Baustellen-Eingang: Baustoff-Lieferscheine mit Bestellungen abgleichen
für den Wareneingang

Wer den Lieferschein unterschreibt, akzeptiert die Ware

Die rechtlichen Rahmenbedingungen für die Warenannahme auf Baustellen sind streng und unnachgiebig – und den meisten Beteiligten vor Ort wird dies erst im Streitfall bewusst.

UCC Article 2 §2-606 definiert die Annahme von Waren. Sie erfolgt, wenn der Käufer "nach angemessener Gelegenheit zur Prüfung der Ware dem Verkäufer anzeigt, dass die Ware vertragsgemäß ist oder dass er sie trotz Vertragswidrigkeit behalten wird." Die Unterschrift auf dem Lieferschein zählt. Nach §2-602 muss ein Käufer, der vertragswidrige Ware zurückweisen will, dies "innerhalb einer angemessenen Frist nach Lieferung" tun und den Verkäufer "rechtzeitig benachrichtigen". Für einen Bauleiter bedeutet "angemessene Frist": bevor der Lkw das Tor verlässt. Ist der Fahrer weg und der Lieferschein unterschrieben, ist der Nachweis einer nicht vermerkten Minderlieferung ein steiler, harter Weg.

Auf der Baustellenvertragsseite verlangt AIA Document A201-2017 §3.3.3 – die Allgemeinen Geschäftsbedingungen der meisten US-Bauverträge – vom Auftragnehmer, "für die Prüfung bereits ausgeführter Teile der Leistung verantwortlich zu sein, um festzustellen, ob diese Teile in ordnungsgemäßem Zustand für die Aufnahme nachfolgender Arbeiten sind." Diese Pflicht wirkt nach unten: Der Generalunternehmer ist vertraglich zur Prüfung angelieferter Materialien verpflichtet. Wird eine Minderlieferung nicht erkannt, die später zu einer Terminverzögerung führt, geht die Haftung nicht auf den Lieferanten über.

Das ist der strukturelle Grund, warum der Wareneingang auf Baustellen sich grundlegend vom Wareneingang in der Logistik unterscheidet. Im Lager wird ein Zählfehler bei der nächsten Inventur entdeckt. Auf einer Baustelle bedeuten 20 fehlende Ständer am Tag der Rahmenmontage: ein stillstehendes Team, ein berechneter Kran und ein verschiebender Meilenstein. Eine vollständige Übersicht über die Datenextraktion aus Lieferscheinen – einschließlich der Datenstruktur verschiedener Lieferscheintypen (Frachtbrief, Seefrachtbrief, Multimodal) – finden Sie in unserem vollständigen Leitfaden zur Lieferschein-Datenextraktion.

Vierzig Lieferanten, vierzig Lieferscheinformate – und keins passt zu Ihrer Bestellung

Ein mittelständischer Generalunternehmer mit fünf laufenden Projekten erhält in einem einzigen Monat Materiallieferungen von 40 verschiedenen Lieferanten. Jeder Lieferant erstellt die Lieferdokumentation in seinem eigenen Format:

• Das Sägewerk schickt einen handschriftlichen Durchschlag-Lieferschein – Lieferantenname oben hingekritzelt, Artikelbezeichnungen abgekürzt („2×6 #2 SPF 16'"), Mengen vom Hofarbeiter, der den LKW beladen hat, mit Bleistift eingetragen
• Das Betonwerk erstellt einen systemgedruckten Lieferschein mit Mischungsvorgaben, Ausbreitmaß, Volumen in Kubikmetern, Chargenzeit und Fahrzeugnummer – Felder, die ein Sägewerk-Lieferschein nicht hat
• Der Bewehrungsverarbeiter sendet eine PDF mit 14 Positionen für Betonstahl #4, #5 und #6, jede einem anderen Betonierabschnitt zugeordnet, mit Schmelzennummern und Werkszeugnisverweisen
• Der MEP-Großhändler druckt einen Packzettel aus seinem ERP – SKU-Codes, Hersteller-Teilenummern, Maßeinheiten inkonsistent zu Ihrer Bestellweise (er liefert kistenweise, Sie bestellen meterweise)
• Der Trockenbaulieferant liefert 80 Platten mit einem Lieferschein, der „Trockenbau 4×8 5/8"" und eine Menge aufführt – keine Bestellnummer, kein Baustellenverweis

