OCR für die Logistik:
Automatisierung von Frachtbriefen, Liefernachweisen & Versanddokumenten

Was „OCR für die Logistik“ wirklich bedeutet – und wie es sich von allgemeiner Dokumenten-OCR unterscheidet

OCR für die Logistik ist die automatisierte Extraktion und Strukturierung von Daten aus den Dokumententypen, die in Lieferketten vorkommen: Konnossemente, Liefernachweise, Packlisten, Zollerklärungen und Frachtrechnungen. Ziel ist nicht nur die Digitalisierung dieser Dokumente in durchsuchbaren Text – sondern die Erstellung von strukturierten Daten auf Feldebene (Containernummern, SCAC-Codes, HS-Codes, Frachtbedingungen, Hafen-Codes, Mengen, Gebühren), die direkt in ein Transportmanagementsystem, ERP, Lagerverwaltungssystem oder eine Tabellenkalkulation fließen können.

Dieser Unterschied ist wichtig, weil ein allgemeines OCR-Tool jedes Dokument als „Text auf einer Seite“ behandelt. Es erkennt Zeichen, weiß aber nicht, dass COSU8102804 eine Containernummer ist (mit der Prüfziffer 4 nach ISO 6346) oder dass NL RTM der Hafen von Rotterdam als UN/LOCODE ist. Logistikdokumente enthalten branchenspezifische Codes und Feldbeziehungen, die generische OCR-Engines während des Trainings nie gelernt haben. Ein für die Rechnungsextraktion optimiertes Tool übersieht SCAC-Codes und Containerpräfixe, weil seine Trainingsdaten – AP-Rechnungen – diese nie enthielten, wie unser Vergleich von Logistik-Extraktionstools ergab, als AP-trainierte Tools bei logistikspezifischen Feldern unter 60 % fielen.

In der Praxis bedeutet dies, dass OCR für die Logistik sowohl semantisches Verständnis (die Fähigkeit, ein Feld anhand seiner Bedeutung zu identifizieren, nicht anhand seiner Position auf der Seite) als auch domänenspezifisches Code-Wissen (die Fähigkeit, Ausgaben gegen die von Logistiksystemen erwarteten Standards zu validieren und zu normalisieren) erfordert. Für einen tieferen Einblick, wie sich semantische Extraktion von traditioneller Zeichenerkennung unterscheidet, lesen Sie unseren Leitfaden zu was KI-OCR ist und wie es funktioniert.

Warum die Logistik OCR braucht: Der quantitative Beleg

Das Ausmaß der Dokumentenverarbeitung in der Logistik ist für Teams außerhalb des Betriebs selten sichtbar. Ein Speditionsschreibtisch, der 50-80 Sendungen pro Tag abwickelt, erhält die Dokumentation jeder Sendung als separates PDF oder Bild – oft von einem anderen Frachtführer oder Spediteur mit einem eigenen Format. Bei einer manuellen Dateneingabe, die schätzungsweise 10-15 Minuten pro Dokument beansprucht, verbringt ein Spediteur, der 60 Frachtbriefe (B/L) pro Tag verarbeitet, täglich 10 bis 15 Stunden allein mit dem Tippen – bevor Liefernachweise (POD) geprüft, Frachtrechnungen abgeglichen und Zollanmeldungen vorbereitet werden.

Diese Zeitkosten werden durch Fehlerquoten noch verstärkt. Studien zur manuellen Dateneingabe in Logistikabläufen finden durchgängig Fehlerquoten zwischen 2 % und 5 % bei Routinefeldern – und höhere bei handschriftlichen Einträgen. Bei einem Frachtbrief (B/L) mit 15-20 extrahierbaren Feldern bedeutet eine Fehlerquote von 3 % etwa einen Fehler in jedem zweiten Dokument. In der Logistik kann eine einzige falsche Ziffer im HS-Code eine Zollfestsetzung auslösen. Eine falsch getippte Containernummer kann eine Sendung tagelang in der Sendungsverfolgung verschwinden lassen. Eine vertauschte Gewichtsangabe kann eine Frachtgutschrift auslösen, deren Klärung Wochen dauert.

