GeneralMind vs. Eigenentwicklung: Was KI-Dokumentenverarbeitung im eigenen Haus wirklich kostet
Die Eigenentwicklung ist die stärkste Alternative in dieser Vergleichsreihe, und die Matrix bestätigt das: 6 von 14 Kriterien, mehr als jede andere bewertete Option. Ein fähiges Entwicklerteam mit einer LLM-API bekommt KI-Dokumentenverarbeitung als Eigenentwicklung und einige Auftragsabläufe zum Laufen, und wenn der Ablauf wirklich Ihr eigener ist, ist genau das die richtige Entscheidung. Die Lücke öffnet sich nach der Demo: kalibrierte Konfidenzwerte, Eskalation von Ausnahmen, Stammdatenabgleich gegen ein laufendes ERP, Wiederholungen, Abstimmung, Audit-Trail und der Modell-Drift, der nach einem halben Jahr leise einsetzt. GeneralMind bringt diese Schicht fertig mit: in wenigen Wochen live, nach rund sechs Wochen über 90 % Autopilot.
Das Wichtigste in Kürze
- Die Eigenentwicklung erreicht 6 von 14 Punkten in der Matrix, der höchste Wert aller Alternativen in dieser Reihe. Extraktionsqualität, volle Kontrolle über das Verhalten und das Eigentum am Code sind echte Vorteile.
- Unterschätzt wird die Schicht um das Modell herum: Konfidenzwerte pro Feld, Eskalation von Ausnahmen, Stammdatenabgleich, idempotente ERP-Schreibvorgänge, Abstimmung und ein unveränderbares Audit-Protokoll.
- Übliche Projektlaufzeiten bis zum Produktivbetrieb liegen bei 6 bis 18 Monaten. GeneralMind ist in wenigen Wochen live, ohne ERP-Änderung, und erreicht nach rund 85 % am ersten Tag innerhalb weniger Wochen 93–95 % Genauigkeit.
- Nur zwei Zeilen bewertet die Matrix bei der Eigenentwicklung als "nicht unterstützt": Unabhängigkeit vom Wissen Einzelner und geringes Einführungsrisiko. Beides hängt an Menschen und Zeit, nicht an der Modellqualität.
- Selbst bauen, wenn der Ablauf wirklich firmenspezifisch ist, ein Plattformteam bereits existiert oder das Volumen zu klein für einen Anbieter ist. Kaufen, wenn es Auftragsabwicklung ist, die mehrere Hundert andere Unternehmen genauso betreiben.
Was eine Eigenentwicklung für KI-Dokumentenverarbeitung wirklich gut kann
Beginnen wir mit dem, was für das Selberbauen spricht, denn hier ist der Fall stärker als bei jeder Anbieteralternative auf dieser Seite. Die Modelle sind gut und für Extraktionsaufgaben weitgehend austauschbar. Ein Team, das einen Queue-Consumer schreiben und eine API aufrufen kann, holt Positionen, Liefertermine und Preise innerhalb von ein bis zwei Sprints aus Lieferanten-PDFs. Das ist kein Demo-Trick: Die Extraktion funktioniert tatsächlich auf den Dokumenten, die sie gesehen hat.
Der zweite Vorteil ist Kontrolle, und der bleibt bestehen. Sie legen jedes Verhalten fest, der Code gehört Ihnen, und niemand Drittes sitzt im Datenpfad. Wenn Ihre Auftragslogik etwas abbildet, das kein Anbieter bauen würde – eine branchenspezifische Preisregel, eine Vertragsstruktur, die nur Ihr Geschäft kennt –, ist ein eigenes System der einzige Ort, an dem das sauber leben kann.
Der dritte Vorteil: Die Fixkosten sind vielleicht schon bezahlt. Ein Unternehmen mit bestehendem Plattformteam, mit Evaluations-Infrastruktur, Queue- und Retry-Mechanik und einer Observability, die es ohnehin betreibt, hängt eine weitere Last an laufende Maschinerie, statt bei einem API-Schlüssel zu beginnen. Aufwandsschätzungen, die diesen Unterschied ignorieren, führen in beide Richtungen zur falschen Entscheidung.
Die Demo dauert zwei Wochen, die letzte Meile dauert Quartale
Der Prototyp liest eine saubere Auftragsbestätigung und liegt richtig. Über das Projekt entscheidet das Verhalten bei allem anderen.
