GeneralMind vs. OCR-Tools: OCR vs. KI-Dokumentenverarbeitung

Das Wichtigste in Kürze

• OCR liest aus. Sie ordnet nicht zu, entscheidet nicht, antwortet nicht und bucht nicht. Die Abstimmungsarbeit nach der Extraktion ist der Punkt, an dem in der Auftragsabwicklung die Stunden verschwinden.
• Template-basierte Erkennung verliert an Qualität, sobald ein Lieferant sein Layout ändert. Und jeder neue Lieferant braucht zuerst ein Template, bevor das erste Dokument automatisch läuft.
• Ein Vision-Language-Ansatz liest auch Dokumente, die er noch nie gesehen hat. Typische Einführungen extrahieren am ersten Tag rund 85 % korrekt und erreichen 93–95 %, sobald die Stammdaten gelernt sind.
• Bei Klöckner bucht GeneralMind 81 % der Bestellpositionen ohne jede manuelle Korrektur – über 150 Lieferanten und mehr als 1.100 Bestellpositionen pro Woche.
• Für ein stabiles Formular in hoher Stückzahl ist klassische OCR günstiger, schneller beschafft und völlig ausreichend. Kaufen Sie keinen Agenten für die Arbeit eines Scanners.

Was klassische OCR gut kann

Zeichenerkennung auf sauberem Druck ist praktisch gelöst, und das sollte man offen sagen. Ein gut eingestelltes Template auf einem stabilen Layout erreicht hohe Feldgenauigkeit, braucht Millisekunden pro Seite, kostet pro Dokument fast nichts und liefert jedes Mal dasselbe Ergebnis. Diese Vorhersagbarkeit ist ein Vorteil: Sie lässt sich testen, gegenüber einem Prüfer erklären, und sie driftet nicht.

Wenn bei Ihnen monatlich vierzigtausend nahezu identische Zahlungsavise von drei Banken eingehen oder Lieferscheine eines einzigen Spediteurs auf einem Formular, das sich seit 2019 nicht geändert hat, dann ist klassische Belegerfassung das richtige Werkzeug – eine KI-Schicht darüber wäre bezahlter Overhead. Für Massendigitalisierung gilt dasselbe: Ein Papierarchiv in durchsuchbaren Text zu verwandeln, ist die Aufgabe, für die OCR gebaut wurde.

GeneralMind widerspricht dem nicht. Extraktion dieser Art steckt als Komponente in unserer eigenen Verarbeitung. Strittig ist, wie viel Arbeit das Lesen eines Dokuments tatsächlich abnimmt.

OCR vs. KI-Dokumentenverarbeitung: was nach der Extraktion passiert

Eine Auftragsbestätigung landet im gemeinsamen Postfach. OCR liefert Ihnen den Lieferanten, eine Belegnummer, vierzehn Positionen, Mengen, Preise und Termine. Jetzt beginnt die eigentliche Arbeit.

Welcher Ihrer Bestellungen entspricht die Referenznummer des Lieferanten, wenn er seine eigene Auftragsnummer nennt und nicht Ihre? Position drei trägt die Artikelnummer des Lieferanten, nicht Ihre Materialnummer. Die Menge lautet 480 gegen 500 bestellte Stück. Der Liefertermin ist vom 12. auf den 19. Mai gerutscht. Der Stückpreis liegt 2,4 % höher.

Jeder dieser Punkte ist eine Entscheidung gegen Ihre Stammdaten und Ihre Regeln. Sind sieben Tage Verzug bei diesem Material tragbar, oder kippt damit ein Produktionstermin? Liegen 2,4 % noch im vertraglich vereinbarten Preiskorridor? Ist die Mindermenge eine Teillieferung mit Rest zum späteren Termin oder eine Fehlmenge, die heute geklärt werden muss?

