Wie B2B-Händler Bestellpositionen extrahieren, Artikel zuordnen und Abweichungen kontrollieren, bevor ein Auftrag im ERP entsteht.
Eine Bestellung kommt als PDF, eine andere als Tabelle und die nächste steht im E-Mail-Text. Kundeneigene Artikelnummern müssen internen Nummern zugeordnet, Einheiten interpretiert und Lieferadressen geprüft werden. Die Datenerfassung ist repetitiv – die fachliche Entscheidung dahinter jedoch nicht.
KI kann Dokumente lesen und Positionen vorschlagen. Der wirtschaftliche Nutzen entsteht aber erst, wenn Unsicherheit sichtbar bleibt und Regeln verhindern, dass ein plausibel aussehender Vorschlag als falscher Auftrag im ERP landet.
Warum Bestelleingang mehr als Texterkennung ist
Eine erkannte Zahl ist noch keine bestellbare Menge. „10“ kann Stück, Karton oder Meter bedeuten. Eine Kundennummer kann veraltet sein, ein Alternativartikel nur nach Freigabe zulässig und eine Lieferadresse projektbezogen. Automatisierung muss deshalb Dokumentenlesen, Stammdatenabgleich und kaufmännische Freigabe trennen.
- Kundenspezifische Artikelnummern sind unvollständig oder nicht aktuell zugeordnet.
- Mengen- und Verpackungseinheiten werden aus dem Dokumentkontext erschlossen.
- Preis oder Liefertermin weicht von Vereinbarungen ab.
- Mehrere Lieferadressen oder Projekte sind ähnlich benannt.
- Unklare Positionen werden aus Zeitdruck trotzdem gebucht und später korrigiert.
Ein kontrollierter Zielprozess
GS1 EDI zeigt, wie standardisierte Nachrichten Bestellungen, Lieferungen und Abrechnung unterstützen. Wo standardisierte EDI-Nachrichten noch fehlen, kann KI die Eingangsdokumente vorbereiten – die Semantik und Freigabelogik bleiben dennoch notwendig.
- Dokument und Absender eindeutig dem Geschäftspartner zuordnen.
- Kopf- und Positionsdaten mit Fundstelle aus dem Original extrahieren.
- Kundenartikel, interne Artikel, Einheit und Verpackung regelbasiert abgleichen.
- Abweichungen bei Preis, Lieferdatum, Adresse oder Mindestmenge sichtbar markieren.
- Nur eindeutige, niedrig riskante Fälle automatisch übernehmen; andere in eine Prüfwarteschlange geben.
- Freigabe, Korrektur und späteren Rücklauf protokollieren, damit Regeln verbessert werden können.
| Prüffeld | Risiko bei Fehlzuordnung | Geeignete Sicherung |
|---|---|---|
| Artikel | Falsches Produkt oder falsche Ausführung | Kundenartikel-Mapping und Merkmalsvergleich |
| Einheit | Falsche Menge oder Preisbasis | Erlaubte Einheiten und Umrechnungsregel |
| Preis | Kaufmännische Abweichung | Vertrags- und Toleranzprüfung |
| Adresse/Termin | Fehlleitung oder nicht haltbares Versprechen | Stammdatenabgleich und Freigabe |
Ein fiktives Praxisbeispiel
Ein fiktiver B2B-Händler pilotiert mit einem Stammkunden und zweihundert historischen Bestellungen. Die KI schreibt nur Vorschläge in eine Prüfmaske und zeigt für jedes Feld die Fundstelle. Das Team misst unveränderte Übernahmen, Korrekturen und Fehlerarten. Erst nach stabilen Ergebnissen werden eindeutige Kombinationen aus Kunde, Artikel und Einheit automatisch gebucht. Preis- und Terminabweichungen bleiben freigabepflichtig.
KI ist kein Ersatz für EDI: Bei häufigen, stabilen Geschäftsbeziehungen kann ein standardisierter elektronischer Datenaustausch langfristig robuster sein. KI eignet sich besonders für unstrukturierte Restfälle und die Übergangsphase.
Woran Fortschritt erkennbar wird
- Bearbeitungszeit je Bestellung und je Position
- Anteil unverändert freigegebener KI-Vorschläge
- Korrekturen nach ERP-Buchung
- Häufigste unklare Felder und Mapping-Lücken
- Anteil der Bestellungen, die perspektivisch standardisiert per EDI eingehen könnten
Kennzahlen sind Steuerungshilfen, keine Ergebnisgarantie. Definition, Datenqualität und betrieblicher Kontext müssen vor einem Vergleich geklärt werden.
Typische Fehlstarts
- Nur die Erkennungsquote messen und kaufmännische Fehler ignorieren.
- Originaldokument und Fundstelle nicht mitführen.
- Automatisierung ausweiten, bevor Artikel-, Einheiten- und Kundendaten stabil sind.
Fazit
KI kann den manuellen Bestelleingang deutlich vorbereiten. Ein belastbarer Prozess trennt jedoch Extraktion, Validierung und Freigabe. So wird aus schneller Datenerfassung kein schnellerer Fehler.
FAQ
Kann KI jede PDF-Bestellung lesen?
Die technische Lesbarkeit variiert. Schlechte Scans, Tabellen, handschriftliche Ergänzungen und widersprüchliche Angaben müssen als Testfälle berücksichtigt werden.
Wann ist EDI sinnvoller?
Bei hohem, regelmäßigem Volumen und stabilen Geschäftspartnern ist standardisierter Datenaustausch häufig robuster. Das muss wirtschaftlich bewertet werden.
Was ist mit dem EU AI Act?
Rolle, Zweck und System müssen konkret eingeordnet werden. Seit August 2026 gelten weitere Bestimmungen. Dieser Beitrag ersetzt keine Rechtsberatung.
Nächster sinnvoller Schritt
Wählen Sie einen Kunden mit wiederkehrenden PDF-Bestellungen. Definieren Sie zehn Pflichtfelder, drei Risikoklassen und zwanzig schwierige Testfälle. Erst danach vergleichen Sie manuelle und KI-unterstützte Bearbeitung.
Quellen und fachliche Grundlage
- GS1 – Electronic Data Interchange Standards
- GS1 – EDI Implementation Guidance
- ISO/IEC 42001:2023 – Managementsysteme für künstliche Intelligenz
- Europäische Kommission – AI Act
Redaktioneller Hinweis: Der Beitrag bietet fachliche Orientierung. Fiktive Beispiele und mögliche Kennzahlen sind keine Ergebnisgarantie. Maßnahmen sind anhand des konkreten Betriebs, der Datenlage und der geltenden Anforderungen zu bewerten.
