Bestellungen automatisch auslesen — Regeln, OCR oder KI

Im Bestelleingang vieler Mittelständler liegt dasselbe Muster: Jemand öffnet eine E-Mail, klickt den PDF-Anhang auf, liest Positionen ab und tippt sie ins ERP. Täglich. Für jeden Kunden ein bisschen anders.

Irgendwann stellt sich die Frage, ob sich das nicht automatisieren lässt. Und spätestens dann fallen Begriffe wie OCR, KI, intelligente Dokumentenerkennung — oft in Kombination mit dem Versprechen, dass ein Tool das Problem löst.

Aber die eigentliche Frage bleibt meist unbeantwortet:

Welche Technologie ist für Ihren konkreten Bestelleingang überhaupt sinnvoll?

Zwischen einem sauberen PDF eines Stammkunden und einem schief fotografierten Bestellzettel liegen technisch und wirtschaftlich Welten. Und genau hier machen viele denselben Fehler: Sie suchen zuerst nach dem smarten Tool — statt sauber zu unterscheiden, welche Dokumentarten wirklich vorliegen und wo einfache Regeln ausreichen, bevor KI überhaupt ins Spiel kommt.

Dieser Artikel hilft Ihnen, die richtige Technologieentscheidung zu treffen. Sie erfahren:

• wann regelbasierte Extraktion völlig ausreicht
• wann OCR nötig wird
• wann KI bzw. IDP sinnvoll wird
• warum Validierung und Ausnahmebehandlung wichtiger sind als das Auslesen selbst
• und wie Sie das Thema wirtschaftlich statt buzzword-getrieben angehen

Wer den Auftragseingang insgesamt pragmatisch automatisieren will, findet den Überblick im Artikel Auftragseingang automatisieren im Mittelstand. Hier geht es gezielt um die Technologiefrage beim Auslesen.

Woran Sie merken, dass Ihre Technologiewahl nicht stimmt

Nicht jedes Projekt hat ein Technologieproblem. Aber wenn mehrere dieser Punkte zutreffen, lohnt sich ein genauerer Blick auf den Ansatz:

Dann liegt das Problem meist nicht am Tool, sondern an der fehlenden Unterscheidung: Welche Dokumentarten liegen wirklich vor — und was braucht welche Technik?

Die eigentliche Frage ist nicht „Welche KI?", sondern „Was liegt überhaupt vor?"

Wer Bestellungen automatisieren will, sollte zuerst nicht nach Technologie sortieren, sondern nach Dokumentrealität.

Denn „Bestellung auslesen" kann sehr Unterschiedliches bedeuten:

• eine E-Mail mit klarer Positionsliste
• ein maschinell erzeugtes PDF
• ein PDF-Scan
• eine Excel-Datei
• ein Foto vom handschriftlichen Bestellblock
• ein weitergeleiteter E-Mail-Thread mit Änderungen und Kommentaren

Technisch betrachtet sind das nicht nur Varianten desselben Problems. Es sind unterschiedliche Klassen von Eingängen. Und genau davon hängt ab, ob Sie mit Regeln, OCR oder KI arbeiten sollten.

1. Strukturierte Eingänge

Dazu zählen zum Beispiel:

• standardisierte PDFs einzelner Kunden
• Excel-Dateien mit festen Spalten
• E-Mails mit immer ähnlichem Aufbau
• Bestellformulare mit klaren Feldpositionen

Hier sind Inhalte in der Regel gut vorhersehbar: derselbe Aufbau, dieselben Feldnamen, ähnliche Positionstabellen, bekannte Referenzen. In solchen Fällen reicht oft regelbasierte Extraktion völlig aus.

2. Halbstrukturierte Eingänge

Dazu zählen:

• PDFs mit ähnlichem, aber nicht identischem Layout
• Freitext-E-Mails mit Anhang
• Bestellungen mit Kommentaren, Sonderwünschen oder wechselnden Positionsdarstellungen
• Dokumente mit bekannten Mustern, aber variierender Formulierung

Hier stößt starres Parsing schneller an Grenzen. Diese Fälle brauchen häufig eine Kombination aus OCR und Regeln — oder KI-gestützte Extraktion mit anschließender Validierung.

3. Unstrukturierte oder schwierige Eingänge

Dazu zählen:

• schlechte Scans
• Fotos
• handschriftliche Notizen
• E-Mail-Verläufe mit mehreren Änderungen
• Dokumente mit stark schwankender Qualität

Hier reicht reine Feldlogik meist nicht mehr. Selbst OCR allein löst das Problem nur teilweise. In solchen Fällen wird KI oder Human-in-the-Loop oft sinnvoll — nicht als Selbstzweck, sondern weil der Eingang technisch anders nicht stabil genug behandelbar ist.

