{"id":251,"date":"2026-10-06T19:00:04","date_gmt":"2026-10-06T19:00:04","guid":{"rendered":"https:\/\/blog.forfis.com\/blog\/rag-assistent-rechnungspruefung-open-weight-modelle-on-premise\/"},"modified":"2026-10-06T19:00:04","modified_gmt":"2026-10-06T19:00:04","slug":"rag-assistent-rechnungspruefung-open-weight-modelle-on-premise","status":"publish","type":"post","link":"https:\/\/blog.forfis.com\/blog\/de\/rag-assistent-rechnungspruefung-open-weight-modelle-on-premise\/","title":{"rendered":"RAG-Assistent f\u00fcr Rechnungspr\u00fcfung: Fallstudie aus der Beratungsbranche"},"content":{"rendered":"

Hintergrund: Meridian Consulting und der Druck auf die Finanzabteilung<\/h2>\n

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 Abl\u00e4ufe basieren auf typischen Engagements in der Branche. Die Firma \u201eMeridian Consulting\u201c (fiktiv) ist ein mittelst\u00e4ndisches Beratungsunternehmen mit 120 Mitarbeitern in M\u00fcnchen. 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 f\u00fcr Dokumente. Die Finanzabteilung besteht aus 8 Personen, die monatlich \u00fcber 1.500 Eingangsrechnungen verarbeiten. Die Durchlaufzeit pro Rechnung lag bei 45 Minuten, die Fehlerquote bei 3,2 %. Der Druck kam von der Gesch\u00e4ftsf\u00fchrung: Die Skalierung der Kundenbasis erforderte eine schnellere Dokumentenbearbeitung, ohne das Team zu vergr\u00f6\u00dfern.<\/p>\n

Herausforderung: Manuelle Datenextraktion und Compliance-Druck<\/h2>\n

Die Kernproblematik war die manuelle Datenextraktion aus heterogenen Rechnungsformaten. Viele Lieferanten nutzten PDFs mit unterschiedlichen Layouts, was zu Tippfehlern bei der Kontierung f\u00fchrte. 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-L\u00f6sung mit externen APIs war daher ausgeschlossen. Das Team brauchte eine L\u00f6sung, 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.<\/p>\n

Ansatz: RAG-Assistent auf Open-Weight-Modellen On-Premise<\/h2>\n

Forfis startete mit einem AI Automation Audit \u00fcber 2 Wochen. Dabei wurden die Workflows der Finanzabteilung analysiert und die technischen Schnittstellen zu SAP und Salesforce gepr\u00fcft. 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 f\u00fcr die Dokumentenindexierung und eine Custom REST API f\u00fcr die Integration in das ERP. Die KI extrahierte Rechnungsdaten, klassifizierte die Konten und erstellte einen Entw\u00fcrfe f\u00fcr die Buchung. Ein Human-in-the-Loop-Prozess sorgte daf\u00fcr, dass jede Buchung \u00fcber 1.000 EUR oder mit Unsicherheiten manuell freigegeben wurde. Die Integration erfolgte \u00fcber Webhooks, die bei jeder neuen Rechnung im ERP ausgel\u00f6st wurden.<\/p>\n

Ergebnis: 82 % schnellere Durchlaufzeit und 90 % weniger Fehler<\/h2>\n

Nach 4 Wochen Pilotphase auf 500 Rechnungen zeigte sich eine Durchlaufzeit von 8 Minuten pro Rechnung, ein R\u00fcckgang von 82 % gegen\u00fcber der Baseline. Die Fehlerquote sank auf 0,3 %, da die KI konsistent nach den definierten Regeln pr\u00fcfte. Die monatliche Berichterstattung wurde von 5 auf 1,5 Arbeitstage verk\u00fcrzt. Die Mitarbeiter der Finanzabteilung nutzten die L\u00f6sung als Unterst\u00fctzung, nicht als Ersatz: Sie pr\u00fcften die Entw\u00fcrfe der KI und korrigierten Ausrei\u00dfer. 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.<\/p>\n

Lessons Learned: F\u00fcnf Erkenntnisse f\u00fcr \u00e4hnliche Teams<\/h2>\n