Auftragserfassung und Auftragsabwicklung mit KI automatisieren: was im Mittelstand wirklich geht

Im Postfach des Innendiensts liegen Bestellungen als PDF-Anhang, als drei Zeilen Freitext, als Foto eines handschriftlich ausgefüllten Bestellformulars und als Fax-Ausdruck vom Vortag. Jede wird geöffnet, gelesen und Position für Position ins ERP getippt, mit Artikelsuche, Verfügbarkeitsblick und Rückbestätigung. Das ist Auftragserfassung, und sie ist der teuerste Handgriff der gesamten Auftragsabwicklung.

Worum es geht: die Kurzfassung

• Auftragserfassung ist der Engpass der Auftragsabwicklung. Sie bringt eine eingegangene Bestellung als Auftrag ins ERP; alles danach ist Abwicklung. Im europäischen Mittelstand bewerten 44,8 % der Einkaufsverantwortlichen die Automatisierung ihres Einkaufs als wenig ausgereift, nur 6,0 % halten ihren KI-Einsatz für reif (BME, 11.06.2026, über 500 Befragte). Die Bestellungen, die dort per E-Mail rausgehen, kommen bei Großhändlern als Freitext und PDF an.
• Belegdaten hinken der Rechnung hinterher. 71 % der Unternehmen messen digitalen Rechnungsdaten große Relevanz bei, elektronischen Belegdaten wie Bestellungen und Lieferscheinen nur 44 % (Bitkom, 12.08.2022, 1.102 Unternehmen). Das Fax ist 2024 noch bei 30 % der Unternehmen häufig im Einsatz (Bitkom, 24.09.2024).
• Realistisch sind 40 bis 80 % Dunkelverarbeitung, je nach Kundenmix. Das ist eine Erfahrungsbandbreite aus unserer Projektarbeit, keine Studie. Die obere Hälfte erreicht nur, wer saubere Stammdaten und wenige, stabile Bestellformate hat.
• Automatisierung zahlt sich messbar aus, und der Artikelstamm entscheidet. 76,5 % der Befragten berichten von Zeitersparnis durch Automatisierung, 51,8 % von weniger Fehlern; 56,0 % nennen Datenqualität als Hindernis (BME, 11.06.2026).
• Wo der Mensch bleibt: bei Sonderkonditionen, neuen Kunden, Reklamationen und Großbestellungen über einer definierten Schwelle. Der Agent erfasst, die Bestellsachbearbeitung entscheidet.

Was ist Auftragserfassung, und wo endet sie?

Auftragserfassung ist der Schritt, der aus einer eingegangenen Bestellung einen Auftrag im ERP macht: Kunde und Lieferadresse zuordnen, jede Position mit Artikel, Menge und Verpackungseinheit erkennen, den Wunschtermin übernehmen, den Auftrag anlegen. Sie endet mit dem gespeicherten Auftrag. Die Auftragsabwicklung beginnt danach: Verfügbarkeit prüfen, Auftragsbestätigung an den Kunden, Kommissionierung, Lieferung, Rechnung.

Die Trennung ist wichtig, weil die beiden Teile verschieden automatisiert werden. Die Abwicklung läuft in den meisten ERP-Systemen ohnehin systemgestützt, sobald der Auftrag steht. Die Erfassung dagegen ist Handarbeit, weil die Bestellung in einer Form ankommt, die das ERP nicht lesen kann. Genau dort setzt ein KI-Agent an. Fünf Eingangskanäle sind im Großhandel typisch:

• E-Mail-Freitext. „Bitte wie letztes Mal 20 Stück von dem Dichtungsset, Lieferung Donnerstag.“ Ohne Artikelnummer, mit Bezug auf die Bestellhistorie.
• PDF-Bestellformular. Das Bestellsystem des Kunden erzeugt ein PDF mit Kundenartikelnummern, Mengen und Positionsnummern. Strukturiert, aber in jedem Layout anders.
• Scan, Foto oder Fax. Ein Bestellformular vom Bauhof, mit dem Handy fotografiert. Hier liest ein Bildmodell statt eines Textparsers; wie das am Wareneingang funktioniert, beschreibt der Beitrag zur visuellen Dokumenten-KI.
• Telefon. Nachbestellungen von Bestandskunden laufen im Großhandel weiter über den Hörer. Was ein KI-Telefonagent in der Bestellannahme heute übernimmt und wo er an den Innendienst übergibt, hat einen eigenen Beitrag.
• Webshop und EDI. Strukturierte Daten, die direkt ins ERP laufen. Hier braucht es keine KI, nur eine Schnittstelle.

