KI-Dreifachabgleich für Rechnungen: Praxisleitfaden

Ein KI-Dreifachabgleich kann Bestellung, Lieferschein und Rechnung automatisch zusammenführen, Abweichungen sichtbar machen und eindeutige Fälle für die weitere Bearbeitung vorbereiten. Er ersetzt jedoch keine Freigabeordnung. Für einen belastbaren Prozess müssen feste Rechenregeln, nachvollziehbare Referenzen und menschliche Entscheidungen zusammenspielen. Besonders wichtig: Die KI darf fehlende Belege oder Mengen nicht plausibel ergänzen. Was nicht belegt ist, bleibt eine Ausnahme.

Für KMU liegt der Nutzen nicht in einer spektakulären Modellantwort, sondern in weniger Sucharbeit. Statt drei Dokumente manuell nebeneinanderzulegen, erhalten Mitarbeitende eine strukturierte Gegenüberstellung: Was wurde bestellt, was tatsächlich geliefert und was berechnet? Dieser Leitfaden zeigt, wie ein solcher Prüfpfad in Österreich und Deutschland aufgebaut werden kann, welche Toleranzen sinnvoll sind und an welchen Stellen eine Freigabe zwingend beim Menschen bleiben sollte.

Was ein KI-Dreifachabgleich tatsächlich prüft

Der klassische Dreifachabgleich, oft auch Three-Way-Match genannt, verbindet drei fachliche Aussagen. Die Bestellung beschreibt die vereinbarte Menge, den Preis und weitere Konditionen. Der Lieferschein oder Wareneingang dokumentiert, was angekommen ist. Die Rechnung formuliert schließlich den Zahlungsanspruch. Erst die gemeinsame Betrachtung zeigt, ob die Forderung sachlich zum Geschäftsvorgang passt.

Prüfobjekt	Bestellung	Lieferschein	Rechnung	Mögliche Entscheidung
Lieferant	Vertragspartner	Absender	Rechnungssteller	Identität muss zusammenpassen
Referenz	Bestellnummer und Position	Auftrag oder Bestellung	Bestell- oder Auftragsbezug	Eindeutig zuordnen oder klären
Menge	Bestellte Menge	Gelieferte Menge	Berechnete Menge	Freigeben, teilweise freigeben oder sperren
Preis	Vereinbarter Preis	meist nicht enthalten	Berechneter Preis	Preisabweichung bewerten
Nebenkosten	Fracht und Zuschläge	Hinweise zur Lieferung	Zusätzliche Entgelte	Vertragsbezug prüfen
Leistung	Artikel oder Tätigkeit	Wareneingang oder Bestätigung	Leistungsbeschreibung	Inhaltlich vergleichen

Ein Teil dieser Arbeit ist deterministisch. Summen, Steuersätze, Mengen und Bestellnummern lassen sich mit festen Regeln vergleichen. KI wird dort nützlich, wo Schreibweisen variieren, Positionen anders gruppiert sind oder ein Scan statt strukturierter Daten vorliegt. Sie kann etwa erkennen, dass „Edelstahlschraube M8 x 30“ und „Schraube V2A M8/30“ wahrscheinlich denselben Artikel meinen. Die Entscheidung, ob diese Ähnlichkeit für eine Zahlung genügt, bleibt eine Geschäftsregel.

Der Prüfpfad beginnt mit Referenzen, nicht mit dem Modell

Die beste Zuordnung entsteht, wenn eine Referenz vom Auftrag bis zur Rechnung erhalten bleibt. Strukturierte E-Rechnungen unterstützen diesen Ansatz. Die aktuelle XRechnung-Spezifikation führt unter anderem Referenzen auf Bestellung, Wareneingang und Bestellposition. Die offiziellen Dokumente von XStandards Einkauf stellen dafür die jeweils gültige Spezifikation und technische Prüfkomponenten bereit. Ein KI-Modell sollte solche Felder nicht durch Schätzung ersetzen, sondern als vorrangige Anker verwenden.

