Branchenanalyse
Von außen betrachtet wirkt 2026 wie das Zeitalter der Automatisierung. Finance-Teams automatisieren die Rechnungsverarbeitung, Marketing-Teams automatisieren Outreach, und Lager automatisieren Pick-Prozesse. Dennoch wird die Sales-Order-Erfassung in vielen mittelständischen Herstellern, Distributoren und Industrieunternehmen noch immer Anschlag für Anschlag manuell erledigt.
Umfragen unter Finance- und Operations-Teams zeigen, dass mehr als die Hälfte noch immer mehr als 10 Stunden pro Woche mit der manuellen Eingabe von Auftrags- und Rechnungsdaten verbringt. Aufträge bleiben in Posteingängen liegen, während Mitarbeitende Details in ERP-Masken übertragen, Positionen doppelt prüfen und fehlende Informationen nachverfolgen. Das liegt nicht daran, dass Verantwortliche Automatisierung nicht kennen. Es liegt daran, dass die verfügbaren Tools bis vor Kurzem mit der unordentlichen, stark variierenden Realität echter Kundenaufträge nicht umgehen konnten.
In der Theorie ist die Automatisierung der Auftragserfassung einfach. Ein Kunde sendet einen Auftrag, ein System liest ihn, und der ERP-Eintrag erscheint. In der Praxis kommen Aufträge jedoch in nahezu jeder denkbaren Form und jedem denkbaren Format an. Typische Muster sind:
Ein aktueller Überblick über die Herausforderungen manueller Auftragserfassung nennt „Dokumentenvielfalt“ als einen der Hauptgründe dafür, warum Unternehmen manuell bleiben. Unterschiedliche Lieferanten und Kunden verwenden unterschiedliche Templates, Tabellen und Formate, und Teams befürchten, dass Automatisierung sofort scheitert, sobald ein Dokument anders aussieht als das vorherige. Für die meisten Unternehmen fühlt sich manuelle Erfassung deshalb noch immer wie die einzige Option an, die nicht beim ersten Auftrag eines neuen Kunden zusammenbricht.
Vor generativer KI waren EDI, OCR, template-basierte Systeme und RPA die wichtigsten Technologien zur Automatisierung der Auftragserfassung. Jede davon half in bestimmten Fällen, aber alle waren auf vorhersehbare Eingaben angewiesen.
Technologie 01
EDI ermöglicht es Handelspartnern, strukturierte Auftragsnachrichten direkt zwischen Systemen auszutauschen. Wenn es funktioniert, ist es schnell und zuverlässig. Es setzt jedoch voraus, dass beide Seiten Standards abstimmen, die Einrichtung finanzieren und die Verbindung dauerhaft pflegen. In der Realität ist nur ein Teil der Kunden überhaupt per EDI angebunden. Die meisten senden ihre Aufträge weiterhin per E-Mail.
Technologie 02
OCR wandelt gescannte Dokumente in Text um, den Software verarbeiten kann. Das funktioniert gut, um Papier in digitale Daten zu überführen, hat aber bekannte Grenzen bei unstrukturiertem Text, komplexen Tabellen und schlechter Scanqualität. OCR beantwortet die Frage „Welche Zeichen stehen auf dieser Seite?“, nicht „Was bedeutet dieser Auftrag?“ Falsch gelesene Felder müssen deshalb weiterhin manuell korrigiert werden.
Template-basierte Tools und RPA wurden eingeführt, um alles miteinander zu verbinden. OCR extrahiert Text, Templates definieren, wo Felder wie Menge oder Preis im Formular eines bestimmten Kunden stehen, und RPA-Bots simulieren Tastatureingaben im ERP.
Dieser Stack funktioniert nur, wenn alle drei Bedingungen erfüllt sind
Sobald ein Kunde sein Formular anpasst, eine neue Spalte hinzufügt, eine andere Sprache nutzt oder statt eines PDFs eine Freitext-E-Mail schickt, bricht die Automatisierung. Bots, die auf festen Koordinaten oder Bildschirmpositionen basieren, können mit struktureller Abweichung nicht umgehen. Das Ergebnis ist fragile Automatisierung, der Teams nicht mehr vertrauen.
