Koreanische Firmendaten für KYC
in Excel extrahieren

Die Gewerbeanmeldung (사업자등록증) im Lieferanten-KYC: Was sie ist und warum Sie ihre Daten brauchen

Die koreanische Gewerbeanmeldung ist das grundlegende Identitätsdokument für jedes Unternehmen, das in Südkorea tätig ist. Ausgestellt vom Nationalen Steuerdienst (NTS, 국세청) gemäß Artikel 8 des Mehrwertsteuergesetzes (부가가치세법 제8조) und Artikel 168 des Einkommensteuergesetzes (소득세법 제168조), muss jedes Unternehmen – ob Einzelunternehmer oder multinationaler Konzern – dieses Zertifikat innerhalb von 20 Tagen nach Geschäftsbeginn registrieren und erhalten. Die rechtliche Bedeutung des Dokuments geht über die Steuerverwaltung hinaus: Nach dem Gesetz über Finanztransaktionen unter echtem Namen (금융실명법) dient die 사업자등록증 als primärer Nachweis der Geschäftsidentität für alle Finanztransaktionen, Bankgeschäfte und Handelsverträge.

Im Lieferanten-KYC-Kontext verrät Ihnen das Zertifikat acht Dinge über einen potenziellen Anbieter:

Diese acht Felder sind der minimale Datensatz, den jedes KYC-Team benötigt, um einen koreanischen Lieferanten zu überprüfen. In der Praxis kommen sie jedoch in verschiedenen Formaten an: ein PDF-Scan als E-Mail-Anhang, ein Smartphone-Foto eines laminierten Zertifikats, eine Faxkopie oder ein Screenshot vom NTS-Portal HomeTax (홈택스). Keines dieser Formate ist für die Dateneingabe strukturiert – und hier beginnt das Extraktionsproblem.

Schritt für Schritt: Gewerbeanmeldung (사업자등록증) in Excel extrahieren

Die Umwandlung einer koreanischen Gewerbeanmeldung in eine strukturierte Tabellenzeile erfolgt in vier Schritten. Der Einrichtungsaufwand ist derselbe, ob Sie ein oder fünfzig Zertifikate verarbeiten – genau darum geht es bei der Extraktion im Vergleich zur manuellen Eingabe.

Schritt 1: Zertifikate sammeln

Sammeln Sie alle erhaltenen 사업자등록증-Dokumente – egal ob als E-Mail-Anhang (PDF oder Bild), Smartphone-Fotos von Außendienstmitarbeitern oder gescannte Kopien aus einem Lieferantenportal. Das Tool akzeptiert JPG, PNG, PDF und WebP, sodass keine Konvertierung oder Normalisierung erforderlich ist. Laden Sie alle in einem einzigen Batch hoch. Ein Batch mit 50 Lieferantenzertifikaten benötigt etwa die gleiche Upload-Zeit wie ein einzelnes – je nach Dateigröße etwa 30 bis 60 Sekunden für die Übertragung.

Schritt 2: Definieren Sie Ihre Ausgabespalten

Hier unterscheidet sich die semantische Extraktion von der vorlagenbasierten OCR. Statt Rechtecke auf eine Dokumentvorlage zu zeichnen (was fehlschlägt, wenn das nächste Zertifikat eines Lieferanten ein anderes Layout hat), benennen Sie einfach die Felder, die die KI finden soll. Geben Sie die Spaltennamen ein, die zu Ihrer KYC-Tabelle passen: Business Registration Number, Business Name, Representative, Business Address, Tax Classification, Industry Code, Start Date. Die eingegebenen Spaltennamen werden zu den Kopfzeilen Ihrer finalen Tabelle. Es ist keine Vorlagenkonfiguration pro Lieferant nötig – die KI liest jedes Zertifikat und findet das passende Feld durch semantisches Verständnis, nicht durch Koordinatenposition.