Für Deutschland gilt zugleich: Die E-Rechnung schafft die technische Grundlage für automatisierte Verarbeitung, verpflichtet den Empfänger aber nicht zu einer bestimmten weiterführenden Automatisierung. Das deutsche BMF erläutert, dass Pflichtangaben im strukturierten Teil enthalten sein müssen, damit eine elektronische Verarbeitung möglich ist. Für den Dreifachabgleich bedeutet das: Zuerst werden strukturierte Rechnungsdaten regelbasiert gelesen. KI kommt ergänzend bei unklaren Beschreibungen, Anhängen oder abweichenden Stammdaten zum Einsatz.

In Österreich ist der fachliche Prüfpfad ausdrücklich anschlussfähig. Das Unternehmensserviceportal zur E-Rechnung nennt ein innerbetriebliches Steuerungsverfahren, das einen verlässlichen Prüfpfad zwischen Rechnung und Lieferung oder sonstiger Leistung herstellt. Als praktisches Beispiel nennt die Behörde auch den manuellen Abgleich mit Bestellung, Auftrag, Kaufvertrag oder Lieferschein. KI kann diesen Vergleich vorbereiten; die Nachvollziehbarkeit des Prüfpfads darf dabei nicht verloren gehen.

Wie wertvoll eine saubere Referenz ist, zeigt auch der österreichische Bund. Laut e-Rechnung.gv.at kann eine vorhandene Bestellnummer eine eingehende E-Rechnung direkt der gespeicherten Bestellung und ihren Positionen zuordnen. Diese Vorgaben richten sich an Rechnungen an den Bund und sind nicht automatisch eine allgemeine B2B-Pflicht. Das Prinzip ist dennoch für KMU übertragbar: Je früher Referenzen vereinbart und konsequent weitergegeben werden, desto weniger muss später erraten werden.

Drei technische Ebenen statt einer einzigen KI-Antwort

1. Extraktion und technische Validierung

Am Anfang stehen die Originaldokumente. XML-Daten aus XRechnung oder ZUGFeRD sollten direkt ausgelesen werden. PDF-Dateien und Scans benötigen eine Texterkennung. Danach folgen Pflichtfeld-, Format- und Rechenprüfungen. Eine ungültige XML-Datei wird nicht durch ein Sprachmodell gültig. Ebenso darf eine mathematisch falsche Rechnung nicht deshalb passieren, weil ihre Beschreibung gut zur Bestellung passt.

2. Zuordnung auf Kopf- und Positionsebene

Die zweite Ebene sucht den passenden Vorgang. Exakte Bestellnummern haben Vorrang. Fehlen sie, können Lieferant, Datum, Betrag, Artikelnummern und Textähnlichkeiten Kandidaten bilden. Entscheidend ist die Trennung zwischen Kopf- und Positionsmatch: Eine Rechnung kann zum richtigen Lieferanten gehören und trotzdem eine falsche Menge in einer einzelnen Zeile enthalten. Deshalb muss das Ergebnis pro Position begründet werden.

3. Regelbasierte Entscheidung und Ausnahme

Erst danach bewertet ein Regelwerk die Abweichungen. Eine Toleranz von zwei Prozent kann bei einem schwankenden Rohstoffpreis zulässig sein, bei einem vertraglich fixierten Wartungspauschalbetrag aber nicht. Die KI liefert Kandidaten und Begründungen; die Freigabelogik legt fest, ob ein Fall automatisch weiterlaufen darf, eine Rückfrage benötigt oder gesperrt wird.

Das freiwillige NIST AI Risk Management Framework passt zu dieser Aufteilung: Risiken sollen kontextbezogen erfasst, gemessen, gesteuert und laufend überwacht werden. Rollen für menschliche Aufsicht müssen klar sein. Für den Rechnungsprozess heißt das praktisch: Eine Modellkonfidenz ist kein Buchungsbeleg, sondern ein Eingangssignal für eine dokumentierte Entscheidung.

Toleranzen müssen fachlich definiert sein

Ohne Toleranzen produziert der Dreifachabgleich zu viele Fehlalarme. Mit pauschalen Toleranzen übersieht er relevante Fehler. KMU sollten Regeln daher nach Lieferant, Warengruppe und Risikohöhe unterscheiden. Jede Toleranz braucht einen Eigentümer, eine Begründung und ein Prüfdatum.