Konfidenzwerte sind das Erste, was Teams brauchen, und das Schwerste, was sie richtig hinbekommen. Ein Modell liefert eine wohlgeformte Artikelnummer mit allem Anschein von Sicherheit und liegt trotzdem falsch. Brauchbare Konfidenz wird pro Feld kalibriert, nicht pro Dokument: Der Liefertermin kann belastbar sein, während die Menge geraten ist, und beides zu buchen, weil das Dokument insgesamt gut bewertet wurde, ist der Weg, auf dem stille Fehler ins ERP gelangen. Für die Kalibrierung braucht es einen gelabelten Satz eigener Dokumente, neu gemessen bei jeder Änderung am Prompt, an der Modellversion oder am Lieferantenmix.
Hinter den Schwellenwerten muss eine Eskalationslogik stehen. Unterhalb der Schwelle muss ein Fall bei einer Person landen, die ihn in Sekunden klären kann – mit extrahierten Werten, Quelldokument und vorformuliertem Antwortentwurf in einer Ansicht, nicht als Ticket in einer Warteschlange ohne Besitzer. Wie eng diese Schleife ist, bestimmt die Automatisierungsquote. Eine GeneralMind-Einführung bucht am ersten Tag rund 85 % der Fälle korrekt, erreicht innerhalb weniger Wochen 93–95 %, sobald die Stammdaten gelernt sind, und übersteigt nach etwa sechs Wochen 90 % Autopilot. Jeder Punkt auf dieser Kurve ist Entwicklungsarbeit, die jemand geleistet hat.
Stammdaten sind die Stelle, an der Extraktion auf das ERP trifft
Ein Dokument zu lesen ist gelöst. Es einem laufenden ERP zuzuordnen nicht. Der Lieferant schreibt seine Artikelnummer, Sie brauchen Ihre. Er bestätigt zwölf Kartons, Ihr Materialstamm rechnet in Metern. Er teilt eine bestellte Position in zwei Lieferungen im Abstand von drei Wochen oder bestätigt einen Preis, dessen Abweichung entweder ein Rundungseffekt oder ein Streitfall ist.
Jeder dieser Fälle braucht eine Abgleichstrategie, eine Toleranz und ein Gedächtnis dafür, wie derselbe Lieferant beim letzten Mal behandelt wurde. Bei Klöckner werden 81 % der Bestellpositionen ohne jede manuelle Korrektur gebucht, über rund 150 Lieferanten und mehr als 1.100 Bestellpositionen pro Woche – eine Zahl, die weit stärker von der Abgleichschicht abhängt als vom Extraktionsmodell. GeneralMind verbindet sich über eine leichtgewichtige API mit über 100 Systemen und verlangt keine Änderung am ERP.
Dann kommt der Schreibpfad, und dort bluten Eigenentwicklungen. ERP-Aufrufe brechen auf halber Strecke ab. Eine Bestätigung wird zweimal verarbeitet, weil das Postfach sie erneut zugestellt hat. Ein Lauf gelingt bei 40 von 50 Positionen und meldet Erfolg. Idempotenzschlüssel, eine Wiederholungsstrategie mit Backoff und ein Abgleichlauf, der prüft, was das System zu schreiben glaubte, gegen das, was tatsächlich im ERP steht: unspektakuläre Arbeit, die im ersten Monat niemand einplant und die spätestens im vierten alle brauchen.
Audit-Trail, Verantwortung und die Compliance-Arbeit, die Sie miterben
Sobald Software ohne Menschen in der Schleife ins ERP bucht, muss jemand dafür geradestehen. Fragt eine Prüferin vierzehn Monate später, warum sich auf einer bestimmten Bestellposition der Liefertermin geändert hat, braucht es einen Nachweis darüber, welche Komponente wann auf welcher Grundlage und gegen welches Quelldokument gehandelt hat. Anwendungs-Logs sind dieser Nachweis nicht. Die Matrix bewertet die Eigenentwicklung bei beiden Audit-Zeilen aus gutem Grund als "teilweise": Die Protokollierung ist baubar, sie ist meist unvollständig, und sie wird fast immer nachgerüstet, nachdem die erste Frage unbeantwortet blieb.
