Von E-Mail zur ERP-Rechnung: Logic Apps, Document Int…

Entwicklerjournal · Grundlagen und Praxis

Von E-Mail zur ERP-Rechnung: Logic Apps, Document Intelligence und KI

1. Welches Problem lösen wir?

Eine Rechnung trifft als PDF-Anhang ein. Statt Daten mehrfach abzutippen, soll ein Workflow den Beleg sicher ablegen, den Text erkennen, Rechnungsfelder extrahieren und zur fachlichen Prüfung an ein ERP übergeben. Das Ziel ist nicht, jede KI-Antwort ungeprüft zu buchen, sondern manuelle Erfassung und Sucharbeit zu reduzieren.

2. Welche Azure-Dienste sind beteiligt?

Logic Apps orchestriert E-Mail-Eingang und Folgeaktionen. Azure AI Document Intelligence erkennt Text, Tabellen und je nach Modell Rechnungsfelder. Ein optionales Sprachmodell hilft, unstrukturierte Angaben in ein vereinbartes Schema zu bringen. Eine .NET-Komponente validiert das Ergebnis. Business Central oder Dataverse übernimmt geprüfte Datensätze.

3. Vom Trigger bis zum gesicherten Original

Der Outlook-Trigger liest Anhänge aus einer geeigneten Mailbox. Jede Datei erhält eine Dokument-ID. Prüfe Typ und Größe und speichere das Original unverändert in einem DMS oder Blob Storage. Ein stabiler Schlüssel verhindert wiederholte Verarbeitung derselben Nachricht und ihres Anhangs. Die Dateiendung allein beweist nicht, dass tatsächlich ein PDF vorliegt.

4. OCR und Rechnungsfelder verstehen

OCR extrahiert Zeichen und Positionsinformationen; fachliche Extraktion identifiziert Lieferant, Rechnungsnummer, Datum, Zahlungsinformationen, Netto-/Steuer-/Bruttobeträge und Zeilen. Bei eingescannten Tabellen müssen die Positionsbeziehungen erhalten bleiben. Verwende nach Möglichkeit das passende Document-Intelligence-Modell und prüfe dessen aktuelle unterstützte Formate.

5. Das Datenmodell festlegen

Definiere ein Schema mit Feldtypen, Pflichtfeldern und expliziten unbekannten Werten. Lasse fehlende Rechnungsnummern nicht durch ein Modell erfinden. Halte Quellseite und Fundstelle fest, damit ein Mensch die Angaben später schnell verifizieren kann.

{
  "documentId": "DOC-2026-00042",
  "vendor": "Example Supplier",
  "invoiceNumber": "INV-1042",
  "currency": "EUR",
  "netAmount": 100.00,
  "taxAmount": 19.00,
  "grossAmount": 119.00,
  "reviewStatus": "Pending"
}

6. JSON-Ausgabe unabhängig validieren

Ein JSON-Parser bestätigt nur Syntax. Fachliche Prüfungen vergleichen Netto plus Steuer mit Brutto unter zulässigen Rundungstoleranzen, kontrollieren Datumswerte und Währung, suchen Dubletten und gleichen Lieferantendaten mit freigegebenen ERP-Stammdaten ab. Verwende .NET-decimal für Geldwerte und getrennte Regeln für Gutschriften und mehrere Steuersätze.

7. Warum ein KI-Modell allein keine Buchung auslösen darf

Ein Modell kann eine plausible, aber falsche IBAN oder Rechnungsnummer liefern. Bankänderungen, unbekannte Lieferanten und ungewöhnliche Summen brauchen eine nachvollziehbare Prüfung. Genehmiger sollen Original und erkannte Werte nebeneinander sehen, korrigieren und die Entscheidung dokumentieren können.

8. Persistenz und Datenübergabe

Speichere das geprüfte Extraktionsergebnis mit Dokument-ID, Version und Freigabestatus. Die ERP-Schnittstelle sollte einen langlebigen Übertragungsschlüssel verwenden. Ein Timeout zwischen erfolgreicher Datensatzanlage und Antwort darf keinen zweiten Rechnungsentwurf auslösen. Trenne die Zustände „Extrahiert“, „Validiert“, „Freigegeben“ und „An ERP übertragen“.

9. Datenschutz und Kosten

Rechnungen enthalten vertrauliche Daten. Prüfe Datenregion, Zugriffsrollen, Aufbewahrungsfristen und die Bedingungen externer KI-Dienste. Pro Beleg können OCR-Seiten, KI-Tokens, Azure-Ausführungen, Datenhaltung und menschliche Nachprüfung Kosten verursachen. Miss diese Komponenten getrennt statt nur die Modellrechnung zu betrachten.

10. Was testen wir?

Teste unscharfe Scans, mehrere Seiten, abweichende Mehrwertsteuersätze, Fremdwährungen, Gutschriften, leere Felder, doppelte Eingänge und temporäre Ausfälle. Vergleiche die Ergebnisse anhand eines anonymisierten Testbestands. Nach Änderungen an Prompt oder Modellversion sollten automatisierte Regressionstests laufen.

11. Fazit

Eine zuverlässige Verarbeitung besteht aus einem überprüfbaren Ablauf und nicht aus einem einzigen KI-Aufruf. Das Original, unabhängige Fachregeln und menschliche Freigabe bilden die Grundlage für sichere ERP-Automatisierung.