Zuverlässige Daten aus chaotischen,
uneinheitlichen Rechnungen: Ein praktischer Genauigkeitsleitfaden

„99 % Genauigkeit“ ist eine Marketingzahl. So viel steckt wirklich dahinter.

Bei der Rechnungsextraktion gibt es zwei Genauigkeitswerte, die völlig unterschiedliche Dinge bedeuten. Die Verwechslung dieser beiden Werte ist die häufigste Ursache für Enttäuschungen, wenn Teams von Verkäufer-Demos zu echten Rechnungen übergehen.

Seitengenauigkeit – die 98–99 %, die Sie auf Verkäufer-Websites sehen – misst, wie viele einzelne Zeichen von allen Zeichen auf der Seite korrekt gelesen wurden. Wenn eine Rechnung 2.000 Zeichen hat und die OCR 20 davon falsch liest, beträgt die Seitengenauigkeit 99 %. Klingt großartig. Wenn diese 20 Zeichen jedoch zufällig die Rechnungsnummer (INV-2456 gelesen als INV-2465), der Rechnungsbetrag ($17.820 gelesen als $17.280) und die Zahlungsbedingungen (Netto 30 gelesen als Netto 3) sind, haben Sie drei Fehler auf Feldebene, die zu Zahlungsfehlern führen – während das Dashboard des Verkäufers immer noch 99 % Genauigkeit meldet.

Feldgenauigkeit ist das, was wirklich zählt. Sie misst, ob jedes einzelne Datenfeld – Rechnungsnummer, Datum, Gesamtbetrag, Positionen, Steuerbetrag, Lieferantenname – vollständig und korrekt extrahiert wurde. Eine einzige falsch gelesene Ziffer in einer 10-stelligen Rechnungsnummer macht dieses Feld falsch. Die Feldgenauigkeit ist immer niedriger als die Seitengenauigkeit, und die Lücke wird bei unübersichtlichen Rechnungen dramatisch größer. Eine Seitengenauigkeit von 99 % kann eine Feldgenauigkeit von 75 % überdecken, wenn die OCR-Fehler zufällig auf den finanziell bedeutenden Feldern auftreten.

Der einzige Genauigkeitswert, der für Ihren AP-Workflow zählt, ist die Feldgenauigkeit, gemessen an Ihren tatsächlichen Rechnungen mit Ihren tatsächlichen Extraktionsfeldern. Alles andere ist eine grobe Annäherung, die in die optimistische Richtung falsch liegt.

Wovon die Genauigkeit abhängt – Was Sie beeinflussen können vs. was die KI steuert

Die Extraktionsgenauigkeit ist das Ergebnis zweier zusammenwirkender Systeme: der physischen Qualität des eingehenden Dokuments und der Fähigkeit des KI-Modells, das Gesehene zu interpretieren. Die meisten Ratgeber zur Genauigkeit konzentrieren sich ausschließlich auf das zweite System und ignorieren das erste – dabei können Sie Letzteres noch heute Nachmittag verbessern, ohne Ihre Werkzeuge zu wechseln.

Von Ihnen beeinflussbare Faktoren – die Dokumenten-Pipeline:

• Auflösung. Unter 200 DPI verschwimmen Zeichen ineinander und OCR-Engines beginnen zu raten. PDFExcels Analyse der Handschrifterkennung empfiehlt 400–600 DPI für handschriftliche Inhalte. Für gedruckte Rechnungen sind 300 DPI das praktische Minimum. Mit 150 DPI gescannte PDFs – üblich bei älteren archivierten Dokumenten – liefern unabhängig von der KI-Güte messbar schlechtere Ergebnisse.
• Farbmodus. Schwarz-Weiß-Scans (bitonal) entfernen die feinen Schattierungsunterschiede, die ähnliche Zeichen voneinander unterscheiden. Groopers Forschung zur Handschrift-OCR bestätigt, dass Farbscans bessere Ergebnisse liefern als Schwarz-Weiß – die KI benötigt die zusätzlichen Daten, insbesondere bei handschriftlichen Anmerkungen, Stempeln und Wasserzeichen, die Finanzfelder überlagern.
• Dokumentenzustand. Knicke, Schatten, Schräglage (gekippte Seiten) und Komprimierungsartefakte beeinträchtigen die Erkennung. Ein Flachbettscan einer makellosen gedruckten Rechnung ist nahezu perfekte Eingabe. Ein Foto derselben Rechnung, schräg mit dem Handy unter Bürobeleuchtung aufgenommen, ist deutlich schlechter. Erneut gescannte Dokumente – Kopien von Kopien – verstärken das Problem. Die meisten AP-Teams haben keinen Einfluss auf den Zustand eingehender Rechnungen, aber sie können entscheiden, ob sie mit 150 DPI in S/W oder mit 300 DPI in Farbe scannen.
• Formatkonsistenz. Einseitig vs. mehrseitig, eingebettete Tabellen vs. angehängte Anhänge, natives PDF vs. als PDF gespeichertes Scanbild – all dies verändert, was die KI sieht. Ein natives PDF enthält auswählbaren Text, den die KI direkt lesen kann. Ein gescanntes PDF ist ein Textbild, das erst erkannt und dann interpretiert werden muss. Dieselbe Lieferantenrechnung, die einen Monat als natives PDF und im nächsten als Scanbild eingeht, liefert unterschiedliche Genauigkeit, obwohl der Inhalt identisch ist.

Von der KI gesteuerte Faktoren – die Erkennungsebene:

• Vorlagenbasierte vs. vorlagenfreie Extraktion. Vorlagenbasierte Systeme suchen Daten an festen Positionen („Rechnungsnummer befindet sich an Koordinaten x:420, y:180“). Sie scheitern, wenn der Anbieter sein Layout ändert – und Anbieter ändern Layouts ständig, wie die Analyse von LlamaIndex zur realen Rechnungsvarianz belegt. Vorlagenfreie KI liest semantisch – sie versteht, dass „der Wert neben der Bezeichnung ‚Rechnungsnr.‘ die Rechnungsnummer ist“, unabhängig davon, wo er erscheint. Vorlagenbasiert ist schneller und günstiger, funktioniert aber nur bei stabilen Formaten. Vorlagenfrei bewältigt Variabilität, kostet aber mehr pro Seite.
• OCR vs. Vision-Language-Modelle. Herkömmliche OCR wandelt Bild → Text um, versteht den Text aber nicht. Ein Vision-Language-Modell (VLM) liest das Dokument wie ein Mensch: Es erkennt das Layout, versteht, welche Felder semantisch zusammenhängen, und weiß, dass „Gesamtbetrag“ und „Zahlbetrag“ auf verschiedenen Rechnungen dasselbe bedeuten. Bei gedruckten, strukturierten Rechnungen kann OCR allein hohe Genauigkeit erzielen. Bei Rechnungen mit handschriftlichen Notizen, überlappenden Stempeln, mehrsprachigen Inhalten oder unregelmäßigen Layouts – Zusätze, die für OCR unsichtbar sind – ist ein VLM nötig, um eine Feldgenauigkeit von >95 % zu erreichen.
• Anbieterspezifisches Lernen. Die Genauigkeit verbessert sich mit Wiederholung. Precoro stellt fest, dass KI-Systeme nach der Verarbeitung von 10–20 Rechnungen desselben Anbieters zuverlässige Extraktionsmuster für dieses Format entwickeln. Die erste Rechnung eines neuen Anbieters wird möglicherweise mit 90 % Genauigkeit extrahiert. Die zwanzigste desselben Anbieters kann mit 98 % extrahiert werden. Deshalb sind Genauigkeitsbenchmarks bei „zufälligen, unterschiedlichen Rechnungen“ niedriger als die Genauigkeit im stabilen Produktionsbetrieb – und warum Teams, die Tools mit 5 Testrechnungen bewerten, niedrigere Werte erwarten sollten, als sie nach 3 Monaten Produktionseinsatz sehen werden.

