Beleg-Verarbeitung mit KI — von PDF bis Buchhaltung

Auf einen Blick

Dieser Artikel zeigt, wie Sie mit n8n und Claude Vision eingehende Rechnungen automatisch aus PDFs extrahieren, Felder wie Rechnungsnummer und Betrag erkennen und die Daten direkt an Buchhaltungssoftware wie DATEV, lexware oder sevdesk übergeben können. Der Workflow ist als Schritt-für-Schritt-Anleitung für den Selbstbau konzipiert.

Workflow 4 von 5

Eingehende Rechnungen als PDF werden automatisch ausgelesen (Lieferant, Betrag, USt, Datum, Rechnungsnummer, Kostenstelle), in der Buchhaltung angelegt und im DMS abgelegt. Sechs Stunden Buchhaltungs-Arbeit pro Woche werden zu zwanzig Minuten Kontrolle.

Was dieser Workflow macht

Rechnungen kommen über drei Wege: per E-Mail (PDF-Anhang), per Scan-App (E-Mail an Rechnungs-Postfach) oder per Upload-Ordner (Dropbox/OneDrive). Der Workflow:

1. Holt PDF-Rechnung ab
2. Lässt Claude Vision (oder GPT-4o) Felder extrahieren: Lieferant, IBAN, Betrag netto/brutto, USt-Satz, Rechnungsnummer, Rechnungsdatum, Leistungsdatum, Kostenstelle
3. Legt Eintrag in DATEV / sevdesk / lexoffice an
4. Speichert PDF im DMS (Paperless, MinIO, SharePoint)
5. Bei Unsicherheit: markiert als „[PRÜFEN]" für menschliche Freigabe

Voraussetzungen

• n8n
• Claude 3.5 Sonnet (Vision-fähig) oder GPT-4o
• Buchhaltungs-API: DATEV-Unternehmen-Online, sevdesk, lexoffice, FastBill, Odoo
• DMS: Paperless-ngx, Nextcloud, SharePoint, Bitrix24 — beliebig
• GoBD-konformes Archivsystem — wichtig für Steuer-Compliance

Der Extraction-Prompt

Du extrahierst Felder aus einer PDF-Rechnung.

Bitte extrahiere AUSSCHLIESSLICH was tatsächlich auf der Rechnung steht.
Bei fehlendem Feld: null. Niemals raten.

Schema:
{
  "lieferant_name": "...",
  "lieferant_adresse": "...",
  "lieferant_ustid": "DE...",
  "rechnungs_nr": "...",
  "rechnungs_datum": "YYYY-MM-DD",
  "leistungs_datum": "YYYY-MM-DD oder null",
  "betrag_netto": 0.00,
  "betrag_brutto": 0.00,
  "ust_satz": 19 oder 7 oder 0,
  "ust_betrag": 0.00,
  "iban": "DE... oder null",
  "bic": "... oder null",
  "zahlungsziel": "YYYY-MM-DD oder null",
  "leistungs_beschreibung": "Kurz, 1 Zeile",
  "kategorie_vorschlag": "eines aus: Wareneinkauf, Bürobedarf, Software, Hosting, Beratung, Reisekosten, sonstiges",
  "konfidenz": 0.0-1.0,
  "needs_review": true|false,
  "review_grund": "Warum unsicher (falls needs_review)"
}

Wenn brutto/netto/USt nicht konsistent zueinander passen → needs_review=true.
Wenn Lieferanten-Adresse fehlt → needs_review=true.

Schritt-für-Schritt-Setup

1. IMAP-Trigger auf rechnungen@firma.de, polling alle 5 Minuten
2. Function-Node filtert PDF-Anhänge raus, ignoriert sonstige Mails
3. HTTP-Node wandelt PDF zu Base64 (oder lädt direkt in den Anthropic-Vision-Call)
4. Claude-Vision-Node mit dem Prompt oben
5. IF-Node: bei needs_review=true → Slack-Ping an Buchhaltung + Mail bleibt im Inbox; sonst weiter
6. Buchhaltungs-API: POST /vouchers mit extrahierten Feldern
7. DMS-Upload: PDF mit Metadaten (Lieferant + Datum + RNr) in Paperless
8. Mail-Label: Original-Mail bekommt Label „verarbeitet"

Kosten + Performance

• API-Kosten pro Beleg: 0,01–0,04 € (Claude Vision 3.5 Sonnet, durchschnittliche Rechnung)
• Latenz: 8–20 Sekunden pro Beleg
• Trefferquote bei sauberen Lieferanten-PDFs: >95 %
• Bei handgeschriebenen / fotografierten Belegen: 70–80 %, manuelle Nacharbeit nötig

GoBD + Steuer-Compliance

Wichtig: die Verarbeitung ändert nichts an den GoBD-Anforderungen.

• Original-PDF muss revisionssicher archiviert werden (Paperless mit WORM-Storage, ECM-System, etc.)
• Mensch reviewed mindestens die Kategorie-Zuordnung — Maschinenvorschlag ≠ finale Buchung
• Verfahrensdokumentation aktualisieren: KI-Vorerfassung gehört rein

Erweiterungen

• Lieferanten-Stammdaten abgleichen: matching mit existierender DB statt jedes Mal extrahieren
• Genehmigungs-Workflow: bei Betrag > X € → Slack-Approve-Button
• Doppel-Erfassungs-Check: gleiche Rechnungs-Nr + Lieferant blockieren

Verwandte Ressourcen

• Automatisierung-Hub: alle 5 Workflows im Überblick
• Lokale KI-Modelle für sensible Daten
• KI-Richtlinie für KMU (kostenloses Muster)
• n8n — Glossar-Eintrag
• Workflow-Automatisierung — Grundlagen

Häufige Fragen

Welche KI-Modelle werden für die Texterkennung empfohlen?

Claude Vision eignet sich besonders gut, da es auch handschriftliche Notizen und komplexe Layouts erkennt. Alternativ können Sie GPT-4 Vision oder spezialisierte OCR-Dienste wie Tesseract nutzen, aber Claude Vision liefert bei Rechnungen oft die höchste Genauigkeit.

Kann ich den Workflow auch ohne Programmierkenntnisse nachbauen?

Ja, n8n bietet eine visuelle Oberfläche, sodass Sie die Schritte per Drag-and-Drop zusammenstellen können. Grundlegende Kenntnisse in JSON und API-Aufrufen sind hilfreich, aber nicht zwingend erforderlich. Die Anleitung führt Sie durch jeden Schritt.

Welche Buchhaltungssoftware wird unterstützt?

Der Workflow ist flexibel und kann Daten an DATEV, lexware, sevdesk oder andere Systeme übergeben. Sie müssen lediglich die entsprechenden API-Endpunkte und Datenformate anpassen. Im Artikel wird die Integration mit sevdesk als Beispiel gezeigt.

Wie sicher ist die automatische Erfassung von Rechnungsdaten?

Die Genauigkeit hängt von der Qualität der PDFs und der KI ab. Bei gut lesbaren Rechnungen liegt die Erkennungsrate bei über 95 %. Für kritische Daten wie Steuernummern empfehlen wir eine manuelle Stichprobenprüfung. Der Workflow kann so eingerichtet werden, dass unsichere Fälle zur manuellen Prüfung markiert werden.

Zuletzt aktualisiert: 2026-06-01 · Autor: Florian Neuhuber