Selbst wenn OCR und RPA bereits im Einsatz waren, erforderte die sichere Anbindung an das ERP meist individuelle Integrationsarbeit. Teams mussten Geschäftsregeln, Validierungsschritte und Ausnahmebehandlungen detailliert definieren und dann IT oder externe Integratoren damit beauftragen, diese Logik umzusetzen.
Hürde 01
Lizenzen, Beratung und Projektaufwand sind im Budget sofort sichtbar, während die Kosten manueller Arbeit, Nachbearbeitung und Verzögerungen auf viele Kostenstellen verteilt sind und selten sauber gemessen werden.
Hürde 02
Traditionelle Automatisierungsprojekte brauchten oft Monate, bevor sie überhaupt Mehrwert lieferten. In schnelllebigen Industrien ist das eine lange Zeit, um wichtige Leute an ein Projekt mit unklarem Return zu binden.
Hürde 03
RPA geht davon aus, dass Prozesse stabil bleiben. ERP-Upgrades, Layout-Änderungen oder kleine Prozessanpassungen können Bots schnell brechen, wenn sie auf einem früheren Setup basieren. Nach einigen Fehlschlägen kehren Teams aus Sicherheitsgründen oft zur manuellen Erfassung zurück.
Das Ergebnis: Viele Unternehmen haben Automatisierung ausprobiert, sie an der realen Variabilität scheitern sehen und daraus geschlossen, dass manuelles Übertragen von Aufträgen weniger riskant ist als der Betrieb fragiler Integrationen.
Technologische Grenzen sind nur ein Teil der Erklärung. Es gibt auch menschliche und organisatorische Gründe, warum die Auftragserfassung in vielen Unternehmen manuell geblieben ist.
Widerstand gegen Veränderung
Teams vertrauen den Prozessen, die sie kennen. Manuelle Erfassung ist vielleicht langsam, aber vertraut. Neue Systeme bringen Unsicherheit, Schulungsaufwand und wahrgenommenes Risiko mit sich. Viele Organisationen zögern, funktionierende Abläufe zu verändern, selbst wenn sie ineffizient sind.
Budgetbedenken
Automatisierungsprojekte wirken teuer, wenn Entscheider nur Lizenz- und Implementierungskosten sehen. Die Kosten manueller Arbeit (Tippen, Fehlerkorrekturen, Neuversand von Dokumenten und Reklamationsbearbeitung) bleiben oft unsichtbar. Solange diese Kosten nicht gemessen werden, lässt sich Automatisierung schwer rechtfertigen.
Zersplitterte Verantwortung
Auftragserfassung betrifft Vertrieb, Operations, Logistik, Finance und IT. Kein Bereich fühlt sich vollständig dafür verantwortlich, das Problem zu lösen. Jedes Team optimiert nur seinen Ausschnitt und akzeptiert die manuelle Last als „Teil des Jobs“.
Die meisten Teams lehnen Automatisierung nicht grundsätzlich ab. Sie fürchten Störungen stärker als Ineffizienz. Das Ergebnis ist ein Status quo, in dem Inside Sales Aufträge weiter manuell neu eingibt, während andere Teile des Unternehmens längst mit KI und Automatisierung arbeiten.
Der Wandel
Generative AI und insbesondere Large Language Models unterscheiden sich grundlegend von OCR- und template-basierten Systemen. Statt nur Zeichen zu lesen oder starren Regeln zu folgen, können sie unstrukturierte Sprache verstehen und Absichten ableiten.
Liest Freitext-E-Mails und Anhänge, nicht nur perfekt strukturierte Formulare
Versteht, was der Kunde tatsächlich bestellen möchte, selbst wenn Produktcodes fehlen oder falsch sind
Extrahiert und normalisiert Daten aus unterschiedlichen Formaten und Sprachen in eine konsistente interne Struktur
Wendet Geschäftslogik an, etwa Preisregeln oder Lieferrestriktionen, und liefert dabei Confidence Scores und Begründungen
OCR fragt
„Welche Zeichen stehen auf dieser Seite?“
Liest Layout und Position. Erfordert manuelle Korrekturen bei falsch erkannten Feldern, unüblichen Layouts und unstrukturiertem Text.
LLM-basierte KI fragt
„Was bestellt dieser Kunde tatsächlich?“
Versteht Bedeutung und Kontext. Verarbeitet Freitext, mehrsprachige Eingaben und fehlende Felder ohne Templates.