Abweichung	Mögliche Regel	Nicht automatisch freigeben, wenn
Menge	Nur bis zur bestätigten Liefermenge	Teillieferung offen oder Retoure ungeklärt ist
Stückpreis	Prozent- und Betragsgrenze kombinieren	kein gültiger Preisstand vorliegt
Fracht	Nur bei vereinbarter Lieferkondition	die Bestellung Frachtfreiheit vorsieht
Rundung	Kleine Cent-Differenz zulassen	die Steuerberechnung selbst abweicht
Beschreibung	Semantische Ähnlichkeit als Hinweis	Artikelnummer oder Einheit widerspricht
Fehlender Lieferschein	Ausnahme mit Zuständigkeit	kein anderer Leistungsnachweis existiert

Eine gute Regel kombiniert relative und absolute Grenzen. Zwei Prozent Abweichung sind bei 30 Euro weniger kritisch als bei 80.000 Euro. Ebenso sollte die automatische Behandlung vom Fehlerbild abhängen. Eine kleine Preisabweichung kann prüfbar sein; ein unbekannter Lieferant, eine fehlende Bestellung oder eine berechnete, aber nicht bestätigte Lieferung gehört in eine strengere Klasse.

Praxisbeispiel 1: Teillieferung im österreichischen Großhandel

Ein Gastronomiegroßhändler bestellt 120 Behälter. Der erste Lieferschein bestätigt 90 Stück, ein zweiter ist angekündigt. Die Rechnung weist bereits 120 Stück aus. Ein reiner Bestell-Rechnungs-Abgleich würde keinen Mengenfehler erkennen, weil Bestellung und Rechnung übereinstimmen. Der Dreifachabgleich sieht dagegen, dass nur 90 Stück als geliefert dokumentiert sind.

Die sinnvolle Entscheidung lautet nicht automatisch „Rechnung falsch“. Je nach Vereinbarung kann eine Vorabrechnung zulässig oder unerwünscht sein. Das System sollte den Fall mit dem Grund „berechnete Menge über bestätigter Liefermenge“ sperren oder an den Einkauf geben. Die prüfende Person kann anschließend den fehlenden Wareneingang nachtragen, eine Teilfreigabe veranlassen oder beim Lieferanten eine Korrektur anfordern. Jede Entscheidung bleibt mit den drei Ausgangsdokumenten verknüpft.

Praxisbeispiel 2: Abweichende Artikeltexte im deutschen Maschinenbau

Ein Maschinenbau-KMU bestellt zwölf Dichtungssätze unter einer internen Artikelnummer. Der Lieferant verwendet auf Lieferschein und Rechnung seine eigene Nummer und eine verkürzte Beschreibung. Menge und Preis stimmen, die Texte sind jedoch nicht identisch. Eine exakte Zeichenprüfung erzeugt eine Ausnahme, obwohl der Vorgang fachlich plausibel ist.

Hier kann KI die Artikeltexte und bekannten Zuordnungen vergleichen. Das Ergebnis sollte nicht nur „Treffer 94 Prozent“ lauten, sondern die herangezogenen Merkmale zeigen: Lieferant, interne und externe Artikelnummer aus früheren bestätigten Vorgängen, gleiche Einheit, gleiche Menge und gleicher Preis. War die Zuordnung noch nie bestätigt, geht sie zur Prüfung. Nach menschlicher Bestätigung kann die Lieferanten-Artikelbeziehung als Stammdatenregel gespeichert werden. So sinkt die Zahl wiederkehrender Ausnahmen, ohne dass das Modell stillschweigend Fakten erfindet.

