D
EU AI Act: Nicht Hochrisiko Q1

Rechnungsverarbeitungs-Agent

Eingangsrechnungen erfassen, prüfen, kontieren und zur Freigabe weiterleiten.

Verarbeitet Eingangsrechnungen: Datenextraktion, Bestellabgleich, Kontierung und Freigabeworkflow - weniger manuelle Erfassung.

Score-Dashboard

Agent Readiness 88-95%
Governance-Komplexität 6-13%
Economic Impact 81-88%
Leuchtturm-Wirkung 16-23%
Implementation Complexity 14-21%
Transaktionsvolumen Täglich

Was dieser Agent tut

Eingangsrechnungen verarbeiten ist ein Hochvolumen-Prozess: Rechnung erfassen, Daten extrahieren, gegen Bestellung prüfen, kontieren, freigeben, buchen. Bei hunderten Rechnungen pro Woche ist die manuelle Verarbeitung ein Engpass. Der Decision Layer zerlegt jeden Rechnungsprozess in einzelne Entscheidungsschritte und definiert für jeden Schritt: Mensch, Regelwerk oder KI. Rechnungsdaten werden automatisch extrahiert. Drei-Wege-Abgleich (Rechnung, Bestellung, Wareneingang) erfolgt automatisch. Kontierung wird aus der Bestellung abgeleitet. Abweichungen werden eskaliert. Das Ergebnis: Rechnungen werden in Stunden statt Tagen verarbeitet. Skontofristen werden eingehalten. Fehlerquote bei der Erfassung sinkt auf nahezu null.

Micro-Decision-Tabelle

Mensch
Regelwerk
KI-Agent
Jede Zeile ist eine Entscheidung. Aufklappen zeigt die Entscheidungsakte und ob man anfechten kann.
Rechnung eingeht Kann die Rechnung automatisch gelesen werden? KI-Agent

OCR-Datenextraktion: Lieferant, Betrag, Rechnungsnummer, Datum

Entscheidungsakte

Modell-Version und Confidence Score
Eingabedaten und Klassifikationsergebnis
Entscheidungsgrund (Erklärbarkeit)
Audit Trail mit vollständiger Nachvollziehbarkeit

Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.

Lieferant identifizieren Ist der Lieferant im System bekannt? KI-Agent

Matching gegen Lieferanten-Stammdaten

Entscheidungsakte

Modell-Version und Confidence Score
Eingabedaten und Klassifikationsergebnis
Entscheidungsgrund (Erklärbarkeit)
Audit Trail mit vollständiger Nachvollziehbarkeit

Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.

Bestellung zuordnen Kann die Rechnung einer Bestellung zugeordnet werden? KI-Agent

Matching über Bestellnummer oder Lieferant plus Betrag

Entscheidungsakte

Modell-Version und Confidence Score
Eingabedaten und Klassifikationsergebnis
Entscheidungsgrund (Erklärbarkeit)
Audit Trail mit vollständiger Nachvollziehbarkeit

Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.

Drei-Wege-Abgleich Stimmen Rechnung, Bestellung und Wareneingang überein? Regelwerk

Automatischer Abgleich mit definierten Toleranzen

Entscheidungsakte

Regel-ID und Versionsnummer
Eingabedaten die zur Anwendung führten
Berechnungsergebnis und angewandte Formel

Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.

Abweichung behandeln Wie wird eine Abweichung verarbeitet? Regelwerk

Toleranzregeln: kleine Abweichungen automatisch, große eskalieren

Entscheidungsakte

Regel-ID und Versionsnummer
Eingabedaten die zur Anwendung führten
Berechnungsergebnis und angewandte Formel

Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.

Kontierung Auf welches Konto wird die Rechnung gebucht? Regelwerk

Ableitung aus Bestellung oder Kontierungsvorschlag

Entscheidungsakte

Regel-ID und Versionsnummer
Eingabedaten die zur Anwendung führten
Berechnungsergebnis und angewandte Formel

Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.

Freigabe-Routing Wer gibt die Rechnung frei? Regelwerk

Freigabematrix nach Betrag und Kostenstelle

Entscheidungsakte

Regel-ID und Versionsnummer
Eingabedaten die zur Anwendung führten
Berechnungsergebnis und angewandte Formel

Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.

