine detaillierte Aufschlüsselung, wie Handschrift diese Kosten verstärkt, finden Sie in unserem Artikel ob KI handschriftliche Lieferscheine lesen kann.

Die besonderen Herausforderungen der Lieferscheinextraktion

Die Extraktion von Lieferscheinen ist schwieriger als die von Rechnungen oder Packlisten – aus Gründen, die für jeden relevant sind, der Tools evaluiert. Wer diese Herausforderungen versteht, weiß, ob das gewählte Tool den täglichen Workflow bewältigt oder nur das Demoszenario.

1. Handschrift ist die größte Hürde – und der häufigste Grund für Tool-Versagen

Fast 100 % der für den Abgleich relevanten Lieferscheinfelder sind handschriftlich: erhaltene Mengen, Ausnahmecodes, Fahrername, Empfängerunterschrift, Lieferdatum. Fahrer schreiben schnell, oft auf der Ladeklappe oder im Führerhaus, mit Kugelschreiber auf Thermopapier, das sich wellt und verblasst. Eine handschriftliche „3" kann wie eine „8" aussehen. Eine diagonal über eine Spalte gekritzelte „50" kann das gedruckte Etikett überlappen. Herkömmliche OCR-Engines, die auf zeichenbasiertem Mustervergleich beruhen, liefern bei solchen Eingaben Schrott – 15–40 % Zeichengenauigkeit bei handschriftlichen Feldern laut veröffentlichten Benchmarks. Das bedeutet, die extrahierten Daten sind unzuverlässiger als blindes Abtippen.

Die Schreibgeräte verschlimmern die Situation. Fahrer verwenden, was gerade zur Hand ist: Kugelschreiber, Permanentmarker, Bleistift, einen fast leeren Stift. Kugelschreiber auf Thermopapier hinterlässt einen dünnen, kontrastarmen Abdruck, den Scanner oder Kameras kaum erfassen. Markierte oder überstempelte Felder fügen Hintergrundrauschen hinzu, das die Zeichensegmentierung herkömmlicher OCR verwirrt. Ein Tool, das an Handschrift scheitert – egal wie gut es gedruckte Packlisten verarbeitet – ist für Lieferscheine unbrauchbar.

2. Handyfotos unter Lagerbedingungen

Nur wenige Lieferscheine erreichen das Backoffice als saubere Scans. Sie kommen als Fotos an, die der Lagerempfänger mit dem Handy gemacht hat: schiefer Winkel, Lagerbeleuchtung (Leuchtstoffröhren mit tiefen Schatten), unvollständiger Bildausschnitt (der Daumen des Fahrers verdeckt das Unterschriftsfeld), unterschiedliche Auflösung. Manche Fotos entstehen im Regen, mit Wasserflecken auf dem Thermopapier. Andere wurden auf Betonboden oder einem Karton aufgenommen – ein Hintergrund, den herkömmliche OCR als Rauschen interpretiert.

Die Extraktionssoftware für Lieferscheine muss die gesamte visuelle Szene als ein einziges semantisches Problem behandeln – nicht „finde den Text auf dieser makellosen Seite", sondern „finde das Dokument in diesem Foto, korrigiere die Perspektive, trenne die Handschrift vom Hintergrund und lies jedes Feld". Das erforderliche visuelle Verständnis unterscheidet sich grundlegend von einer scannerbasierten OCR-Pipeline. Eine vertiefte Analyse, wie Vision-KI handygemachte Felddokumente verarbeitet, finden Sie in unserem Leitfaden Was ist KI-Handschrifterkennung.

3. Unterschriften, Stempel und Kritzeleien vermischt

Ein Lieferschein ist kein sauberes Formular. Der Empfänger unterschreibt im dafür vorgesehenen Feld. Der Fahrer notiert die Lieferzeit am Rand. Jemand stempelt „ERHALTEN“ schräg über den Speditionsnamen. Eine andere Person kreist die erhaltene Menge zur Bestätigung ein. Diese Anmerkungen sind für die Aufzeichnung notwendig – sie sind der Beweis für das Geschehene –, aber sie überlagern die gedruckten Daten, oft überlappen sie Tabellenzellen oder verdecken Feldbezeichnungen.

