Wissen
Wie genau ist KI-Dokumentenverarbeitung?
Moderne KI-Dokumentenextraktion liest einzelne Felder gedruckter Belege je nach Feldtyp mit rund 90 bis 99 % Genauigkeit – eine Evaluationsstudie von 2025 misst 94 % für LLM-basierte Rechnungsextraktion. Auf Dokument-Ebene ist die Quote niedriger, Handschrift und schlechte Scans drücken sie weiter. 100 % erreicht kein System – deshalb prüft ein Mensch alle Felder, bei denen die KI unsicher ist.
- Feldgenauigkeit je Feldtyp
- 90–99 %
- LLM-Rechnungsextraktion (Studie 2025)
- 94 %
- Lesezeit
- 5 Min.
Feld-Ebene oder Dokument-Ebene – worauf sich eine Genauigkeitszahl bezieht
Wenn irgendwo „99 % Genauigkeit“ steht, ist fast immer die Feld-Ebene gemeint: Wie oft wird ein einzelnes Feld – Rechnungsnummer, Datum, Betrag – korrekt ausgelesen? Für den Arbeitsalltag zählt aber die Dokument-Ebene: Wie viele Belege sind komplett fehlerfrei und laufen ohne Nacharbeit weiter? Der Unterschied ist reine Mathematik: Bei 98 % Feldgenauigkeit und 20 Feldern pro Beleg sind nur rund 67 % der Dokumente vollständig korrekt (0,98²⁰ ≈ 0,67). Selbst bei 99 % je Feld enthält noch etwa jeder fünfte Beleg mindestens einen Fehler. Wer die beiden Ebenen nicht auseinanderhält, überschätzt jedes System.
Welche Werte aktuelle Studien und Benchmarks zeigen
Belastbare Zahlen liefern veröffentlichte Studien und Forschungsbenchmarks – drei Beispiele:
- Rechnungsextraktion mit Sprachmodellen: Eine Evaluationsstudie von Oktober 2025 (arXiv) misst für einen LLM-basierten Extraktor 94 % Gesamtgenauigkeit auf Rechnungen – eine klassische OCR-Layout-Pipeline kam im selben Test auf 63 %.
- Schwierige Felder: In derselben Studie erreichte der LLM-Ansatz bei Positionszeilen 91 %, die klassische Pipeline 58 %; Steuer- und Nettobeträge gehörten bei der klassischen Pipeline zu den fehleranfälligsten Feldern, beim LLM-Ansatz verursachten vor allem wechselnde Zahlenformate Fehler.
- Forschungsbenchmark DocILE: Der ICDAR-Benchmark mit rund 6.700 echten Geschäftsdokumenten und 55 Feldklassen zeigt, wie anspruchsvoll reale Beleg-Vielfalt ist: Die 2023 gemeldeten Basismodelle erreichten F1-Werte von 0,66 bis 0,72. Neuere Modelle liegen höher – von „alle Felder immer richtig“ ist aber auch die Forschung entfernt.
Druckschrift, Scan, Handschrift – wie groß die Unterschiede sind
- Saubere Druckschrift: Ein digital erzeugtes PDF oder ein sauberer Ausdruck ist der Idealfall – hier lesen aktuelle Systeme nahezu fehlerfrei, und hier entstehen die hohen Feldgenauigkeiten.
- Scans und Fotos: Schiefe Scans, niedrige Auflösung, Stempel und Knicke drücken die Erkennung spürbar. Die Qualität der Vorlage geht direkt in die Quote ein.
- Handschrift: Auf dem akademischen IAM-Benchmark für englische Handschrift erreichen die besten Modelle inzwischen Zeichenfehlerraten um 1,2 bis 1,5 % (Stand April 2026); klassische OCR-Software liegt dort über 12 %. Auf realen Formularen mit flüchtiger Handschrift ist trotzdem mit deutlich mehr manueller Prüfung zu planen als bei Druckschrift.
Wovon die Genauigkeit in Ihrem Projekt abhängt
- Feldtyp: Rechnungsnummer und Datum sind einfach; Summen, Steuersätze und Positionstabellen sind die typischen Fehlerquellen. Hier hilft rechnerische Validierung – Netto plus Steuer muss Brutto ergeben.