Wann Regeln völlig ausreichen

Regelbasiert klingt oft altmodisch. In vielen Projekten ist es aber genau der wirtschaftlich sinnvollste Einstieg.

Regeln reichen oft dann, wenn:

• bestimmte Kunden immer dasselbe Format schicken
• Feldpositionen stabil sind
• Artikelnummern klar erkennbar sind
• Positionszeilen konsistent aufgebaut sind
• die Zahl der Varianten überschaubar bleibt

Typische Beispiele: Ein Großkunde sendet immer dasselbe PDF-Layout. Eine Bestellung kommt als standardisierte Excel-Datei. Im Mailtext stehen immer dieselben Schlüsselwörter.

Dann brauchen Sie oft keine KI. Dann brauchen Sie:

• saubere Dokumentklassifikation
• zuverlässige Extraktionsregeln
• Mapping auf ERP-Felder
• Validierung gegen Stammdaten
• eine klare Behandlung von Ausnahmen

Der Vorteil: Regelbasiert ist oft transparenter, günstiger und leichter testbar.

Gerade im Mittelstand ist das relevant. Denn nicht jede Automatisierung muss maximal intelligent sein. Sie muss zuerst stabil im Betrieb funktionieren.

Wann OCR nötig wird

OCR ist dann relevant, wenn Inhalte nicht direkt als strukturierter Text vorliegen, sondern zunächst optisch gelesen werden müssen.

Das betrifft typischerweise:

• gescannte PDFs
• Bilddateien
• Fotos von Dokumenten
• ältere Fax- oder Scan-Strecken
• PDFs, die nur als Bild vorliegen

Wichtig dabei: OCR ist keine Entscheidungslogik. OCR macht aus Bildinhalt erst einmal nur maschinenlesbaren Text.

Das bedeutet:

• OCR erkennt Wörter und Zahlen
• aber nicht automatisch, was davon Kunde, Artikel oder Liefertermin ist
• und schon gar nicht, was davon betrieblich gültig ist

Deshalb ist OCR meist nur ein Baustein in der Kette: Dokument lesen, Text erfassen, relevante Inhalte zuordnen, Daten normalisieren, gegen Stammdaten validieren, unklare Fälle aussteuern.

Wer OCR mit „Problem gelöst" verwechselt, baut sich schnell eine schöne Demo — aber noch keinen belastbaren Prozess.

Wie dieser Ablauf konkret für eingehende E-Mail-, PDF- und Excel-Bestellungen aussieht, zeigt der Artikel E-Mail-Bestellungen automatisch ins ERP übernehmen.

Wann KI oder IDP sinnvoll werden

KI oder IDP werden dann interessant, wenn die Variabilität so hoch wird, dass Regeln allein unverhältnismäßig aufwendig oder unzuverlässig werden.

Das ist häufig der Fall, wenn:

• viele unterschiedliche Layouts verarbeitet werden müssen
• Inhalte frei formuliert sind
• dieselben Informationen an sehr unterschiedlichen Stellen stehen
• Tabellenstrukturen schwanken
• Dokumentqualität nicht konstant ist
• Kunden eigene Bezeichnungen oder Schreibweisen verwenden

Dann kann KI helfen, Positionen semantisch zu erkennen, Felder aus wechselnden Layouts zu extrahieren, Freitext besser zu interpretieren und ähnliche Inhalte trotz unterschiedlicher Formulierungen zuzuordnen.

Aber auch hier gilt: KI ersetzt keine Prozesslogik. Sie ersetzt nicht Stammdatenprüfung, Artikel-Mapping, Dublettenkontrolle, Plausibilitätsprüfung, Freigabelogik und Ausnahmebehandlung.

Der Fehler vieler Projekte ist nicht, dass sie KI einsetzen. Der Fehler ist, dass sie KI dort einsetzen, wo eigentlich fehlende Prozessklarheit das Problem ist.

So entscheiden Sie pragmatisch zwischen Regeln, OCR und KI

In der Praxis hilft oft diese einfache Logik:

Regeln zuerst, wenn:

• Formate wiederkehrend sind
• Layouts stabil bleiben
• Felder klar erkennbar sind
• Dokumentqualität gut ist
• bekannte Kundenformate dominieren

OCR dazu, wenn:

• Inhalte als Scan oder Bild vorliegen
• PDFs nicht textbasiert lesbar sind
• Dokumente optisch gelesen werden müssen
• der Aufbau trotzdem relativ stabil bleibt

KI oder IDP ergänzen, wenn:

• viele Varianten im Umlauf sind
• Layouts und Formulierungen stark wechseln
• Freitext eine große Rolle spielt
• Tabellen und Positionsblöcke uneinheitlich sind
• der Regelaufwand sonst explodiert

Human-in-the-Loop beibehalten, wenn:

