So funktioniert die KI-gestützte Bestell- und Auftragserfassung mit dem Freshfin-Belegassistenten
Als PDF-Datei, im Excel-Format oder als reine Textnachricht – im Fruchthandel dominiert die E-Mail bei eingehenden Bestellungen. Wer sie im ERP nachhält, kommt um manuelle Eingaben nicht herum. Oder doch? Freshfin bietet nun mit dem Belegassistenten eine KI-gestützte Bestell- und Auftragserfassung für den Fruchtgroßhandel.
„Kære alle, hermed finder I vores bestilling. Vær venligst opmærksom på den ændrede leveringsadresse, og lever frugt og grøntsager senest den 1. juni til følgende adresse. …“, lautet die E-Mail eines dänischen Kunden. Die Mitarbeitenden des Fruchtgroßhändlers nutzen ein Programm, um die Nachricht zu übersetzen. Anschließend rufen sie im ERP den Stammdatensatz des Kunden auf und aktualisieren die Lieferadresse. Sie legen einen Auftrag an, der alle Lieferinformationen enthält und wählen die angefragte Ware in den gewünschten Mengen aus. Der manuelle Vorgang ist zeitintensiv und birgt Potenzial für Fehler.
Um die digitale Belegerfassung zu vereinfachen, hat B.i.Team einen Assistenten für die KI-gestützte Belegerfassung entwickelt. Dieser hilft Fruchtgroßhändlern dabei, eingehende Bestellungen von Kunden oder Angeboten von Lieferanten automatisiert in Freshfin anzulegen.
Smarter Belegassistent für KI-gestützte Bestell- und Auftragserfassung mit Freshfin
„Geht bei einem Fruchtgroßhändler eine Bestellung per E-Mail ein, liest unser KI-Belegassistent die Nachricht inklusive möglicher Anhänge aus“, sagt Marius Wessel, Produktmanager für KI-Tools bei B.i.Team. Bei PDF und Scans nutzt der die Applikation dafür Optical Character Recognition (OCR) und verwandelt die Bilddatei in einen maschinenlesbaren Text. Die Künstliche Intelligenz extrahiert die relevanten Informationen und schreibt sie in eine Datenbank. Dann startet ein Matching.
Das Matching gleicht die eingegangene Bestellung mit bestehenden Freshfin-Daten ab. Darunter die Stammdaten von Debitoren, Kreditoren und Artikeln. Das erleichtert die Arbeit. Denn aufgrund von Varianten sowie Leergut- und Verpackungsvielfalt ist in der Obst- und Gemüsebranche die Artikellogik komplex. Findet das Matching mit einer sehr hohen Wahrscheinlichkeit das korrekte Gegenstück im ERP (also den richtigen Debitor, Kreditor oder die richtigen Artikel), erreicht es den definierten Schwellenwert. Eine sogenannte Konfidenz. Dann erfasst der Belegassistent KI-gestützt den Auftrag in Freshfin.
„Beim Belegassistenten handelt es sich um eine Cloud-Applikation, die Nutzer über einen Internetbrowser erreichen“, sagt Marius Wessel. In welchen Intervallen sich die Applikation mit dem E-Mail-Postfach synchronisiert, ist frei wählbar. Darüber hinaus lässt sich der Synchronisationsprozess manuell starten. In Einkauf und Vertrieb arbeiten Mitarbeitende häufig gleichzeitig in einem zentralen E-Mail-Postfach. Damit jeder weiß, ob der KI-Assistent gerade eine Anfrage bearbeitet, schiebt die Applikation Nachrichten automatisch in eindeutig benannte Unterordner: Die Kategorien „Verarbeitet“, „In Prüfung“ und „Ignoriert“ gleichen denen im Online-Dashboard des Belegassistenten.
