OCR-Pipelines für Belege: Technik, die DATEV und sevDesk automatisiert füllt

Warum Belege noch immer manuell getippt werden

In vielen mittelständischen Unternehmen landen Eingangsrechnungen per E-Mail, per Post oder als PDF-Anhang im Postfach. Jemand öffnet die Datei, liest Rechnungsnummer, Datum, Nettobetrag, Umsatzsteuer und Kostenstelle ab und tippt die Werte in DATEV Unternehmen online oder sevDesk ein. Bei 120 bis 200 Belegen pro Monat summiert sich das auf 15 bis 25 Stunden reine Tipparbeit. Fehler beim Abtippen kosten weitere Zeit in der Korrektur, und die Buchhaltung wartet auf Freigaben, die im E-Mail-Verteiler hängen bleiben.

Technisch ist das längst lösbar: OCR (Optical Character Recognition) extrahiert strukturierte Daten aus Bildern und PDFs, APIs von DATEV und sevDesk nehmen diese Daten entgegen, und Workflow-Plattformen wie n8n orchestrieren den Prozess Ende zu Ende. Trotzdem scheuen viele Unternehmen den Aufbau einer Pipeline, weil unklar ist, welche Komponenten zusammenspielen müssen und wo Fehlerquellen lauern.

Dieser Artikel zeigt die technische Architektur einer OCR-Pipeline für Belege, beschreibt konkrete Schritte zur Integration in DATEV oder sevDesk und benennt typische Stolpersteine aus Projekten im Bau- und Handwerksbereich.

Was eine OCR-Pipeline technisch leisten muss

Eine produktionsreife Pipeline für Belegerfassung besteht aus fünf aufeinander abgestimmten Schritten:

1. Dokumenten-Eingang: E-Mail-Anhänge, Scans oder Uploads landen in einem definierten Eingangsordner oder Postfach.
2. Vorverarbeitung: PDFs werden in Bilder konvertiert, Scans werden gedreht, Kontrast wird normalisiert.
3. OCR und Extraktion: Ein OCR-Dienst liest den Text aus, ein nachgelagerter Klassifikator oder regelbasiertes Skript extrahiert die relevanten Felder (Rechnungsnummer, Datum, Beträge, Lieferant, Kostenstelle).
4. Validierung und Enrichment: Steuerberechnungen werden geprüft, Lieferanten werden gegen eine Stammdatentabelle abgeglichen, fehlende Kostenstellen werden per Lookup ergänzt.
5. Übergabe an Buchhaltungssystem: Die strukturierten Daten werden per API an DATEV oder sevDesk übertragen, der Originalbeleg wird als Anhang verknüpft.

Die Pipeline muss deterministisch arbeiten: Jeder Beleg durchläuft dieselben Schritte, Fehler werden protokolliert, und manuelle Eingriffe geschehen an definierten Eskalationspunkten.

OCR-Dienste im Vergleich: Tesseract, Cloud-OCR und spezialisierte Lösungen

Für die eigentliche Texterkennung stehen drei Technologieklassen zur Wahl:

• Tesseract (Open Source): Lokal ausführbar, DSGVO-unkritisch, kostenlos. Liefert bei sauberen Scans gute Ergebnisse, erfordert aber manuelle Nachjustierung bei schrägen oder kontrastarmen Dokumenten. Eignet sich für Self-Hosted-Szenarien, wenn das Unternehmen die Daten nicht extern verarbeiten will.
• Cloud-OCR (Google Cloud Vision, Azure Computer Vision, AWS Textract): Hohe Erkennungsrate auch bei schlechter Bildqualität, vorgefertigte Modelle für Rechnungen und Formulare. Daten verlassen die EU, daher sind AV-Verträge und Datenfluss-Dokumentation Pflicht. Kosten liegen bei 0,0015 bis 0,005 Euro pro Seite.
• Spezialisierte Invoice-OCR (Mindee, Klippa, ABBYY FlexiCapture): Trainiert auf Rechnungsformate, extrahiert strukturierte JSON-Objekte mit Feldern wie invoice_number, total_amount, tax_amount. Spart Entwicklungszeit, kostet aber 0,05 bis 0,20 Euro pro Dokument. Für den Mittelstand mit 150 Belegen monatlich bedeutet das 7,50 bis 30 Euro laufende Kosten.

In der Praxis hat sich gezeigt: Tesseract reicht für standardisierte Lieferantenrechnungen, sobald aber handschriftliche Vermerke oder Fotokopien ins Spiel kommen, zahlt sich ein spezialisierter Dienst aus.