Herkömmliche OCR kann die Anmerkung nicht von dem darunterliegenden Text unterscheiden. Ein gestempelter „ERHALTEN“-Stempel, der teilweise das Wort „Empfänger“ überdeckt, erzeugt eine verstümmelte Zeichenkette. Eine eingekreiste „80“, die auf einem gedruckten „Menge“ liegt, wird als „Menge80“ gelesen – sowohl die Anmerkung als auch die Bezeichnung gehen verloren. Ein Vision-KI-Modell hingegen nutzt den Dokumentkontext – die Tabellenstruktur, die Feldbezeichnungen, die Position des Stempels –, um überlappende Elemente zu trennen und jedes unabhängig zu erfassen.

4. Verblassen von Thermopapier

Die meisten Lieferscheine werden auf Thermopapier gedruckt – dem gleichen Material wie Kassenbons. Es wellt sich bei Hitze, verblasst mit der Zeit und wird schwarz, wenn es in einem heißen Lkw-Fahrerhaus liegt. Wenn ein Lieferschein nach einer Woche im Fahrerbuch oder einem Monat im Aktenschrank in der Buchhaltung ankommt, ist der gedruckte Text oft kaum noch lesbar. Herkömmliche OCR, die auf hohen Kontrast von schwarzer Schrift auf weißem Grund angewiesen ist, sieht nur ein Grau-in-Grau. Vision-KI-Modelle, die auf kontrastarme und beschädigte Dokumentbilder trainiert wurden, können Text wiederherstellen, der für schwellenwertbasierte OCR-Engines unsichtbar ist, da das Modell lernt, Zeichenformen aus dem Kontext zu erkennen, nicht aus binärem Pixelkontrast.

Herkömmliche OCR vs. Vision-KI für handschriftliche PODs

Der Unterschied zwischen herkömmlicher OCR und Vision-KI bei der Extraktion von Lieferscheindaten ist keine Frage der inkrementellen Verbesserung – es ist ein kategorialer Unterschied darin, was jede Technologie überhaupt zu lesen versuchen kann.

Herkömmliche OCR funktioniert gut bei sauberen Vorlagen: hochauflösende Scans von gedruckten Dokumenten mit einheitlichem Layout. Sie versagt jedoch katastrophal bei handschriftlichen Eingaben, schlecht beleuchteten Fotos oder strukturell inkonsistenten Belegen – also beim Großteil der realen Lieferscheine. Vision AI hingegen versteht das Dokument: Sie erkennt eine Tabelle und weiß, dass die untere rechte Zelle „Menge erhalten“ enthält, liest eine hingekritzelte „48“ nicht durch Pixelvergleiche, sondern durch kontextuelle Erkennung, und behandelt eine Unterschrift als eigenständiges visuelles Element, statt sie als Text zu entschlüsseln.

Überzeugen Sie sich selbst – laden Sie ein Foto eines Lieferscheins hoch und sehen Sie der Extraktion in Echtzeit zu:

Wesentliche Felder, die jeder Lieferschein-Export erfassen muss

Nicht alle Felder eines Lieferscheins sind für den Abgleich gleich wichtig. Die für Zahlung, Bestand und Streitbeilegung relevanten Felder bilden eine spezifische Gruppe, die ein Lieferschein-Export-Tool zuverlässig erfassen muss – wobei handschriftliche Eingaben der Regelfall und nicht die Ausnahme sind.

Das Feld „Empfangsmenge“ verdient besondere Aufmerksamkeit, da es gleichzeitig das wichtigste Feld für den Abgleich und am schwierigsten zuverlässig zu erfassen ist. Es ist fast immer handschriftlich, oft in einem kleinen Kästchen in der Positionstabelle, und ein einziger falsch gelesener Ziffer – „48“ statt „50“ – erzeugt eine Abweichung, die zu einer Speditionsreklamation, einer Bestandskorrektur und einer Zahlungssperre führt. Jedes Lieferschein-Export-Tool sollte zuerst an seiner Fähigkeit gemessen werden, handschriftliche Mengen zu lesen, nicht an seiner Geschwindigkeit beim Extrahieren von gedrucktem Text.

