Azure Services
Open AIKI-Assistent für die Rechnungsverarbeitung
Azure ServicesOpen AI
Standort
Deutschland
Branche
Automobileindustrie
Unternehmensgröße
200+ Mitarbeiter
Implementierung
2025
Eine Kurze Referenz über das Projektteam
Das UDS-Team aus erfahrenen Spezialisten für Dynamics 365, Power Plattform, Azure und KI-Technologie, die erfolgreich mit dynamischen KI-Assistenten für den Kundensupport arbeiten, arbeitete an dem Fall und implementierte einige der Best Practices für generative KI-Eingabeaufforderungen.
Die Kundenanfrage
Ein deutsches Automobilunternehmen bat UDS um Unterstützung bei der Automatisierung seiner Rechnungsverarbeitung. Das Ziel war:
- Effizientere Rechnungsbearbeitung
- Reduzierung manueller Arbeiten
- Steigerung der operativen Produktivität des Buchhaltungsteams
Briefing
Das Buchhaltungsteam des Kunden erhält täglich zahlreiche Rechnungen von verschiedenen Lieferanten (über 800 pro Monat) in Form von PDF-Dokumenten, Scans oder Fotos (in der Regel in Form von Abbildungen von gedruckten Rechnungen). Jede Rechnung unterscheidet sich in Format und Inhalt.
Die größte Herausforderung ist das Fehlen eines einheitlichen Layouts, da eingehende Rechnungen in Struktur, Format (einschließlich Scans und Fotos in Formaten wie PDF, JPG, PNG usw.) und Dateninhalt variieren. Die Daten all dieser Rechnungen müssen in das CRM eingegeben werden, d. h. Rechnungsdatensätze müssen erstellt, getrennt, die Daten in die entsprechenden Felder eingetragen und die erforderlichen Kontonummern angegeben werden. Das manuelle Ausfüllen dieser Daten ist sehr zeitaufwändig.
Die manuelle Bearbeitung dauert 8–12 Minuten pro Rechnung und führt häufig zu:
- Fehlern bei Beträgen oder Daten
- Fehlenden Informationen
- Geringe Bearbeitungsdauer und Zeitverschwendung
- Unklarheit bei der Kostenerfassung
Um diese Herausforderungen zu bewältigen, haben wir einen intelligenten KI-Assistenten entwickelt. Unsere Lösung automatisiert die Erkennung eingehender Rechnungen, extrahiert Daten aus PDFs und Bildern und verteilt diese Daten in die entsprechenden Felder der CRM-Datensätze. Darüber hinaus werden für jede Eingangsrechnung automatisch Splitbuchungen erstellt und den entsprechenden Hauptbuchkontonummern zugeordnet.
Vorbereitung
Wir haben einen Schritt-für-Schritt-Plan erstellt:
- Anforderungsliste erstellen
- Dokument mit der Definition der Erledigung erstellen
- Erkennungsansätze testen (neuronale OCR- vs. GPT-Modelle)
- Technologien identifizieren (OCR-Technologien + KI-Technologien + Azure-Dienste + OpenAI + .NET 8 + PostgreSQL + Power Plattform)
- Feldzuordnung für die Rechnungserkennung erstellen
- OCR-Modell trainieren
- KI-Assistenten mit Anweisungen zur Hauptbuchkontenzuordnung erstellen
- Eigenständige UI-App erstellen, um die Erkennung auszuführen und Ergebnisse in der Vorschau anzuzeigen/zu bearbeiten
- CRM-Integration durchführen und Erkennungsergebnisse hochladen
- Workflow optimieren
- KI-Assistenten aktualisieren und Genauigkeit des Hauptbuchabgleichs verbessern
Realisierung
Wir haben den Plan befolgt und die Anwendung in die Praxis umgesetzt.
Die wichtigsten Funktionen der Lösung sind:
-
Rechnungserkennung und -extraktion
Die Anwendung erkennt und extrahiert Daten aus Rechnungen unterschiedlicher Formate und Layouts. Sie wird anhand eines Datensatzes mit verschiedenen Rechnungsformaten trainiert, um eine große Bandbreite an Rechnungen zu erkennen. Die Datenextraktion erreicht eine Genauigkeit von mindestens 85 % und erfordert nur minimale manuelle Korrekturen durch das Buchhaltungsteam.
Die Anwendung nutzt OCR (Optical Character Recognition) und KI, um Dokumente, Bilder oder Scans in Text umzuwandeln, Pflichtfelder zu extrahieren, Daten (wie Zahlen, Symbole, spezifische Felder) zu identifizieren und den Kontext zu verstehen (z. B. „Dies ist eine Rechnungsnummer“).
-
CRM-Datenmapping
Die Anwendung ist vollständig in Dynamics 365 CRM integriert. Auch die Integration mit dem ERP-System ist möglich.
