Datenextraktion mit KI: Von der PDF-Rechnung zum Buchungssatz
· 6 Min Lesezeit
Wie KI-Datenextraktion aus unstrukturierten PDF- und Foto-Rechnungen strukturierte Felder macht, welche Genauigkeit realistisch ist und worauf es bei der Qualität ankommt.
Jede Rechnung sieht anders aus, doch die benötigten Felder sind fast immer gleich. Genau hier ist KI-Datenextraktion stark: Statt starrer Vorlagen versteht ein Sprachmodell den Beleg im Kontext und liefert strukturierte Felder, unabhängig vom Layout des Lieferanten.
OCR war gestern, Kontextverständnis ist heute
Klassisches OCR erkennt Zeichen, aber nicht deren Bedeutung. Moderne Vision-Sprachmodelle unterscheiden Rechnungsnummer von Kundennummer, erkennen Skontofristen im Fließtext und ordnen Netto, MwSt. und Brutto korrekt zu, auch bei ungewöhnlichem Aufbau.
Was gute Extraktion ausmacht
- Feldherkunft: Jedes Feld sollte auf die Textstelle im Dokument zurückführbar sein (Field-Sources).
- Konfidenz: Ein Konfidenzwert zeigt, wo eine menschliche Prüfung nötig ist.
- Dokumentklassifikation: Rechnung, Gutschrift, Mahnung oder Lieferschein werden unterschieden.
- Mehrsprachigkeit: DE/FR/IT/EN-Belege im DACH-Raum ohne separate Vorlagen.
Vom Feld zum Buchungssatz
Extraktion ist nur der erste Schritt. Erst die Verknüpfung mit Stammdaten (Lieferant, Konto, Kostenstelle) macht daraus einen Buchungsvorschlag. Deterministische Kontierungsregeln übersetzen die gelesenen Felder in ein konsistentes Buchungsbild, das exportfähig für DATEV, Lexware oder SAP ist.
Datenschutz bei der Extraktion
Belege enthalten personenbezogene Daten. Die Verarbeitung sollte in der EU stattfinden, Modelle serverseitig laufen (kein Schlüssel im Browser) und optional das eigene, lokale Modell des Unternehmens nutzbar sein. Mehr dazu im Beitrag zur DSGVO-konformen Buchhaltung.