Die schwierigere Hälfte ist die Verantwortung. Vertippt sich eine Sachbearbeiterin beim Datum, gibt es dafür einen Prozess. Tut es ein automatisierter Schritt, brauchen Sie einen benannten Verantwortlichen, einen Übersteuerungsweg und eine Aufzeichnung darüber, wer was übersteuert hat. GeneralMind protokolliert jede Aktion mit Agent-Kennung, Zeitstempel und Begründung und führt manuelle Eingriffe im selben Datensatz mit.
Der Compliance-Rahmen gehört ebenfalls zum Bau. GeneralMind läuft auf EU-Hosting in Frankfurt mit Notfallwiederherstellung in Stockholm und ist nach ISO 27001:2022, ISO 27701 und SOC 2 Type II zertifiziert, DSGVO inklusive. Ein internes System, das Lieferantendaten verarbeitet, fällt in denselben Prüfumfang – und diese Arbeit landet bei dem Team, das gerade die Extraktionsgenauigkeit anheben will.
Der Wartungsaufwand endet nie
Das Projekt hat ein Enddatum. Das System nicht. Lieferanten gestalten ihre Bestätigungsvorlagen um, ohne jemandem Bescheid zu geben, und eine Extraktion, die zwei Jahre lief, lässt plötzlich ein Feld aus. Eine Modellversion wird abgekündigt, die Nachfolgerin verhält sich bei denselben Prompts anders, also muss die Testsuite, die jemand gebaut haben und aktuell halten muss, über alle Abläufe neu laufen. Das ERP bekommt ein Upgrade. Eine neue Geschäftseinheit kommt mit anderem Dokumentenmix hinzu.
Nichts davon ist exotisch. Es sind die gewöhnlichen Betriebskosten eines Machine-Learning-Systems im Produktivbetrieb, und sie sinken nicht mit der Zeit. Die Matrix räumt ein, dass eine Eigenentwicklung Koordinationskosten senkt, und hält dann fest, dass der Wartungsaufwand das wieder aufzehrt. Das ist die ehrliche Fassung der Wirtschaftlichkeitsrechnung.
Die einzige Zeile, in der die Eigenentwicklung glatt "nicht unterstützt" bekommt, ist die Unabhängigkeit vom Wissen Einzelner. Geschäftslogik, die Menschen codiert haben, ist anfällig für Fluktuation. Zwei Jahre nach Go-live ist der Entwickler, der die Abgleichtoleranzen gewählt hat, nicht mehr da, in den Prompts stecken Entscheidungen, die niemand dokumentiert hat, und das Team rekonstruiert das System, statt es zu verbessern. Die meisten Projektpläne setzen dieses Risiko mit null an.
Die Vergleichsmatrix
Vierzehn Kriterien, für beide Optionen gleich bewertet. Die Eigenentwicklung erreicht 6 von 14, der höchste Wert aller Alternativen in dieser Vergleichsreihe.
Eigenentwicklung: individuelle KI-/Automatisierungslösung. Legende: ✓ voll unterstützt · ~ teilweise · ✗ nicht unterstützt.