Die häufigsten Fehler bei der Einführung

Nur auf Gesamtbeträge schauen: Gegensätzliche Positionsabweichungen können sich zufällig ausgleichen.
Lieferstatus nicht berücksichtigen: Ein erstellter Lieferschein beweist noch keinen bestätigten Wareneingang.
Eine Konfidenz für alle Risiken verwenden: Textähnlichkeit, Mengenprüfung und Steuerprüfung benötigen unterschiedliche Kennzahlen.
Fehlende Referenzen von der KI ergänzen lassen: Eine plausible Bestellnummer ist keine vorhandene Bestellnummer.
Toleranzen ohne Ablaufdatum setzen: Konditionen, Lieferanten und Preise ändern sich.
Nur erfolgreiche Matches messen: Besonders wichtig sind falsch freigegebene Rechnungen und übersehene Abweichungen.
Keine Entscheidungsspur speichern: Später muss nachvollziehbar sein, welche Daten, Regeln und Freigaben zum Ergebnis führten.

Wer bereits mit KI-Ausnahmen arbeitet, sollte ähnliche Fälle konsistent bündeln. Der Beitrag „Nicht jeder Fehler zuerst“ zeigt, wie eine risikobasierte Warteschlange aufgebaut werden kann. Warum eine hohe Modellwahrscheinlichkeit keine Rechnungsprüfung ersetzt, erläutert außerdem der Leitfaden zur KI-Konfidenz bei Rechnungen.

Ein realistischer Einführungsplan für KMU

Stichprobe bilden: Wählen Sie 100 bis 300 abgeschlossene Vorgänge mit einfachen Fällen, Teillieferungen, Preisabweichungen, Gutschriften und fehlenden Referenzen.
Dokumentenstatus klären: Definieren Sie, wann eine Bestellung gültig, eine Lieferung bestätigt und eine Rechnung prüfbereit ist.
Referenzen vereinheitlichen: Bestellnummer, Positionsnummer und Lieferbezug müssen in Systemen und Lieferantenkommunikation dieselbe Bedeutung haben.
Regeln vor KI festlegen: Rechenprüfungen, erlaubte Mengen, Preisstände und Toleranzen werden fachlich dokumentiert.
KI im Schattenbetrieb testen: Das System schlägt Matches vor, löst aber noch keine Freigabe aus. Mitarbeitende vergleichen Vorschlag und tatsächliche Entscheidung.
Nur eng begrenzte Fälle automatisieren: Starten Sie mit bekannten Lieferanten, eindeutigen Referenzen und niedrigen Beträgen.
Monatlich nachmessen: Prüfen Sie Fehlfreigaben, unnötige Ausnahmen, Bearbeitungszeit und neue Lieferantenlayouts.

Für den Schattenbetrieb ist ein dokumentierter Referenzsatz sinnvoll. Er enthält die fachlich richtige Zuordnung und Entscheidung. Die Kontrollmatrix für KI-Rechnungsdaten hilft dabei, unterschiedliche Prüfschwellen nicht in einer einzigen Prozentzahl zu vermischen.

Welche Kennzahlen wirklich helfen

Die Automatisierungsquote allein ist gefährlich. Ein System kann viele Fälle automatisch behandeln und dabei die falschen auswählen. Aussagekräftiger ist ein kleines Kennzahlenset: Anteil eindeutig zugeordneter Vorgänge, Anteil unnötiger Ausnahmen, falsch akzeptierte Abweichungen, durchschnittliche Prüfzeit, häufigste Ausnahmegründe und Anteil nachträglich korrigierter Entscheidungen.

Zusätzlich sollten KMU die Datenqualität getrennt messen. Wie viele Rechnungen enthalten eine Bestellreferenz? Wie viele Lieferscheine sind positionsgenau verknüpft? Wie oft weichen Einheiten voneinander ab? Diese Werte zeigen häufig schneller als ein Modellvergleich, wo der Prozess verbessert werden muss. KI kann schlechte Referenzen abfedern, aber sie macht aus einem lückenhaften Belegfluss keinen verlässlichen Prüfpfad.

Was Claribill heute belegt und was nicht

Claribill dokumentiert öffentlich einen verknüpften Ablauf von Angebot über Auftrag und Auftragsbestätigung bis zum Lieferschein und zur Rechnung. Die Seite Angebote und Lieferscheine beschreibt unter anderem Belegverknüpfungen und Lieferfortschritt pro Position. Das ist ein sinnvoller Ausgangspunkt für nachvollziehbare Referenzen auf der Verkaufsseite.