Stapelverarbeitung nach Route für den täglichen Abgleich

Lieferscheine treffen nicht einzeln ein, sondern stapelweise – nach Route, nach Fahrer, nach Schicht. Ein Fuhrpark mit 20 Touren pro Tag erzeugt 20 Stapel Lieferscheine, jeder Stapel repräsentiert die Lieferungen eines Fahrers. Der Abgleich ist von Natur aus stapelorientiert: Alle Lieferscheine der Route 12 mit dem Tourenmanifest abgleichen, Mengen mit den unterschriebenen Kundenkopien prüfen und die Zahlung an den Spediteur für diese Route freigeben.

Ein Tool zur Lieferscheinextraktion mit Unterstützung für routenbasierte Stapelverarbeitung ermöglicht es Ihnen, alle Lieferscheine einer Route als Stapel hochzuladen, die Felder in eine einzige Tabelle zu extrahieren (jede Zeile entspricht einer Lieferung) und nach Route, Fahrer, Datum oder Ausnahmestatus zu sortieren oder zu filtern. Statt jeden Schein einzeln zu öffnen, verarbeiten Sie eine gesamte Route in einem Durchgang. Die von Ihnen definierten Spaltennamen – Lieferschein-Nr., Datum, Empf. Menge, Ausnahme – werden zu den Kopfzeilen Ihrer Ausgabetabelle, und jeder Lieferschein im Stapel füllt eine eigene Zeile.

Eine praktische Anleitung zur Stapelverarbeitung mehrerer Lieferscheine gleichzeitig, inklusive Tipps zur Dateiorganisation und Spaltengestaltung, finden Sie in unserem Leitfaden zur Stapelextraktion von Packzetteln und Lieferscheinen nach Excel.

Der Stapelansatz ermöglicht auch den täglichen Abgleich: Laden Sie die Lieferscheine des Tages gleich morgens hoch, extrahieren Sie die Daten, gleichen Sie sie mit dem TMS-Manifest ab und identifizieren Sie Ausnahmen, bevor daraus Streitfälle werden. Routen mit sauberen PODs werden zur Zahlung freigegeben. Routen mit Ausnahmen werden zur Prüfung markiert – alles vor Beginn der nächsten Schicht des Fahrers. Für einen breiteren Überblick, wie Dokumentenextraktion in Logistik-Workflows neben verwandten Versanddokumenten passt, lesen Sie unsere Übersicht der besten Logistik-Dokumentenextraktionstools.

Export, Integration und TMS-Workflow

Lieferscheindaten sind isoliert nicht nützlich – sie müssen in die Systeme fließen, in denen der Abgleich stattfindet. ImageToTable.ai unterstützt mehrere Exportpfade, die der tatsächlichen Arbeitsweise von Logistikteams entsprechen.

Excel für Abstimmungs-Tabellen

Der häufigste Workflow ist der Export nach Excel: Alle Felder eines Routenlaufs werden in eine .xlsx-Datei extrahiert, mit einer Zeile pro Lieferschein und Spalten, die Ihrer Abstimmungsvorlage entsprechen. Der Excel-Export behält die von Ihnen definierte Spaltenstruktur bei – Lieferschein-Nr., Datum, Bestellreferenz, Versandmenge, Empfangsmenge, Ausnahmen, Unterschriftsbild (als Notiz). Kein Umformatierungsschritt zwischen Extraktion und der Tabelle, die Ihre AP-Abteilung bereits nutzt.

TMS-Integration über strukturierte Daten

Für Teams, die Lieferscheindaten in ihrem Transportmanagementsystem benötigen, kann der Extraktionsoutput als strukturiertes CSV oder JSON exportiert werden. Die Feldzuordnung – Lieferschein-Nr. → Speditionsreferenz, Empfangsmenge → Lieferbestätigungsmenge, Ausnahmecode → Statuskennzeichen – wird einmalig bei der Spalteneinrichtung definiert und konsistent auf jeden Durchlauf angewendet. SAP TM, Oracle TMS, Descartes und project44 akzeptieren alle strukturierte Sendungsdaten per CSV-Import oder API – der Extraktionsoutput speist direkt in diese Pipelines ein. Für einen genaueren Einblick, wie die Dokumentenextraktion mit TMS-Workflows für verwandte Dokumente zusammenhängt, lesen Sie unsere vollständige Anleitung zur BOL-Extraktion.