Für Logistikteams mit hohem Volumen ist der Geschäftsnutzen der OCR-Automatisierung nicht theoretisch. Es hat sich gezeigt, dass die Automatisierung der Dateneingabe von Frachtbriefen (B/L) und Frachtrechnungen die Verarbeitungszeit um mehr als die Hälfte reduziert und gleichzeitig die Fehlerquoten senkt – so können sich Mitarbeiter der Dateneingabe auf die Bearbeitung von Ausnahmen und den Kundenservice konzentrieren, statt sich mit repetitivem Tippen zu beschäftigen.

Die fünf Logistikdokumenttypen, die OCR benötigen

Logistikbetriebe verarbeiten nicht nur einen Dokumenttyp. Sie verarbeiten einen gemischten Strom aus mindestens fünf Typen, jeweils mit eigenem Feldsatz, rechtlicher Funktion und Extraktionsherausforderung. So lässt sich OCR auf jeden anwenden.

1. Frachtbrief (B/L)

Der Frachtbrief ist das informationsdichteste Dokument in der Logistik. Er dient als Quittung, Beförderungsvertrag und Traditionspapier – wer das Original besitzt, kann die Ware beanspruchen. Ein einzelner Seefrachtbrief kann den Namen des Versenders und die EORI-Nummer, den Empfänger, die Notifyadresse, den Schiffsnamen und die Reisenummer, den Verladehafen und den Entladehafen (jeweils als UN/LOCODE ausgedrückt), Containernummern (ISO-6346-Format mit Prüfziffern), Siegelnummern, Warenbeschreibungen, Brutto- und Nettogewichte, Packstückzahlen, Frachtbedingungen (vorausbezahlt oder unfrei), die Incoterms-Regel (FOB, CIF, FCA usw.) und oft mehrere Positionen mit HS-Codes enthalten. Die Felder variieren je nach Frachtführer in ihrer Position – Maersk platziert die Containernummer im oberen rechten Quadranten; MSC setzt sie in die Seitenmitte unter den Schiffsnamen. Ein Hausfrachtbrief kann eine Masterfrachtbriefnummer referenzieren, die ein Namensfrachtbrief nicht enthält. Eine vollständige Aufschlüsselung dieses Dokumenttyps finden Sie in unserem speziellen Leitfaden zur Frachtbrief-Datenextraktion. Um Frachtbrief-Felder in Sekundenschnelle in eine Tabelle zu extrahieren – ohne Einrichtung pro Frachtführer – nutzen Sie das Frachtbrief-zu-Excel-Tool.

2. Liefernachweis (POD)

Der Liefernachweis ist das Abschlussdokument des Versandzyklus: Er bestätigt, dass die Ware angekommen ist, in welchem Zustand und von wem sie angenommen wurde. Die Herausforderung bei der Extraktion besteht darin, dass die wichtigsten Felder auf einem POD am wenigsten maschinenlesbar sind. Zustellunterschriften sind handschriftlich – oft ein schneller Krakel, den selbst ein menschlicher Leser nur schwer entziffern kann. Zustellzeitstempel können vom Fahrer handschriftlich eingetragen werden. Schadensvermerke („1 Karton zerquetscht – verweigert“), Teilmengenvermerke („47 von 50 erhalten“) und Stempel für Verspätung werden in der Regel handschriftlich an den Rändern angebracht. Die besten Handschrift-OCR-Tools 2026 erreichen bei sauberer Druckschrift eine Genauigkeit von 85–95 %, aber kursiv geschriebene Unterschriften und Randnotizen bleiben für die meisten Logistikabläufe eine Ebene der menschlichen Überprüfung. Semantische KI-Extraktion mildert dies teilweise: Ein Modell, das die Dokumentstruktur versteht, kann den Prüfer zumindest an die richtige Stelle auf der Seite führen, anstatt ihn jedes Feld genau prüfen zu lassen.

3. Packliste

Packlisten begleiten jede Sendung und listen auf, was sich in jedem Karton oder auf jeder Palette befindet: Warenbeschreibungen, SKU-Codes, Mengen, Chargen- oder Losnummern und manchmal HS-Codes und Ursprungslandkennzeichnungen. Der Extraktionswert von Packlisten liegt in der Effizienz des Wareneingangs: automatischer Abgleich der empfangenen Mengen mit der Bestellung, Kennzeichnung von Teillieferungen bevor die Lieferantenrechnung eintrifft, und Einspeisung ins WMS ohne manuelle Artikelebeneingabe. Packlisten sind im Layout tendenziell einfacher als Frachtbriefe (B/L), weisen aber eine höhere Positionsdichte auf – eine einzelne Liste kann 50+ SKUs enthalten, und jede Zeile muss für den Inventarabgleich genau erfasst werden. Vorlagenbasierte OCR scheitert hier, weil jeder 3PL und Lieferant die Liste anders formatiert. Semantische Extraktion, die Felder nach Bedeutung statt nach Koordinatenposition liest, kommt mit dieser Variabilität von Natur aus zurecht.

