Der vollständige Leitfaden zur Bestell-
Datenextraktion

Warum die Extraktion von Bestelldaten wichtig ist

Die Benchmarking-Daten von APQC zeigen, dass Unternehmen zwischen 14 und über 54 Dollar für die Bearbeitung einer einzigen Bestellung ausgeben – und bei Firmen mit Tausenden von Bestellungen pro Jahr kann diese Spanne zu Millionen an Betriebskosten führen. Spitzen-Einkaufsteams drücken diesen Wert auf unter 3 Dollar pro Bestellung. Der Unterschied liegt fast vollständig in der Automatisierung der Datenerfassung.

Doch die Kosten pro Bestellung sind nur die sichtbare Zahl. Die versteckten Kosten entstehen durch Nacharbeit im weiteren Prozess. Wenn eine Bestellnummer falsch eingegeben, eine Menge vertauscht oder eine Maßeinheit falsch kopiert wird, pflanzt sich der Fehler durch den Drei-Wege-Abgleich, die Wareneingangsprüfung und die ERP-Buchungen fort. Der AP-Benchmark-Bericht 2025 von Ardent Partners zeigt, dass durchschnittliche Einkaufsteams eine Ausnahmefehlerquote von 22% beim Rechnungsabgleich haben, wobei jede Abweichung rund 30 Minuten Prüfzeit in den Bereichen Einkauf, Wareneingang und Finanzen kostet. Spitzenteams halten diese Quote bei 9%. Ein erheblicher Teil dieser Abweichungen lässt sich auf eine einzige Ursache zurückführen: Bestelldaten, die bereits bei der Erfassung falsch eingegeben wurden.

Das ist der eigentliche Grund, warum die Extraktion von Bestelldaten wichtig ist. Es geht nicht primär darum, die 3-5 Minuten zu sparen, die man zum Eintippen einer Bestellung in eine Tabelle braucht. Es geht darum, die 30-minütige Prüfung zu vermeiden, die folgt, wenn sich diese eingegebenen Daten als falsch erweisen. Für einen tieferen Einblick, was Bestelldatenextraktion eigentlich ist, lesen Sie unsere Definition der Extraktion von Bestelldaten – dieser Leitfaden setzt dort an: die praktische Umsetzung, die Auswahlkriterien und die Workflows, die die Extraktion mit dem restlichen Einkauf verbinden.

Die besonderen Herausforderungen der Bestelldatenextraktion

Bestellungen sind keine Rechnungen. Dieser Unterschied ist entscheidend, denn er bestimmt, was die Extraktion schwierig macht. Eine Rechnung ist ein Abrechnungsdokument: Der Lieferant teilt Ihnen mit, was Sie schulden. Eine Bestellung ist ein Bestelldokument: Sie teilen dem Lieferanten mit, was Sie möchten. Die Herausforderungen bei der Extraktion sind strukturell unterschiedlich.

Komplexität der Positionen. Die Kopfzeilen einer Bestellung – Bestellnummer, Lieferant, Datum, Gesamtsumme – machen in der Regel 15–20 % des Dokuments aus. Die restlichen 80 % sind Positionen. Eine einzelne Bestellung eines Fertigungslieferanten kann 40 Positionen auf drei Seiten enthalten, jede mit eigener Artikelnummer, Beschreibung, Menge, Maßeinheit, Einzelpreis, Positionssumme und Lieferdatum. Die korrekte Erfassung der Kopfdaten ist Grundvoraussetzung. Jede einzelne Position korrekt zu erfassen – über Seitenumbrüche hinweg, mit zusammengeführten Beschreibungszellen, mit inkonsistenten Spaltenbreiten – ist das, was eine brauchbare Extraktion von einem Teilergebnis unterscheidet, das noch manuell nachbearbeitet werden muss. Die Herausforderung der Positionen steigt mit jeder weiteren Seite: Eine 5-seitige Bestellung mit 80 Positionen bietet 80 Gelegenheiten, bei denen eine Spaltenfehlausrichtung stillschweigend Mengen in die Beschreibungsspalte und Beschreibungen in die Preisspalte verschiebt.