Vom E-Mail-Eingang bis zum automatischen Auftrag: So sieht die Belegerfassung mit der Freshfin-KI-Applikation aus
Drei Kategorien für die automatisierte Belegerfassung mit KI
Während die Kategorie „Ignoriert“ alle nicht relevanten E-Mails einschließt, zeigt die Kategorie „Verarbeitet“ alle Belege, die die KI automatisch erfasst und KI-gestützt als Auftrag in Freshfin angelegt hat. Die Kategorie „Prüfliste“ umfasst alle Bestellungen, bei denen Künstliche Intelligenz nicht alle relevanten Informationen den Stammdaten eindeutig zuordnen konnte. Sie müssen noch einmal durch die manuelle Kontrolle (Human in the Loop). Dabei macht das Dashboard transparent, mit welcher Wahrscheinlichkeit die gematchten Informationen stimmen:
- Gibt es einen passenden Debitor in Freshfin? – 90 Prozent
- Wie viele Artikel beinhaltet die Bestellung? – 3 Stück
- Konnte der digitale Assistent die bestellten Artikel im ERP angelegten Artikeln zuordnen? – 100 Prozent
- Liegen ein Lieferdatum und eine Lieferadresse vor? – Ja
- Existiert eine externe Bestellnummer? – Nein
So zeigt die Applikation auf, welche Daten fehlen, um Bestellungen und Aufträge KI-gestützt zu erfassen. Gleichzeitig können User bei der Prüfung per Knopfdruck einen Blick in die originale E-Mail inklusive des Anhangs werfen und bei Bedarf alles übersetzen lassen. „Das erleichtert den manuellen Abgleich und macht es Nutzern einfach, die Informationen händisch zu vervollständigen“, sagt Marius Wessel. „Zugleich lernt der Belegassistent von Freshfin so schrittweise dazu. Das verbessert das Matching bei wiederkehrenden Bestellungen und beschleunigt zukünftige Erfassungen.“ Beim Matching selbst greift die Applikation auf verschiedene Techniken zurück.
KI-gestützte Bestell- und Auftragserfassung mit Freshfin: Lernen Sie in diesem Video unseren Belegassistenten kennen
Die vier Stufen des Matchings für KI-gestütztes Erfassen von Bestellungen und Aufträgen
„Das Matching erfolgt in erster Linie lokal und verläuft in mehreren Stufen. Es startet zunächst ohne den Einsatz Künstlicher Intelligenz“, erklärt Marius Wessel. Dabei lernt das System fortlaufend dazu. Nämlich immer dann, wenn Mitarbeitende Vorschläge der KI korrigieren. So trainieren sie die Applikation hin zu einer KI-gestützten und automatischen Erfassung von Bestellungen und Aufträgen im Fruchtgroßhandel.
Bei den vier Stufen schaut der Belegassistent immer auf die jeweils schnellere Matching-Möglichkeit:
1. Stufe: das exakte Matching – der direkte Weg zur digitalen Belegerfassung
In der ersten Stufe findet ein exaktes Matching statt. Dafür normalisiert der Belegassistent den extrahierten Text. Beispielsweise eliminiert das System Sonderzeichen und vereinheitlicht typografische Weißräume. Anschließend vergleicht es die Informationen eins zu eins mit den Stammdaten sowie früher gemachten Korrekturen. Haben Mitarbeitende zuvor schon einmal „Erdbeerenschale Korona 250 g“ manuell dem Artikel „erd1234“ zugewiesen, kann der Belegassistent sie bei der nächsten Bestellung direkt zuordnen. Das Matching erreicht direkt eine Konfidenz von 95 Prozent. Die Applikation beschleunigt die digitale Belegerfassung und legt in Freshfin direkt einen Auftrag in an.
2. Stufe: das Fuzzy-Matching
Existiert kein exakter Treffer, greift ein sogenanntes Fuzzy-Matching. Dabei zerlegt der Belegassistent den extrahierten Text in kleinere Einheiten, zum Beispiel „erdbeeren“, „schale“, „250 g“. Er korrigiert mögliche Tippfehler, beispielsweise „erdbere“ oder „schahle“, und schaut dann nach Schnittmengen mit Artikeln in Freshfin. Über das Fuzzy-Matching kann eine Bestellung eine Konfidenz von bis zu 80 Prozent erreichen. „Wir haben diesen Wert gedeckelt, damit Fuzzy-Treffer nicht ungeprüft einen Auftrag in Freshfin hervorrufen“, sagt Marius Wessel.