Warum EDI im Mittelstand nur einen Teil der Bestellungen abdeckt

EDI funktioniert, wenn beide Seiten dieselbe Nachricht sprechen und der Aufwand für die Einrichtung sich über das Volumen trägt. Bei den großen Kunden eines Großhändlers ist das der Fall. Bei den vielen kleinen, bei Handwerksbetrieben und bei wechselnden Projektkunden nicht: Sie bestellen so, wie es ihnen am schnellsten geht, und das ist die E-Mail. Aus unserer Projektarbeit im Handel kommt bei typischen Großhändlern die Mehrheit der Bestellpositionen über E-Mail und PDF an, EDI deckt den Kopf der Kundenliste ab, nicht den langen Rest.

Die Kosten dieser Erfassung sind unsichtbar, weil sie über mehrere Personen verteilt sind. Ein Rechenbeispiel, keine Studie: Eine Bestellsachbearbeiterin schafft je nach Klärfallquote 30 bis 60 Belege am Tag. Braucht ein Beleg im Schnitt sechs Minuten und ein Klärfall fünfzehn, liegt ein Großhandelsbetrieb mit 30.000 Bestellungen im Jahr zwischen 3.000 und 7.500 Personenstunden. Bei 50 bis 60 Euro Vollkosten je Stunde sind das 150.000 bis 450.000 Euro jährlich, nur für das Abtippen. Setzen Sie Ihre eigenen Werte ein; die Größenordnung überrascht in den meisten Betrieben.

Ein klassisches EDI-Projekt scheitert dort, wo es am wichtigsten wäre: am langen Ende der Kundenliste. Die KI-Erfassung setzt genau dort an.

Wie funktioniert die Auftragserfassung aus E-Mail und PDF?

Der Agent liest die Bestellung aus E-Mail-Text oder Anhang, erkennt Kunde, Lieferadresse, Wunschtermin und jede Position mit Menge, ordnet die Positionen dem eigenen Artikelstamm zu und legt den Auftrag im ERP an. Eindeutige Bestellungen laufen durch. Unklare Positionen bekommt die Bestellsachbearbeitung mit einem konkreten Vorschlag vorgelegt.

Was der Agent aus jeder Bestellung erfassen muss, ist überschaubar und in jedem ERP gleich:

• Kopf: Kunde (über Absender, Kundennummer oder Firmenname im Dokument), abweichende Lieferadresse, Wunschtermin, Bestellnummer des Kunden für die Auftragsbestätigung.
• Positionen: Artikel, Menge, Verpackungseinheit, gelegentlich ein Preis. Der Preis dient nur zur Plausibilisierung; gültig ist die Kondition im ERP.
• Sicherheit je Feld: Wie eindeutig war die Zuordnung? Diese Angabe entscheidet später, ob der Auftrag durchläuft oder zur Klärung geht.

Die eigentliche Arbeit steckt in der Zuordnung der Positionen. Bestellungen ohne eigene Artikelnummer sind im Großhandel der Normalfall. Der Agent geht in Stufen vor: Zuerst die Kundenartikelnummer, wenn der Kunde eine verwendet und sie im Stamm hinterlegt ist. Dann die Bezeichnung, verglichen per semantischer Ähnlichkeit gegen den Artikelstamm, damit „Dichtungsset 1/2 Zoll“ den richtigen Artikel trifft, auch wenn der Stamm ihn anders schreibt. Dann die Bestellhistorie des Kunden, die bei „wie letztes Mal“ den Ausschlag gibt. Und zuletzt die Verpackungseinheit: 20 Stück, 20 Karton oder 20 Paletten sind drei verschiedene Aufträge, und diese Frage klärt der Agent lieber einmal zu viel.