4. Zollanmeldungen

Zollanmeldungen – das Einheitspapier (SAD) in der EU, das CBP-Formular 3461 in den USA, die CDS-Anmeldung im Vereinigten Königreich – sind der Punkt, an dem Extraktionsgenauigkeit direkt mit rechtlicher Compliance verknüpft ist. Jedes Feld einer Zollanmeldung entspricht einem regulatorischen Datenelement: Der HS-Code bestimmt den Zollsatz, das Ursprungsland die Handelsabkommensberechtigung, der angemeldete Wert die Bemessungsgrundlage für Umsatzsteuer und Zölle. Eine einzige falsche Ziffer in einem HS-Code kann zu Zollüberzahlungen oder, bei kontrollierten Waren, zur Beschlagnahmung der Sendung und zu Strafen führen. Zollanmeldungen greifen zudem auf Daten anderer Dokumente dieser Liste zurück – der Frachtbrief liefert die Transportdetails, die Handelsrechnung den Wert, der Packzettel die Positionsmengen –, weshalb dokumentenübergreifende Konsistenz eine zentrale Validierungsanforderung darstellt. Die OCR für Zolldokumente muss daher mit höheren Konfidenzschwellen arbeiten als die allgemeine Texterkennung.

5. Frachtrechnung

Die Frachtrechnung ist das finanzielle Abrechnungsdokument der Logistik. Sie listet die Kosten einer Sendung auf: Basisfrachtrate, Treibstoffzuschlag (oft 10–25 % der Gesamtsumme), Nebengebühren (Hebebühne, Innenzustellung, Wohngebietszuschlag), Stand- oder Liegegelder sowie etwaige ausgehandelte Rabatte. Der manuelle Prüfaufwand für diese Rechnungen ist erheblich – eine einzelne Überforderung kann 50–200 € betragen, und im großen Maßstab können systematische Überbelastungen jährlich Zehntausende kosten. Die automatisierte Extraktion von Frachtrechnungen ermöglicht es Kreditorenbuchhaltungsteams, berechnete Beträge mit vertraglich vereinbarten Sätzen abzugleichen, Zuschlagsabweichungen zu kennzeichnen und Ausnahmen zur Prüfung weiterzuleiten, ohne Kostenpositionen manuell in eine Tabelle eingeben zu müssen. Die besondere Herausforderung bei der Extraktion von Frachtrechnungen liegt in der Vielfalt der Gebührencodes und Abkürzungen (oft speditörsspezifisch), die dieselbe Dienstleistung bei verschiedenen Anbietern unterschiedlich beschreiben.

Was Logistikdokumente für OCR besonders schwierig macht

Logistikdokumente sind nicht einfach „Rechnungen mit anderen Feldern“. Sie stellen strukturelle Herausforderungen dar, für die herkömmliche OCR – und selbst viele allgemeine KI-Extraktionstools – nicht ausgelegt sind.

Proprietäre Codesysteme, die Fachwissen erfordern

Die Logistik arbeitet mit Codes, nicht mit natürlicher Sprache. Ein Frachtbrief sagt nicht „der Carrier ist Maersk Line“, sondern MAEU – der SCAC-Code des Carriers. Häfen werden nicht als „Rotterdam, Niederlande“ geschrieben, sondern als NL RTM, der fünfstellige UN/LOCODE der UNECE. Containernummern folgen ISO 6346: vier Buchstaben für den Eigentümercode (z. B. MSCU), sechs Ziffern und eine mathematisch prüfbare Prüfziffer. HS-Codes sind 6- bis 10-stellige Warenklassifikationen der Weltzollorganisation. Ein OCR-System, das diese Codestrukturen nicht erkennt, liefert Rohtext, der manuell neu codiert werden muss. Ein System, das sie erkennt, kann Ausgaben validieren – z. B. prüfen, ob eine extrahierte Containernummer die ISO-6346-Prüfziffernberechnung besteht – und so den nachgelagerten Prüfaufwand erheblich reduzieren.

