End-to-end Autonomes O2C: Eine Fallstudie Zu Agentic AI Und IDP

In dieser Fallstudie untersuchen wir, wie ein Schweizer Exporteur seinen Order-to-Cash-(O2C)-Zyklus mit KI-Automatisierung und Multi-Agenten-KI-Systemen optimiert hat.

Das Ziel des Unternehmens ist es, die Verarbeitung von Purchase Orders (PO) zu beschleunigen und die manuelle Arbeit für seine Mitarbeitenden zu reduzieren, wodurch die Produktivität steigt und der Betrieb skaliert werden kann, ohne den Personalbestand zu erhöhen.

Die vorgestellte Automatisierung des O2C-Zyklus fällt in die Kategorie Intelligent Document Processing (IDP). Moderne KI-Modelle ermöglichen es Unternehmen, IDP-Systeme mit starker Generalisierung und Flexibilität zu entwickeln.

Um jedoch Genauigkeit und Konsistenz sicherzustellen, ist menschliche Aufsicht in IDP-Systemen entscheidend. Daher diskutieren wir in dieser Fallstudie, wie ein effektives Human-in-the-Loop (HITL) implementiert werden kann. Die Durchsetzung menschlicher Aufsicht via HITL ist ein wesentlicher Bestandteil jeder KI-Automatisierung in der Praxis.

Der O2C-Zyklus für diesen konkreten Fall wurde in drei Schritten umgesetzt. Jeder Schritt wird von einem dedizierten KI-Agenten ausgeführt.

Hier ist ein dreistufiger O2C-Prozess:

1. Purchase Order registrieren: POs werden in unterschiedlichen Formaten empfangen, z. B. als E-Mails, Excel-Tabellen, PDFs oder Bilder. Unabhängig vom Format müssen sie verarbeitet und in der internen PO-Verarbeitungssoftware registriert werden.
2. Lieferscheinverarbeitung: Sobald Lieferanten die Lieferscheine bereitgestellt haben, muss das Unternehmen sicherstellen, dass alle Lieferscheine die gesamte ursprüngliche PO abdecken. Anschließend werden Preisrichtlinien angewendet, Währungen umgerechnet und eine Rechnung in der Buchhaltungssoftware erstellt.
3. Rechnungsabgleich: Schließlich wird eine PDF-Version der Rechnung zusammen mit einer personalisierten E-Mail an den Kunden gesendet. Die Zahlung der Rechnung wird anhand festgelegter Fristen überwacht; falls nicht bezahlt, werden Erinnerungs-E-Mails versendet.

Dieser Prozess ist in der folgenden Abbildung dargestellt.

Dieser Prozess wird mit drei KI-Agenten umgesetzt. Diese KI-Agenten arbeiten zusammen, um sicherzustellen, dass der O2C-Zyklus systematisch durchgeführt wird, und um manuelle Aufgaben wie Dateneingabe zu reduzieren.

Während manuelle Dateneingabe und die Verarbeitung von Lieferscheinen viel Zeit in Anspruch nehmen, kann ein KI-Agent dies in Sekunden erledigen! Dadurch spart er Mitarbeitenden erheblich Zeit und erhöht die Kapazität für strategischere Aufgaben.

Wichtig ist, dass POs und Lieferscheine in unterschiedlichen Formaten (PDF und Bild), Layouts und Sprachen vorliegen. Während sich traditionelle Automatisierung auf OCR konzentrierte, haben wir festgestellt, dass moderne KI-Modelle OCR in Bezug auf Geschwindigkeit und Genauigkeit leicht übertreffen können.

Interessanterweise können moderne KI-Systeme wie Gemini und LlamaExtract den Prozess problemlos über Dokumentformate und Sprachen hinweg generalisieren und so eine schnelle Bereitstellung agentischer Lösungen für Intelligent Document Processing ermöglichen.

Die folgende Abbildung zeigt die drei KI-Agenten, die die Umsetzung des gesamten PO-Abgleichprozesses orchestrieren.