Die erforderlichen Einträge werden automatisch erstellt. Die extrahierten Daten werden zugeordnet und in die entsprechenden Felder der CRM-Datensätze eingetragen. Außerdem werden die Originalrechnungen in den Datensatz hochgeladen.
Es unterstützt auch die Duplikatsprüfung, die durch KI und Geschäftslogikregeln automatisch erkannt wird.
Das Abgleichmodell nutzt vordefinierte Zuordnungen, historische Rechnungsdaten und Nutzerfeedback, um seine Genauigkeit und Logik kontinuierlich zu verbessern.
-
Selbstlernendes Modell
Dieses Modell ist einzigartig in seiner Fähigkeit, sich selbst zu trainieren. Es nutzt eine API, um Kontozuordnungen basierend auf Nutzereingaben zu aktualisieren (erfordert eine kleine Datenbank und verursacht nur minimale Kosten).
Kontinuierliche Verbesserungen helfen den Nutzern, mehr Rechnungsarten zu erkennen und zu verarbeiten, und reduzieren Eingabefehler kontinuierlich.
Das Endziel ist: Die Buchhalter müssen nur noch Daten bestätigen und weniger als 1 % Korrekturen vornehmen, wobei Abweichungen automatisch erfasst werden.
Wir haben folgende Ergebnisse erzielt:
- Die Rechnungen werden automatisch verarbeitet: Die Daten werden erkannt, in die entsprechenden Felder im CRM übertragen, für jede Rechnungsposition werden separate Buchungen erstellt und mit den korrekten Hauptbuchkontonummern abgeglichen.
- Der Assistent ist auf die Verarbeitung einer Vielzahl von Formaten und Layouts geschult, da es keinen einheitlichen Standard gibt und die Kunden Rechnungen in einem für sie geeigneten Format senden.
- Der Assistent kann Rechnungen aus Briefen, die an eine bestimmte E-Mail-Adresse gesendet wurden, automatisch verarbeiten. Das heißt, er extrahiert die angehängten Dateien, verarbeitet sie im Hintergrund und erstellt Rechnungsdatensätze im CRM. Die Benutzer müssen diese dann nur noch öffnen, die Daten überprüfen, gegebenenfalls bearbeiten und speichern.
- Das KI-Modell wird kontinuierlich anhand von Daten aus der Vergangenheit und Nutzerfeedback verbessert.
- Die App erkennt eingehende Rechnungsnummern und Kennzeichen und ordnet sie den entsprechenden Fahrzeugen zu.
- Die Genauigkeit liegt bei über 85 %, sodass manuelle Korrekturen selten sind.
- Der Kunde kann Rechnungen mit vielen Einzelposten verarbeiten.
- Die Ladevorgänge erfolgen in weniger als 5 Sekunden ohne merkliche Verzögerung.
Visualisierung
Das anfängliche Lösungsschema
Was der Kunde Erhalten Hat
Zusammenfassung
Der KI-Assistent erkennt nun Rechnungsdaten, trägt die CRM-Informationen in die entsprechenden Felder ein und lernt aus Benutzerkorrekturen. Der Assistent ist sowohl über das CRM als auch über das Webportal zugänglich.
Nutzer können Rechnungen hochladen und extrahierte Daten über eine intuitive und benutzerfreundliche Oberfläche prüfen. Die Daten werden sofort online aktualisiert, nachdem die Nutzer die eingehenden Dokumente erneut geprüft haben. Der Assistent lädt innerhalb von 5–10 Sekunden und ist rund um die Uhr verfügbar. Er verarbeitet einzelne Rechnungen mit stabiler Geschwindigkeit und Zuverlässigkeit.
Die automatisierte Rechnungsverarbeitung ist unbegrenzt und dauert nur etwa eine Minute. Der Mitarbeiteraufwand wird minimiert: Sie müssen die Daten nur noch prüfen und die endgültige Bestätigung im System für die weitere Zahlungsabwicklung vornehmen.
Darüber hinaus bieten wir dem Kunden folgende Vorteile:
- Der KI-Assistent lässt sich mit Azure OpenAI einfach trainieren, ohne dass ein Techniker erforderlich ist.
- Die Rechnungsdaten werden nach der Prüfung durch den Buchhalter in Echtzeit aktualisiert.
- Die Bearbeitungszeit wurde von 8–12 Minuten auf 30–60 Sekunden verkürzt.
- Der Buchhaltungsaufwand wurde um über 50 % reduziert.
- Vollständige Transparenz wird durch Echtzeitdaten im CRM erreicht.
Dadurch können Routineaufgaben, die zuvor von Menschen ausgeführt wurden, wie z. B. die Dokumenteneingabe, die Primärverarbeitung oder die Datenkonvertierung, automatisiert und optimiert werden. Dadurch wird ein langwieriger Prozess der Änderung von Anweisungen des KI-Assistenten vermieden.