Genauigkeit nach Rechnungstyp – Was Sie von sauberen PDFs, handschriftlichen Notizen, Durchschlägen und gemischten Formaten erwarten können

Nicht alle Rechnungen sind gleich, und eine einheitliche Genauigkeitserwartung auf alle anzuwenden ist der schnellste Weg, ein Tool falsch zu beurteilen. Hier erfahren Sie, was Sie je nach Rechnungstyp erwarten können – basierend auf dem, was technisch heute machbar ist, nicht auf Marketingversprechen:

Zwei wichtige Anmerkungen zu dieser Tabelle. Erstens bezieht sich die Genauigkeit auf einzelne Dokumente, nicht auf Stapel. Ein Stapel von 100 Rechnungen enthält Ausreißer – die eine Rechnung mit einem QR-Code direkt über dem Gesamtbetrag, der Lieferant, der sein Layout Mitte des Monats geändert hat – die niedriger liegen als der Stapeldurchschnitt. Zweitens summiert sich die Genauigkeit über Felder. Wenn Ihre Rechnung 10 Felder hat und jedes Feld unabhängig voneinander eine 98%ige Wahrscheinlichkeit hat, korrekt zu sein, liegt die Wahrscheinlichkeit, dass alle 10 korrekt sind, bei etwa 82 % – und das bevor berücksichtigt wird, dass einige Felder voneinander abhängen (falsche Bestellnummer bedeutet, dass der Drei-Wege-Abgleich fehlschlägt, selbst wenn jedes andere Feld stimmt).

So führen Sie Ihren eigenen Genauigkeitstest durch – 20 Rechnungen, ein Nachmittag

Die Genauigkeitsangaben von Anbietern basieren auf fremden Rechnungen. Die einzige Genauigkeitszahl, der Sie vertrauen sollten, ist die, die Sie selbst gemessen haben. Hier ist ein praktischer Ablauf, der einen Nachmittag dauert und eine Zahl liefert, mit der Sie arbeiten können:

Schritt 1: Wählen Sie 20 Rechnungen aus. Nicht Ihre 20 saubersten. Nicht Ihre 20 aktuellsten. Wählen Sie einen repräsentativen Querschnitt: 10 von Ihren umsatzstärksten Lieferanten (die Sie jeden Monat verarbeiten), 5 von gelegentlichen Lieferanten mit unterschiedlichen Formaten, 3 mit handschriftlichen Anmerkungen oder Stempeln und 2, die in der Vergangenheit Probleme bereitet haben. Nehmen Sie mindestens eine mehrseitige Rechnung und mindestens eine nicht-deutsche Rechnung auf, falls diese in Ihrem Workflow vorkommen. Ziel ist eine Stichprobe, die Ihren tatsächlichen Rechnungsmix abbildet, keine herausgesuchte Demogruppe.

Schritt 2: Definieren Sie Ihre Ground Truth. Erfassen Sie für jede Rechnung manuell alle Feldwerte, die Sie extrahieren möchten: Rechnungsnummer, Datum, Fälligkeitsdatum, Gesamtbetrag, Steuerbetrag, Zwischensumme, Lieferantenname, Bestellnummer sowie alle Positionsdetails (Beschreibung, Menge, Einzelpreis, Positionssumme). Tun Sie dies in einer Tabelle – eine Zeile pro Rechnung, eine Spalte pro Feld. Das ist Ihre Ground Truth. Lassen Sie eine zweite Person 5 der 20 Rechnungen stichprobenartig prüfen, um sicherzustellen, dass die Ground Truth korrekt ist. Die Ground Truth muss stimmen, bevor Sie die Extraktion daran messen können.

Schritt 3: Führen Sie die Extraktion durch. Laden Sie die 20 Rechnungen in das Tool hoch und geben Sie dieselben Feldnamen an, die Sie in Ihrer Ground Truth definiert haben. Exportieren Sie die Ergebnisse. Bereinigen oder ändern Sie die Ausgabe vor dem Vergleich nicht – das ist der Sinn des Tests.

Schritt 4: Vergleichen Sie Feld für Feld. Vergleichen Sie für jede Rechnung jedes extrahierte Feld mit der Ground Truth. Ein Feld ist korrekt, wenn der extrahierte Wert exakt mit der Ground Truth übereinstimmt – gleiches Format, gleicher Inhalt. „17.820" vs. „17820" gilt als korrekt, wenn Ihr System Formatabweichungen in der Weiterverarbeitung toleriert. Falls es zu Importfehlern führt, zählen Sie es als falsch. „15. Jan. 2025" vs. „2025-01-15" – gleiche Regel. Verfolgen Sie: Welche Felder sind fehlgeschlagen, bei welchen Rechnungstypen, und war der Fehler ein Totalausfall (leeres Feld), ein Teilausfall (falscher Wert) oder ein Formatfehler (richtiger Wert, falsches Format).