| Kriterium | GeneralMind | Eigenentwicklung |
|---|---|---|
| Skalierung & Personal | ||
| Skalierbare Arbeitskapazität — Durchsatz erhöhen, ohne den Personalbestand proportional aufzubauen | ✓ Autopilot arbeitet über alle Abläufe hinweg, bei jedem Volumen | ~ Automatisiert einzelne Aufgaben; instabil an den Volumengrenzen |
| Flexibler Tool-Stack — Nativ über E-Mail, ERP, Chat und Dokumentformate hinweg arbeiten | ✓ Native Konnektoren für alle Arten von Unternehmenssystemen | ~ Erfordert einen eigenen Konnektor je Systemanbindung |
| Skalierbare Ausnahmebehandlung — Grenzfälle und Anomalien in großer Zahl ohne Eskalation an Menschen klären | ✓ Lernt Muster; löst selbst oder eskaliert gezielt | ~ Regelbasierte Behandlung; scheitert an neuartigen Fällen |
| Operative Zuverlässigkeit | ||
| Saubere Datenerfassung — Strukturierte, validierte Erfassung aus unstrukturierten Eingaben direkt an der Quelle | ✓ Validiert, transformiert und gleicht Daten an der Quelle ab | ~ Validierungsregeln helfen; Lücken bei neuen Eingabeformaten |
| Operative Compliance — Durchgängige Einhaltung der Richtlinien bei jedem Vorgang | ✓ Regelwerk ist in jeder automatisierten Aktion verankert | ~ Eigene Regeln greifen nur in ausprogrammierten Pfaden |
| Genaue ETA-Synchronisation — Echtzeit-Abgleich von Lieferterminen, Bestellstatus und Lieferantendaten | ✓ Live-Abgleich über ERP, E-Mail und Lieferantenportale | ~ Live-Abgleich möglich; erfordert erhebliche Infrastruktur |
| Frühe Risikoerkennung — Störungen in der Lieferkette erkennen, bevor sie eskalieren | ✓ Mustererkennung über alle laufenden Datenströme | ~ Regelbasierte Alarme; instabil bei neuartigen Risikosignalen |
| Audit, Compliance & Verantwortung | ||
| Unveränderbare Audit-Protokolle — Fälschungssichere Aufzeichnung jeder Entscheidung und Systemaktion | ✓ Jede Aktion protokolliert: Agent-ID, Zeitstempel, Begründung | ~ Protokolle mit Eigenentwicklung möglich; oft unvollständig |
| Klare Verantwortungszuordnung — Nachvollziehbare Zuständigkeit für jede Entscheidung über Teams und Systeme hinweg | ✓ Zuordnung auf Agent-Ebene mit Nachverfolgung manueller Eingriffe | ~ Zuständigkeit im Code hinterlegbar; Transparenz begrenzt |
| Datenqualität & Auswertung | ||
| Kennzahlen auf KPI-Ebene — Automatische Erzeugung von Beschaffungskennzahlen in Echtzeit | ✓ Echtzeit-KPIs aus jeder automatisierten Aktion | ~ Eigene Dashboards machbar; hoher laufender Pflegeaufwand |
| Verarbeitung unstrukturierter Daten — E-Mails, PDFs, Chatnachrichten und Dokumente auslesen und darauf handeln | ✓ Multimodales Verständnis über alle Eingabeformate hinweg | ~ NLP-Anbindungen möglich; hoher Bau- und Tuning-Aufwand |
| Unabhängigkeit vom Wissen Einzelner — Zuverlässig arbeiten, ohne auf das Wissen einzelner Mitarbeitender angewiesen zu sein | ✓ Lernt betriebliche Muster und hält sie automatisch fest | ✗ Von Menschen codierte Geschäftslogik; anfällig für Fluktuation |
| Einführung & Kosten | ||
| Geringes Einführungsrisiko — Einsatz ohne lange Integrationsprojekte oder Betriebsunterbrechung | ✓ In Wochen live; keine ERP-Änderung nötig | ✗ Hohes Risiko; 6–18 Monate Projektlaufzeit sind üblich |
| Geringere Koordinationskosten — Niedrigere Kosten pro Vorgang durch Automatisierung manueller Routine | ✓ Über 70 % weniger manueller Koordinationsaufwand | ~ Automatisierung senkt Kosten; Wartungsaufwand zehrt das auf |
| Abdeckungsgrad | 14 / 14 | 6 / 14 |
Wann bauen, wann kaufen
Bauen Sie selbst, wenn der Ablauf wirklich firmenspezifisch ist. Wenn die Logik ein Wettbewerbsvorteil ist und nicht Auftragsabwicklung, die mehrere Hundert andere Unternehmen genauso betreiben, wird sie Ihnen kein Anbieter bauen, und die Kontrolle rechtfertigt die Laufzeit.
Bauen Sie selbst, wenn Sie bereits ein Plattformteam haben – nicht die Absicht, eines aufzubauen, sondern ein bestehendes Team mit Evaluations-Infrastruktur, Rufbereitschaft und Erfahrung im Betrieb von Machine-Learning-Systemen. Für dieses Team ist der zusätzliche Aufwand ein Bruchteil der 6 bis 18 Monate aus der Matrix.
Bauen Sie selbst, wenn das Volumen zu klein für einen Anbieter ist. Fünfzig Dokumente pro Woche brauchen keine Plattform mit Abrechnung pro Vorgang; ein geplantes Skript mit einer Person, die das Ergebnis prüft, ist eine vernünftige Antwort, und alles andere wäre Verkaufsrhetorik.
