Bei 140 Rechnungen im Monat sind das 9 Stunden Tipparbeit.
Das lässt sich lösen.

Eingangsrechnungen kommen so: eine E-Mail, ein PDF im Anhang, und irgendwann muss jemand das aufmachen, die Zahlen ablesen und eintippen. Rechnungsnummer, Datum, Lieferant, Betrag, MwSt.-Satz. Vier Minuten, wenn der Scan lesbar ist. Sieben, wenn nicht.

Der Aufwand klingt klein, bis man ihn hochrechnet. Ein Betrieb mit zehn Mitarbeitenden bekommt leicht 120 bis 160 Rechnungen im Monat zusammen - Material, Subunternehmer, Fahrzeuge, Bürobedarf, Werkzeug. Bei vier Minuten im Schnitt sind das rund 9 Stunden reine Dateneingabe. Kein Mehrwert, keine Entscheidung, keine Kontrolle. Nur Übertragen.

Das Muster ist branchenübergreifend: Laut einer DocuWare-Marktbefragung (2023) verarbeiten mehr als 60 Prozent der Unternehmen unter 500 Mitarbeitenden ihre Eingangsbelege noch überwiegend manuell - obwohl die meisten längst eine Buchhaltungssoftware wie DATEV oder Lexoffice nutzen.

Wir haben diesen Workflow Anfang 2026 für einen Handwerksbetrieb aus Offenbach aufgebaut, der genau in dieser Situation steckte. Was dabei entstanden ist, erklärt dieser Artikel Schritt für Schritt.

Das eigentliche Problem ist nicht die Zeit

Der Betrieb aus Offenbach hat uns nicht wegen der Stunden angesprochen. Die Sekretärin, die die Rechnungen bearbeitete, hatte das jahrelang im Griff. Das eigentliche Problem tauchte beim Jahresabschluss auf: vertippte Rechnungsnummern, Lieferantennamen, die mal mit Bindestrich und mal ohne erschienen, Beträge die um einen Cent abwichen weil jemand die Nachkommastellen gerundet hatte. Kleine Fehler, aber konsequent ärgerlich, weil der Steuerberater jeden einzelnen ansprechen musste.

Das ist der Unterschied zwischen manuellem Übertragen und automatischer Extraktion: Ein Mensch ermüdet, ein Modell nicht. Bei der 140. Rechnung macht GPT-4o denselben Job wie bei der ersten.

Wie der Workflow aufgebaut ist

Der Workflow läuft in n8n und hat vier Stationen. n8n überwacht ein eigens dafür eingerichtetes Postfach - in diesem Fall rechnungseingang@... - und startet automatisch, sobald eine E-Mail mit PDF-Anhang eingeht.

Der Ablauf im Detail:

Was dabei nicht klappt

KI-Extraktion ist kein Präzisionsinstrument ohne Ausfälle. GPT-4o liest die meisten Rechnungen gut, aber es gibt drei Situationstypen, wo das Ergebnis regelmäßig nicht stimmt.

Schlecht gescannte PDFs, wo Druckartefakte einzelne Ziffern verzerren, machen einen Teil der Fehler aus - eine 8 die wie eine 3 aussieht, ein Datum das als Rechnungsnummer gelesen wird. Rechnungen mit ungewöhnlichem Layout sind ein anderes Problem: wenn Betrag und MwSt.-Satz nicht in den Feldern stehen, die ein Modell erwartet, greift es daneben. Handwerks- und Baurechnungen produzieren solche Layouts regelmäßig, weil viele Betriebe eigene Excel-Vorlagen ausdrucken statt einer genormten Vorlage. Dazu kommen fremdsprachige Rechnungen aus dem EU-Ausland mit abweichenden Datumsformaten oder Feldbezeichnungen, die das Modell zwar liest, aber nicht immer korrekt zuordnet.

Für diese Fälle hat der Workflow eine Überprüfungsschleife eingebaut.

Wenn das Confidence-Level unter einen definierten Schwellenwert fällt, oder wenn ein Pflichtfeld leer bleibt, geht eine E-Mail raus: "Rechnung von [Lieferant] konnte nicht vollständig verarbeitet werden - bitte manuell prüfen." Das Original-PDF hängt immer dabei, der Bearbeitungsaufwand reduziert sich auch bei diesen Fällen von vier Minuten auf etwa eine Minute. In der Praxis lag die Quote der Rechnungen, die manuelles Nachfassen brauchten, bei rund 8 bis 12 Prozent.

Was das konkret gebracht hat

Der Betrieb aus Offenbach verarbeitet heute knapp 90 Prozent seiner Eingangsrechnungen ohne manuellen Eingriff. Für den Rest kommt eine Benachrichtigung mit konkret beschriebenem Problem, was die Bearbeitungszeit auch dort deutlich kürzt. Die tatsächliche monatliche Zeitersparnis liegt bei 7 bis 8 Stunden - nicht bei den ursprünglichen 9, weil die Nachfassungen weiterhin Aufwand sind, aber gut zwei Arbeitstage pro Quartal, die jetzt woanders liegen.

Dazu kamen deutlich weniger Diskrepanzen beim Jahresabschluss. Wenn ein Modell Zahlen aus einem PDF liest, vertippt es sich nicht.