Schritt 5: Berechnen Sie die feldbezogene Genauigkeit. Feldbezogene Genauigkeit = Anzahl korrekt extrahierter Felder ÷ Gesamtzahl der Felder über alle Rechnungen. Wenn Ihre 20 Rechnungen jeweils 10 Felder haben (insgesamt 200 Felder) und 15 Felder falsch sind, beträgt Ihre feldbezogene Genauigkeit 92,5 %. Das ist die Zahl, die zählt. Berechnen Sie auch den Recall – wie viel Prozent der Felder, die hätten extrahiert werden sollen, wurden gefunden? (Ein Feld, das leer ist, obwohl es nicht leer sein sollte, ist ein Recall-Fehler.) Und die Präzision – wie viel Prozent der extrahierten Felder waren korrekt?

Wann „gut genug" wirklich gut genug ist – Genauigkeitsschwellen nach Rechnungsvolumen

Die benötigte Genauigkeit hängt vom Volumen ab. Bei 100 Rechnungen pro Monat kann ein einzelner Buchhalter jedes extrahierte Feld manuell prüfen – selbst 85 % Genauigkeit sparen erheblich Zeit, da der Mitarbeiter prüft, nicht überträgt. Bei 5.000 Rechnungen pro Monat bedeutet eine Feldgenauigkeit von 85 %, dass 750 Rechnungen mindestens einen Fehler aufweisen. Das Team kann nicht alle prüfen. Die durchschlüpfenden Fehler werden zu Zahlungen, und die Korrekturen kosten mehr als die Extraktion eingespart hat.

Volumenbasierte Genauigkeitsschwellen (Feldebene):

Die 98-%-Asymptote. Über 98 % Feldgenauigkeit hinaus erfordern weitere Verbesserungen exponentiell mehr Investitionen – bessere Scanausrüstung, strengere Lieferantenformatvorgaben, integrierte Validierungsregeln, dedizierte Ausnahmebearbeiter. Das Streben nach 99,5 % lohnt sich fast nie, es sei denn, Sie verarbeiten über 10.000 Rechnungen pro Monat und regulatorische Anforderungen verlangen nahezu Perfektion. Die Kosten für die letzten 1,5 % Genauigkeit übersteigen in der Regel die Kosten für die Bearbeitung der Fehler, die dadurch vermieden würden.

Wichtiger als das Erreichen einer absoluten Zahl ist es, in die richtige Richtung zu tendieren. Ein Team, das die Feldergenauigkeit innerhalb von drei Monaten von 88 % auf 94 % steigert, ist auf dem Siegeszug. Ein Team, das bei 99 % Seitenebenengenauigkeit feststeckt, während 20 % der Felder falsch sind, verliert – nur weiß es das noch nicht, weil es die falsche Zahl misst.

Genauigkeit verbessern, ohne ein anderes Tool zu kaufen

Wenn Ihre Genauigkeit niedriger als erwartet ist, ist der Tool-Wechsel selten die erste Lösung. Die meisten Genauigkeitsprobleme lassen sich beheben, indem man ändert, was in das Tool eingegeben wird und wie man nach Daten fragt – die Eingabeseite und die Anweisungsseite. Diese Änderungen kosten nichts und funktionieren mit jedem Extraktionssystem.