Feldextraktion: Regex, Layoutanalyse oder LLM?

Nach der Texterkennung liegt ein Rohtext vor. Die relevanten Felder müssen strukturiert extrahiert werden. Drei Ansätze sind gebräuchlich:

1. Regelbasiert mit Regex: Muster wie Rechnungsnummer:\s*(\d+) oder Gesamt\s+EUR\s+([\d.,]+) greifen Werte ab. Funktioniert zuverlässig bei gleichbleibenden Lieferanten, bricht aber bei Layout-Änderungen.
2. Layoutanalyse (Bounding Boxes): Cloud-OCR liefert Koordinaten der erkannten Textblöcke. Ein Skript sucht den Block mit dem Label “Total” und liest den Wert rechts daneben. Robuster gegenüber Formatwechseln, erfordert aber Training oder manuelles Mapping.
3. LLM-basierte Extraktion: Ein GPT-4- oder Claude-Prompt erhält den OCR-Text und gibt strukturiertes JSON zurück. Flexibel, verarbeitet auch ungewöhnliche Layouts, kostet aber 0,002 bis 0,01 Euro pro Beleg und erfordert Prompt-Engineering, um Halluzinationen bei Beträgen zu vermeiden.

Für eine Pipeline im Mittelstand empfiehlt sich ein hybrider Ansatz: Regelbasiert für die Top 10 Lieferanten, LLM-Fallback für den Rest. So bleibt die Kostenkontrolle gewahrt, und die Erkennungsrate liegt dennoch über 95 Prozent.

Integration in DATEV: API-Zugang und Datenmodell

DATEV bietet seit 2021 die DATEV Unternehmen online API (REST) für den Import von Belegen und Buchungssätzen. Der Zugriff erfolgt über OAuth2, die Berechtigungen müssen vom Steuerberater freigegeben werden.

Die Pipeline überträgt pro Beleg folgende Datenfelder:

• document_date (Rechnungsdatum)
• document_number (Rechnungsnummer)
• supplier_id (Kreditorennummer aus DATEV-Stammdaten)
• net_amount, tax_amount, gross_amount
• account (Sachkonto, z. B. 4400 für Wareneingang)
• cost_center (optional, falls Kostenstellenrechnung aktiviert)
• Anhang als Base64-codiertes PDF

Ein typischer POST-Request sieht so aus:

{
  "document_date": "2026-08-10",
  "document_number": "RE-2026-08123",
  "supplier_id": "70001",
  "net_amount": 1200.00,
  "tax_amount": 228.00,
  "gross_amount": 1428.00,
  "account": "4400",
  "cost_center": "BAU-01",
  "attachment": "JVBERi0xLjQKJeLjz9..."
}

DATEV prüft die Steuersätze automatisch, lehnt aber Buchungen ab, wenn die Kreditorennummer fehlt oder das Sachkonto gesperrt ist. Die Pipeline muss auf HTTP 400 reagieren und den Beleg in eine manuelle Prüfwarteschlange verschieben.

Integration in sevDesk: Webhooks und Stammdaten-Abgleich

sevDesk stellt eine umfangreichere REST-API bereit, die ohne Steuerberater-Freigabe auskommt. Authentifizierung erfolgt per API-Token.

Der Ablauf:

1. Lieferant anlegen oder finden: GET /Contact?name={supplier_name} prüft, ob der Lieferant existiert. Falls nicht, legt POST /Contact einen neuen Datensatz an.
2. Beleg hochladen: POST /Voucher mit Feldern voucherDate, supplier, sumNet, sumTax, sumGross, costCentre.
3. PDF anhängen: POST /VoucherPos verknüpft das Original-PDF.

sevDesk erlaubt auch Webhooks: Sobald ein Beleg manuell freigegeben wird, sendet sevDesk ein Event an die Pipeline, die daraufhin eine Zahlungsfreigabe im ERP-System triggert.

Ein Vorteil von sevDesk: Die API liefert Stammdaten im JSON-Format, sodass die Pipeline Lieferantennamen fuzzy matchen kann (Levenshtein-Distanz < 3). Das fängt Tippfehler im OCR ab.

Orchestrierung in n8n: Workflow-Design für Belegverarbeitung

n8n eignet sich gut als Workflow-Engine, weil es Self-Hosted betrieben werden kann und vorgefertigte Nodes für IMAP, PDF-Verarbeitung, HTTP-Requests und Datenbanken mitbringt.