Im weiteren Verlauf dieser Fallstudie konzentrieren wir uns auf die Verarbeitung der Lieferscheine. Dies ist eine hervorragende Fallstudie dafür, wie KI-Systeme eine vielfältige Menge an Dokumenten in unterschiedlichen Formaten und Sprachen verarbeiten können.

Die Lieferscheine werden von unterschiedlichen Lieferanten bereitgestellt. Dadurch enthält jeder Lieferschein markenspezifische Formatierungen und Informationen, die für jeden Lieferanten einzigartig sind. Außerdem kann jeder Lieferant in einer anderen Region oder Stadt ansässig sein, und der Lieferschein kann in der lokalen Sprache (FR, DE, IT, EN) vorliegen.

In unserem Fall wurden die Lieferscheine auf Deutsch, Italienisch und Französisch bereitgestellt. Schließlich hat jeder Lieferant sein eigenes Format (PDF, PNG, JPEG und Excel) mit einem jeweils einzigartigen Layout. Sogar Lieferanten können unterschiedliche Begriffe verwenden, um dasselbe Konzept zu beschreiben. Zum Beispiel „Maximum Shelf Life“, „Expiration Date“ und „MHD“. Sie beschreiben alle dasselbe!

Angesichts der Komplexität der Aufgabe wäre der Einsatz traditioneller OCR-Technologie nicht praktikabel gewesen. Daher haben wir verschiedene KI-Modelle getestet und ihre Leistung auf einem Goldstandard-Datensatz bewertet. Interessanterweise sind moderne KI-Modelle wie Gemini 3.0 bei dieser Aufgabe hervorragend und können Sprachen, Formate und Layouts leicht generalisieren. Die Verwendung unterschiedlicher Schlüsselwörter zur Beschreibung desselben Konzepts wurde im Prompt als Teil des Prompt-Engineering-Schritts identifiziert.

Sobald die wichtigsten Informationen wie Artikel, Menge und Haltbarkeit aus allen Lieferscheinen extrahiert wurden, ist es an der Zeit, eine Preisstrategie anzuwenden. Hier nutzt der KI-Agent seine Wissensschicht, um zu verstehen, welchen Preis er für jeden Artikel für den jeweiligen Kunden anwenden soll. Dies wurde einfach über eine Excel-Tabelle bereitgestellt, die über eine benutzerfreundliche UI mit einer neuen Version aktualisiert werden kann.

Schließlich stellen wir im letzten Schritt dem Nutzer alle Informationen zur menschlichen Kontrolle bereit. Wie oben erwähnt, ist HITL ein wesentlicher Bestandteil der Geschäftsautomatisierung. In diesem Fall möchten wir vermeiden, eine falsche Rechnung auszustellen, da dies den Ruf unseres Kunden kosten kann.

Human-In-The-Loop

Human-in-the-loop (HITL) für die O2C-Automatisierung ist eine Verifizierungsschicht, in der menschliche Experten KI-extrahierte Daten validieren, um 100% finanzielle Genauigkeit sicherzustellen.

Um die Lücke zwischen KI-getriebener Effizienz und Zuverlässigkeit auf Enterprise-Niveau zu schließen, haben wir eine Human-in-the-Loop (HITL)-Validierungsschicht implementiert.

Im Kontext des O2C-Zyklus des Schweizer Exporteurs fungiert HITL als Qualitätsgate, das 100% Genauigkeit sicherstellt, bevor ein Finanzdokument finalisiert oder versendet wird.

