EDI trifft KI: Wie Mittelständler Bestellungen vor der ERP-Verbuchung automatisch plausibilisieren

Eine elektronische Bestellung ist noch kein sauberer ERP-Vorgang. Auch wenn EDI-Nachrichten strukturiert eintreffen, bleiben im Alltag genug Punkte, die geprüft werden müssen: Passt die Lieferantenreferenz? Ist der Preis plausibel? Fehlt ein Liefertermin? Wurde eine Menge oder Verpackungseinheit anders übermittelt als vereinbart?

Viele Unternehmen lösen diese Prüfung noch immer manuell. Mitarbeitende öffnen die Nachricht, vergleichen einzelne Felder mit Auftrag, Kontrakt oder Stammdaten und entscheiden dann, ob der Vorgang gebucht werden kann. Bei wenigen Bestellungen ist das beherrschbar. Bei wachsendem Volumen wird es zur stillen Engstelle: Die Arbeit ist wiederkehrend, fehleranfällig und oft genau dann dringend, wenn Einkauf und Disposition ohnehin unter Zeitdruck stehen.

KI kann diese Lücke sinnvoll schließen – nicht indem sie fachlich entscheidet oder selbst bucht, sondern indem sie die Plausibilitätsprüfung vorbereitet und Ausnahmen so sichtbar macht, dass ein Mensch schnell entscheiden kann.

Was ist mit Plausibilitätsprüfung vor der ERP-Buchung gemeint?

Eine Plausibilitätsprüfung vergleicht Angaben aus einer eingehenden Bestellung oder Bestellbestätigung mit definierten Erwartungen. Dazu können Einkaufsbeleg, Lieferantenkonditionen, freigegebene Stammdaten oder ein Abruf gehören. Ziel ist nicht, jede Abweichung automatisch abzulehnen. Ziel ist, Unterschiede früh zu erkennen und nachvollziehbar an die richtige Stelle zu geben.

Ein typischer Ablauf kann zum Beispiel diese Fragen beantworten:

• Ist Lieferant und Bestellnummer eindeutig zuordenbar?
• Stimmen Artikelnummer, Menge und Einheit mit dem Ausgangsbeleg überein?
• Liegen Preis, Währung, Zuschläge und Zahlungsbedingungen im vereinbarten Rahmen?
• Ist der bestätigte Termin vorhanden und passt er zum Bedarf?
• Fehlen Nachweise, Freitexthinweise oder Felder, die für diesen Vorgang Pflicht sind?

EDI liefert dafür eine gute Grundlage, weil viele Informationen bereits strukturiert vorliegen. In der Praxis sind die Daten aber nicht immer vollständig oder semantisch eindeutig: Ein Lieferant nutzt andere Einheiten, eine Positionsreferenz fehlt oder ein Termin wird in einem Freitextfeld übermittelt. Genau hier kann ein KI-gestützter Prüfschritt helfen, ohne die Verantwortung des Einkaufs zu verdrängen.

Warum klassische Regeln allein oft nicht reichen

Feste Validierungsregeln sind unverzichtbar. Sie erkennen etwa ein leeres Pflichtfeld, einen ungültigen Zeichensatz oder eine nicht vorhandene Bestellnummer. Sie stoßen aber an Grenzen, wenn Angaben unterschiedlich formuliert sind oder ein Zusammenhang über mehrere Felder hinweg bewertet werden muss.

Beispiel: Ein Lieferant bestätigt eine Verpackungseinheit, die technisch korrekt sein kann, aber nicht der ursprünglichen Bestelllogik entspricht. Ein starres Regelwerk sieht möglicherweise nur zwei unterschiedliche Werte. Ein gut eingebundener KI-Schritt kann den Vorgang zusätzlich mit dem Kontext versehen: „Menge entspricht der Bestellung, bestätigte Einheit weicht ab; Prüfung der Umrechnung erforderlich.“

Das ist ein entscheidender Unterschied. Die KI trifft keine Aussage darüber, ob der Vorgang freigegeben werden soll. Sie beschreibt, was sie in den vorliegenden Quellen gefunden hat, markiert den Prüfgrund und verlinkt den Beleg. Der zuständige Mitarbeiter entscheidet mit vollständigem Kontext.

