Zweifelsohne hat sich die Leistungsfähigkeit von Optical-Character-Recognition(OCR)-Technologien sowie jenen der Künstlichen Intelligenz in den vergangenen Jahren extrem weiterentwickelt. Dennoch sollte man ihnen nicht blind vertrauen, sondern die Ergebnisse durch Menschen überprüfen lassen. Nur wenn von Anfang an eine hohe Datenqualität sichergestellt ist, kann ein reibungsloser Prozessablauf gewährleistet werden. Dies gilt insbesondere für die Rechnungseingangsverarbeitung.

Was bedeutet „Human in the Loop“?
Beim Ansatz von „Human in the Loop“ bleiben Menschen aktiv in automatisierte Prozesse eingebunden, um insbesondere die Ergebnisse des Einsatzes von OCR oder KI zu prüfen und gegebenenfalls zu korrigieren. Die jeweiligen Stärken von intelligenten Algorithmen und Menschen werden geschickt kombiniert, um die Prozessqualität und -effizienz zu erhöhen, wie die folgenden Praxisbeispiele zeigen.

Praxisbeispiel 1: Qualitätssicherung bei der KI-gestützten Verarbeitung von E-Rechnungen
Ab dem 1. Januar 2025 müssen Unternehmen in der Lage sein, E-Rechnungen zu empfangen und zu verarbeiten. Diese werden ihnen in den strukturierten, maschinenlesbaren Formaten XRechnung und ZUGFeRD zur Verfügung gestellt. Somit entfällt das manuelle Erfassen buchungsrelevanter Daten. Gleichwohl sind Unternehmen gefordert, diese Daten auf ihre Richtigkeit zu prüfen. Bei Rechnungen, für die eine Bestellung vorliegt, können zwar KI-Lösungen diese Validierung automatisiert übernehmen, dennoch sollten Unternehmen zumindest stichprobenartig deren Ergebnisse kontrollieren.

Praxisbeispiel 2: Qualitätssicherung beim Auslesen von Papier- oder PDF-Rechnungen
Unabhängig von der E-Rechnungspflicht bleiben uns bis mindestens Ende 2026 sogenannte „sonstige Rechnungen“ erhalten, also solche, die auf Papier ausgestellt sind oder als PDF-Datei per E-Mail eingehen. Damit diese ebenfalls automatisiert verarbeitet werden können, müssen die buchungsrelevanten Daten mittels OCR ausgelesen werden. Auch hier sollte das Ergebnis manuell geprüft werden – schließlich wäre es fatal, wenn bei einem Rechnungsbetrag aus einer „0“ eine „8“ würde. Die menschliche Korrektur der ausgelesenen Daten trainiert zugleich das OCR-System.

Praxisbeispiel 3: Datenanreicherung in der Rechnungsverarbeitung
Lieferantenrechnungen enthalten unabhängig von ihrem Format in der Regel nicht alle Daten, die für ihre Verarbeitung erforderlich sind. Dazu gehören vor allem interne Daten, wie die Kreditorennummer oder die Kostenstelle. Deren Ergänzung für eine automatisierte Rechnungsverbuchung kann nur manuell zuverlässig erfolgen.

„Human in the Loop“ wird bei TROPPER gelebt
Diese Beispiele zeigen, wie die intelligente Kombination von Mensch und Maschine die Qualität und Effizienz der Rechnungsverarbeitung steigern kann. Mitarbeiter werden von eintönigen Aufgaben, wie dem Abtippen von Rechnungsdaten, befreit und übernehmen vermehrt Kontrollaufgaben. So bleibt ihnen mehr Zeit für wertschöpfende Tätigkeiten.

Wir von TROPPER setzen bei der Rechnungseingangsverarbeitung auf die Lösung smart INVOICE unseres Partners Insiders Technologies, die über ausgereifte OCR- und KI-Funktionalitäten verfügt. So können wir Rechnungen unserer Kunden weitgehend automatisiert verarbeiten. Für eine hohe Datenqualität sorgen unsere Mitarbeiter, indem sie Ergebnisse, bei denen die Insiders-Lösung eine Erkenntnisunsicherheit signalisiert, überprüfen und gegebenenfalls korrigieren. Diese Eingriffe werden an die Insiders-Lösung zurückgespielt, sodass sie zukünftig Inhalte noch zuverlässiger ausliest. Darüber hinaus sorgen wir mit der Anreicherung fehlender Daten für eine automatisierte Rechnungsverbuchung

Wenn auch Sie Ihre Rechnungseingangsverarbeitung beschleunigen und gleichzeitig eine hohe Datenqualität sicherstellen wollen, dann freuen wir uns auf Ihre Kontaktaufnahme.