Der HITL-Workflow ist um drei Kernprinzipien herum strukturiert:

• Ausnahmebasierte Prüfung: Das System ist darauf ausgelegt, „Low-Confidence“-Extraktionen zu kennzeichnen. Wenn der KI-Agent auf einen Lieferschein mit erheblichen Problemen bei der Lesbarkeit der Handschrift oder einem völlig neuen Dokumentenlayout stößt, leitet er die Aufgabe zur manuellen Verifizierung an einen menschlichen Supervisor weiter.
• Die „One-Click“-Validierungs-UI: Anstatt dass Mitarbeitende mehrere Fenster gegeneinander abgleichen, haben wir eine Side-by-Side-Vergleichsoberfläche entwickelt. Links sieht der Nutzer das Originaldokument (PDF/Bild); rechts sieht er die von der KI extrahierten Datenfelder (Artikel, Menge, MHD, Preis). Der Nutzer klickt einfach auf „Approve“ oder nimmt schnelle Änderungen vor und verwandelt so eine 10-minütige manuelle Erfassungsaufgabe in eine 10-sekündige Verifizierungsaufgabe.
• Feedback-Schleifen für kontinuierliches Lernen: Jede Korrektur, die der menschliche Supervisor vornimmt, wird protokolliert. Diese Daten werden genutzt, um die Prompts und die Wissensschicht des Agents zu verfeinern, sodass das System im Laufe der Zeit autonomer wird, während es die Nuancen spezifischer Lieferantenformate „lernt“.
  

Geschäftlicher Impact

Der Übergang von einem manuellen, fragmentierten Prozess zu einem KI-Agenten-getriebenen O2C-Zyklus lieferte dem Exporteur sofortige und messbare Ergebnisse:

• 90% Reduktion der Bearbeitungszeit: Die Zeit, die benötigt wird, um eine einzelne Purchase Order zu verarbeiten. Vom Eingang bis zur Rechnungserstellung half die KI-Automatisierung dabei, das, was Stunden, wenn nicht Tage dauert, auf Minuten zu reduzieren.
• Operative Skalierbarkeit: Das Unternehmen konnte sein Auftragsvolumen in der Hochsaison erfolgreich steigern, ohne zusätzliches administratives Personal einzustellen.

Insgesamt half der KI-Workflow dem Unternehmen, die Produktivität zu steigern und dabei schlank und agil zu bleiben. Im Grunde erreicht das Team deutlich mehr, und die manuelle Arbeit ist nicht der Engpass beim Skalieren der Abläufe.

Fazit: Die Zukunft autonomer Abläufe

Der Übergang des Schweizer Exporteurs zu einem Multi-Agenten-KI-System markiert einen Wandel von traditioneller „starrer“ Automatisierung hin zu intelligenten, adaptiven Workflows.

Indem ELIYA sich von der OCR-Technologie abwandte und stattdessen auf generative KI-Modelle wie Gemini 3.0 setzte, half ELIYA dem Unternehmen, ein jahrzehntealtes Problem in der Logistikbranche zu lösen: die Unfähigkeit, vielfältige, mehrsprachige und unstrukturierte Dokumente in großem Maßstab zu verarbeiten.

Die Integration von Human-in-the-Loop war das letzte Puzzleteil und stellte sicher, dass menschliche Expertise die letztendliche Autorität blieb, während die KI die Datenextraktion, Währungsumrechnungen und das Cross-Referencing übernahm. Diese Synergie senkt Kosten und schafft ein widerstandsfähigeres Geschäftsmodell.

Bereit, Ihr Unternehmen zu automatisieren?

Ob Sie mit einer Flut von Rechnungen, komplexer Logistik oder fragmentierten Daten über verschiedene Sprachen hinweg zu tun haben – ELIYA ist darauf spezialisiert, die agentic workflows zu entwickeln, die operative Engpässe in Wettbewerbsvorteile verwandeln.

Lassen Sie nicht zu, dass manuelle Dateneingabe und repetitive Aufgaben das Wachstum Ihres Unternehmens begrenzen. Lassen Sie unser Team aus KI-Expert:innen Ihnen helfen, ein System zu entwerfen, in dem KI-Agenten die Hauptarbeit übernehmen und Ihr Team dort die Kontrolle behält, wo es am wichtigsten ist.