Entscheidungsakte und Anfechtbarkeit

Jede Entscheidung, die dieser Agent trifft oder vorbereitet, wird in einer vollständigen Entscheidungsakte dokumentiert. Betroffene Mitarbeitende können jede einzelne Entscheidung einsehen, nachvollziehen und anfechten.

Welche Regel in welcher Version wurde angewandt?
Welche Daten lagen der Entscheidung zugrunde?
Wer (Mensch, Regelwerk oder KI) hat entschieden - und warum?
Wie kann die betroffene Person Einspruch einlegen?
So setzt der Decision Layer das architektonisch um →

Voraussetzungen

  • ERP-System mit Bestellwesen und Rechnungseingang
  • OCR-fähiges Rechnungseingangs-System
  • Lieferanten-Stammdaten im System
  • Definierte Freigabematrix nach Betrag

Governance-Hinweise

EU AI Act: Nicht Hochrisiko
Kein Hochrisiko-System nach EU AI Act - Finanzprozess ohne HR-Entscheidung. Steuerrecht: Belegaufbewahrungspflicht. UStG: Vorsteuerabzug erfordert korrekte Rechnungsprüfung. GoBD: Ordnungsmässige Buchführung. Betriebsrat: nicht betroffen. Empfehlung: Rechnungsverarbeitung ist einer der Q1-Agenten mit dem höchsten ROI bei niedrigster Governance-Komplexität.

Infrastruktur-Beitrag

Die Datenextraktions-Engine (OCR, Feld-Erkennung, Lieferanten-Matching) wird vom Expense-Processing-Agent und HR-Document-Management-Agent wiederverwendet. Der Drei-Wege-Abgleich ist das Muster für alle Agenten, die Daten aus mehreren Quellen abgleichen. Die Freigabe-Routing-Logik wird zum Standard für alle Agenten mit betragsbezogenen Genehmigungen. Baut Decision Logging und Audit Trail auf, die im Decision Layer für Nachvollziehbarkeit und Anfechtbarkeit jeder Entscheidung benötigt werden.

Weiterführende Seiten

Decision Layer
Governance-Schicht zwischen KI-Agent und Zielsystem. Jede Entscheidung dokumentiert und anfechtbar.
Mitbestimmung & KI
Betriebsrat, Betriebsvereinbarung und Co-Determination als Architektur-Constraint.
HR AI Agents
Alle HR-Agent-Leistungen im Überblick.

Ausführliche Analyse verfügbar

Für Rechnungsverarbeitungs-Agent existiert ein Deep-Dive mit vollständiger Micro-Decision-Zerlegung, Industrie-Varianten und Implementierungsdetails.

Deep-Dive lesen

Verwandte Agenten

Spesenabrechnungs-Agent

Spesen und Auslagen prüfen, kategorisieren und zur Erstattung freigeben.

Q1
D W
Readiness: 86-93%
Economic: 76-83%
Governance: 8-15%
Micro-Decisions: 8
Täglich

Vertragsanalyse-Agent

Verträge analysieren, Risiken identifizieren, Klauseln gegen Standards prüfen.

Q3
D K
Readiness: 61-68%
Economic: 58-65%
Governance: 51-58%
Micro-Decisions: 9
Wöchentlich

Audit- und Compliance-Agent

Audit-Vorbereitungen automatisieren, Dokumentation bündeln, Nachweise bereitstellen.

Q2
K W
Readiness: 68-75%
Economic: 54-61%
Governance: 38-45%
Micro-Decisions: 8
Quartalsweise
Zurück zum Katalog

Häufige Fragen

Funktioniert der Agent auch bei Rechnungen ohne Bestellbezug?

Ja. Rechnungen ohne Bestellbezug werden manuell kontiert und folgen einem separaten Freigabeworkflow. Der Agent unterstützt mit Kontierungsvorschlägen auf Basis historischer Buchungen.

Wie hoch ist die Erkennungsrate bei der automatischen Datenextraktion?

Bei strukturierten Rechnungen (PDF, EDI) liegt die Erkennungsrate bei 92-98%. Bei handschriftlichen oder schlecht gescannten Rechnungen sinkt sie. Nicht erkannte Felder werden zur manuellen Nacherfassung markiert.

Diesen Agent implementieren?

Wir bewerten Ihre Prozesslandschaft und zeigen, wie dieser Agent in Ihre Infrastruktur passt.