Dieser Ansatz, genannt Benutzerdefinierte Spaltenextraktion, bedeutet, dass Sie die Ausgabestruktur einmal definieren und jedes Zertifikat – unabhängig vom Aussteller, der Kamera oder ob es ein Scan oder Screenshot ist – in dieselben Spalten abbildet. Ein Lieferant, der ein schräg aufgenommenes Foto einreicht, erzeugt dieselbe strukturierte Zeile wie einer, der ein sauberes PDF vom NTS-Portal hochlädt.

Schritt 3: KI-Extraktion

Sobald die Dateien hochgeladen und die Spalten definiert sind, verarbeitet die Extraktions-Engine alle Zertifikate im Batch gleichzeitig. Jedes Dokument wird von einem visuellen Sprachmodell analysiert, das Feldbezeichnungen identifiziert, die zugehörigen Werte liest und sie den angeforderten Spalten zuordnet. Die Verarbeitungszeit beträgt 5–10 Sekunden pro Seite, und der Batch ist abgeschlossen, sobald jede Datei verarbeitet wurde – bei typischen Lieferantenmengen meist innerhalb weniger Minuten.

Schritt 4: Export nach Excel oder CSV

Die Ergebnisse landen als einzelne Excel- (XLSX) oder CSV-Datei. Jedes Zertifikat wird zu einer Zeile; jede definierte Spalte wird zu einer Spalte. Die exportierte Datei ist bereit für den Import in Ihre KYC-Datenbank, Ihr ERP (wie Douzone, Ecount oder SAP) oder Ihr Lieferantenmanagementsystem. Keine manuelle Neuformatierung erforderlich – die Datenstruktur entspricht den in Schritt 2 definierten Spaltennamen, und das Dateiformat ist das von allen koreanischen Buchhaltungsplattformen akzeptierte Standard-CSV oder XLSX.

8 Schlüsselfelder, die Ihre KYC-Tabelle benötigt – und wie man die BRN liest

Die Business Registration Number (사업자등록번호) selbst enthält aussagekräftige Informationen, die KYC-Teams für eine schnelle Lieferantenbewertung nutzen können, ohne eine separate Datenbank abgleichen zu müssen. Das Verständnis der Nummernstruktur verwandelt eine zehnstellige Kennung in ein sofortiges Verifizierungswerkzeug.

Das BRN-Format XXX-XX-XXXXX setzt sich wie folgt zusammen:

Mit einem einzigen Blick auf die mittleren zwei Ziffern können Sie erkennen, ob ein Lieferant ein Einzelunternehmer, ein Hauptsitz einer Kapitalgesellschaft, eine Zweigniederlassung, eine Non-Profit-Organisation oder ein ausländisches Unternehmen ist – ohne eine Datenbank aufzusuchen. Dies ist die Art von Signal, die die anfängliche KYC-Ersteinschätzung beschleunigt, insbesondere bei der Verarbeitung großer Chargen von Lieferantenanträgen, bei denen die meisten die erste Prüfung bestehen und nur Ausnahmen eskaliert werden müssen.

Der vollständige Datensatz mit acht Feldern – BRN, Firmenname, Vertreter, Startdatum, Adresse, Branchencode, Steuerklassifikation und Ausstellungsgrund – liefert alles, was Sie benötigen, um einen Lieferantenstammdatensatz zu befüllen. Der Vergleich von staatlichen, inländischen ERP- und in Dollar bepreisten KI-Tools zeigt, dass die in Koreas Inlandsmarkt verfügbaren Tools entweder ein ERP-Abonnement erfordern oder pro Seite abrechnen; keines der Preismodelle ist für den Batch-KYC-Anwendungsfall optimiert, bei dem Sie ein unregelmäßiges Volumen an Zertifikaten verarbeiten müssen – manchmal 10 in einem Monat, manchmal 200 während eines Lieferantenaktualisierungszyklus.