Für Scans, Fotos und Faxe kommt vor der Extraktion ein Bildmodell zum Einsatz, das Tabellen, handschriftliche Mengen und Stempel liest. Die Zuordnung danach ist dieselbe. Und für alles gilt eine Voraussetzung: Bevor der Agent eine Bestellung erfasst, muss jemand entschieden haben, dass es eine Bestellung ist. Diese Sortierung übernimmt die Posteingangs-Klassifikation, der unterschätzte erste Schritt vor jedem Erfassungs-Agenten.

Wie ein KI-Agent eine Bestellung Schritt für Schritt verarbeitet

Ein produktiver Auftragsagent ist eine geordnete Kette aus Erkennung, Anreicherung, Entscheidung und Aktion. Die acht Schritte:

1. Trigger: Ein dediziertes Postfach empfängt die Mail. Ein Webhook oder ein Workflow gibt sie an den Agenten weiter.
2. Klassifikation: Der Agent erkennt, ob es sich um eine Bestellung, eine Anfrage, eine Reklamation oder eine Rückfrage handelt. Nur Bestellungen laufen in die Erfassung; alles andere geht an die zuständige Rolle. Wie aus einer Anfrage ein prüffähiges Angebot wird, behandelt der Beitrag zur Angebotserstellung im Großhandel mit KI.
3. Erfassung: Aus PDF-Anhang oder Mail-Text werden Kopf und Positionen ausgelesen, wie im Abschnitt davor beschrieben.
4. Stammdaten-Matching: Jede Position wird gegen den Artikelstamm im ERP gemappt. Geht der Auftrag ins Ausland, braucht dieselbe Position zusätzlich Warennummer, Ursprungsland und Gewicht, siehe Exportdokumente automatisieren.
5. Validierung: Verfügbarkeit, Preis und Konditionen werden aus dem ERP geprüft. Der Agent erkennt Abweichungen vom Üblichen, etwa fehlende Rahmenpreise oder ungewöhnliche Mengen.
6. Entscheidung: Bei vollständig validierten Positionen legt der Agent den Auftrag im ERP an, Status „freigegeben“. Bei Klärfällen erstellt er einen Auftragsentwurf mit konkretem Hinweis („Position 3: Artikel nicht im Stamm. Vorschlag: 47-A22 oder 47-A23?“) und legt ihn der Bestellsachbearbeitung vor.
7. Bestätigung: Die Auftragsbestätigung an den Kunden wird im Corporate Design erzeugt und versandt, automatisch im Standardfall, nach Freigabe beim Klärfall.
8. Logging: Jeder Schritt landet im Audit-Log: welche Felder gelesen wurden, wie sicher der Agent war, wer freigegeben hat.

Entscheidend ist Schritt 6. Ein Agent, der bei Unsicherheit trotzdem den Auftrag anlegt, ist gefährlicher als ein langsamer manueller Prozess. Die Arbeit liegt in der Kalibrierung der Schwelle: Ab welcher Sicherheit wird durchgeschoben, ab welcher zur Klärung vorgelegt.

Was realistisch geht: 40 bis 80 % Dunkelverarbeitung als ehrliche Bandbreite

Anbieter erzählen gern von „95 % Automatisierung“. Die Bandbreiten aus unserer Projektarbeit sehen anders aus:

• Mit homogenem Kundenmix, also wenigen Großkunden mit konsistenten Formaten, sind 70 bis 80 % Dunkelverarbeitung erreichbar.
• Mit klassischem Mittelstands-Mix, vielen kleinen Kunden, wechselnden Formaten und lückenhaften Stammdaten, sind 40 bis 60 % realistisch. Den Rest holt man über Stammdaten-Pflege, Kundenartikelnummern im Stamm und bessere Bestellvorlagen für die größten Kunden.
• In den ersten drei Monaten nach dem Start liegt die Quote spürbar unter dem späteren Wert, weil die Klärfälle Ihres Betriebs erst sichtbar werden und die Schwellen nachjustiert werden.

Die 95 % aus Marketing-Materialien beziehen sich meist auf den Standardfall nach einem Jahr Optimierung, nicht auf Tag eins. Wer eine Investitionsentscheidung trifft, rechnet für die ersten sechs Monate mit 40 bis 60 % und skaliert dann.

