Gedruckte Versanddaten und handschriftliche Empfangsbestätigungen aus zurückgesendeten Lieferscheinen extrahieren
Lieferscheine sind hybride Dokumente – gedruckte Versanddetails plus handschriftliche Empfangsnachweise. Erfahren Sie, wie KI-Extraktion beide Ebenen in einem Durchlauf verarbeitet.
Warum ein unterschriebener Lieferschein zwei Dokumente in einem ist
Ein Lieferschein, der das Lager eines Lieferanten verlässt, enthält einen Datensatz: Artikelnummern, versendete Mengen, Bestellnummer, Spediteur, Versanddatum. Dies ist die Aufzeichnung des Lieferanten über das, was er versandt hat. Das Dokument reist mit der Fracht, und wenn es an der Warenannahme ankommt, kommt eine zweite Datenebene hinzu: die handschriftlichen Vermerke des Empfängers.
Diese Vermerke sind kein Rauschen. Sie sind das operative Urteil des Wareneingangsteams – und sie haben rechtliches Gewicht. Nach dem Uniform Commercial Code (UCC Article 2) stellt ein unterschriebener Lieferschein mit schriftlichen Ausnahmen einen dokumentierten Beweis dar, dass die Sendung nicht vollständig angenommen wurde. Keine Vermerke, keine Beweise. Unterschreibt der Empfänger, ohne zu vermerken, dass zwei Kartons zerquetscht ankamen oder dass 15 Stück einer 50er-Position fehlen, kann der Lieferant plausibel argumentieren, dass die Ware als vollständig angenommen wurde.
Die Herausforderung ist struktureller, nicht verfahrenstechnischer Natur. Gedruckte Daten sind von Natur aus maschinenlesbar. Handschriftliche Wareneingangsbestätigungen – Unterschriften, Schadenscodes, Mengenkorrekturen, Fahrernotizen – sind es nicht. Sie leben auf dem Papier, für das menschliche Auge sichtbar, aber für das WMS oder ERP unsichtbar. Wenn das Wareneingangsteam den Tag abschließt, bleiben diese Vermerke auf dem physischen Exemplar. Der digitale Datensatz enthält die Version des Lieferanten. Die Wahrheit liegt auf dem Papier.
Dies ist das Zwei-Ebenen-Problem: ein Lieferschein, zwei Datensysteme, nur eines wird digitalisiert.
Was verloren geht, wenn Sie nur die gedruckte Ebene lesen
Die Lücke zwischen dem, was der Lieferant versandt hat, und dem, was der Empfänger handschriftlich dokumentiert hat, ist nicht theoretisch. Hier sind die vier Arten von Wareneingangsvermerken, die verschwinden, wenn Teams nur die gedruckten Felder extrahieren:
Mengenkorrekturen
„Fehlmenge 3 von SKU 8842" neben der Positionsliste gekritzelt. Die gedruckte Menge des Lieferanten besagt, dass 25 Einheiten versandt wurden. Der Empfänger hat 22 gezählt. Wenn dieser handschriftliche Vermerk nie ins System gelangt, wird der Drei-Wege-Abgleich – Vergleich von Bestellung, Lieferschein und Lieferantenrechnung – die Rechnung zur vollständigen Zahlung für 25 Einheiten freigeben. Die Kreditorenbuchhaltung hat keine Grundlage für eine Einbehaltung.
Schadensvermerke
„2 Kartons eingedrückt – linke Ecke" quer über die Seite geschrieben. Dies ist der Beweis, den Sie brauchen, wenn der Lieferant den Schadensersatzanspruch bestreitet. Ohne ihn in digitaler Form ist der Anspruch ein Telefonat ohne Papierpfad.
Eingangszeitstempel und Unterschriften
Das handschriftliche Datum, die Uhrzeit und der Name des Empfängers legen fest, wann und von wem die Sendung angenommen wurde. Bei einem Streit darüber, ob eine Lieferung innerhalb des vereinbarten Zeitfensters eingetroffen ist, ist dies der primäre Nachweis. Bleibt er auf Papier, ist er bei einer digitalen Prüfung nutzlos.
Spediteur- und Fahrernotizen
„Fahrer: Mike, LKW 42, 14:15 Uhr" – entscheidend für die Rückverfolgbarkeit, wenn Waren zwischen Rampe und Einlagerung verschwinden.
Die Kosten für den Verlust dieser Ebene summieren sich. Ein einziger übersehener Schadensvermerk kann bedeuten, dass Sie 200 € für Ware bezahlen, die Sie nicht verkaufen können. Bei 50 Lieferscheinen pro Tag – einem typischen Volumen für ein mittelgroßes Lager – kann die monatliche Belastung durch nicht erfasste Wareneingangsabweichungen fünfstellige Beträge erreichen. Und das sind nur die Vorfälle, von denen Sie wissen.