Eine KI-gestützte Prüfung eingehender Lieferantenrechnungen gegen Bestellungen und Wareneingänge ist damit nicht behauptet. Der in diesem Beitrag beschriebene Dreifachabgleich ist ein fachliches Zielbild. Unabhängig vom eingesetzten System sollten Zugriffsrechte, Protokollierung und Schutz der Rechnungsdaten berücksichtigt werden; Claribills öffentlich dokumentierte Grundsätze finden Sie auf der Seite Sicherheit.

Checkliste vor der ersten automatischen Freigabe

Sind Bestellung, Lieferung und Rechnung eindeutig versioniert?
Ist pro Position erkennbar, welche Referenz verwendet wurde?
Werden strukturierte Daten vor KI-Schätzungen bevorzugt?
Sind Mengen-, Preis- und Betragsgrenzen getrennt definiert?
Gibt es Regeln für Teil-, Mehr- und Rücklieferungen?
Bleiben fehlende Dokumente sichtbar, statt automatisch ergänzt zu werden?
Kann eine prüfende Person den Vorschlag verständlich begründet sehen?
Wer darf Toleranzen ändern und wer darf Ausnahmen freigeben?
Werden Modell, Regelversion, Ausgangsdaten und Entscheidung protokolliert?
Gibt es eine Stichprobenkontrolle für automatisch behandelte Fälle?

FAQ zum KI-Dreifachabgleich

Benötigt jedes KMU dafür E-Rechnungen?

Nein. Auch PDF-Dateien und Scans können verarbeitet werden, benötigen aber zusätzliche Texterkennung und erzeugen mehr Unsicherheit. Strukturierte Rechnungsdaten reduzieren die Extraktionsarbeit und machen Referenzen leichter maschinell prüfbar.

Darf eine hohe KI-Konfidenz die menschliche Freigabe ersetzen?

Nicht pauschal. Eine Automatisierung sollte nur für vorab definierte, getestete und risikoarme Fälle gelten. Hohe Beträge, fehlende Leistungsnachweise, neue Lieferanten und widersprüchliche Positionen benötigen strengere Regeln oder eine menschliche Entscheidung.

Was passiert, wenn kein Lieferschein vorhanden ist?

Der Vorgang wird nicht zwangsläufig abgelehnt, aber als unvollständig gekennzeichnet. Bei Dienstleistungen können etwa Leistungsnachweis, Abnahme oder Zeitaufzeichnung die sachliche Prüfung stützen. Welche Unterlage genügt, muss das Unternehmen passend zum Vertrag und Prozess festlegen.

Wie beginnt ein Unternehmen mit wenigen Rechnungen?

Mit sauberen Referenzen und einer einfachen Prüftabelle. Schon ohne automatische Freigabe kann KI Dokumente vorsortieren und wahrscheinliche Zuordnungen vorschlagen. Der größte frühe Nutzen ist oft die schnellere Ausnahmebearbeitung, nicht eine möglichst hohe Dunkelverarbeitung.

Fazit: Erst der Prüfpfad, dann die Automatisierung

Ein KI-Dreifachabgleich lohnt sich, wenn er drei Ebenen sauber trennt: belegte Daten, fachliche Regeln und probabilistische Zuordnung. Bestell- und Lieferreferenzen bilden das Rückgrat. KI hilft bei abweichenden Texten und unstrukturierten Dokumenten. Toleranzen und Freigaben bleiben kontrollierte Unternehmensentscheidungen.

KMU sollten deshalb nicht mit dem Ziel „möglichst viele Rechnungen automatisch bezahlen“ starten. Das bessere Ziel lautet: Jede Rechnung schnell dem richtigen Vorgang zuordnen, relevante Abweichungen erklären und die Entscheidung nachvollziehbar dokumentieren. Daraus kann schrittweise eine sichere Automatisierung entstehen.

Drei Belege, ein Prüfpfad: Wie KI Bestellung, Lieferschein und Rechnung abgleicht