Liefernachweis im Kundenportal

Viele Versender müssen ihren Kunden einen Liefernachweis (POD) vorlegen – einen unterschriebenen Lieferschein, der den Wareneingang belegt. Das Extraktionstool erfasst die Empfängerunterschrift als Bildfeld und die Lieferscheinnummer als Textfeld, sodass jede Zeile in Ihrer Ausgabetabelle sowohl die strukturierten Daten als auch einen Verweis auf das unterschriebene Dokument enthält. Laden Sie den Extraktionsoutput in Ihr Kundenportal hoch oder teilen Sie ihn über einen Sammellink – der Empfänger sieht die Lieferbestätigung, ohne auf eine gescannte PDF per E-Mail warten zu müssen.

So wählen Sie ein Lieferschein-Extraktionstool aus

Die meisten Vergleiche von Dokumentextraktionstools nennen dieselben Kriterien: unterstützte Formate, Ausgabetypen, Integrationsoptionen. Bei Lieferscheinen ist die Prioritätenreihenfolge anders. Hier sind die Kriterien, die für den tatsächlichen Logistikbetrieb zählen, nach Wichtigkeit geordnet.

Die meisten Extraktionstools auf dem Markt wurden für Rechnungen und Packlisten entwickelt – gedruckte Dokumente mit vorhersagbarem Layout. Lieferscheine sind eine andere Kategorie: handschriftlich, fotografiert, thermisch verblassend und dienen als rechtlicher Nachweis. Wendet man Kriterien an, die für die Rechnungsextraktion entwickelt wurden, auf einen Lieferschein-Anwendungsfall an, führt das zu einem Tool, das in einer Demo mit gedruckten PDFs beeindruckend wirkt, aber beim ersten echten handschriftlichen Beleg aus dem Fahrerbuch versagt.

Für einen umfassenden Vergleich von Extraktionstools, bewertet nach den Anforderungen der Logistikdokumente – einschließlich Lieferscheinen, Frachtbriefen und Packlisten – lesen Sie unseren Artikel Die besten Logistik-Dokumentextraktionstools für 2026.

Häufig gestellte Fragen

Von der Handschrift des Fahrers zu nutzbaren Daten

Lieferscheine sind die handschriftintensivsten Dokumente im Logistikbetrieb. Eine einzige falsch gelesene Menge löst einen Speditionsstreit aus, der 20–45 Minuten über mehrere Teams hinweg kostet – und diese Streitkosten sind unsichtbar, weil keine Abteilung „Zeit zum Entziffern von Handschriften“ als Posten in ihrem Budget führt. Die Lücke zwischen der Übergabe eines unterschriebenen Belegs durch den Fahrer und der Bestätigung der Lieferung im TMS ist kein Technologieproblem – es ist ein Handschriftproblem, das herkömmliche OCR nie lösen sollte.

Vision AI ändert das. Ein Tool, das Lieferscheine so liest wie ein Mensch – indem es das Dokument versteht, nicht nach Zeichenmustern sucht – kann die Lieferscheine einer gesamten Tour in der Zeit verarbeiten, die ein Datenerfasser für die ersten drei benötigt. Das wichtigste Feld – die empfangene Menge, die Zahl, die Zahlung, Bestand und Streitbeilegung steuert – ist das Feld, bei dem Vision AI seinen größten Vorteil gegenüber herkömmlicher OCR ausspielt.

Die Auswahlkriterien sind klar, wenn man weiß, worauf man achten muss: Handschriftgenauigkeit zuerst, Toleranz gegenüber Handyfotos als Zweites, alles andere danach. Ein Tool, das bei handschriftlichen Mengen versagt, ist kein Lieferschein-Extraktionstool, egal wie gut es gedruckte Rechnungen verarbeitet.

Testen Sie mit Ihren eigenen handschriftlichen Lieferscheinen. Sehen Sie, ob aus 4 Minuten pro Beleg 10 Sekunden pro Charge werden.