Warum die manuelle Eingabe der eigentliche Engpass beim Onboarding koreanischer Lieferanten ist

Die Kosten der manuellen Dateneingabe für das Lieferanten-KYC beschränken sich nicht nur auf die Zeit, die mit Tippen verbracht wird. Es geht um die Verzögerung beim Onboarding, die Fehler, die durchrutschen, und das Compliance-Risiko, das mit der Verarbeitung falscher Lieferanteninformationen einhergeht.

Stellen Sie sich ein mittelständisches Unternehmen vor, das pro Quartal 30 neue koreanische Lieferanten onboardet. Jede 사업자등록증 enthält acht wichtige Felder. Das sind 240 Datenpunkte pro Quartal – und realistisch gesehen benötigt jede Bescheinigung mehr als acht Felder, da das Compliance-Team auch das Einreichungsdatum, den Prüfer, den Verifizierungsstatus und das Ablaufdatum des Dokuments erfasst. Bei einer manuellen Eingabe von etwa drei Minuten pro Bescheinigung bedeutet das 90 Minuten pro Charge von 30 Bescheinigungen, wenn alles reibungslos läuft. In der Praxis dauert es länger: Der Schreibkraft muss in ein Smartphone-Foto hineinzoomen, um eine unscharfe Registrierungsnummer zu lesen, die Adresse aus einem abgewinkelten Scan neu eingeben oder überprüfen, ob „일반과세자“ bedeutet, dass der Lieferant Mehrwertsteuerrechnungen ausstellen kann (das tut es, aber der Compliance-Beauftragte muss es dennoch anhand der internen Richtlinien bestätigen).

Hinzu kommt eine Fehlerquote von 2–3 % bei der Dateneingabe – eine falsch gelesene Ziffer in einer zehnstelligen BRN führt dazu, dass eine Zahlung an die falsche Stelle geht – und die Kosten der manuellen Eingabe vervielfachen sich. Für ein Compliance-Team, das 30 Bescheinigungen pro Quartal verarbeitet, bedeutet das etwa 5–7 falsch eingegebene Felder pro Charge. Jeder Fehler erfordert eine Folge-E-Mail oder einen Anruf beim Lieferanten, was den Onboarding-Zyklus um Tage oder Wochen verzögert.

Die Batch-Extraktion eliminiert diese Fehler an der Quelle. Die KI liest jedes Feld direkt aus dem Dokumentbild und gibt es als strukturierten Text aus. Das Fehlerprofil verschiebt sich von Übertragungsfehlern (falsche Ziffer, falsch geschriebener Name, vertauschte Adresse) zu Interpretationsgrenzfällen (blasser Text auf einer Kopie, ein teilweise verdeckter Stempel) – die weitaus seltener und bei der Überprüfung viel leichter zu erkennen sind.

Wie die semantische Extraktion koreanische Zertifikate verarbeitet

Koreanische Gewerbeanmeldungen stellen drei Herausforderungen dar, die herkömmliche OCR-Tools nur unzureichend bewältigen und die die semantische Extraktion direkt löst.

Herausforderung 1: Stempelüberlagerung. 사업자등록증 trägt mehrere offizielle Stempel (직인) des ausstellenden Finanzamts. Diese Stempel überlappen oft mit gedruckten Textfeldern – das Siegel des Finanzamtsleiters kann teilweise das Ausstellungsdatum oder die Steuerklassifikation überdecken. Herkömmliche OCR liest die Tinte über dem Text als Rauschen und gibt verstümmelte Zeichen aus. Ein visuelles Sprachmodell liest das Dokument ganzheitlich: Es erkennt, dass eine kreisförmige rote Überlagerung ein Stempel ist, ignoriert ihn für die Texterkennung und liest die darunterliegenden Zeichen korrekt. Diese Unterscheidung ist wichtig, da Stempel auf fast jedem 사업자등록증 vorhanden sind – sie sind ein Merkmal des Dokuments, keine Anomalie.