Jedes dieser Dokumente ist funktional ein Frachtbrief – es erfasst, was geliefert wurde, von wem und an welche Baustelle. Aber Feldanordnung, Terminologie und Datenstruktur sind bei jedem anders. Ein vorlagenbasiertes Extraktionstool, das für jedes Lieferantenformat eine Zonendefinition benötigt, würde 40 Vorlagen erfordern, die erstellt und gepflegt werden müssen – und sobald das Sägewerk sein Lieferscheinformat ändert oder ein neuer Lieferant hinzukommt, ist eine weitere Vorlage nötig.

Hier zeigt sich der Unterschied im Extraktionsansatz. Herkömmliche OCR- und vorlagenbasierte Tools lokalisieren Daten nach Position – „das Mengenfeld befindet sich im oberen rechten Quadranten, 7,5 cm vom Rand entfernt." Ändert sich das Layout, ist die Vorlage hinfällig. Semantische Extraktion – bei der die KI „Menge" findet, indem sie versteht, was das Feld bedeutet, nicht wo es sitzt – verarbeitet alle 40 Formate mit einem einzigen Satz Spaltendefinitionen. Der Unterschied zwischen diesen beiden Ansätzen wird in unserem Leitfaden zu BOL-Datenextraktion und ihrem Unterschied zur einfachen OCR ausführlich erläutert.

Das Formatproblem verschärft sich zum Monatsende. Der Projektbuchhalter verarbeitet die Lieferscheine nicht einzeln bei Eingang – er bearbeitet 50 bis 150 über den Monat angesammelte Lieferscheine, die alle in den drei Tagen vor dem Abrechnungstermin zusammenkommen. An diesem Punkt ist die Formatevielfalt nicht nur eine Extraktionsherausforderung. Sie wird zum Durchsatz-Engpass.

Spaltenaufbau: Vom Lieferschein zur PO-Übereinstimmung

Die Ausgabe, die Sie von einem Baustoff-Lieferschein benötigen, ist keine wörtliche Abschrift des Lieferscheins. Es ist eine strukturierte Zeile, die fünf Fragen beantwortet, die die Buchhaltung vor der Bezahlung der Lieferantenrechnung benötigt:

1. Haben wir dies bestellt? (PO-Nummern-Übereinstimmung)
2. Was genau ist es? (Materialbeschreibung → CSI MasterFormat-Code)
3. Wie viel bestellt vs. wie viel geliefert? (Mengenvergleich)
4. Zu welchem Auftrag gehört dies? (Auftragsnummer / Kostenstelle)
5. Gibt es eine Abweichung, die Maßnahmen erfordert? (Kennzeichnung für AP-Prüfung)

Hier ist der Spaltenaufbau, der Sie von einem Foto eines Lieferscheins zu einer PO-abgleichsfähigen Tabellenzeile führt. ImageToTable.ai arbeitet mittels benutzerdefinierter Spaltenextraktion – Sie definieren die gewünschten Spalten, und die KI findet die entsprechenden Werte auf jedem Dokument, indem sie die semantische Bedeutung des Feldes versteht, unabhängig davon, wo es auf der Seite erscheint oder wie der Lieferant es bezeichnet hat:

Der Ansatz der Berechneten Spalte macht aus „Datenerfassung" eine „Entscheidungsunterstützung". Statt dass ein Bauleiter oder Projektleiter für jede Position jeder Lieferung manuell die Bestellmenge von der Lieferscheinmenge abzieht, erledigt die KI dies während der Extraktion. Eine negative Zahl in der Abweichungsspalte ist ein sofortiges visuelles Signal – diese Position benötigt Aufmerksamkeit, bevor die Rechnung bezahlt wird. Die Funktion der berechneten Spalte funktioniert, indem die Berechnungslogik in der Spaltendefinition selbst festgelegt wird; die KI liest das Dokument, extrahiert die Quellwerte und gibt das berechnete Ergebnis in einem Durchgang aus. Weitere Informationen zur Funktionsweise in Batch-Workflows für Bauprojekte finden Sie in unserem Leitfaden zur Stapelverarbeitung von Baustoff-Bestellungen für die Auftragskalkulation.