- Layout-Vielfalt: 20 Lieferanten mit festen Formularen sind leichter als 2.000 Lieferanten mit wechselnden Layouts. Je breiter der Eingang, desto wichtiger die Prüfschleife.
- Validierung gegen Stammdaten: Der Abgleich mit Lieferanten-, Bestell- und Kontendaten fängt viele Extraktionsfehler ab, bevor sie ins ERP gelangen.
- Messung am echten Material: Ein System, das an Ihren eigenen Belegen eingestellt und gemessen wird, sagt mehr aus als jede Pauschalzahl aus einem Benchmark.
Warum 100 % kein realistisches Versprechen sind – und was stattdessen zählt
Sprachmodelle und OCR arbeiten statistisch: Jede Extraktion trägt eine Restunsicherheit, und schon die Vorlage kann unleserlich oder mehrdeutig sein. Die richtige Antwort darauf ist keine höhere Prozentzahl, sondern eine Architektur, die mit Fehlern rechnet:
- Confidence-Schwellwert: Das System gibt zu jedem Feld eine Sicherheit aus. Werte über der Schwelle laufen automatisch durch, alles darunter geht in die manuelle Prüfung.
- Vier-Augen-Fallback: Unsichere Belege landen in einer kurzen Prüfmaske. Ein Mitarbeiter bestätigt oder korrigiert die markierten Felder – protokolliert und nachvollziehbar.
- Die richtige Kennzahl: Entscheidend ist nicht die Genauigkeit allein, sondern die Automatisierungsquote bei akzeptierter Fehlerquote: Wie viele Belege laufen ohne Anfassen durch, ohne dass falsche Werte ins System gelangen?
- Messen vor dem Produktivbetrieb: Die Quote wird an einem Testset echter Belege gemessen; der Schwellwert wird so eingestellt, dass im automatisch verarbeiteten Teil kaum noch Fehler ankommen. So halten wir es auch im Festpreis-Pilot.
FAQ
Häufige Fragen
Wie genau liest KI Rechnungen aus?
Auf gedruckten Rechnungen sind je nach Feld rund 90 bis 99 % Feldgenauigkeit realistisch; eine Evaluationsstudie von 2025 misst 94 % Gesamtgenauigkeit für LLM-basierte Extraktion. Summen, Steuerbeträge und Positionszeilen sind fehleranfälliger als Rechnungsnummer oder Datum.
Warum bedeuten 99 % Feldgenauigkeit nicht 99 % fehlerfreie Dokumente?
Weil sich Fehler über die Felder eines Belegs summieren: Bei 20 Feldern und 99 % Genauigkeit je Feld sind nur rund 82 % der Belege komplett korrekt (0,99²⁰ ≈ 0,82). Für den Arbeitsalltag zählt deshalb die Dokument-Ebene – und eine Prüfschleife für die unsicheren Fälle.
Kann KI auch Handschrift lesen?
Deutlich besser als früher: Auf dem akademischen IAM-Benchmark erreichen die besten Modelle Zeichenfehlerraten um 1,2 bis 1,5 % (Stand April 2026). Auf realen Formularen mit flüchtiger Handschrift bleibt die Quote niedriger als bei Druckschrift – hier ist mehr manuelle Prüfung einzuplanen.
Was passiert mit Belegen, bei denen sich die KI unsicher ist?
Sie laufen nicht ungeprüft ins System, sondern landen in einer Prüfmaske: Ein Mitarbeiter bestätigt oder korrigiert die markierten Felder, danach geht der Beleg validiert ins ERP oder DMS. Jede Entscheidung wird protokolliert.
Was kostet ein KI-Projekt zur Dokumentenverarbeitung?
Ein abgegrenzter Use Case – etwa Eingangsrechnungen oder Auftragserfassung – lässt sich als Festpreis-Pilot ab 39.000 € umsetzen, produktiv in sechs bis acht Wochen, Code-Übergabe inklusive. Zur Vorklärung gibt es die Discovery für 1.900 €, der Betrieb startet ab 1.900 € pro Monat.