Daten aus Rechnungen & Bestellungen in Sage Accounting extrahieren

Option 1 – Sage AutoEntry nutzen: integriert, aber begrenzt

Was ist AutoEntry?

AutoEntry ist das integrierte Datenerfassungstool von Sage, ursprünglich entwickelt von einem Startup, das Sage 2019 übernommen hat. Es kann verschiedene Dokumenttypen verarbeiten, darunter Rechnungen, Quittungen, Spesenabrechnungen und Kreditkartenabrechnungen.

Über die Web- oder Mobile-App lassen sich Rechnungspositionen extrahieren und Lieferantenrechnungen direkt in das Buchhaltungssystem übertragen.

Der Hauptvorteil: Nahtlose Integration in Sage. Hochgeladene Dokumente werden automatisch kategorisiert, abgeglichen und mit Ihren Buchhaltungsdaten synchronisiert – was den manuellen Aufwand erheblich reduziert.

Wo AutoEntry an seine Grenzen stößt

Trotz der Zeilenextraktion berichten viele Nutzer über Genauigkeitsprobleme – insbesondere bei komplexen Tabellen oder lieferantenspezifischen Layouts.

AutoEntry erlaubt keine individuellen Vorlagen auf Basis von Prompts oder spezifischen Regeln. Es basiert auf klassischen Machine-Learning-Modellen, die bei variablen Dokumenten weniger präzise sind.

Häufige Nutzerkritikpunkte:

• Manuelle Korrekturen nach der OCR-Verarbeitung notwendig
• Regelmäßige Ausfälle oder längere Wartungszeiten (teils bis zu einer Woche)
• Komplexe oder wenig intuitive Ersteinrichtung

Option 2 – Sage mit externer intelligenter OCR verbinden

Für fortgeschrittene Anforderungen empfiehlt sich eine Intelligent Document Processing (IDP)-Lösung, die über klassische OCR hinausgeht. Diese bietet automatische Dokumententrennung, Klassifizierung, Datenbereinigung, Feldzuordnung und promptbasierte Automatisierung.

Schritt 1: Workflow von Sage zu externer OCR aufbauen

Mit einem Tool wie Make können Sie ein automatisiertes Szenario erstellen, das mit Sage verbunden ist. Typischer Ablauf:

• Erkennung neu eingegangener Lieferantenrechnungen
• Automatischer Download der Dateien aus Sage
• Weiterleitung der Datei an eine externe OCR, z. B. Koncile OCR

Vor der Auswahl sollten Sie prüfen, welche OCR-Tools mit Make kompatibel sind – nicht alle bieten eine reibungslose Integration mit Sage.

Schritt 2: Vorlage für die gewünschten Daten erstellen

Sie können eine eigene Vorlage konfigurieren, um exakt die Felder zu erfassen, die Sie benötigen.

• Im Tab „Allgemein“ wählen Sie Felder wie Lieferantenname, Datum, Rechnungsnummer, Gesamtbetrag usw.
• Im Tab „Tabelle“ definieren Sie Spalten für Positionen (Artikelnummer, Menge, Beschreibung usw.).

Jedes Feld wird mit einem Vertrauenswert versehen, der hilft, unzuverlässige Dokumente automatisch zu filtern.

Schritt 3: Intelligente Dokumentklassifizierung einrichten

Wenn Sie viele verschiedene Dokumenttypen verarbeiten (z. B. Energie-, Transport- oder Dienstleistungsrechnungen), können Sie spezialisierte Vorlagen pro Kategorie anlegen.

Für Standardfälle genügt meist eine allgemeine Vorlage. Bei speziellen Formaten kann eine automatische Klassifizierung jedes Dokument an die passende Vorlage weiterleiten.

 💡  Bei Unsicherheiten (niedriger Vertrauenswert) kann eine manuelle Prüfung auf einen kleinen Anteil der Dokumente (unter 1 %) begrenzt werden.

Schritt 4: Daten exportieren oder automatisch einspeisen

Die extrahierten Daten stehen in CSV- oder Excel-Format sofort zur Verfügung.

Für eine vollständige Automatisierung können Sie eine API-Verbindung einrichten: Daten im JSON-Format werden über Webhook direkt in Sage eingespeist – ganz ohne manuelle Eingabe.

Was lässt sich aus einer Lieferantenrechnung extrahieren?

Allgemeine Informationen

Moderne OCRs (unterstützt durch LLMs) extrahieren zuverlässig Standardfelder wie Lieferantenname, Rechnungsdatum, Gesamtbetrag (inkl. MwSt.), Rechnungsnummer und mehr.

Positionszeilen

Die zeilenweise Extraktion bleibt anspruchsvoll – insbesondere bei umfangreichen Bestellungen. Felder wie Artikelnummern (EAN, SKU, GSIN), Mengen, Beschreibungen und logistische Einheiten sind oft schwer vollständig zu erfassen. Selbst bei E-Rechnungen kann die Zeilenstruktur begrenzt sein.

Branchen- oder spezialisierte Daten

In bestimmten Branchen werden sehr spezifische Felder benötigt, etwa Transport (Incoterms, Frachtcodes, Losnummern) oder Energie. Mit fortgeschrittenen OCR-Lösungen lassen sich diese komplexen Felder präzise und konsistent extrahieren.