In der Praxis
Drei typische Szenarien im B2B-Order-Intake. In jedem Fall geraten ältere Automatisierungs-Stacks schnell an ihre Grenzen, während LLM-basierte Systeme natürlicher damit umgehen.
Freitext-Bestellung per E-Mail
Excel-Anhang mit gemischten Formaten
Mehrsprachige Bestellungen
Für Entscheider
Wenn Sie in Operations, Vertrieb oder IT Verantwortung tragen, haben Sie in den letzten zehn Jahren wahrscheinlich mindestens ein Automatisierungsprojekt im Order Intake scheitern sehen. Diese Erfahrung führt verständlicherweise zu Skepsis. Ist es diesmal wirklich anders oder ist KI nur die nächste Hype-Welle?
Vier praktische Tests helfen dabei, diese Frage zu beantworten, bevor Sie sich auf etwas festlegen.
Nehmen Sie Ihre drei chaotischsten aktuellen Aufträge
Denken Sie an die Aufträge, an denen frühere Automatisierung gescheitert ist: mehrseitige PDFs, Freitext-E-Mails oder gemischtsprachige Dokumente. Moderne LLM-basierte Systeme sollten diese in einem Proof of Concept lesen und interpretieren können ohne pro Kunde eigene Templates zu bauen.
Fragen Sie, wie das System mit neuen Formaten umgeht
Jede Lösung, die für jeden neuen Kunden ein eigenes Template oder eine separate Konfiguration braucht, wird früher oder später an dieselbe Grenze stoßen. LLM-basierte Systeme sollten neue Layouts und Variationen mit minimalem Anpassungsaufwand verarbeiten können, weil sie Sprache verallgemeinern und nicht nur feste Positionen auslesen.
Achten Sie auf Confidence Scores und Human-in-the-Loop-Kontrollen
Robuste KI-Systeme ersetzen Menschen nicht blind. Sie liefern Confidence Scores, markieren unklare Fälle und erlauben Ihrem Team die Prüfung oder Freigabe, bevor etwas ins ERP geschrieben wird. Genau das adressiert die Risikobedenken, an denen viele frühere Projekte gescheitert sind.
Prüfen Sie Integrationsaufwand und Zeitrahmen
Moderne KI-Plattformen für die Auftragsverarbeitung werden meist als APIs oder agentenähnliche Services bereitgestellt, die an Ihr bestehendes ERP angebunden werden, statt als individuelle Einmal-Integrationen. Proofs of Concept lassen sich oft in Wochen statt in Monaten umsetzen.
Wenn ein Anbieter Ihre eigenen chaotischen Aufträge nicht in einem kurzen Test mit hoher Qualität durch sein System laufen lassen kann, ist Skepsis absolut berechtigt. Wenn er es kann, ist das ein starkes Signal dafür, dass diese Problemklasse heute tatsächlich lösbar ist.
Der Wandel
Generative und agentische KI beseitigen nicht den Bedarf an Governance, Prozessverantwortung oder menschlichem Urteilsvermögen. Sie verändern aber, wofür menschliche Zeit eingesetzt wird.
Wenn Sie sich gerade fragen, ob Ihr Problem in der Sales-Order-Erfassung überhaupt lösbar ist, lautet die kurze Antwort im Jahr 2026: Ja, für die Mehrheit realer Auftragsformate und Volumina. Die eigentliche Hürde ist heute nicht mehr die Technologie. Die eigentliche Frage ist, ab wann das Festhalten an manueller Routine teurer wird als die kurzfristige Umstellung, KI vor Ihre Shared Inbox zu setzen.
Selbst ansehen
Führen Sie einen Proof of Concept mit Ihren echten Dokumenten durch (Freitext-E-Mails, mehrsprachige PDFs oder Excel-Dateien mit kundenspezifischen Codes) noch bevor irgendeine Integration beginnt.
Durch Anklicken „Akzeptieren“, stimmen Sie der Speicherung von Cookies auf Ihrem Gerät zu, um die Seitennavigation zu verbessern, die Nutzung der Website zu analysieren und unsere Marketingaktivitäten zu unterstützen. Sehen Sie sich unsere an Datenschutzrichtlinie für weitere Informationen.