Handschriftliche POD-Unterschriften und Randnotizen

Die Dokumente mit dem höchsten operativen Wert – Liefernachweise – enthalten am wenigsten maschinenlesbaren Inhalt. Fahrer unterschreiben mit handschriftlichen Kritzeleien. Empfänger notieren Lieferausnahmen an den Rändern. Zeitstempel werden von Hand eingetragen. Für den Carrier sind diese handschriftlichen Felder der rechtliche Nachweis von Lieferung und Zustand. Für das OCR-System stellen sie den schwierigsten Extraktionsfall dar: variable Handschrift im zweidimensionalen Raum ohne feste Feldgrenzen. Herkömmliche OCR erreicht bei unordentlichen POD-Notizen unter 50 % Genauigkeit. Moderne KI-Extraktion mit Vision-Language-Modellen schneidet besser ab – 75–90 % bei sauberer Druckschrift und 60–75 % bei Schreibschrift –, aber das sind keine Durchlaufzahlen: Die manuelle Prüfung handschriftlicher Felder bleibt in den meisten Logistik-Workflows ein notwendiger Kontrollpunkt.

Mehrsprachige Dokumente und Dokumente mit mehreren Zeichensätzen

Internationale Logistik bedeutet internationale Dokumente. Eine Sendung von Shanghai nach Hamburg erzeugt Dokumentation, die chinesische Zeichen (货物描述), Deutsch (Gefahrgutklasse) und Englisch enthalten kann – manchmal auf derselben Seite. Zollanmeldungen in Thailand verwenden die thailändische Schrift. Japanische Häfen erscheinen in Kanji. Lateinamerikanische Frachtbriefe (B/L) mischen oft Spanisch und Englisch. Herkömmliche OCR-Engines sind sprachspezifisch: Sie werden für Englisch oder Deutsch konfiguriert, und die Erkennungsgenauigkeit nimmt außerhalb des konfigurierten Sprachsatzes ab. KI-Vision-Modelle, die auf mehrsprachigen Dokumentkorpora trainiert wurden, gehen damit eleganter um, da sie visuelle Muster und nicht Zeichensätze verarbeiten, aber die Genauigkeit variiert dennoch erheblich je nach Schrift. Eine Logistik-OCR-Lösung für den globalen Einsatz sollte nicht nur anhand der Englisch-Genauigkeit bewertet werden, sondern anhand ihrer Leistung über die Sprachmischung hinweg, die im Betrieb tatsächlich vorkommt.

Variable Frachtführerformate ohne Standardisierung

Es gibt keine standardisierte Vorlage für einen Frachtbrief (B/L). Maersk, MSC, CMA CGM, COSCO, Hapag-Lloyd, ONE und Evergreen – die sieben größten Seefrachtreedereien – verwenden jeweils ein anderes Layout. Die Feldplatzierung variiert zwischen den Reedereien, zwischen Masterfrachtbrief und Hausfrachtbrief und manchmal zwischen der elektronischen und der Papierfassung derselben Reederei. Luftfrachtbriefe (AWB) von FedEx Express sehen völlig anders aus als Dokumente von DHL Express – für die Luftfracht-Extraktion im Speziellen siehe unser Tool für Luftfrachtbriefe (AWB) nach Excel. Liefernachweise (POD) von LKW-Frachtführern reichen von mehrseitigen Farbformularen bis zu thermisch bedruckten Einzelblättern mit handschriftlichen Ergänzungen. Vorlagenbasierte OCR erfordert eine separate Konfiguration für jede Variante – ein Wartungsaufwand, der mit jeder neuen Frachtführerbeziehung wächst. Semantische KI-Extraktion, die Felder anhand der Bedeutung statt anhand von Koordinaten lokalisiert, verarbeitet alle Varianten mit einer einzigen Konfiguration. Dies ist der Kernunterschied zwischen herkömmlicher OCR und moderner KI-Extraktion für die Logistik.

Incoterms und Variabilität der Handelsklauseln

Die von der Internationalen Handelskammer veröffentlichten Incoterms 2020 definieren 11 Handelsklauseln – von EXW (ab Werk) bis DDP (geliefert verzollt) – die den Gefahrenübergang, die Kostenverteilung und die Versicherungspflichten für jede Sendung festlegen. Ein einzelner Frachtbrief (B/L) kann die Incoterm als „CIF Shanghai" aufführen, während andere Dokumente derselben Sendung „CIF" in den Vertragsbedingungen möglicherweise anders referenzieren. Die Extraktion der Incoterm ist für die meisten OCR-Tools unkompliziert; sie zu interpretieren – zu verstehen, dass FOB nur für den Seefrachtverkehr gilt, während FCA für jede Transportart gilt – erfordert Domänenlogik, die die allgemeine Extraktion nicht bietet.