Workflow: Vom LKW-Tor zur PO-abgeglichenen Tabelle

Hier ist der vollständige Ablauf für einen typischen Baustellen-Empfangsszenario – ein Bauleiter am Tor mit einer Ladung Material, einem Papier-Lieferschein vom Fahrer und einer Bestellung, die vor Abfahrt des Fahrers geprüft werden muss.

Warum Echtzeit-Abweichungserkennung die Wirtschaftlichkeit verändert

Der Unterschied zwischen dem Erkennen einer Lieferunterdeckung am Tor und dem Erkennen beim Monatsabschluss liegt bei Tausenden von Dollar pro Vorfall – und im Baugewerbe sind solche Vorfälle keine Seltenheit.

Branchendaten zeigen, dass 27 % der Lieferantenrechnungen Fehler enthalten und 13 % der gelieferten Baumaterialien direkt als Abfall enden, ohne je verwendet zu werden. Bei einem typischen Gewerbeprojekt, bei dem Materialien 50–70 % der Gesamtkosten ausmachen, bedeuten diese Fehlerquoten bares Geld. Ein Materialpaket im Wert von 500.000 $ mit einer Rechnungsfehlerquote von 3 %, die beim Abgleich durchrutscht, bedeutet Überzahlungen von 15.000 $ – bei einem einzigen Projekt. Für einen Generalunternehmer, der acht Projekte mit Nettomargen von 2–5 % betreibt, ist das Erkennen dieser Abweichungen keine Optimierung. Es ist Margensicherung.

Der oben beschriebene Workflow verlagert den Erkennungszeitpunkt von der Buchhaltung – drei Wochen nach Lieferung – zum Bauleiter am Tor, während die Lieferung noch auf dem LKW ist. Eine Abweichungsspalte, die „-20" in der 2×6-Position anzeigt, während der Fahrer noch vor Ort ist, bedeutet, dass der Bauleiter zum LKW zurückgehen, den Stapel zählen und entweder die fehlenden 20 Stücke finden oder die Unterdeckung auf dem Frachtbrief vermerken kann, bevor er unterschreibt. Dieser Vermerk auf dem unterschriebenen Frachtbrief ist der Unterschied zwischen einer erfolgreichen Frachtforderung und einem uneinbringlichen Verlust.

Für Bauteams, die Bestellungen bereits digital verfolgen – sei es über Procores Commitments-Modul, den Einkaufsworkflow von Sage 300 CRE oder eine Tabellenkalkulation – fügen sich die extrahierten Frachtbriefdaten direkt in den bestehenden Kostenkontrollprozess ein. Die Frachtbriefextraktion ersetzt nicht das ERP. Sie speist es. Eine detaillierte Anleitung zur Extraktionsmechanik über Frachtbriefarten und Speditionsformate hinweg finden Sie in unserem Leitfaden zum Extrahieren von Frachtbriefdaten nach Excel, der den gesamten Frachtbrief-Extraktionsworkflow abdeckt.

Die Realität handschriftlicher Frachtbriefe: Was funktioniert und wo das menschliche Auge nötig ist

Eine ehrliche Diskussion über die BOL-Erfassung von Baustoffen kommt am schwierigsten Fall nicht vorbei: dem handschriftlichen Lieferschein. In der Logistik und Spedition sind die meisten Frachtbriefe getippt oder systemgeneriert. Im Bauwesen arbeitet der Holzhändler noch mit Durchschlagpapier und Klemmbrett. Der Betonmischerfahrer notiert Ausbreitmaß und Volumen von Hand. Der kleine Dachdeckerlieferant schreibt die Quadratmeterzahl auf einen Abreißblock.