Herausforderung 2: Gemischtes Koreanisch, chinesische Schriftzeichen und Englisch. Koreanische Zertifikate verwenden Hangeul (한글) für die meisten Feldbezeichnungen und -werte, Hanja (한자, chinesische Schriftzeichen) in Firmennamen und Adressen sowie Englisch in einigen exportorientierten Zertifikaten. Ein Tool, das für ein Schriftsystem optimiert ist, liefert bei den anderen schlechtere Ergebnisse. Das in der semantischen Extraktion verwendete visuelle Modell verarbeitet alle drei gleichzeitig auf derselben Dokumentseite – es wechselt nicht zwischen OCR-Engines für verschiedene Schriften. Ein Lieferant, dessen Firmenname Hanja enthält (z. B. 株式会社 in einem alteingesessenen Handelsunternehmen), wird korrekt neben Hangeul-kodierten Feldern gelesen.

Herausforderung 3: Winkel-, Licht- und Formatvariationen. Echte 사업자등록증 kommen in allen Formen: als Flachbettscan, als Schreibtischfoto mit einem Bürotelefon, als Fax eines Faxes, als Screenshot des HomeTax-Portals. Vorlagenbasierte OCR erfordert, dass das Dokument in einer vordefinierten Zone positioniert ist. Ein Foto, das in einem 20-Grad-Winkel aufgenommen wurde, verschiebt jedes Feld außerhalb seines erwarteten Begrenzungsrahmens. Die semantische Extraktion ist nicht von der Feldposition abhängig – sie findet den Wert, indem sie die Bezeichnung daneben liest, unabhängig davon, wo auf der Seite diese Bezeichnung steht. Diese Formatunabhängigkeit macht die Batch-Verarbeitung ohne einen pro Lieferanten erforderlichen Konfigurationsschritt möglich.

FAQ

Kann ich Daten aus einer Gewerbeanmeldungsbescheinigung extrahieren, die nur Koreanisch und kein Englisch enthält?

Ja. Die KI liest Hangul genauso natürlich wie Englisch oder Hanja – es handelt sich nicht um eine separate OCR-Engine mit Koreanisch als Plugin. Spaltennamen in Ihrer Extraktionsvorlage können auf Englisch sein (z. B. „Business Name“), und die KI findet die entsprechende koreanische Feldbezeichnung („상호“) und extrahiert deren Wert. Die Ausgabetabelle enthält die extrahierten koreanischen Textwerte unter Ihren englischen Spaltenüberschriften. Bei zweisprachigen Bescheinigungen, die sowohl koreanischen als auch englischen Text auf demselben Dokument enthalten, liest die KI die Sprache, die die Feldbezeichnung verwendet.

Was ist, wenn die Bescheinigung des Lieferanten ein schräg aufgenommenes oder schlecht beleuchtetes Foto ist?

Die semantische Extraktion verarbeitet schräge Fotos und ungleichmäßige Beleuchtung besser als herkömmliche OCR, da sie nicht auf eine frontale Ausrichtung angewiesen ist. Das Vision-Modell interpretiert das Dokument wie ein Mensch – es identifiziert die Feldbezeichnungen und -werte anhand ihres Inhalts und ihrer relativen Anordnung, nicht durch Erwartung an festen Koordinaten. Verschwommene oder extrem niedrig aufgelöste Fotos können die Genauigkeit beeinträchtigen, aber die häufigste Situation (ein Schreibtischfoto mit einem Smartphone bei normaler Bürobeleuchtung) liefert zuverlässige Extraktionen.

Überprüft das Extraktionstool, ob die BRN eine echte, aktive Registrierung ist?

Nein – das Tool extrahiert die BRN, wie sie auf der Bescheinigung gedruckt ist, fragt aber nicht die NTS-Datenbank ab, um zu bestätigen, dass die Nummer derzeit aktiv ist oder das Unternehmen nicht inzwischen geschlossen hat. Die extrahierte BRN kann über das NTS HomeTax-Portal (www.hometax.go.kr) oder über die API des Korea Public Data Portal (data.go.kr) zur Überprüfung geprüft werden. Der Extraktionsschritt erzeugt die strukturierten Daten; ein separater Überprüfungsschritt bestätigt deren aktuelle Gültigkeit. Diese Trennung von Extraktion und Überprüfung ist in KYC-Workflows Standard, bei denen die extrahierten Daten die Eingabe für den Überprüfungsprozess sind, nicht dessen Ausgabe.

