„In an ‚AI First‘ world we are rethinking all our products and applying Machine Learning and AI to solve user problems.“ – Sundar Pichai, CEO Google

Seien wir ehrlich – im Bereich automatisierte Rechnungserfassung (Invoice Capturing) wimmelt es nur so von Lösungen. Seit vielen Jahren versuchen unzählige Firmen (z.B. Kofax, Canon, ABBY & Co.) die automatisierte Rechnungswelt für Großunternehmen in die Realität umzusetzen. Und funktioniert das? Kommt darauf an!

Wenn sie nur eine limitierte Anzahl von Lieferanten, gute Stammdaten und gut gepflegte Bestelldaten haben, dann steigen ihre Chancen, mit einem traditionellen System Erfolg zu haben. Viele dieser Systeme sind im Kern auf regelbasierten Algorithmen aufgebaut und Künstliche Intelligenz befindet sich meist nur auf den Marketing-Webseiten und in den Hochglanzbroschüren. In der Praxis bedeutet das, dass man neue Rechnungslayouts immer noch vorab kennen und mehr oder weniger „intelligent“ oder „lernend“ konfigurieren muss, damit sie im Nachgang automatisiert erfasst werden können.

Aber – die Realität sieht oft anders aus. Hohe Rechnungsvielfalt, inkonsistente Bestelldaten, schlecht gepflegte Stammdaten trüben oftmals das Resultat solcher Systeme und lassen den manuellen Aufwand für die Wartung in die Höhe schnellen. Übrig bleiben oft enttäuschte Kunden, welche sich dann nach anfänglich hohen Investitionskosten mit schlechten Systemen abfinden müssen.

Aber was bringt nun die Künstliche Intelligenz für die automatisierte Rechnungs- und Belegerfassung?

Etwa 2015 hat Google Künstliche Intelligenz als Hauptbestandteil ihrer Technologie-Strategie übernommen und seither unzählige ihrer Produkte mit KI und ML grundlegend neu entwickelt. Heutzutage findet sich die Künstliche Intelligenz in praktisch jedem Google-Produkt.

Vom Fitness-Tracker, lernenden Keyboards, Suchmaschinen, Handy-Gesichtserkennung bis hin zum selbstfahrenden Auto basiert alles auf Systemen, welche von Grund auf mit Künstlicher Intelligenz neu entwickelt wurden.

Künstliche Intelligenz lernt „Rechnungs-Muster“

KI lernt ähnlich wie ein Mensch – sie erkennt und lernt Muster aus Beispielen. Und wie der Mensch kann auch die KI diese antrainierten Muster auf neue Situationen anwenden. Im Rechnungserfassungsbereich bedeutet dies, dass das System nach dem Training ähnliche Rechnungen sofort auswerten kann. In Kombination mit einer Cloud-API können Kunden somit sofort und ohne finanziellen Aufwand testen und die Gewissheit erlangen, dass das System für die eigenen Rechnungen funktioniert.

Hohe Qualität ohne Aufwand

Durch jedes Training mit neuen Rechnungslayouts wird das System besser. Z. B. bludelta.ai wird mit unzähligen Rechnungen von allen unseren Kunden trainiert. Jeder Kunde profitiert von den Rechnungslayouts des anderen Kunden und das System verbessert sich regelmäßig. Obwohl bludelta.ai im Gegensatz zu traditionellen Systemen mind. 10 Jahre Entwicklungszeit weniger auf dem Buckel hat, liegen die Erkennungsraten bereits über dem Niveau herkömmlicher Systeme – und diese stehen unmittelbar jedem Neukunden von bludelta.ai zur Verfügung (z. B. erkennt bludelta.ai Bruttogesamtbeträge gewöhnlich mit einer Rate > 90 %)! Während traditionelle Systeme in ihrer Entwicklung seit Jahren stagnieren, ist das Potential im KI-Bereich nur ansatzweise ausgeschöpft und man wird hier noch auf große Entwicklungssprünge sehen.

Einer versus tausend

Wie bereits erwähnt: Systeme, welche nicht von Anfang an mit KI entworfen wurden, funktionieren sehr gut, wenn die Vielfalt der Rechnungsformate gering ist. Denken Sie nur an den folgenden Extremfall: Ein Lieferant sendet 1000 Rechnungen versus 1000 Lieferanten senden Ihnen jeweils eine Rechnung. Für Unternehmen mit einer geringen Anzahl von Zulieferern funktionieren etablierte Ansätze ohne Zweifel gut. KI-Systeme lernen während des Trainings Muster von verschiedensten Layouts. Diese Muster wenden sie dann unmittelbar auf neue Rechnungslayouts an und interpretieren diese. So wie ein Mensch erkennt, dass ein Bruttogesamtbetrag oftmals fett oder unterstrichen, rechts unten und mit einen Euro-Zeichen versehen auf der Rechnung steht, so lernt das auch die Künstliche Intelligenz. Daher können Machine-Learning-Systeme mit hoher Vielfalt ungleich besser umgehen!

Keine gepflegten Stammdaten und/oder keine Bestelldaten?

Etablierte Systeme verlassen sich meist auf Stamm- und Bestelldaten im ERP-System. D. h., es wird beispielsweise einfach nur die IBAN ausgelesen und damit dann auf die Kunden-Stammdaten „verlinkt“. Ähnliches gilt für Bestelldaten oder auch für Daten bzgl. Lieferung und Lieferscheinen. Sobald die Verknüpfung erstellt ist, lesen sie so viele Informationen wie möglich aus den ERP-Systemen des Unternehmens (Bestell- und Lieferantendaten). Was ist jedoch, wenn Sie keinen Zugriff auf diese Daten haben – oder diese Daten ungeeignet sind – zum Beispiel für Webportale, Steuerberater, Genossenschaften etc.? In diesem Fall müssen Sie den aus der Rechnung gelesenen Daten vertrauen – sprich die Qualität der ausgelesenen Daten spielt für eine vernünftige Automatisierung eine wichtige Rolle.

 

Autor: Christian Weiler ist ehemaliger General Manager eines global agierenden IT Unternehmens mit Sitz in Seattle/US. Seit 2016 ist Christian Weiler vermehrt im Bereich Künstlicher Intelligenz in verschiedensten Rollen tätig und verstärkt seit 2018 das Management Team der Blumatix Consulting GmbH.
Kontakt: c.weiler@blumatix.com