Wie KI beide Ebenen gleichzeitig liest
Herkömmliche OCR betrachtet einen Lieferschein als Problem der Feldposition: Finde die Bestellnummer an Koordinate X, das Versanddatum an Koordinate Y. Dieser Ansatz scheitert, sobald ein Lieferant sein Layout ändert – oder jemand über den gedruckten Text schreibt.
Vision-Language-Modelle (VLMs) gehen das Problem anders an. Statt nach Text an festen Koordinaten zu suchen, lesen sie das gesamte Dokument als visuelle Szene. Sie verstehen, dass der gedruckte Text „12" in der Spalte „Menge" und die handschriftliche Notiz „10 ✓" daneben zwei unterschiedliche Angaben zum selben Datenpunkt sind – und extrahieren beide in separate Spalten.
Dies ist der Mechanismus hinter der benutzerdefinierten Spaltenextraktion: Sie definieren die gewünschten Spalten – „Bestellnummer", „Artikelnummer", „Versandte Menge", „Erhaltene Menge", „Schadensvermerke", „Empfangen von" – und die KI findet jeden Wert überall auf der Seite, indem sie versteht, was er bedeutet, nicht wo er steht. Die gedruckten Felder stammen aus der Vorlage des Lieferanten. Die handschriftlichen Felder stammen aus den Notizen des Empfängers. Sie landen in derselben Zeile einer einzigen Tabelle.
Der entscheidende Wandel: Handschriftliche Notizen sind kein Hindernis mehr für die Extraktion. Sie werden zu Datenfeldern, die extrahiert werden – genau wie die gedruckten, aber identifiziert durch Inhalt statt Position.
Schritt für Schritt: Gedruckte und handschriftliche Felder in einem Durchgang extrahieren
So verwandeln Sie einen Stapel unterschriebener Lieferscheine in eine einzige Tabelle mit sowohl versandten als auch empfangenen Mengen.
Dateien werden sicher verarbeitet und nicht gespeichert.
Unterschriebene Lieferscheine vom Wareneingang abholen
Nach jeder Fahrerübergabe sollte der Wareneingangsmitarbeiter das unterschriebene Exemplar behalten. Scannen Sie Papier-Lieferscheine am Dock – ein Handyfoto mit 300 DPI reicht aus – oder sammeln Sie die PDF-Versionen, die Lieferanten nach dem Versand per E-Mail senden. Wichtig: Heften Sie das unterschriebene Papier nicht in einer Schublade ab. Laden Sie es hoch.
Extraktionsspalten für beide Datenschichten definieren
Hier nimmt der Zweischichten-Ansatz Gestalt an. Ihre Spalten für die gedruckte Schicht: Bestellnummer, Artikelnummer, Artikelbeschreibung, Gelieferte Menge, Versanddatum, Spediteur, Lieferant. Ihre Spalten für die handschriftliche Schicht: Erhaltene Menge, Schadensvermerke (Textfeld), Empfangen von, Eingangsdatum/-uhrzeit, Unterschriftsstatus (Vorhanden/Fehlt). Geben Sie diese als Spaltennamen in der Extraktionsoberfläche ein – die KI füllt jede aus dem entsprechenden Teil des Dokuments, unabhängig davon, wo die handschriftliche Notiz relativ zum gedruckten Text erscheint.
Batch hochladen und beide Schichten von der KI verarbeiten lassen
Laden Sie alle morgendlichen Lieferscheine in einem Batch hoch – PDFs von Lieferantenportalen, gescannte Papierkopien vom Dock, Fotos des Wareneingangsteams. Die KI liest jedes Dokument anhand Ihrer Spaltendefinitionen. Die gedruckten Felder werden aus dem Layout des Lieferanten extrahiert. Die handschriftlichen Felder aus den Vermerken des Empfängers. Beide landen in derselben strukturierten Tabelle, zeilenweise ausgerichtet.
Ausnahmen prüfen, nicht jedes Feld
Die Ausgabetabelle bietet eine Gegenüberstellung: Gelieferte Menge (gedruckt) vs. Erhaltene Menge (handschriftlich). Abweichungen – wenn die Zählung des Empfängers von der des Lieferanten abweicht – sind sofort sichtbar. Filtern Sie nach Abweichungen und leiten Sie diese Zeilen an den Reklamationsprozess weiter. Die übereinstimmenden Zeilen erfordern keine weitere Aktion. Was früher ein manueller Abgleich von 50 Lieferscheinen war, ist jetzt ein 5-minütiger Filter- und Prüfdurchlauf.
So sieht die Ausgabetabelle aus
Die zusammengeführte Ausgabe liefert eine Zeile pro Position, mit Spalten aus beiden Datenebenen. Die Struktur:
| Bestellnummer | SKU | Versandte Menge | Erhaltene Menge | Schadensvermerke | Empfangen von | Eingangsdatum | Status |
|---|---|---|---|---|---|---|---|
| PO-8842 | VT-334 | 50 | 47 | 3 Einheiten beschädigt – Kartonecke eingedrückt | M. Chen | 2026-06-15 | Abweichung |
| PO-8842 | VT-338 | 100 | 100 | — | M. Chen | 2026-06-15 | OK |
| PO-8912 | SP-401 | 30 | 30 | — | J. Rivera | 2026-06-15 | OK |
Die Statusspalte kann automatisch über abgeleitete Spalten generiert werden: Definieren Sie eine Spalte wie Status (Optionen: OK/Abweichung) und die KI liest die Schadensvermerke und Mengenabweichungen, um den korrekten Wert zu ermitteln – Extraktion und Klassifizierung in einem Durchlauf. Für Standardfälle ist kein separater Prüfschritt nötig.