Buchen Sie ein kostenloses strategisches Beratungsgespräch , um Ihre aktuellen Workflows zu analysieren und die Automatisierungsmöglichkeiten mit der größten Wirkung für Ihr Unternehmen zu identifizieren.

Häufig gestellte Fragen (FAQ)

Um Ihnen zu helfen, sich in der sich rasant entwickelnden Landschaft der Automatisierung zurechtzufinden, haben wir die häufigsten Fragen zu intelligenter Dokumentenverarbeitung (IDP) und ihrer Rolle in modernen Geschäftsabläufen zusammengestellt.

Was ist der Unterschied zwischen IDP und OCR?

Traditionelle Optical Character Recognition (OCR) ist eine grundlegende Technologie, die Bilder in Text umwandelt. Allerdings ist sie oft „blind“ für den Kontext. Intelligente Dokumentenverarbeitung (IDP) stellt die nächste Generation dar; sie liest den Text nicht nur – sie versteht ihn. Während OCR möglicherweise die Zeichen „$500.00“ erfasst, identifiziert IDP dies gezielt als „Gesamtbetrag fällig“ und kann es mit einer entsprechenden Bestellung abgleichen.

Wie geht automatisierte Datenerfassung mit unterschiedlichen Dokumentformaten um?

Im Gegensatz zu Altsystemen, die starre Vorlagen erfordern, nutzen moderne Tools für intelligente Dokumentenverarbeitung eine automatisierte Datenerfassung , die durch Generative KI unterstützt wird. Dadurch kann das System unstrukturierte Daten wie E-Mails, handschriftliche Lieferscheine oder unterschiedliche Excel-Layouts verarbeiten, ohne für jeden neuen Lieferanten eine vordefinierte Vorlage zu benötigen.

Welche Rolle spielen KI-Agenten für Compliance?

KI-Agenten für Compliance agieren als autonome Überwacher. Sie können eine KI-Dokumentenverifizierung durchführen, indem sie jedes Feld anhand regulatorischer Standards oder interner Unternehmensrichtlinien prüfen. Wenn auf einem Lieferschein ein verpflichtendes „Shelf Life“ (MHD)-Datum oder eine Unterschrift fehlt, markiert der Agent dies sofort und stellt sicher, dass Ihre Agentic AI process documentation auditfähig und rechtskonform bleibt.

Kann IDP für die Automatisierung von HR-Dokumenten eingesetzt werden?

Absolut. Über den Finanzbereich hinaus ist die Automatisierung von HR-Dokumenten einer der am schnellsten wachsenden Anwendungsfälle für IDP. Organisationen nutzen diese Tools, um das Screening von Lebensläufen zu automatisieren, Unterlagen für das Onboarding von Mitarbeitenden zu verarbeiten und sensible Mitarbeiterakten mit höherer Präzision und besserem Datenschutz als bei manueller Bearbeitung zu verwalten.

Wie sieht die Zukunft der intelligenten Dokumentenverarbeitung aus?

Die Zukunft der intelligenten Dokumentenverarbeitung liegt in „agentischen“ Systemen. Wir entfernen uns von einfachen „Extraktionstools“ hin zur Automatisierung von Dokumenten-Workflows, bei der KI-Agenten schlussfolgern und Entscheidungen treffen können. In den kommenden Jahren werden diese Systeme nicht nur Daten extrahieren, sondern auch eigenständig Abweichungen mit Lieferanten klären oder auf Basis historischer Daten optimale Preisstrategien vorschlagen.

Wie senkt Automated Invoice Processing die Kosten?

Automated Invoice Processing senkt die „Kosten pro Rechnung“ drastisch, indem es die Stunden reduziert, die für manuelle Dateneingabe und Fehlerkorrekturen aufgewendet werden. Durch die Implementierung eines nahtlosen Workflows vom Eingang bis zur Abstimmung können Unternehmen Skonti für frühzeitige Zahlungen nutzen und Mahngebühren vermeiden – und so die Kreditorenbuchhaltung von einem Kostenfaktor in einen strategischen Vorteil verwandeln.