Varianten der Maßeinheit. Ein Lieferant schreibt „ST“ für Stück. Ein anderer schreibt „PCS“. Ein dritter schreibt „Stück“ aus. Ein Industrielieferant verwendet „KRT“ für Karton, während ein Lebensmittellieferant „KST“ für Kiste verwendet. Das Extraktionssystem muss erfassen, was in der Bestellung steht – die Standardisierung ist ein separater Schritt. Aber inkonsistente Maßeinheitsbezeichnungen verursachen nachgelagert Abgleichsprobleme, wenn der Wareneingang eine andere Einheit verwendet als die Bestellung. SAP MM erfordert beispielsweise einen Infosatz (Transaktion ME11), um variable Bestelleinheiten auf die Basismaßeinheit des Materialstamms abzubilden. Wenn das Extraktionstool „BAG“ erfasst, das ERP aber „KG“ ohne Umrechnungsfaktor erwartet, landen die Daten zwar, können aber nicht verarbeitet werden. Dies ist kein Extraktionsfehler – es ist ein Datenzuordnungsproblem, das die Extraktion allein nicht löst. Was die Extraktion leisten kann, ist die konsistente Erfassung der Maßeinheit, damit der Zuordnungsschritt saubere Eingabedaten hat.

Teillieferungen. Eine Bestellung über 1.000 Einheiten kommt nicht immer als eine Lieferung an. Sie kommt als drei Teillieferungen von 350, 400 und 250 Einheiten – jede mit eigenem Wareneingang, möglicherweise eigener Rechnung und eigenem Abgleichszyklus. Das Extraktionssystem muss in der Lage sein, dieselbe Bestellung, die mehrfach in verschiedenen Chargen vorkommt, zu verarbeiten, ohne Duplikate zu erzeugen oder vorherige Extraktionen zu überschreiben. Noch wichtiger ist, dass das Beschaffungsteam die eingegangenen Mengen pro Position nachverfolgen können muss, was bedeutet, dass das Extraktionsergebnis die Bestell-Positionsstruktur erhalten muss, damit es mit Wareneingangsdaten verglichen werden kann. Ein flaches Ergebnis, das die Beziehung zwischen Position und Bestellung verliert, scheitert bei der ersten Teillieferung.

Abhängigkeit vom Drei-Wege-Abgleich. Die Bestellextraktion endet nicht mit dem Extraktionsergebnis. Die Daten fließen in den Drei-Wege-Abgleich ein: Vergleich der Bestellung mit dem Wareneingang und der Lieferantenrechnung. Wenn die extrahierte Bestellung 500 Einheiten zu 0,42 € anzeigt, die Rechnung aber 500 Einheiten zu 0,46 € berechnet, schlägt der Abgleich fehl. Die Kreditorenbuchhaltung muss prüfen: Wurde die Bestellung falsch eingegeben oder hat der Lieferant den Preis geändert? Wenn die Ursache ein Extraktionsfehler der Bestellung ist, ist jede daraus resultierende Abweichung beim Abgleich verschwendete Prüfzeit. Die korrekte Bestellextraktion ist die Voraussetzung für einen berührungslosen Drei-Wege-Abgleich. Eine detaillierte Analyse dieser Dynamik finden Sie in unserem Artikel über warum der Drei-Wege-Abgleich scheitert.

Traditionelle Bestellabwicklung vs. KI-gestützte Extraktion

Nicht alle Extraktionsansätze gehen gleich gut mit den oben genannten Herausforderungen um. Der Unterschied zwischen vorlagenbasierter und semantischer Extraktion ist das wichtigste Konzept, das Sie vor der Bewertung eines Tools verstehen sollten.