KI-Erfassung verarbeitet Handschrift besser als herkömmliche OCR – weil sie Handschrift wie ein Mensch liest, indem sie Buchstabenformen im Kontext erkennt, statt Pixelmuster abzugleichen. Ein sauber geschriebenes „200 Stk 2×6×16'" auf einem Holzlieferzettel wird zuverlässig erfasst. Aber die Handschriftqualität schwankt enorm. Eine hastige Kritzelei mit Kugelschreiber auf einem regennassen Durchschlag liegt an der Grenze dessen, was jedes System zuverlässig lesen kann – und es ist fair, das klar zu sagen.

Der praktische Workflow für handschriftliche Frachtbriefe: Der Bauleiter fotografiert den Lieferschein, die KI extrahiert, was möglich ist, mit Konfidenzwerten, und Felder mit niedriger Konfidenz (im Ergebnis hervorgehoben) werden kurz manuell korrigiert. Bei einer Lieferung mit 12 Positionen bedeutet das vielleicht 2–3 Felder prüfen statt alle 12 abzutippen. Das System wird mit der Zeit besser in der Handschrift jedes Lieferanten, da die KI die Muster des jeweiligen Lieferschein-Formats lernt.

Vom Wareneingangslog zum 3-Wege-Abgleich: Den Kreislauf mit der Buchhaltung schließen

Die am Tor erfassten BOL-Daten stehen nicht für sich allein. Sie sind das dritte Bein im Dreieck des 3-Wege-Abgleichs, der entscheidet, ob eine Lieferantenrechnung bezahlt wird.

Der 3-Wege-Abgleich in der Bau-AP vergleicht: (1) die Bestellung – was der GU zu kaufen vereinbart hat, zu welchem Preis; (2) das Wareneingangsdokument – was tatsächlich auf der Baustelle ankam, bestätigt durch den unterschriebenen BOL des Bauleiters; und (3) die Lieferantenrechnung – was der Lieferant zur Zahlung fordert. Stimmen alle drei überein, wird die Rechnung zur Zahlung freigegeben. Weicht ein Bein ab – falsche Menge, falscher Preis, falsches Material – wird die Rechnung zur Prüfung markiert.

In den meisten Bauunternehmen ist Schritt 2 heute der Engpass. Die Bestellung existiert im System. Die Rechnung kommt per Post oder E-Mail. Aber das Wareneingangsdokument – der unterschriebene BOL des Bauleiters mit Mengenbestätigung – liegt als Papier in einem Ordner im Baucontainer. Der Projektbuchhalter verbringt jeden Monat Stunden damit, diese BOLs physisch zu suchen, sie von Hand mit Bestellungen abzugleichen und die Daten einzugeben, bevor der 3-Wege-Abgleich überhaupt beginnen kann.

Der oben beschriebene BOL-Erfassungs-Workflow beseitigt diesen Engpass. Wenn der Bauleiter den Lieferschein am Tor fotografiert, sind diese Daten bereits strukturiert und exportbereit. Wenn die Rechnung des Lieferanten eintrifft – oft Wochen später – ist der Wareneingang bereits in der Tabelle, mit der Bestellung abgeglichen, und Abweichungen sind markiert. Der 3-Wege-Abgleich wird zum Prüfschritt, nicht zum Datenerfassungsprojekt.

Für Teams, die Bau-ERP-Systeme wie Procore, Sage 300 CRE oder Viewpoint nutzen, können die extrahierten BOL-Daten in das Wareneingangsmodul des Systems importiert werden – so entsteht ein digitaler Wareneingangsbeleg, der direkt mit dem Bestellvorgang (PO) verknüpft ist. Das Commitments-Tool von Procore erfasst beispielsweise jede PO-Position anhand der erhaltenen Mengen, und ein digitaler BOL-Extraktionsfeed ermöglicht es dem System, die Spalte „Erhalten" automatisch auszufüllen, ohne manuelle Eingabe. Das Einkaufsmodul von Sage 300 CRE unterstützt denselben Workflow über seinen Wareneingangsbeleg – und eine vorgelagerte Extraktionsebene sorgt dafür, dass der Eintrag aus dem BOL-Foto und nicht von einer Tastatur befüllt wird.