Klassische Belegerfassung kennt diesen Kontext nicht. Sie sieht die offene Bestellung nicht, hat keine Toleranzschwellen und keine Historie mit diesem Lieferanten. Die ausgelesenen Felder landen in einer Prüfliste, und ein Mensch arbeitet sie Position für Position ab. Deshalb verkürzt eine Verbesserung der Erkennungsgenauigkeit von 92 % auf 96 % die Gesamtbearbeitungszeit kaum. Das Tippen war nie der Engpass. Das Entscheiden war es.

Das Template-Problem: jede Layout-Änderung ist ein kleiner Ausfall

Template-basierte Erkennung bindet Felder an Koordinaten oder Ankerpunkte in einem bekannten Layout. Das funktioniert, bis der Lieferant den Summenblock verschiebt, eine Steuerzeile ergänzt, nach einer Übernahme auf ein neues Abrechnungssystem wechselt oder dieselbe Bestellung über eine andere Tochtergesellschaft auf einem anderen Formular schickt. Dann liefert die Extraktion nichts – oder, schlimmer, einen plausibel falschen Wert im richtigen Feld, den vor der Abstimmung niemand bemerkt.

Irgendwann fällt es in der Ausnahmeliste auf, ein Ticket wird eröffnet, das Template neu gemappt. Bei 150 Lieferanten, von denen jeder ein bis zwei Layout-Änderungen pro Jahr ausrollt, ist das eine Dauerlast und keine einmalige Einrichtung. Neue Lieferanten zahlen dieselbe Steuer im Voraus: Das Template muss existieren, bevor das erste Dokument automatisch laufen kann. Ausgerechnet die unbekannten Belege fallen damit durch.

Vision-Language-Erkennung arbeitet über Bedeutung statt über Position. Sie erkennt die Endsumme, weil sie versteht, was auf einem Geschäftsbeleg eine Endsumme ist – so, wie eine neue Kollegin es täte. Ein nie konfiguriertes Layout wird trotzdem gelesen. Über einen realen Lieferantenmix ergibt das am ersten Tag rund 85 % korrekte Extraktion und steigt auf 93–95 %, sobald Ihr Materialstamm, Ihre Mengeneinheiten und die Eigenheiten Ihrer Lieferanten gelernt sind. Keine Template-Bibliothek, kein Einrichtungsschritt pro Lieferant.

Der Abgleich zur Bestellposition kostet die Stunden

Der Abgleich klingt mechanisch und ist es nicht. Lieferantenartikelnummern müssen auf interne Materialnummern auflösen. Einheiten müssen umgerechnet werden – Stück gegen Meter, Kilogramm gegen Tafeln. Eine bestellte Position kommt häufig als drei bestätigte Positionen zurück, weil der Lieferant die Lieferung gesplittet hat. Eine Bestätigung deckt oft vier Bestellungen gleichzeitig ab. Und ein Freitexthinweis mitten auf der Seite („Pos. 3 entfällt, Ersatz folgt separat“) ändert die Bedeutung der strukturierten Tabelle darüber.

GeneralMind löst das gegen Ihre aktuellen Stammdaten und den offenen Auftragsbestand auf, bewertet jede Zuordnung mit einem Konfidenzwert und schreibt unterhalb Ihrer Schwelle nichts. Routinepositionen buchen durch: bei Klöckner 81 % ohne manuellen Eingriff, über 1.100 Bestellpositionen pro Woche. Alles Unsichere geht mit fertig vorbereitetem Buchungsvorschlag an einen Operator – zu bestätigen oder zu korrigieren, statt das PDF erneut von oben zu lesen.

Die Anbindung läuft über das, was Sie bereits betreiben: SAP, Microsoft Dynamics, Oracle, Infor und über 100 weitere Systeme, ohne Änderung am ERP, live in wenigen Wochen.

Antworten, buchen, nachfassen: der Kreis, den OCR nie betritt

Ein Dokument ist die eine Hälfte eines Austauschs. Die andere Hälfte ist die Antwort.