Legacy-OCR vs. moderne KI-Extraktion für die Logistik

Der Unterschied zwischen traditioneller OCR und moderner KI-Extraktion ist kein inkrementelles Upgrade – es ist ein anderer Ansatz zum Lesen von Dokumenten. Hier ist ein Vergleich der beiden Ansätze anhand der Dimensionen, die für die Logistik relevant sind.

Die obige Tabelle macht es deutlich: Für Logistikabläufe, die mit mehreren Spediteuren, mehreren Dokumenttypen und einer Mischung aus gedruckten und handschriftlichen Inhalten arbeiten, erfordert die traditionelle OCR eine Wartung pro Format, die den ROI der Automatisierung schmälert. KI-Vision-Language-Modelle, die Dokumente semantisch verarbeiten, bewältigen die Variabilität beim Lesen und nicht bei der Konfiguration. Für einen tieferen Vergleich dieser beiden technologischen Ansätze lesen Sie unseren Artikel über KI-OCR vs. traditionelle OCR-Genauigkeit.

Wichtige Felder bei der Logistikdokumentextraktion

Nachfolgend finden Sie eine Aufschlüsselung der Felder, die jeder Logistikdokumenttyp zum Datenfluss beiträgt. Die zu extrahierenden Felder hängen von Ihrem Workflow ab – ein Betriebsteam benötigt Sendungsverfolgungsdaten, während ein AP-Team Gebührendetails benötigt. Das Verständnis der vollständigen Feldübersicht hilft jedoch bei der Tool-Bewertung.

Compliance und regulatorische Aspekte

Die Extraktion von Logistikdokumenten ist nicht nur eine Frage der Effizienz – sie berührt an mehreren Stellen regulatorische Pflichten. Diese Compliance-Implikationen sind bei der Bewertung von Tools wichtig, da nicht alle Extraktionsworkflows das gleiche Maß an Validierungsstrenge erfordern.

UCP 600 und Akkreditive (L/C). Artikel 20 der Einheitlichen Richtlinien und Gebräuche für Dokumenten-Akkreditive (UCP 600) regelt Frachtbriefe, die unter Akkreditiven vorgelegt werden. Eine Abweichung zwischen den B/L-Daten und den Kreditbedingungen – der Warenbeschreibung, dem Verlade- oder Entladehafen, dem Datum der „an Bord“-Vermerkung oder dem Namen des Empfängers – kann eine Bankablehnung auslösen und die Zahlung um Wochen verzögern. Für Exporteure, die L/C als Zahlungsmechanismus nutzen, muss das OCR-Tool eine feldbezogene Validierung gegen vorgegebene Regeln unterstützen, nicht nur eine Massentextextraktion. KI-Tools, die B/L-Daten gegen L/C-Bedingungen validieren können, identifizieren potenzielle Abweichungen, bevor Dokumente der Bank vorgelegt werden.

US-Zoll- und Grenzschutzbehörde (CBP). Für Sendungen in die Vereinigten Staaten verlangt die Automated Commercial Environment (ACE) der CBP bestimmte Datenelemente: die Importeur-Registriernummer, den HS-Code auf 10-stelliger HTSUS-Ebene, das Ursprungsland (ISO 3166 alpha-2), den deklarierten Wert in USD und die Frachtbriefnummer. Jedes Feld hat ein definiertes Format und einen zulässigen Wertebereich. Eine OCR-Lösung, die diese Felder ohne Formatvalidierung extrahiert, verlagert die Validierungslast auf den Zollagenten.

ISO-Normen. Die Codesysteme der Logistikbranche unterliegen internationalen Normen mit definierten Validierungsregeln. Containernummern können gegen den ISO-6346-Prüfziffernalgorithmus verifiziert werden. UN/LOCODEs können gegen die UNECE-Masterdatei geprüft werden. SCAC-Codes können gegen das NMFTA-Register bestätigt werden. Ein Extraktionstool, das diese Validierungen zum Zeitpunkt der Extraktion durchführt – und eine Containernummer mit ungültiger Prüfziffer kennzeichnet, bevor sie in das TMS gelangt – eliminiert eine erhebliche nachgelagerte Fehlerkorrekturschleife.