Der sinnvolle Zielprozess: automatisch vorbereiten, fachlich freigeben

Ein professioneller Ablauf trennt Datenannahme, Prüfung, Entscheidung und Buchung sauber voneinander:

1. Die EDI-Nachricht wird aus einem definierten Eingangskanal übernommen und technisch validiert.
2. Ein Workflow ordnet sie Bestellung, Lieferant und relevanten Referenzen zu.
3. Regeln prüfen eindeutige Kriterien; der KI-Schritt bewertet unklare Beschreibungen, Vollständigkeit und auffällige Abweichungen.
4. Unauffällige Vorgänge werden als buchungsbereit vorbereitet – nicht unkontrolliert gebucht.
5. Auffällige Vorgänge landen mit Belegen, Vergleichswerten und einer klaren Begründung bei Einkauf oder Disposition.
6. Erst eine berechtigte Person gibt die Buchung oder die weitere Klärung frei.

So bleibt die Entscheidung dort, wo sie hingehört. Gleichzeitig entfällt ein großer Teil der monotonen Sichtprüfung. Das Team sieht nicht mehr jede Routineposition, sondern vor allem die Fälle, in denen tatsächlich etwas geklärt werden muss.

Welche Abweichungen lohnen sich zuerst?

Ein Mittelständler muss nicht mit einer Komplettautomatisierung starten. Häufig bringen drei Prüfarten schnell Nutzen: fehlende oder nicht zuordenbare Referenzen, Mengen- und Einheitenabweichungen sowie bestätigte Termine außerhalb eines definierten Korridors.

Auch Konditionen sind ein guter Einstieg, wenn die Datenbasis stabil ist. Dann kann der Workflow etwa Preisabweichungen gegen einen Kontrakt oder eine letzte freigegebene Bestellung markieren. Wichtig ist dabei eine klare Sprache: „Preis weicht um 4,2 Prozent ab“ ist eine belastbare Feststellung. „Preis ist falsch“ wäre eine fachliche Bewertung, die dem Einkauf zusteht.

Bei komplexeren Fällen ergänzt die KI den strukturierten Vergleich um die Dokumentenperspektive. Sie kann etwa einen Freitext zur Teillieferung zusammenfassen, einen fehlenden Termin kenntlich machen oder die Rückfrage vorbereiten. Gerade diese saubere Übergabe spart Zeit, weil der Mitarbeiter nicht erst zwischen EDI-Maske, E-Mail und ERP springen muss.

Was muss vor dem Start geklärt sein?

Automatisierung scheitert selten am einzelnen Modell. Häufig fehlen klare Erwartungen an den Prozess. Vor dem Go-live sollten Unternehmen deshalb festlegen, welche Datenquelle für welche Information maßgeblich ist, welche Abweichungen toleriert werden und wer eine Ausnahme entscheiden darf.

Ebenso wichtig sind Rollen und Rechte. Ein Prüfassistent darf Daten lesen, Ergebnisse strukturieren und einen Buchungsvorschlag vorbereiten. Er sollte nicht selbständig Lieferantenstammdaten ändern, Konditionen überschreiben oder eine Buchung auslösen. Für kritische Schritte gilt: klare Berechtigung, nachvollziehbare Freigabe und Protokollierung.

Diese Trennung ist nicht Bürokratie. Sie macht den Ablauf robust, auditierbar und auch bei Vertretung handhabbar. Sie passt zu dem Prinzip, das auch bei der KI-gestützten Vorbereitung von Angebotsvergleichen gilt: Automatisierung bereitet Entscheidungen vor; sie ersetzt weder Verantwortung noch Fachwissen.

Woran lässt sich der Nutzen messen?

Der erste Messwert ist nicht zwingend die Zahl vollautomatischer Buchungen. Aussagekräftiger ist, wie viele Vorgänge ohne manuelle Suche vorbereitet werden, wie lange eine Ausnahme bis zur Klärung braucht und wie viele Fehler vor der Buchung auffallen.

Ein guter Pilot beginnt deshalb mit einer begrenzten Lieferantengruppe, klaren Prüffällen und einer manuellen Parallelphase. Das Team kann vergleichen: Welche Auffälligkeiten erkennt der Workflow? Welche Hinweise sind hilfreich? Wo fehlen Daten oder Regeln? Erst wenn diese Fragen geklärt sind, sollte der Prozess schrittweise erweitert werden.

Fazit: Der Engpass ist nicht EDI, sondern die Entscheidungsvorbereitung

EDI beschleunigt die Übertragung. KI kann die Prüfung davor beschleunigen. Der produktive Effekt entsteht aber erst, wenn ein Unternehmen den Übergang sauber gestaltet: Daten werden geprüft, Abweichungen begründet, Quellen bleiben sichtbar und die fachliche Freigabe ist klar geregelt.

Für den Mittelstand ist das oft der bessere Weg als die große Vision der vollautonomen Buchhaltung. Wer zuerst die wiederkehrende Prüfung zuverlässig vorbereitet, reduziert manuellen Aufwand und erhöht zugleich die Qualität der Entscheidungen im ERP.