Auf der Eingabeseite – verbessern, was die KI sieht:

• Mindestens 300 DPI in Farbe scannen. Das allein kann die Feldergenauigkeit bei gescannten Rechnungen um 5–10 Prozentpunkte steigern. Viele AP-Abteilungen scannen aus Dateigrößen-Gründen mit 150–200 DPI in Schwarzweiß. Der Dateigrößenunterschied (5 MB vs. 1 MB) ist im Vergleich zu den Arbeitskosten für die Korrektur von Extraktionsfehlern irrelevant.
• Schräglage korrigieren und ausrichten. Wenn Rechnungen schief ankommen (häufig bei Handyfotos und Schnellscans), muss die KI die Seitengeometrie drehen und neu interpretieren. Ein entzerrtes Bild vermeidet diesen Aufwand. Die meisten Scannersoftware enthält eine automatische Schräglagenkorrektur; aktivieren Sie sie.
• Nachscans vermeiden. Eine Rechnung, die gedruckt, gescannt, gemailt, erneut gedruckt und wieder gescannt wurde, trägt die angesammelten Artefakte jeder Generation. Wenn Sie Zugriff auf das originale digitale PDF haben, verwenden Sie es. Das Dokument der ersten Generation extrahiert immer besser als das der N-ten.
• Mehrseitige Rechnungen richtig trennen. Wenn Seite 1 einer 3-seitigen Rechnung beim Hochladen von den Seiten 2–3 getrennt wird, sieht die KI ein unvollständiges Dokument. Seite 1 enthält vielleicht den Kopf, aber Seite 3 die Summen. Batch-Upload-Tools, die Dateien zu einer einzigen Verarbeitungseinheit zusammenfassen, erledigen dies automatisch.

Auf der Anweisungsseite – präziser nach Daten fragen:

• Explizite Feldnamen verwenden. „Rechnungsnummer“ wird zuverlässiger extrahiert als „RG-Nr.“, da die KI nach semantisch passenden Bezeichnungen sucht. „Gesamtbetrag“ ist besser als „Gesamt“. „Steuerbetrag“ ist besser als „Steuer“. Mehrdeutige Namen zwingen die KI zum Raten, welches Feld gemeint ist, und Raten führt zu Fehlern.
• Komplexe Felder in atomare aufteilen. Statt „Lieferantenadresse“ als ein Feld abzufragen, fragen Sie getrennt nach „Lieferantenstraße“, „Lieferantenstadt“, „Lieferantenbundesland“ und „Lieferanten-PLZ“. Die KI kann jede Komponente präzise lokalisieren, anstatt zu raten, wo ein Feld endet und das nächste beginnt.
• Spaltennamenberechnung für abgeleitete Werte verwenden. Wenn das Dokument eine „Gesamtsumme“ inklusive Steuer zeigt, Sie aber eine nicht gedruckte Zwischensumme vor Steuern benötigen, teilt ein Spaltenname wie „Zwischensumme (Gesamtsumme − Steuerbetrag)“ der KI mit, das fehlende Feld aus verfügbaren Daten zu berechnen. Dies ist zuverlässiger, als von der KI zu erwarten, einen unbeschrifteten Wert zu erraten – und verwandelt Extraktionsfehler (fehlendes Feld) in Erfolge (berechnetes Feld).
• Lieferantenbenennung standardisieren. Wenn Ihr Extraktionstool aus der Vergangenheit lernen kann, verwenden Sie für denselben Lieferanten immer denselben Namen. „Acme GmbH“ und „Acme GmbH.“ sind für ein Mustererkennungssystem zwei verschiedene Lieferanten. Konsistenz in Ihren Feldnamen und Referenzdaten verbessert die Konsistenz bei der Extraktion.

Der kumulative Effekt dieser Änderungen ist oft größer als der Unterschied zwischen der Basisgenauigkeit von Anbieter A und Anbieter B. Ein Team, das die Eingabequalität und Felddefinitionen optimiert, kann mit einem mittelmäßigen Tool eine Feldgenauigkeit von 95 % erreichen. Ein Team, das rohe Handyfotos in das beste Tool auf dem Markt wirft, erreicht vielleicht 85 %. Das Tool ist wichtig – aber wie Sie es füttern, ist wichtiger.

Hilfe bei der Auswahl der richtigen Extraktionsmethode für Ihren Rechnungsmix finden Sie in unserem Vergleich von KI-Rechnungsextraktionstools. Für den größeren Kontext, wie manuelle Dateneingabe zum strukturellen Engpass wurde, der Genauigkeit so kritisch macht, lesen Sie unsere Analyse warum AP-Teams immer noch auf manuelle Rechnungserfassung angewiesen sind.