3. Stufe: gelernte Affinitäten von Kunden – Baustein für eine KI-gestützte Auftragserfassung
Einen Konfidenz-Boost erhält das Matching, wenn der digitale Assistent Kundenvorlieben ausfindig macht. „Bestellen Kunden bestimmte Waren häufiger, merkt sich das System diese individuellen Affinitäten“, erklärt Marius Wessel. Bei diesem kontinuierlichen Lernen fließen automatisch erkannte Waren genauso ein wie manuell korrigierte Order. Daher ist es wichtig, das System fortlaufend zu trainieren.
Ein Beispiel: Bestellt ein Kunde regelmäßig die Erdbeersorte Sonata, versteht das System, dass es sich um Artikel „end4567“ in der 250-Gramm-Schale handelt. „Erkennt der Belegassistent die kundenspezifische Affinität in einer Bestellung, erhöht sich die Konfidenz um zehn bis 15 Prozent – je nach Bestellhäufigkeit“, so Marius Wessel. „Selbst wenn das Fuzzy-Matching zuvor nur 65 Prozent geliefert hat, hebt die Affinität den Konfidenz-Wert auf rund 78 Prozent.“ So steigert die angelernte Affinität die Chance auf eine KI-gestützte und vollautomatisierte Auftragserfassung in Freshfin.
4. Stufe: das KI-Matching mit dem Belegassistenten von Freshfin
Nur wenn sowohl das exakte als auch das Fuzzy-Matching keine oder aber mehrdeutige Ergebnisse liefern, mischt Künstliche Intelligenz beim Matching mit. Kann der Belegassistent beispielsweise keinen passenden Artikel zuordnen, arbeitet die KI mit einem Fallback-Kandidaten.
Anders ist es bei mehreren Möglichkeiten: Hier rankt die Künstliche Intelligenz die Top-Artikel. Sie bewertet die extrahierten Texte semantisch, schaut nach Synonymen („Box“ = „Schale“), Sprache (Deutsch oder Dänisch) sowie den Kontext. Anschließend gibt sie eine gerankte Liste mit Konfidenzwerten zurück. „Wichtig zu wissen ist, dass unser KI-Belegassistent keine Artikel erfindet, die nicht im Kandidaten-Pool sind“, so Marius Wessel. „Und es gibt auch keine Auto-Lernregeln ohne Admin-Freigabe – außer Nutzer aktivieren bewusst die sogenannte KI-Korrekturanalyse.“
Auto-Completion bei KI-gestützter Bestell- und Auftragserfassung in Freshfin
Wenn am Ende alle Informationen rund um die Bestellung plus die Informationen zum Debitor über dem konfigurierten Schwellenwert liegen, markiert der KI-Belegassistent die den Auftrag als „completed“. „Dann erfasst die Applikation KI-gestützt Bestellungen und Aufträge in Freshfin“, sagt Marius Wessel.
Der Belegassistent ist die zweite KI-Lösung für Freshfin. Zur Fruit Logistica 2026 stellte B.i.Team bereits ein KI-gestütztes Add-on für Qualitätsprüfungen im Fruchthandel vor. Die Applikation bleibt nicht auf Standardprozesse beschränkt. Unternehmen können den Belegassistenten an ihre bestehende Systemlandschaft anpassen – etwa durch die Anbindung anderer Mailsysteme, Dateiablagen oder ERP-Lösungen sowie durch individuelle Matching- und Ausleselogiken.
Unser Lesetipp: Künstliche Intelligenz im Wareneingang
Preis und Qualität entscheiden, ob Konsumenten bei Obst und Gemüse zugreifen. Doch wie sichern Fruchthändler in Zeiten extremer Wetterlagen, Arbeitskräftemangel und steigender Kosten die Qualität? Künstliche Intelligenz (KI) eröffnet Potenziale für Qualitätsprüfungen im Fruchthandel.
Jetzt Beitrag lesenIhre Ansprechpartnerin für KI-gestützte Auftragserfassung mit Freshfin
Daniela Sternal
Daniela ist Account Managerin Freshfin
Seit 2006 betreut Daniela Sternal unsere Branchenlösung Freshfin, mit der Sie Ihre Geschäftsprozesse im Fruchtgroßhandel digitalisieren. Dabei stehen Qualitätssicherung, Rückverfolgbarkeit sowie Bestandsführung Ihres Obsts und Gemüses im Vordergrund.