Häufig gestellte Fragen

Funktioniert das auch mit handschriftlichen Lieferscheinen von Sägewerken?

Ja – bei leserlicher Handschrift. Die KI liest handschriftlichen Text, indem sie Buchstabenformen im Kontext versteht, nicht durch Pixelabgleich mit Vorlagen. Ein klar geschriebener Lieferschein wird zuverlässig extrahiert. Durchschläge und stark beeinträchtigte Handschrift erfordern eine manuelle Prüfung von Feldern mit geringer Konfidenz (in der Regel 2–5 von über 30 Feldern). Das System kennzeichnet diese automatisch, sodass Sie nicht nach Fehlern suchen müssen.

Was ist, wenn der Lieferschein des Lieferanten keine Bestellnummer enthält?

Das kommt häufig vor. In diesem Fall bleibt das Feld „Bestellnummer" im Extraktionsergebnis leer – und wird manuell ausgefüllt. Wenn Sie jedoch Inferenzregeln eingerichtet haben (Lieferant → Baustellennummer), wird die Baustellennummer trotzdem befüllt, was die Zuordnung zur richtigen Bestellung eingrenzt. Bei Lieferanten, die die Bestellnummer konsequent weglassen, löst eine Prozessänderung (Bestellnummer auf jedem Lieferschein) das Problem an der Wurzel.

Kann das System unterschiedliche Maßeinheiten verschiedener Lieferanten verarbeiten?

Die KI extrahiert die Maßeinheit, die auf dem Lieferschein steht – Stückzahl, Brettfuß, Kubikmeter, laufender Meter, Tonnen. Eine automatische Umrechnung zwischen Einheiten (z. B. Brettfuß in Stückzahl) findet nicht statt. Wenn Sie eine Einheitenumrechnung benötigen, richten Sie eine berechnete Spalte mit der Umrechnungsformel ein – zum Beispiel Menge in Stück (Brettfuß ÷ 2,67) für 2×6-Schnittholz – und die KI führt die Berechnung während der Extraktion durch.

Wie lange dauert die Verarbeitung eines BOL-Satzes?

Jeder BOL wird in etwa 5–10 Sekunden verarbeitet. Ein Satz von 20 BOLs von 20 verschiedenen Lieferanten mit 20 verschiedenen Formaten wird parallel verarbeitet und ist in etwa der gleichen Zeit wie ein einzelnes Dokument abgeschlossen – der gesamte Satz ist in deutlich unter einer Minute fertig. Die extrahierte Excel-Datei steht sofort nach der Verarbeitung zum Download bereit.

Kann ich direkt in Procore oder Sage 300 CRE exportieren?

Das Extraktionstool gibt Daten in Excel (XLSX), CSV und Google Sheets aus. Aus Excel können die Daten in das Modul „Verpflichtungen" von Procore (per CSV-Import) oder in den Wareneingang von Sage 300 CRE importiert werden. Eine direkte API-Integration mit Bau-ERPs ist derzeit nicht verfügbar – der Workflow lautet: Extrahieren → Excel → Importieren. Für Google Sheets-Nutzer bietet das Google Sheets-Add-on eine direkte Extraktion in die Tabelle ohne den Zwischenschritt über Excel.

Wie genau ist die Erkennung bei Durchschlägen oder regenbeschädigten Belegen?

Die Genauigkeit sinkt proportional zur Dokumentqualität. Ein sauberes, flaches, gut ausgeleuchtetes Foto eines gedruckten BOL erzielt die höchste Genauigkeit. Bei Durchschlägen (blasse Schrift, blaue Tinte auf dünnem Papier) und wassergeschädigten Dokumenten haben die betroffenen Felder niedrigere Konfidenzwerte. Das System hebt Extraktionen mit niedriger Konfidenz hervor, sodass Sie diese gezielt prüfen können – anstatt die gesamte Ausgabe Korrektur zu lesen. Bei kritischen Lieferungen mit schlechter Dokumentqualität ist es schneller, das vom KI sicher Erkannte zu extrahieren und die markierten Felder manuell auszufüllen, als das gesamte Dokument von Grund auf neu zu tippen.