Rutscht ein Termin über die Toleranz, muss jemand den Lieferanten anschreiben, in dessen Sprache, mit Bezug auf die richtige Bestellposition – und die Antwort drei Tage später aus einem anderen E-Mail-Verlauf wieder demselben Vorgang zuordnen. Kommt gar keine Bestätigung, muss das am dritten Tag jemandem auffallen, am siebten nachgefasst und am zehnten eskaliert werden. Und wenn alles passt, muss jemand die bestätigten Termine und Mengen zurück ins ERP tippen.

Erfassungstools geben einen Datensatz aus und hören auf. Das Gespräch, die Nachverfolgung und die Rückbuchung passieren im Postfach eines Menschen – dort, wo die Stunden vor dem Toolkauf schon lagen. GeneralMind formuliert die Rückfrage, versendet sie oder legt sie nach Ihren Regeln zur Freigabe vor, liest die Antwort des Lieferanten, aktualisiert den Vorgang und schreibt das Ergebnis zurück. Der Vergleich unten beziffert das mit über 70 % weniger manuellem Abstimmungsaufwand – der Grund, warum ein Team Volumen aufnehmen kann, ohne Köpfe aufzubauen.

Audit-Trail: ein Scan ist kein Nachweis einer Entscheidung

Erfassungstools speichern das Eingangsdokument und, im besten Fall, einen Konfidenzwert pro Feld. Damit ist beantwortet, was auf der Seite stand. Nicht beantwortet ist die Frage, die ein Prüfer tatsächlich stellt: Wer hat diese Preiserhöhung von 2,4 % akzeptiert, auf welcher Regelgrundlage, und wann?

GeneralMind protokolliert jede Aktion mit Agent-Kennung, Zeitstempel und der zugrunde liegenden Begründung und erfasst manuelle Eingriffe separat. Der Nachweis zeigt damit beides: was das System entschieden hat und wo ein Mensch korrigiert hat. Gehostet wird in Frankfurt mit Ausweichrechenzentrum in Stockholm, zertifiziert nach ISO 27001:2022, ISO 27701 und SOC 2 Type II, DSGVO-konform ausgelegt.

OCR vs. KI-Dokumentenverarbeitung: die Vergleichsmatrix

Die Matrix bewertet beide Ansätze über vierzehn operative Kriterien. Lesen Sie sie als Landkarte, wo die zwei Werkzeuge im Prozess sitzen, nicht als Punktetabelle – mehrere Zeilen beschreiben Arbeit, für die Erfassungssoftware nie gebaut wurde.

Legende: ✓ voll unterstützt · ~ teilweise · ✗ nicht unterstützt

Wann welche Lösung passt

Klassische OCR passt, wenn der Belegstrom schmal und stabil ist. Ein oder zwei Formate, hohe Stückzahl, wenige Lieferanten, Layouts, die sich selten ändern, und ein nachgelagerter Prozess, der ohnehin automatisiert oder günstig ist. Archivdigitalisierung, Formularverarbeitung, gescannte Verträge, die durchsuchbar sein sollen – das passt, und zwar zu Kosten pro Seite, mit denen kein schlussfolgerndes System mithält. Wenn die Klage Ihres Teams lautet „wir tippen immer dieselben sechs Felder ab“, löst OCR Ihr Problem, und dann sollten Sie OCR kaufen.

GeneralMind passt, wenn die Klage anders lautet: „Wir verbringen den Vormittag damit, herauszufinden, was diese Bestätigungen bedeuten.“ Das trifft zu, wenn Sie einen langen Schwanz an Lieferanten mit Formaten haben, die Sie nicht kontrollieren, wenn ein spürbarer Anteil der Belege eine Rückfrage statt einer Buchung braucht, wenn das Nachfassen bei fehlenden Bestätigungen niemandem gehört und wenn der Prozess über Postfach, ERP und Portal läuft statt über eine einzige Scanner-Warteschlange.

Beides nebeneinander zu betreiben, funktioniert ebenfalls: Lassen Sie ein Erfassungstool auf dem stabilen Ein-Format-Strom, den es bereits gut bedient, und setzen Sie GeneralMind auf den unübersichtlichen Rest, in dem die Entscheidungen stecken.

Häufige Fragen