ROI-Rechenmodell: was eine manuell erfasste Bestellung wirklich kostet

Statt fiktiver Kundenzahlen liefert das folgende Modell, was die Kalkulation für einen Handelsbetrieb im Mittelstand ergibt. Die Werte sind Beispielannahmen; setzen Sie Ihre eigenen ein:

Das Modell zeigt: Unter 2.000 Bestellungen im Jahr lässt sich der Implementierungsaufwand schwer wieder einspielen, oberhalb von 10.000 wird die Rechnung deutlich. Dass sich Automatisierung im Einkauf rechnet, bestätigen die Befragten des Einkaufsbarometers: 76,5 % berichten von Zeitersparnis, 51,8 % von weniger Fehlern (BME, 11.06.2026). Für Fertigungsbetriebe mit hohem Anteil an Sonderfertigung sieht die Rechnung anders aus; den Rahmen dafür spannt der Pillar zu KI-Agenten im Mittelstand 2026.

Wo der Mensch bleibt

Ein guter Auftragsagent befreit die Bestellsachbearbeitung von der Belegerfassung und gibt ihr die Klärfälle bewusst zur Entscheidung:

• Neue Kunden ohne Stammdaten und Historie.
• Abweichende Konditionen: Preisanfragen im Bestelltext, ungewöhnliche Zahlungsziele, Sonderrabatte.
• Reklamations- und Stornofälle, die emotional und juristisch geführt werden.
• Großbestellungen oberhalb einer definierten Schwelle, die immer eine Freigabe brauchen.
• Erkennbare Mehrdeutigkeiten, bei denen der Agent zwei Zuordnungen mit ähnlicher Sicherheit sieht.

Die Bestellsachbearbeitung verschwindet dabei nicht. Sie wird zur Klärinstanz mit Vetorecht, und das ist auch das Argument gegenüber dem Betriebsrat: Es geht um die Entlastung von Routinearbeit, die niemand gern macht, nicht um Stellenabbau.

Integration in SAP, Business Central, DATEV, Sage & Co.

Die ERP-Anbindung ist der eigentliche Engpass, nicht die KI. Drei Integrationsmuster sind heute Standard:

• API-first (modern): SAP S/4HANA, Business Central, Odoo, proALPHA, abas. Alle bieten REST- oder OData-Schnittstellen. Ein Auftragsagent legt direkt Aufträge an, liest Stammdaten und prüft Bestände. Die sauberste Lösung.
• Datenbank- oder Adapterschicht (klassisch): Bei älteren Versionen von SAP Business One oder Sage hilft eine Middleware, die strukturiert auf die Datenbank zugreift.
• RPA als Notnagel: Wenn keine Schnittstelle verfügbar ist, simuliert ein Bot die Eingabe in der ERP-Oberfläche. Das funktioniert, ist aber brüchig: Jedes Oberflächen-Update kann den Bot lahmlegen.

Für die Buchhaltung ist DATEV der häufigste Endpunkt; hier reicht meist eine strukturierte Übergabe im DATEV-Format. Welche der drei Varianten zu welchem ERP passt und wo eine Zwischenschicht sinnvoll ist, beschreibt der Beitrag zur ERP-Anbindung für KI-Agenten. Dass der Artikelstamm dabei zum Engpass wird, ist der häufigste Grund, warum solche Projekte stocken, wie der Beitrag zu Stammdaten als Engpass für KI-Projekte zeigt.

Häufige Fragen

Was ist der Unterschied zwischen Auftragserfassung und Auftragsabwicklung?
Die Auftragserfassung bringt eine eingegangene Bestellung als Auftrag ins ERP: Kunde, Positionen, Mengen, Termin. Die Auftragsabwicklung ist alles danach, von Verfügbarkeit und Bestätigung bis Lieferung und Rechnung. KI-Agenten setzen zuerst an der Erfassung an, weil dort die meiste Handarbeit liegt.

Kann KI Bestellungen aus E-Mails automatisch erfassen?
Ja, für den Großteil der Standardbestellungen. Der Agent liest E-Mail-Text und PDF-Anhang, ordnet die Positionen dem Artikelstamm zu und legt den Auftrag an, wenn alles eindeutig ist. Unklare Positionen bekommt die Bestellsachbearbeitung mit einem Vorschlag. Voraussetzung ist ein gepflegter Artikelstamm mit Kundenartikelnummern.