Vorlagenbasierte Extraktion arbeitet positionsabhängig. Sie konfigurieren eine Parsing-Vorlage für das Bestelllayout von Lieferant A: Bestellnummer hier, Lieferantenname dort, Positionen beginnen in dieser Zeile und erstrecken sich über diese Spalten. Dies wiederholen Sie für jeden Lieferanten, jede Layoutvariante. Wenn Lieferant A sein ERP-System aktualisiert und sich sein Bestellformat ändert – die Bestellnummer wandert von oben links nach oben rechts, die Positionstabelle rutscht drei Zeilen nach unten –, bricht die Vorlage stillschweigend. Werte landen in falschen Spalten. Die Ausgabe sieht auf den ersten Blick korrekt aus, aber die Daten sind falsch. Levvel Research fand heraus, dass über 30 % der Bestellabweichungen auf manuelle Eingaben oder inkonsistente Verarbeitung zurückzuführen sind – vorlagenbasierte Extraktion kann diese Inkonsistenz automatisieren, anstatt sie zu beseitigen. Ein mittelständischer Hersteller mit 200 aktiven Lieferanten könnte auf über 300 Formatvarianten stoßen. Die Vorlagenpflege über so viele Varianten hinweg ist kein einmaliger Aufwand, sondern eine laufende Betriebskosten.

Semantische Extraktion – manchmal auch KI-gestützte oder intentbasierte Extraktion genannt – arbeitet nach Bedeutung, nicht nach Position. Statt dem System beizubringen, wo sich jedes Feld im Layout jedes Lieferanten befindet, teilen Sie ihm mit, was Sie finden möchten: „Bestellnummer“, „Lieferantenname“, „Artikelbeschreibung“, „Menge“, „Einzelpreis“, „Positionssumme“. Die KI liest das gesamte Dokument, versteht, was jedes Textelement im Kontext darstellt, und ordnet es der richtigen Ausgabespalte zu – unabhängig davon, wo es auf der Seite erscheint. Ein Feld mit der Bezeichnung „Best.-Nr.“ im Dokument eines Lieferanten, „Bestellreferenz“ bei einem anderen und „Purchase Order No.“ bei einem dritten wird als dasselbe erkannt, weil die KI die semantische Rolle versteht. Dies ist die benutzerdefinierte Spaltenextraktion: Sie definieren die Ausgabespalten einmal, und die KI findet die passenden Daten, indem sie versteht, was jedes Feld bedeutet.

Der betriebliche Unterschied liegt im Wartungsaufwand. Mit Vorlagen erfordert jeder neue Lieferant oder jede Formatänderung die Aktualisierung oder Erstellung einer Vorlage. Mit semantischer Extraktion funktioniert dieselbe Spaltendefinition für alle Lieferanten – neu oder bestehend, mit oder ohne Formatänderung –, da die Extraktionslogik formatunabhängig ist. Eine Schritt-für-Schritt-Anleitung zur Funktionsweise mit Bestellfeldern finden Sie in unserem Leitfaden zum Extrahieren von Bestellfeldern nach Excel.

Wichtige Felder aus einer Bestellung extrahieren

Bestellfelder fallen in zwei Kategorien mit unterschiedlichem Extraktionsaufwand. Welche Kategorie für Ihre Anforderungen relevant ist, bestimmt die nötigen Fähigkeiten eines Tools.

Die Kopffelder sind weitgehend gelöst – jedes brauchbare Extraktionstool bewältigt sie. Bei den Positionen zeigen sich die Unterschiede zwischen den Tools. Drei spezifische Szenarien trennen leistungsfähige Extraktion von unvollständiger Extraktion:

1. Fortlaufende Positionen über mehrere Seiten. Wenn eine Tabelle mit 60 Positionen die Seiten 2 bis 4 eines PDFs umfasst, muss die Extraktionsengine erkennen, dass die Tabelle fortgesetzt wird – und Seite 3 nicht als neue Tabelle ohne Kopfzeilen behandeln. Wiederholung (oder Fehlen) von Spaltenüberschriften auf Folgeseiten ist der häufigste Fehlerpunkt. Ein Tool, das die Spaltenausrichtung auf Seite 2 einer 4-seitigen Bestellung verliert, liefert eine scheinbar vollständige Ausgabe, die ab dem Seitenumbruch jedoch falsche Werte in falschen Spalten enthält.

