KI-Belegerfassung prüfen: Welche Qualitätswerte im Alltag wirklich helfen

„95 Prozent erkannt“ klingt eindeutig, sagt aber wenig über den Buchhaltungsalltag. Ein falsch erkanntes optionales Textfeld hat eine andere Wirkung als eine falsche Rechnungsnummer, ein vertauschtes Vorzeichen oder eine unpassende Steuerbehandlung. Qualität sollte deshalb feldbezogen und nach Auswirkung gemessen werden.

Neben der reinen Erkennung zählen Korrekturzeit, Anteil vollständig prüfbarer Belege, Häufigkeit kritischer Fehler und Transparenz bei Unsicherheit. Ein System ist nicht dadurch gut, dass es immer eine Antwort liefert, sondern auch dadurch, dass es unklare Fälle sichtbar macht.

Ein Testbestand sollte den späteren Betrieb abbilden: digitale PDFs, Scans, Fotos, E-Rechnungen, Gutschriften, mehrseitige Belege, verschiedene Sprachen und typische Lieferanten. Nur saubere Standardrechnungen zu verwenden erzeugt eine Zahl, die im Alltag nicht hält.

Trennen Sie Test und laufende Nutzung. Ein fester Referenzbestand macht Änderungen zwischen Versionen vergleichbar; neue reale Sonderfälle zeigen zusätzlich, wo der Bestand erweitert werden muss. Persönliche und vertrauliche Daten sollten dabei nur im erforderlichen Umfang verwendet werden.

Wenn Nutzer Rechnungsnummer, Betrag, Konto oder Steuerschlüssel korrigieren, ist das wertvolle Evidenz. Sie sollte nicht automatisch als allgemeine Wahrheit für alle Lieferanten übernommen werden. Kontext, Gegenpartei, Kontenrahmen und Art der Korrektur bestimmen, ob und wie die Information später helfen kann.

Wichtig ist die Trennung zwischen erkannter Quelle, vorgeschlagener Ableitung und menschlicher Entscheidung. So bleibt nachvollziehbar, ob ein Wert aus dem Dokument stammt, durch Regeln berechnet, von der KI vorgeschlagen oder nachträglich korrigiert wurde.

Ein günstiger Lauf ist nicht wirtschaftlich, wenn die Nachbearbeitung länger dauert als eine manuelle Erfassung. Messen Sie deshalb Verarbeitungszeit, Korrekturzeit, kritische Fehler, Wiederholungen und Kosten gemeinsam. Unterschiede nach Dokumenttyp und Lieferant sind oft aussagekräftiger als ein globaler Durchschnitt.

Auch nach einem erfolgreichen Einführungstest bleibt Beobachtung notwendig. Modelle, Dokumentlayouts und Unternehmensprozesse ändern sich. Regelmäßige Stichproben und ein klarer Feedbackweg helfen, Verschlechterungen früh zu erkennen, ohne jede korrekte Extraktion erneut vollständig zu vermessen.