Für die nachgelagerte Integration speist diese Tabelle direkt in Ihren Drei-Wege-Abgleich-Workflow ein. Die Kreditorenbuchhaltung hat nun einen digitalen Beleg des tatsächlich Erhaltenen – nicht nur dessen, was der Lieferant laut eigenen Angaben versandt hat – bevor die Rechnung freigegeben wird. Die Bestellung stimmt mit der Lieferantenangabe überein. Die Lieferscheinextraktion deckt sich mit dem Eingang. Bei Abweichungen wird die Zahlung mit dokumentiertem Nachweis zurückgehalten.
FAQ
Wie genau ist die Handschrifterkennung bei Lieferscheinen mit dichten Anmerkungen?
Die Genauigkeit hängt von der Leserlichkeit ab. Klare handschriftliche Korrekturen – eingekreiste Mengen, „kurz 3“, ein gedruckter Name – werden zuverlässig erfasst. Dichte Kritzeleien auf gedrucktem Text, stark verschmierte Durchschläge oder wassergeschädigte Dokumente verringern die Genauigkeit. In der Praxis ist der Workflow so ausgelegt, dass Sie markierte Ausnahmen prüfen, nicht jedes Feld: Die KI extrahiert, was möglich ist, und der Prüfschritt fängt die Grenzfälle, die ein Mensch interpretieren muss. Das ist dennoch deutlich schneller als jedes Feld manuell zu erfassen.
Funktioniert das auch, wenn die handschriftlichen Notizen in einer anderen Sprache als der gedruckte Text sind?
Ja. Visuelle Sprachmodelle lesen Handschrift unabhängig von der Drucksprache. Ist der Lieferschein auf Englisch gedruckt, der Empfänger hat aber auf Spanisch oder Französisch notiert, extrahiert die KI beides. Die von Ihnen definierten Spaltennamen geben die semantische Erwartung vor – „Menge erhalten“ sagt dem Modell, es solle nach einer numerischen Anmerkung in der Nähe des gedruckten Mengenfelds suchen, unabhängig von der Sprache des umgebenden Texts.
Kann die Ausgabe zwischen verschiedenen Arten handschriftlicher Anmerkungen unterscheiden?
Durch die Definition separater Spalten für jeden Anmerkungstyp – Menge erhalten, Schadensvermerke, Empfangen von – weisen Sie die KI an, jede Information in ihr eigenes Feld zu extrahieren. Die KI unterscheidet eine numerische Korrektur von einem textuellen Schadensvermerk von einer Unterschrift anhand des semantischen Kontexts, nicht nur der Position. Ist eine Anmerkung mehrdeutig, bleibt das Ausgabefeld leer oder unsicher, was die Prüfung erleichtert.
Was ist, wenn der Empfänger nichts notiert hat – der Lieferschein nur unterschrieben ist?
In diesem Fall bleiben die Spalten für die Handschrift (Schadensvermerke, Mengenanpassungen) leer, und die Statusspalte wird standardmäßig auf OK gesetzt. Ein unterschriebener Lieferschein ohne Ausnahmen gilt als Annahme – genau wie im manuellen Prozess. Der Unterschied: Der digitale Datensatz dokumentiert nun formal, dass am Wareneingang keine Ausnahmen festgestellt wurden – ein stärkerer Beleg als „wir haben das Papier verloren“.
Welche Dokumente kann ich außer Lieferscheinen verarbeiten?
Derselbe zweischichtige Extraktionsansatz gilt für jedes Dokument mit gedruckten Daten und handschriftlichen Anmerkungen: Packlisten mit handschriftlichen Prüfhäkchen, Zustellnachweise mit Fahrernotizen, Wareneingangsbelege mit Prüfervermerken und Inspektionsberichte mit Feldbeobachtungen auf gedruckten Vorlagen. Die Extraktion ist inhaltsbasiert, nicht vorlagenbasiert, sodass Formatänderungen den Workflow nicht stören.
Die Diskrepanz zwischen dem, was ein Lieferant versendet, und dem, was ein Lager erhält, gab es schon immer. Der Unterschied heute: Sie müssen sich nicht mehr entscheiden, welche Seite des Lieferscheins Sie digitalisieren. Sie extrahieren beide – gedruckte Versanddaten und handschriftliche Empfangsbestätigungen – in einen strukturierten Datensatz und verlieren keine Streitfälle mehr, weil der Beleg nie das Papier verlassen hat.