↰ Alle Projekte

Lieferscheine automatisch erfassen: gescannte Belege per KI ins WMS

Ein Hersteller von Warehouse-Management-Software (WMS) wollte seinen Kunden eine oft angefragte Funktion bieten: Lieferscheine automatisch erfassen. Die Belege kommen meist auf Papier mit der Ware, werden gescannt und sehen bei jedem Lieferanten anders aus, in Layout und Sprache. Im Wareneingang tippt sie bisher jemand ab: Kopfdaten, rund 41 Positionszeilen je Beleg, Zuordnung zum richtigen Mandanten. materium software hat das als KI-Funktion in dessen Produkt gebaut: Ein KI-Modell, das Bilder lesen kann, erkennt die Daten, ordnet sie zu und übergibt sie per Web-API ans WMS. Getestet an neun echten Lieferscheinen, der Praxistest beim Kunden läuft.

~41positionszeilen je beleg
~2 cent/belegmaschinelle kosten

Bei euch werden noch Lieferscheine oder Belege abgetippt?

Kostenloses Erstgespräch buchen

Steckbrief

Kunde
Softwarehersteller für Lagerlogistik
Zeitraum
Machbarkeits-Sprint Juli 2026, PoC läuft
Umfang
  • Erkennung von Kopfdaten
  • Positionen und Mandanten-Anker
  • Übergabe per Web-API
Art des Belegs
Eigene Messung im Machbarkeits-Sprint, kein Produktivbetrieb. 9 Muster, 33 Seiten, 373 Positionen, 0,17 € Gesamtkosten
Warum anonym
Es liegt keine Freigabe zur Nennung vor. Der Beauftragungsstand ist vertraulich.
Die ganze Geschichte
Ausgangslage

Belege kommen als PDF. Das System will Datensätze.

Der Hersteller entwickelt ein Warehouse-Management-System für seine Kunden. Deren Lieferanten schicken Lieferscheine als PDF oder Scan, in unterschiedlichen Layouts, teils mehrsprachig. Im Wareneingang wurden diese Belege bislang von Hand ins System übertragen.

Von Hand heißt dabei, je Beleg:

  • Kopfdaten abtippen: Lieferant, Datum, Belegnummer.
  • Positionszeilen übertragen, im Schnitt rund 41 Stück.
  • Den Beleg dem richtigen Mandanten zuordnen.

Für den Hersteller war das eine Funktion, die seine Kunden regelmäßig anfragen, und die auf der eigenen Roadmap immer wieder hinter dringenderen Themen zurückfiel. Gewünscht war ausdrücklich eine Funktion im eigenen Produkt.

Aufgabe

Erst prüfen, ob es überhaupt trägt.

Vor dem Bau stand die Frage, ob die Erkennung an echten Belegen gut genug arbeitet, um im Wareneingang Zeit zu sparen statt Nacharbeit zu erzeugen. Dafür haben wir einen Machbarkeits-Sprint aufgesetzt: ein Lauf über neun echte Lieferscheine verschiedener Lieferanten, eingegangen bei einem Kunden des Herstellers.

Drei Fragen waren dabei zu lösen:

  • Werden Kopfdaten, Positionszeilen und der Mandanten-Anker zuverlässig erkannt?
  • Was kostet die Verarbeitung pro Beleg im laufenden Betrieb?
  • Wie kommt das Ergebnis in das bestehende WMS, ohne dessen Datenmodell aufzubrechen?
Was gebaut wurde

Erkennung, Prüfansicht, Web-API.

Der Beleg kommt als Datei herein. Ab da läuft es ohne Zutun, bis ein Mensch gebraucht wird:

  • Beleg lesen. Kopfdaten und Positionszeilen werden ausgelesen, unabhängig vom Layout des Lieferanten.
  • Zuordnen. Über einen Mandanten-Anker landet der Beleg beim richtigen Kunden des Herstellers.
  • Prüfansicht. Was nicht sicher erkannt wurde, geht nicht durch. Ein Mensch bestätigt oder korrigiert die offenen Felder. Diese Ansicht gehört fest zur Lösung. Sie ist der Grund, warum eine unvollständige Erkennung im Betrieb trotzdem trägt.
  • Übergabe per Web-API. Das WMS bekommt fertige Datensätze, keine Dateien. Sein Datenmodell bleibt, wie es ist.
Prüfansicht mit einem erfundenen Beispielbeleg: Positionen samt Handkorrektur erkannt. Die Bestellnummer wartet auf Bestätigung, weil der Beleg drei davon trägt.
Ergebnis

Was dieser Fall zeigt.

Auf den neun echten Mustern wurden Kopfdaten, Positionen und der Mandanten-Anker erkannt: zusammen 373 Positionszeilen auf 33 Seiten, also rund 41 Zeilen je Beleg. Diese Zeilen trägt heute jemand von Hand ins System ein. Die Verarbeitung kostete 0,17 € für alle neun Belege zusammen, umgerechnet rund 2 Cent je Beleg.

Was der Fall zeigt

  • Die Erkennung trägt an echten Belegen: 373 Positionszeilen auf 33 Seiten aus neun Lieferscheinen, dazu Kopfdaten und Mandanten-Anker.
  • Die maschinellen Kosten sind gering: 0,17 € für alle neun Belege, rund 2 Cent je Beleg.
  • Die Übergabe ins bestehende WMS funktioniert per Web-API, ohne dessen Datenmodell anzufassen.
  • Unsichere Fälle landen in einer Prüfansicht. Nichts geht ungeprüft ins System.

Noch keine Produktivzahlen: Alle Werte stammen aus unserem Machbarkeits-Sprint vom Juli 2026, der Praxistest beim Kunden läuft.

Wie es weitergeht

Was als Nächstes ansteht.

Der beauftragte PoC prüft die Erkennung über eine größere Menge realer Belege und über mehrere Lieferanten-Layouts hinweg. Danach steht die Entscheidung an, ob die Funktion als Modul in das Produkt des Herstellers wandert, angedockt an dessen Architektur und an dessen Release-Zyklus.

Wie so eine Zusammenarbeit mit Softwareherstellern läuft, also Übergabe, Dokumentation und Einarbeitung des eigenen Teams, steht auf Entwicklungspartner für Softwarehersteller. Das Lösungsmuster dahinter beschreibt KI-Integration in bestehende Software. Was mit KI im Bestand realistisch geht und was nicht, steht im Artikel Was kann KI in bestehender Software wirklich?.

Aktualisiert am · Autor:

Der nächste Schritt

Ähnlicher Beleg-Stapel bei euch?

30 Minuten am Telefon, danach eine Seite schriftliche Einschätzung. Ob sich eine Erkennung für eure Belege lohnt, lässt sich an ein paar echten Mustern schnell einschätzen.

Kostenloses Erstgespräch buchenAnliegen schriftlich schicken

Alle Projekte ansehen

Machbarkeit getestet

An echten Daten geprüft, aber noch nicht im Betrieb. Zeigt, dass es geht, nicht was es im Alltag bringt.