Brauchen wir eigene Modelle, oder reicht ein API-Modell?
Für Klassifikation und Extraktion reichen kommerzielle API-Modelle. Wer personenbezogene Daten strikt in der EU halten will, nutzt EU-gehostete Endpunkte oder ein offenes Modell auf eigener Hardware. Eigenes Training braucht die Auftragserfassung nicht.

Wie lang dauert ein Pilotprojekt?
Aus unserer Projektarbeit: 8 bis 14 Wochen bis zur ersten automatisch verarbeiteten Live-Bestellung. Die Hälfte davon geht in Stammdaten-Bereinigung und ERP-Schnittstellen, nicht in die KI.

Was passiert bei einer falsch verarbeiteten Bestellung?
Sie fällt der Plausibilitätsprüfung im ERP oder der Stichprobe der Bestellsachbearbeitung auf. Das Audit-Log zeigt, welche Felder der Agent gelesen hat, wie sicher er war und wer freigegeben hat. Daraus lernt der Prozess, und die Revision hat ihren Nachweis.

Lohnt sich das auch für reine Inbox-Anfragen, nicht nur für Bestellungen?
Ja, oft sogar zuerst. Ein Klassifikations-Agent, der Bestellung, Anfrage, Reklamation und Spam sauber trennt, ist in zwei bis drei Wochen produktiv. Erst danach lohnt sich die volle Erfassungsstrecke.

Können wir n8n als Workflow-Engine nutzen?
Für mittlere Volumina ja, selbst gehostet und damit DSGVO-freundlich. Bei sehr hohen Volumina oder Hochverfügbarkeitsanforderungen lohnt der Blick auf Temporal, Prefect oder eine schlanke eigene Lösung.

Wo Sie ansetzen, wenn Sie heute starten möchten

Drei Schritte sind unabhängig vom Anbieter sinnvoll, bevor Sie mit einem Pilotpartner sprechen:

1. Eine Woche lang messen, wie viele Bestellungen Sie über welchen Kanal erhalten und wie viel Zeit deren Erfassung kostet. Ohne diese Zahlen lässt sich keine Investitionsentscheidung sauber begründen.
2. Den Artikelstamm kurz prüfen: Wie viele Artikel sind eindeutig benannt, mit Synonymen und Kundenartikelnummern versehen, aktuell? Das ist der größte Hebel für die spätere Erkennungsquote.
3. Eine kleine Pilotstrecke definieren, am besten ein Kundensegment mit hohem Volumen und konsistentem Format. Dort lässt sich der Nutzen messen, bevor Sie skalieren.

Wir begleiten den Weg von der Sondierung bis zum produktiven Betrieb. Wenn Sie wissen möchten, ob sich der Aufwand für Ihren Kundenmix rechnet, vereinbaren Sie ein Erstgespräch. Die ersten 30 Minuten liefern Ihnen mindestens eine klare Aussage dazu. Den größeren Rahmen beschreiben die Beiträge zu KI-Agenten im Mittelstand 2026 und KI im Großhandel.

Methodik: Recherche KI-gestützt, fachlich geprüft und faktengecheckt von Tobias Egner – mit Hintergrund aus Handel und KI-Engineering. Kennzahlen: BME-Meldung „Automatisierung und KI noch nicht immer Schlüsselfaktor für den Einkauf“ zum Einkaufsbarometer Mittelstand 2026 (Onventis, BME, ESB Business School; über 500 Einkaufsverantwortliche) vom 11.06.2026, Bitkom Digital Office Index 2024 (Presseinformation vom 24.09.2024, 1.103 Unternehmen), Bitkom-Presseinformation „Rechnungen werden digitaler, aber Belege kommen oft noch auf Papier“ vom 12.08.2022 (1.102 Unternehmen) – als datiert gekennzeichnet. Dunkelverarbeitungs-Bandbreiten, Projektdauern und das Rechenbeispiel zur Erfassungszeit stammen aus eigener Projektarbeit im Handel und sind keine Studienwerte; das ROI-Modell arbeitet mit Beispielannahmen. Zuletzt überarbeitet am 11. September 2026: Abschnitte zur Auftragserfassung und ihren Eingangskanälen ergänzt, Quellen aktualisiert, unbelegte Marktzahlen aus der Erstfassung durch gekennzeichnete Erfahrungsbandbreiten ersetzt. Erstveröffentlichung: 25. Mai 2026.