2. Zusammengeführte und mehrzeilige Beschreibungszellen. Positionsbeschreibungen enthalten oft Details, die sich über mehrere Textzeilen innerhalb einer Zelle erstrecken: der Artikelname in Zeile 1, die Spezifikation in Zeile 2, ein Hinweis zur Materialgüte in Zeile 3. Ein Parser, der jede Textzeile als separate Zeile behandelt, erzeugt Phantompositionen. Ein Parser, der alle Beschreibungszeilen in ein Feld zusammenfasst, bewahrt die Informationen, darf aber nicht zulassen, dass die Zusammenfassung in benachbarte Spalten übergreift.

3. Prüfung der Positionssumme. Die wertvollste Funktion bei der Extraktion von Positionen ist eine, die nicht während der Extraktion stattfindet: die Gegenprüfung, ob die Positionssumme für jede Zeile Menge × Einzelpreis entspricht. Wenn die extrahierten Werte eine Abweichung ergeben, ist etwas schiefgelaufen – entweder hat die Extraktion einen Wert falsch gelesen, oder die Bestellung des Lieferanten enthält einen Rechenfehler. Das Markieren dieser Abweichungen bereits in der Extraktionsphase verhindert, dass sie bis zum Abgleich gelangen. Dies ist durch Berechnete Spalten realisierbar: Definieren einer Prüfspalte, die `Menge × Einzelpreis − Positionssumme` berechnet und alle Ergebnisse ungleich Null anzeigt, bevor die Daten in die Abgleichswarteschlange gelangen.

Stapelverarbeitung: Von Einzelschritten zu einem Klick

Die Einzel-BE-Erfassung löst das Problem der Dateneingabe pro Dokument. Die Stapelverarbeitung löst das Durchsatzproblem – der Unterschied zwischen der Verarbeitung von Bestellungen als Einzeltransaktionen und der Verarbeitung eines Tages Lieferantenbestellungen in einem Upload.

In einem Stapelworkflow laden Sie 20, 50 oder 100 Bestellungen gleichzeitig hoch – von verschiedenen Lieferanten, in verschiedenen Formaten, einige als PDFs, andere als Handyfotos. Die Extraktionsengine verarbeitet alle mit derselben Spaltendefinition und führt die Ergebnisse in einer einzigen Tabelle zusammen. Jede Bestellung wird zu einer Zeile in der Kopftabelle; Positionsartikel werden in einzelne Zeilen aufgeschlüsselt, wobei die Kopffelder für Filter und Pivot-Tabellen wiederholt werden. Eine Schritt-für-Schritt-Anleitung finden Sie in unserem Leitfaden zur Stapel-BE-Extraktion nach Excel.

Die Stapelverarbeitung ermöglicht Beschaffungsworkflows, die die Einzel-BE-Extraktion nicht leisten kann:

Die praktische Einschränkung der Stapelverarbeitung ist nicht die Softwarefähigkeit – die meisten modernen Extraktionstools verarbeiten Stapel – sondern die Spaltenkonsistenz über Lieferanten hinweg. Wenn Lieferant A „Bestellnummer“ als Bezeichnung verwendet und Lieferant B „Auftrags-Nr.“, müssen beide auf dieselbe Ausgabespalte abgebildet werden. Die semantische Extraktion erledigt dies automatisch, da sie nach Feldbedeutung und nicht nach Bezeichnungstext abbildet. Die vorlagenbasierte Extraktion erfordert eine separate Vorlage pro Lieferant, was den Zweck der gemeinsamen Stapelverarbeitung zunichtemacht.

Export-Optionen und ERP-Integration

Die Extraktion ist nicht das Ende. Die Daten müssen in ein System gelangen, wo sie abgeglichen, geprüft, genehmigt oder gebucht werden können. Das gewählte Exportformat bestimmt, wie viel Nacharbeit zwischen Extraktion und Zielsystem anfällt.

