Ob Bestellungen, Lieferscheine oder Rechnungen – im B2B-Alltag entstehen täglich enorme Datenmengen, oft in unstrukturierten Formaten. Wie Künstliche Intelligenz hilft, diese Prozesse zu automatisieren, Fehler zu reduzieren und selbst nicht-digitalisierte Lieferanten einzubinden, erläutert Luka Laurick, Partnerships Lead bei unserem ECC CLUB Mitglied PROCUROS, im Interview. Dabei zeigt sich: KI ist längst mehr als ein Effizienzwerkzeug – sie wird zum zentralen Treiber für Skalierbarkeit, Transparenz und Wachstum im B2B-Commerce.
Welche Potenziale siehst du aktuell beim Einsatz von KI, wenn es darum geht, interne Prozesse im B2B-Bereich zu automatisieren?
KI eröffnet im B2B-Bereich heute vor allem dort große Potenziale, wo Unternehmen mit heterogenen Datenquellen, zahlreichen Handelspartnern und wiederkehrenden Dokumentenflüssen arbeiten. Besonders im Umfeld von Lieferantenkommunikation, Bestellungen, Lieferscheinen und Rechnungen entstehen täglich hohe Datenvolumina – oft in unstrukturierten Formaten. Durch KI lassen sich diese Abläufe sauber standardisieren, Fehler reduzieren und Prozesse end-to-end beschleunigen. Die Technologie ermöglicht es, repetitive manuelle Tätigkeiten zu automatisieren, etwa das Auslesen, Validieren oder Weiterverarbeiten von Dokumenten. Gleichzeitig sorgt sie im Hintergrund dafür, dass Informationen korrekt strukturiert und in die richtigen Systeme gespielt werden – unabhängig davon, über welche Schnittstelle sie eintreffen.
Wie kann KI dabei helfen, auch Lieferanten einzubinden, die selbst noch nicht vollständig digitalisiert sind?
Viele Lieferanten arbeiten nach wie vor nicht mit EDI oder APIs, sondern schicken einfache PDFs oder E-Mails. Für Unternehmen entsteht dadurch ein Medienbruch: Die Daten liegen zwar digital vor, sind aber nicht ohne weiteres maschinenlesbar. KI kann genau hier ansetzen. Moderne Extraktionsmodelle identifizieren Inhalte selbst aus unstrukturierten PDF-Dokumenten zuverlässig: Bestellnummern, Artikelpositionen, Preise, Lieferdaten, Statusinformationen. Die Systeme lernen Muster, erkennen Variationen und können Dokumente auch dann korrekt interpretieren, wenn Layout und Struktur sich unterscheiden.
Damit lassen sich Prozesse mit nicht-digitalisierten Partnern fast genauso automatisieren wie mit voll EDI-fähigen Partnern. Der entscheidende Effekt: Unternehmen sind nicht mehr abhängig vom Digitalisierungsgrad ihrer Lieferanten und können ihre internen Abläufe trotzdem durchgängig effizient gestalten.
Ein weiteres Feld ist der automatische Rechnungsabgleich. Wie kann KI hier unterstützen?
Beim Rechnungsabgleich fallen typischerweise drei Schritte an:
- Informationen aus der Rechnung auslesen
- Diese Informationen mit Bestellungen, Lieferscheinen und Stammdaten abgleichen
- Abweichungen identifizieren und ggf. kommunizieren
KI kann all diese Schritte automatisieren oder zumindest stark beschleunigen. Sie erkennt Positionen und Summen, gleicht sie mit den erwarteten Werten ab und flaggt Abweichungen – etwa falsche Mengen, fehlende Artikel oder Preisfehler. Durch den kontinuierlichen Lernprozess werden die Ergebnisse dabei immer präziser.
Ein weiterer Vorteil: Abweichungen müssen nicht mehr manuell nachverfolgt werden. Systeme können automatisch Rückfragen generieren, Dokumente korrigieren oder interne Teams informieren. Die Kommunikation zwischen Einkauf, Buchhaltung und Lieferanten wird dadurch deutlich effizienter.
Welche Vorteile bringen diese Formen der Prozessautomatisierung für Unternehmen konkret?
Mehrere Effekte lassen sich klar beobachten:
- Fehlerquoten sinken Manuelle Übertragungsfehler, Tippfehler oder falsche Klassifikationen werden drastisch reduziert.
- Geschwindigkeit steigt massiv Eingehende Dokumente werden in Sekunden statt Stunden oder Tagen verarbeitet.
- Ressourcen werden frei Teams können sich auf Ausnahmen, Analysen oder Lieferantenmanagement konzentrieren statt auf operative Datenerfassung.
- Bessere Transparenz Unternehmen erhalten in Echtzeit Informationen über Bestellungen, Status und Abweichungen.
- Höhere Datenqualität Jede automatisierte Pipeline sorgt für konsistente, sauber strukturierte Daten – eine Grundlage für Reporting, Steuerung und Forecasting.
Langfristig entsteht dadurch ein stabileres, skalierbareres Operating Model. Besonders im Handel und in der Produktion ist das ein zentraler Wettbewerbsfaktor.
Wo liegen aus deiner Sicht aktuell die Grenzen und in welchen Situationen sollten Unternehmen lieber (noch) nicht auf KI setzen, um Risiken zu vermeiden?
KI ist kein Allheilmittel. Grenzen bestehen u.a. in folgenden Bereichen:
- Extrem individuelle Sonderprozesse Stark kundenspezifische Dokumente oder Abläufe sind oft schwer sinnvoll zu automatisieren, wenn sie selten vorkommen.
- Fehlende Datenqualität KI kann aus schlechten Daten keine guten Entscheidungen ableiten. Wenn Stammdaten nicht gepflegt sind, entstehen Fehler in der Downstream-Verarbeitung.
- Hohe regulatorische Anforderungen In sehr stark regulierten Prozessen (z. B. compliance-kritische Freigaben) sollte KI nicht ohne menschliche Kontrolle entscheiden.
- Unklare Verantwortlichkeiten Unternehmen sollten kritisch prüfen, wer im Fehlerfall haftet und wie transparent Entscheidungen der KI nachvollziehbar sind.
Wichtig ist, dass die Einführung nicht als reines „KI-Projekt“ verstanden wird, sondern als Prozessoptimierung mit Technologieunterstützung. Wenn Prozesse gut strukturiert sind und die Anforderungen klar definiert sind, kann KI sehr zuverlässig arbeiten. Wenn nicht, produziert sie zwar Geschwindigkeit – aber nicht zwingend korrekte Ergebnisse.