Kaufen Sie, wenn der Ablauf Standard ist, das Volumen real und Ihre Entwickler Besseres zu tun haben. Auftragsbestätigungen, Lieferstatusmeldungen und Preisänderungen sehen quer durch die Industrie weitgehend gleich aus, und die Genauigkeitskurve wurde in anderen Einführungen bereits erklommen. GeneralMind geht in wenigen Wochen live, ohne ERP-Änderung, und die Abrechnung pro Vorgang bedeutet, dass die Kosten zum Go-live beginnen statt zum Projektstart.
Der Test ist kurz: Ist dieser Ablauf ein Unterscheidungsmerkmal oder Infrastruktur? Wenn es Infrastruktur ist, besteht das beste Ergebnis einer Eigenentwicklung darin, irgendwann das zu erreichen, was Sie hätten kaufen können – mit einem dauerhaften Wartungsposten als Zugabe.
FAQ
Interne Links
- `/blog/build-vs-buy-ai-po-automation` — der kostenorientierte Make-or-Buy-Leitfaden; verlinken aus "Wann bauen, wann kaufen"
- `/integrations` — aus dem Stammdaten-Abschnitt, dort wo über 100 angebundene Systeme genannt werden
- `/case-studies/kloeckner` — aus den Zahlen 81 % / 150 Lieferanten / 1.100 Bestellpositionen
- `/glossary/ai-erp` — bei der ersten Erwähnung des Schreibens in ein laufendes ERP
- `/blog/why-erp-automation-fails-supply-chains` — aus dem Abschnitt zur Eskalation von Ausnahmen
Links auf diese Seite: kontextuellen Link aus `/blog/build-vs-buy-ai-po-automation` und aus `/blog/generalmind-vs-sap-ariba-po-automation-germany` setzen, damit die Seite nicht verwaist.
Häufig gestellte Fragen
Die Extraktion bekommen Sie schnell hin, und auf sauberen Dokumenten funktioniert sie. Die restliche Zeit geht in die Schicht drumherum: Konfidenzkalibrierung pro Feld, Eskalation von Ausnahmen, Stammdatenabgleich, idempotente ERP-Schreibvorgänge und ein Audit-Nachweis. Diese Schicht ist das eigentliche Produkt, und aus ihr entstehen die 6 bis 18 Monate.
Bis zum Produktivbetrieb sind 6 bis 18 Monate üblich, und der Weg zu hoher Autonomie dauert deutlich länger als der Weg zu einer laufenden Demo. Die Vergleichszahlen bei GeneralMind: wenige Wochen bis live, 93–95 % Genauigkeit innerhalb weniger Wochen und über 90 % Autopilot nach rund sechs Wochen.
Alles, was wirklich firmenspezifisch ist. Wenn Ihre Auftragslogik ein Wettbewerbsvorteil ist, können Sie sie exakt abbilden, behalten das Eigentum am Code und jedes Verhalten unter Kontrolle. Die Matrix gibt der Eigenentwicklung 6 von 14 Punkten, den höchsten Wert aller Alternativen hier, im Wesentlichen aus diesem Grund.
Weil die Logik in Köpfen steckt. Wer die Abgleichtoleranzen gesetzt und die Prompts geschrieben hat, trägt Wissen, das den Abgang selten überdauert. Nach zwei Jahren pflegen Teams oft ein System, das sie nicht mehr vollständig verstehen, und keine Aufwandsschätzung enthält dafür eine Position.
Ja, das kommt häufig vor. Teams behalten die Eigenentwicklung für den einen Ablauf, der wirklich ihrer ist, und geben das Standardvolumen aus Auftragsbestätigungen und Lieferstatusmeldungen an eine Plattform. GeneralMind arbeitet über das vorhandene Postfach und eine leichtgewichtige API zum ERP, sodass nichts Gebautes zurückgebaut werden muss.
Nein. GeneralMind läuft auf EU-Hosting in Frankfurt mit Notfallwiederherstellung in Stockholm, nach ISO 27001:2022, ISO 27701, SOC 2 Type II und DSGVO. Eine Eigenentwicklung braucht dieselben Kontrollen, aufgebaut und geprüft durch Ihr eigenes Team.
