Wie wir 10.000 Rechnungen pro Monat automatisiert haben

Wenn 350–500 Rechnungen pro Tag in der Finanzabteilung eines Distributors landen, wird die manuelle Bearbeitung zum Engpass. Ein Buchhalter benötigt 4–6 Minuten pro Dokument.

Was wir gemacht haben

Eine Pipeline auf GPT-4 + RAG über der Vertragsdatenbank und 1C-Stammdaten. Das LLM klassifiziert das Dokument, gleicht es mit offenen Verträgen ab und veröffentlicht einen Buchungsentwurf im ERP.

Zahlen nach 4 Monaten

• 92% der Dokumente ohne menschlichen Eingriff
• Durchlaufzeit von Eingang bis Buchung — 4 Min. statt 47
• Klassifikationsgenauigkeit der Kostenarten — 96,4%

Stack

Vector DB: pgvector. LLM: GPT-4 + lokales Llama 3 für sensible Dokumente. Queue: RabbitMQ. 1C-Integration via REST. On-Prem deployed.