Exportkontrollen. Für Sendungen kontrollierter Güter (ITAR, EAR) bestimmen die Warenbeschreibung und die HS-Code-Klassifizierung, ob eine Exportlizenz erforderlich ist. OCR-Systeme, die diese Felder extrahieren, können automatisierte Compliance-Prüfungen auslösen und so das Risiko verringern, kontrollierte Güter ohne die erforderliche Genehmigung zu versenden.

Für eine breitere Perspektive, wie Dokumentenextraktion in den finanziellen Bereich des Logistikbetriebs passt, lesen Sie unseren Leitfaden zu KI-Dateneingabe für Buchhaltungsteams – die Prinzipien der automatisierten Datenvalidierung gelten gleichermaßen für die Frachtrechnungsverarbeitung und die Zollbewertung.

So wählen Sie das richtige OCR-Tool für die Logistik

Jeder Logistikbetrieb ist einzigartig – in der Speditionsmischung, dem Dokumentenvolumen und der Systemlandschaft. Das folgende Framework hilft, Tools nach den Kriterien zu bewerten, die Logistik-Workflows tatsächlich beeinflussen – nicht nach generischen Feature-Listen.

Tools wie ImageToTable.ai, die eine benutzerdefinierte Spaltenextraktion nutzen – Sie definieren die Felder namentlich, und die KI findet sie semantisch überall auf der Seite – eignen sich besonders gut für die Logistik, da sie mit einem einzigen Setup mehrere Speditionsformate verarbeiten. Sie definieren Spalten wie „Containernummer“, „SCAC-Code“, „Verladehafen“ und „Frachtbedingungen“, und dieselbe Konfiguration funktioniert bei einem Maersk-Konnossement, einem MSC-Konnossement und einem LKW-Frachtbrief ohne Anpassung. Für Teams, die große Mengen gemischter Frachtdokumente verarbeiten, ist diese Formatunabhängigkeit der größte Treiber für die Automatisierungs-ROI.

Das Google Sheets-Add-on ist auch für kleinere Logistikteams oder Frachtmakler relevant, die Versanddaten in Tabellenkalkulationen statt in einem dedizierten TMS verwalten. Durch die direkte Extraktion von Versanddokumentdaten in Google Sheets – Containernummern neben Bestellnummern und Frachtkosten – ersetzt das Add-on die manuelle Tabelleneingabe, ohne dass eine Systemmigration erforderlich ist. Wenn Ihr Betrieb derzeit Versanddaten in einer Tabellenkalkulation abgleicht, bietet dieser Ansatz den Vorteil der Automatisierung innerhalb des Tools, das Ihr Team bereits verwendet.

Häufig gestellte Fragen

Versanddokument-Extraktion einsetzen

Logistikbetriebe haben nicht den Luxus, ihre Dokumenteneingänge zu standardisieren. Frachtbriefe kommen von 20 verschiedenen Spediteuren in 20 verschiedenen Layouts. Liefernachweise kommen mit handschriftlichen Unterschriften und Randnotizen von Fahrern zurück. Packlisten, Frachtrechnungen und Zollerklärungen bringen jeweils eigene Feldkomplexitäten und Validierungsanforderungen mit sich. Die Frage ist nicht, ob Sie die manuelle Verarbeitung vollständig eliminieren können – bei einigen Feldern, insbesondere handschriftlichen Unterschriften, bleibt die menschliche Überprüfung der richtige Kontrollpunkt. Die Frage ist, ob Sie die 10-15 Minuten manueller Dateneingabe pro Dokument eliminieren können, die derzeit die Bandbreite Ihres Teams beanspruchen, ohne operativen Mehrwert zu schaffen.

Moderne OCR für die Logistik – basierend auf semantischer KI-Extraktion statt vorlagenbasierter Zeichenerkennung – macht dies möglich, indem sie Versanddokumente so versteht, wie ein Logistiker es tut: indem sie identifiziert, was jedes Feld bedeutet, es gegen Industriestandards validiert und im Format ausgibt, das Ihre nachgelagerten Systeme erwarten. Eine Konfiguration funktioniert über jedes Spediteurformat, jede Sprache und jeden Dokumententyp hinweg.