Für die meisten Beschaffungsteams ist die praktische Antwort: XLSX für die manuelle Prüfung und CSV für den automatisierten ERP-Import. Entscheidend ist bei allen Formaten, dass Daten, Zahlen und Artikelcodes den Export ohne Formatverlust überstehen – Datumsangaben werden nicht zu Seriennummern, führende Nullen bei Bestellnummern bleiben erhalten und Dezimaltrennzeichen ändern sich nicht je nach Gebietsschema. Ein leistungsfähiges Extraktionstool kümmert sich beim Export um diese Formatierungsfragen, sodass die Daten ohne Nachbearbeitung im Zielsystem ankommen. Eine Schritt-für-Schritt-Anleitung für den Workflow von der Bestellung zu Excel finden Sie in unserem Leitfaden zur Konvertierung von Bestellungen in Excel.

Die ERP-Integration ist der Schritt nach dem Export. Die meisten Teams folgen einem Prüfen-dann-Importieren-Muster: Bestelldaten extrahieren → Ausgabe auf Richtigkeit prüfen → geprüfte Datei ins ERP importieren. Direkte API-Integrationen gibt es für einige Plattformen, aber der CSV/XLSX-Importweg funktioniert praktisch für jedes ERP – QuickBooks, NetSuite, SAP Business One, Microsoft Dynamics, Sage – und erfordert keine IT-Einrichtung. Der Zeitgewinn entsteht durch die Extraktion, die manuelle Dateneingabe überflüssig macht. Der Importschritt ist in Organisationen, die zuvor manuell erfasst haben, in der Regel bereits automatisiert oder halbautomatisiert.

So wählen Sie ein PO-Extraktionstool aus

Die Funktionslisten der Extraktionsanbieter klingen alle ähnlich: „KI-gestützt", „vorlagenfrei", „99 % Genauigkeit", „Stapelverarbeitung". Die folgenden Kriterien durchdringen das Marketing und zeigen, was Tools im täglichen Beschaffungseinsatz tatsächlich unterscheidet:

Für eine breitere Perspektive zur Automatisierung des gesamten PO-Datenerfassungs-Workflows über die Extraktion hinaus, lesen Sie unseren Leitfaden zur Automatisierung der Bestelldatenerfassung.

Häufig gestellte Fragen

Wie es weitergeht

Die PO-Datenextraktion ist die Grundlage der Beschaffung – sie versorgt den Drei-Wege-Abgleich, den Wareneingangsabgleich, die Ausgabenanalyse und die ERP-Buchung. Die heute verfügbaren Tools extrahieren PO-Daten zuverlässig über verschiedene Lieferantenformate hinweg, ohne pro Lieferant eine Vorlage einrichten zu müssen. Sie verarbeiten Positionen über Seitenumbrüche hinweg und liefern Ergebnisse, die sich sauber in Ihre bestehenden Systeme importieren lassen. Der Unterschied zwischen den Tools liegt nicht in den Marketingversprechen, sondern darin, wie sie mehrseitige Positionen, Mengeneinheiten-Varianten, Teillieferungen und Exportformatierungen in Ihrem tatsächlichen Workflow mit Ihren tatsächlichen Bestellungen handhaben.

Wenn Sie eine Extraktionslösung für Ihren Beschaffungsprozess evaluieren, testen Sie sie zunächst mit Ihren schwierigsten Bestellungen – der vierseitigen Fertigungsbestellung mit 50 Positionen, der internationalen Lieferantenbestellung mit Doppelwährung, der handschriftlichen Bestellung eines kleineren Lieferanten. Wenn ein Tool Ihren schwierigsten Fall bewältigt, wird es auch den Durchschnittsfall bewältigen. Oder beginnen Sie mit einem tieferen Einblick in die PO-Extraktion und laden Sie eine Beispielbestellung hoch, um zu sehen, wie die Extraktion mit Ihren eigenen Dokumenten funktioniert.