Was passiert, wenn ein Feld auf dem Zertifikat fehlt?

Wenn ein bestimmtes Feld nicht auf dem Dokument erscheint (z. B. kann bei einem neu ausgestellten Zertifikat das ursprüngliche Geschäftsstartdatum fehlen), bleibt die entsprechende Zelle in der Spalte leer. Die Extraktion halluziniert keine Werte – sie gibt nur das aus, was auf der Seite gefunden wird. Dieses Verhalten ist über alle Dokumente im Batch hinweg konsistent, sodass fehlende Felder in der exportierten Tabelle leicht erkennbar sind und beim jeweiligen Lieferanten nachgefragt werden kann.

Kann ich Zertifikate von Einzelunternehmern und großen Unternehmen zusammen im Batch verarbeiten?

Ja. Das 사업자등록증-Format ist von der NTS standardisiert – dieselbe Dokumentenstruktur gilt für einen Solo-Freiberufler und eine Samsung-Tochtergesellschaft. Beide liefern eine BRN, einen Firmennamen, einen Vertreternamen, eine Adresse und eine Steuerklassifikation. Der einzige Unterschied ist der Rechtsträgertyp-Code in den mittleren zwei Ziffern der BRN (01–79 für Einzelunternehmer, 81/86–88 für Kapitalgesellschaften), den die KI als Teil des BRN-Feldes extrahiert. Ein einzelner Batch mit gemischten Rechtsträgertypen wird in einem Durchlauf verarbeitet.

Wie schneidet dies im Vergleich zur Verwendung von Naver Clova OCR für dieselbe Aufgabe ab?

Naver Clova OCR liest koreanischen Text mit hoher Genauigkeit (97–99 %) und kostet etwa ₩50 pro Seite. Der entscheidende Unterschied liegt in dem, was nach der Texterkennung passiert: Clova OCR gibt rohe Textstrings mit Positionsdaten zurück, versteht aber nicht, welcher String der Firmenname, der Vertretername oder die Adresse ist. Um strukturierte Felder zu extrahieren, müssten Sie entweder eine benutzerdefinierte Parsing-Logik pro Zertifikatslayout schreiben oder eine Vorlage pro Dokumentformat konfigurieren – was den Zweck der Batch-Verarbeitung zunichtemacht, wenn jedes Lieferantenzertifikat subtile Layout-Unterschiede aufweist. Die KI-semantische Extraktion liefert bereits strukturierte Daten, die Ihren Spaltennamen zugeordnet sind, und erfordert kein nachträgliches Parsing. Der Kostenvergleich pro Seite hängt vom Volumen ab – die Analyse der Preise für die koreanische Dokumentenextraktion schlüsselt die Break-Even-Punkte zwischen API-Tools mit Seitenpreis und Pauschalpreisextraktion bei verschiedenen monatlichen Volumina auf.

Welche Spalten sollte ich aufnehmen, wenn ich noch nicht weiß, welche Daten ich brauche?

Beginnen Sie mit den acht Standardfeldern aus diesem Artikel: BRN, Firmenname, Vertreter, Gründungsdatum, Geschäftsadresse, Branchencode, Steuerklassifikation und Ausstellungsgrund. Diese decken die Mindestanforderungen für die Lieferanten-KYC gemäß den koreanischen AML/CFT-Vorschriften ab. Wenn Ihr Compliance-Rahmen weitere Details erfordert – wie Informationen zu Mitvertretern oder eine spezifische Unterklassifikation der Geschäftsart – können Sie diese Spalten zur Extraktionsvorlage hinzufügen, und die KI sucht danach im Dokument. Die Spaltendefinition ist nicht festgelegt; Sie können sie zwischen Batches anpassen, wenn sich Ihre KYC-Anforderungen weiterentwickeln.