Ein typischer Workflow sieht so aus:

1. IMAP-Trigger: Überwacht “, lädt Anhänge herunter.
2. PDF zu Bild: Node Convert to File (ImageMagick oder Ghostscript).
3. OCR-Node: HTTP-Request an Mindee oder Tesseract-Container.
4. Feldextraktion: Function-Node mit JavaScript oder Python-Skript.
5. Validation: Prüft, ob gross_amount = net_amount + tax_amount (Toleranz 0,02 Euro wegen Rundung).
6. Lieferanten-Lookup: Abfrage gegen PostgreSQL-Tabelle suppliers.
7. API-Post: HTTP-Request an DATEV oder sevDesk.
8. Fehlerbehandlung: Bei HTTP 4xx/5xx Weiterleitung an Slack oder E-Mail-Node, Beleg wird in error-Ordner verschoben.

Der Workflow läuft alle 5 Minuten, verarbeitet Belege sequenziell und protokolliert jeden Schritt in einer Audit-Tabelle.

Qualitätssicherung: Was schief gehen kann und wie Sie gegensteuern

Aus 12 Projekten im Bau- und Handwerk kennen wir folgende Fehlerquellen:

• OCR liest Beträge falsch: Bei handschriftlichen Korrekturen oder überlagerten Stempeln. Lösung: Plausibilitätsprüfung (Netto + Steuer = Brutto), bei Abweichung > 1 Prozent manuelle Prüfung.
• Lieferant nicht gefunden: Name auf Rechnung weicht von Stammdaten ab (“Müller Baustoffe GmbH” vs. “Müller Baustoffe”). Lösung: Fuzzy Matching oder LLM-gestützte Normalisierung.
• Kostenstelle fehlt: Pipeline kann Kostenstelle nicht automatisch zuordnen. Lösung: Regelwerk nach Sachkonto (4400 → BAU-01) oder manuelle Nacherfassung in sevDesk, Webhook triggert Aktualisierung.
• DATEV-API gibt 429 (Rate Limit): Bei Batch-Importen. Lösung: Exponential Backoff, maximal 10 Requests pro Minute.

Eine produktionsreife Pipeline erreicht 92 bis 97 Prozent vollautomatische Verarbeitung. Die verbleibenden 3 bis 8 Prozent landen in einer Prüfwarteschlange, die täglich abgearbeitet wird.

Realistische Zeitersparnis und Kosten

Ein mittelständischer Bauunternehmer mit 180 Belegen pro Monat spart durch OCR-Pipeline:

• Vorher: 20 Stunden manuelle Erfassung (180 Belege × 6,5 Minuten)
• Nachher: 1,5 Stunden Prüfung der Fehler-Queue (5 Prozent Fehlerquote)
• Ersparnis: 18,5 Stunden pro Monat, entspricht 222 Stunden jährlich

Bei einem internen Stundensatz von 35 Euro ergibt das 7.770 Euro jährliche Einsparung.

Gegenkosten:

• OCR-Dienst (Mindee): 180 Belege × 0,10 Euro = 18 Euro monatlich
• n8n Self-Hosted: Server 15 Euro monatlich
• Entwicklung und Konfiguration: 12 bis 18 Stunden einmalig

ROI nach 3 bis 4 Monaten.

Was in diesem Artikel nicht funktioniert

Folgende Ansätze haben sich in der Praxis als untauglich erwiesen:

• Vollautomatische Buchung ohne Validierung: Führt zu Fehlbuchungen, die der Steuerberater aufwändig korrigieren muss.
• OCR auf Smartphone-Fotos ohne Normalisierung: Schräge Perspektive und schlechte Beleuchtung senken Erkennungsrate auf unter 70 Prozent.
• Einmalige Regex-Regeln für alle Lieferanten: Bricht beim ersten Layout-Wechsel, erfordert ständige Nachpflege.

Nächste Schritte für Ihre Buchhaltungs-Pipeline

Sie wollen Belege nicht länger abtippen, sondern eine Pipeline aufbauen, die DATEV oder sevDesk automatisch befüllt und dabei DSGVO-konform bleibt? Lassen Sie uns die Architektur für Ihr Unternehmen skizzieren und in einem Pilotprojekt mit 50 Belegen die Erkennungsrate messen.

Sprechen Sie mit uns

Sie möchten das in Ihrem Betrieb umsetzen? Wir bauen die passende Maschine mit Ihnen.

Telefon: 040 468 967 680
E-Mail: info@whitefox-automations.com
Oder über unser Kontaktformular.