• Dokumentqualität stark schwankt
• Sonderfälle häufig vorkommen
• geschäftskritische Entscheidungen nicht sicher automatisierbar sind
• wirtschaftlich nicht jeder Edge Case vollautomatisch gelöst werden muss

Das ist kein Rückschritt. Ein intelligenter Prüfprozess ist bei Bestellungen häufig wirtschaftlicher als der Versuch, jeden Sonderfall komplett zu automatisieren. Ein gutes Modell trennt eindeutige Fälle, die automatisch durchlaufen, von unklaren Fällen, die in eine Prüfung gehen. So entstehen hohe Entlastung bei Standardfällen, weniger Risiko bei Sonderfällen und ein schnellerer Projektstart.

Die entscheidende Frage lautet also nicht: „Was ist technisch am modernsten?" Sondern: „Was liefert in unserem Eingangsmix die beste Stabilität pro Aufwand?"

Die typische Fehlannahme: Auslesen ist das Hauptproblem

In Wirklichkeit ist das Auslesen oft nur der sichtbare Teil. Der schwierigere Teil liegt meist danach:

• Welcher Kunde ist gemeint?
• Ist die Lieferadresse zulässig?
• Welche interne Artikelnummer passt?
• Ist die Mengeneinheit gültig?
• Ist dieselbe Bestellung schon einmal eingegangen?
• Fehlen Informationen, die Ihr ERP zwingend braucht?

Genau deshalb entstehen viele Fehler nicht beim OCR-Schritt, sondern beim Interpretieren und Einordnen. Eine Bestellung ist eben nicht nur Text. Sie ist ein fachlicher Vorgang.

Und deshalb braucht eine gute Lösung immer mehr als Extraktion: Klassifikation, Mapping, Validierung, Routing, Ausnahmenlogik und sichere ERP-Übergabe.

So sieht ein belastbarer Ablauf in der Praxis aus

Wenn Bestellungen aus PDF, E-Mail oder Scan verarbeitet werden sollen, besteht der eigentliche Ablauf oft aus diesen Schritten:

Typische Fehler bei der Technologiewahl

Woran Sie erkennen, dass KI bei Ihnen noch zu früh ist

Nicht jedes Unternehmen ist schon an dem Punkt, an dem KI den größten Hebel bringt.

Ein Warnsignal ist, wenn intern noch unklar ist:

• welche Eingangskanäle überhaupt relevant sind
• welche Dokumenttypen dominieren
• welche Felder zwingend fürs ERP gebraucht werden
• welche Stammdatenprobleme regelmäßig auftauchen
• wer bei Ausnahmen entscheidet
• welche Kundenformate am meisten Aufwand erzeugen

Dann ist das Problem meist noch nicht „zu wenig KI", sondern zu wenig Klarheit über den realen Prozess.

In solchen Fällen bringt ein sauber abgegrenzter Pilot mit Regeln, OCR und klarer Prüfstrecke oft deutlich mehr als ein großer KI-Ansatz mit unscharfem Scope.

Ein realistischer Pilot startet nicht mit dem schwierigsten Scan

Der beste Einstieg ist meist nicht das chaotischste Dokument. Sondern der Bereich mit der besten Kombination aus:

• Volumen
• Wiederholbarkeit
• wirtschaftlicher Relevanz
• technischer Beherrschbarkeit

Ein sinnvoller Pilot startet oft mit 1 bis 3 häufigen Kundenformaten, klaren PDF- oder E-Mail-Mustern, stabilen Stammdaten, definierter Prüfverantwortung und messbarer Durchlaufquote.

Erst danach lohnt sich der Ausbau auf wechselnde Formate, schwierigere Scans, Freitext-lastige Mails und uneinheitliche Bilddokumente.

So entsteht ein tragfähiger Lernpfad. Nicht nur eine einmalige Extraktionsdemo.

Fazit

Bestellungen aus PDF, E-Mail und Scan auszulesen ist kein einheitliches Technikproblem. Es ist eine Architekturentscheidung.

Wer sauber zwischen strukturierten, halbstrukturierten und unstrukturierten Eingängen unterscheidet, trifft fast immer bessere Entscheidungen:

• Regeln dort, wo Stabilität hoch ist
• OCR dort, wo Text erst sichtbar gemacht werden muss
• KI dort, wo Variabilität und Interpretationsaufwand wirklich groß werden
• und Human-in-the-Loop dort, wo wirtschaftliche Robustheit wichtiger ist als Buzzword-Vollautomatisierung

Genau darin liegt im Mittelstand oft der Unterschied zwischen einer Demo, die beeindruckt — und einem Prozess, der im Alltag wirklich trägt.

FAQ zu Bestellungen aus PDF, E-Mail und Scan auslesen