RAG-Assistent für Rechnungsprüfung: Fallstudie aus der Beratungsbranche

Hintergrund: Meridian Consulting und der Druck auf die Finanzabteilung

Dieser Fall ist ein Composite aus Mustern, die Forfis in der Praxis beobachtet hat. Wir benennen keine echten Kunden, um deren Vertraulichkeit zu wahren. Die beschriebenen Zahlen und Abläufe basieren auf typischen Engagements in der Branche. Die Firma „Meridian Consulting“ (fiktiv) ist ein mittelständisches Beratungsunternehmen mit 120 Mitarbeitern in München. Sie betreut B2B-Kunden in den Bereichen Strategie und Operations. Die IT-Infrastruktur besteht aus einem SAP-Basis-ERP, Salesforce als CRM und einem internen SharePoint für Dokumente. Die Finanzabteilung besteht aus 8 Personen, die monatlich über 1.500 Eingangsrechnungen verarbeiten. Die Durchlaufzeit pro Rechnung lag bei 45 Minuten, die Fehlerquote bei 3,2 %. Der Druck kam von der Geschäftsführung: Die Skalierung der Kundenbasis erforderte eine schnellere Dokumentenbearbeitung, ohne das Team zu vergrößern.

Herausforderung: Manuelle Datenextraktion und Compliance-Druck

Die Kernproblematik war die manuelle Datenextraktion aus heterogenen Rechnungsformaten. Viele Lieferanten nutzten PDFs mit unterschiedlichen Layouts, was zu Tippfehlern bei der Kontierung führte. Die monatliche Berichterstattung dauerte 5 Arbeitstage, da die Daten erst nach der manuellen Erfassung konsolidiert werden konnten. Die Compliance-Anforderungen waren gering, aber die interne Politik verlangte, dass sensible Finanzdaten das Firmennetzwerk nicht verlassen. Eine Cloud-Lösung mit externen APIs war daher ausgeschlossen. Das Team brauchte eine Lösung, die die Durchlaufzeit pro Rechnung auf unter 10 Minuten senkte und die Fehlerquote auf unter 0,5 % reduzierte, ohne dass die Mitarbeiter ihre gewohnten Tools wechseln mussten.

Ansatz: RAG-Assistent auf Open-Weight-Modellen On-Premise

Forfis startete mit einem AI Automation Audit über 2 Wochen. Dabei wurden die Workflows der Finanzabteilung analysiert und die technischen Schnittstellen zu SAP und Salesforce geprüft. Die Entscheidung fiel auf einen Retrieval-Augmented Knowledge Assistant (RAG), der auf Open-Weight-Modellen (Llama 3 70B) auf der eigenen Hardware lief. Die Architektur nutzte eine Vektordatenbank für die Dokumentenindexierung und eine Custom REST API für die Integration in das ERP. Die KI extrahierte Rechnungsdaten, klassifizierte die Konten und erstellte einen Entwürfe für die Buchung. Ein Human-in-the-Loop-Prozess sorgte dafür, dass jede Buchung über 1.000 EUR oder mit Unsicherheiten manuell freigegeben wurde. Die Integration erfolgte über Webhooks, die bei jeder neuen Rechnung im ERP ausgelöst wurden.

Ergebnis: 82 % schnellere Durchlaufzeit und 90 % weniger Fehler

Nach 4 Wochen Pilotphase auf 500 Rechnungen zeigte sich eine Durchlaufzeit von 8 Minuten pro Rechnung, ein Rückgang von 82 % gegenüber der Baseline. Die Fehlerquote sank auf 0,3 %, da die KI konsistent nach den definierten Regeln prüfte. Die monatliche Berichterstattung wurde von 5 auf 1,5 Arbeitstage verkürzt. Die Mitarbeiter der Finanzabteilung nutzten die Lösung als Unterstützung, nicht als Ersatz: Sie prüften die Entwürfe der KI und korrigierten Ausreißer. Die Amortisation der Investition wurde innerhalb von 8 Monaten erreicht, basierend auf den eingesparten Personalkosten und der schnelleren Cash-Flow-Optimierung. Die Skalierung auf weitere Prozesse (z. B. Ausgangsrechnungen) wurde im zweiten Quartal geplant.

Lessons Learned: Fünf Erkenntnisse für ähnliche Teams

• Baseline messen: Vor der Automatisierung müssen Cycle Time und Error Rate dokumentiert werden. Ohne diese Metriken lässt sich der ROI nicht belegen.
• Model-agnostic denken: Nicht jeder Use Case braucht das größte Modell. Open-Weight-Modelle On-Premise sind oft die richtige Wahl für sensible Daten und hohe Volumina.
• Human-in-the-Loop ist Standard: Die KI erstellt Entwürfe, der Mensch entscheidet. Das reduziert das Risiko und baut Vertrauen in die Technologie auf.
• Integration statt Ersetzung: Nutzen Sie die bestehenden APIs von ERP und CRM. Ein Systemwechsel ist unnötig und riskant.
• Pilot mit festem Scope: Starten Sie mit einem klar definierten Prozess. Das minimiert das Risiko und liefert schnelle Ergebnisse, die für den Rollout überzeugen.