Entri - Smarte Buchhaltung: KI-gestützte Automatisierung in der Verbuchung von Rechnungen

Die manuelle Verbuchung von Lieferantenrechnungen bindet Zeit und ist fehleranfällig. Diese Arbeit entwickelt und untersucht mit «Entri» einen KI-gestützten Prototyp, der Belegdaten automatisch erkennt, Buchungen vorschlägt und nach menschlicher Prüfung an Bexio überträgt.

Dennis, Langer, 2026

Art der Arbeit Bachelor Thesis
Auftraggebende Trajecta GmbH
Betreuende Dozierende Brun, Roman
Views: 2
Bei vielen KMUs in der Schweiz werden Lieferantenrechnungen immernoch vollständig manuell in Bexio erfasst. Das wiederkehrende Übertragen von Rechnungsdaten, die Wahl des passenden Buchungskontos und die Zuordnung der Mehrwertsteuer beanspruchen wertvolle Ressourcen und bergen Fehlerrisiken. Gleichzeitig liegen die benötigten Informationen bereits auf den Belegen vor. Die Herausforderung besteht darin, diese zuverlässig zu erkennen, fachlich korrekt zuzuordnen und sicher in die Buchhaltung zu übertragen.
Die Arbeit untersucht zunächst die fachlichen, technischen, rechtlichen und datenschutzrechtlichen Anforderungen an eine automatisierte Rechnungsverarbeitung. Auf Basis des bestehenden Prozesses und von Stakeholder-Interviews wird anschliessend der Prototyp «Entri» entwickelt. Er kombiniert Textextraktion, Large Language Models, regelbasierte Validierungen und eine Benutzeroberfläche. Verschiedene lokale und cloudbasierte Modelle sowie mehrere LLM-Pipeline-Varianten werden mit 50 realen Belegen verglichen und anschliessend in einem Praxistest überprüft.
Die Evaluation zeigt, dass sich die Verbuchung von Lieferantenrechnungen mit KI wirksam unterstützen lässt. Die beste Konfiguration der Pipeline verarbeitete 46 von 50 Testbelegen vollständig korrekt und erreichte damit eine Genauigkeit von 92 %. Im anschliessenden Praxistest direkt im Unternehmen konnten 19 von 20 neuen Belegen ohne manuelle Korrektur in Bexio übernommen werden. Besonders anspruchsvoll bleiben die Wahl des Buchungskontos und des Mehrwertsteuercodes, weshalb die menschliche Kontrolle weiterhin ein zentraler Bestandteil des Prozesses ist. Lokale Sprachmodelle erreichten in dieser Arbeit die angestrebte Qualität nicht, wodurch ein Zielkonflikt zwischen Modellleistung, Datenschutz und Datenhoheit entsteht. Entri liefert damit einen erfolgreichen Machbarkeitsnachweis und zeigt einen konkreten Nutzen für den Arbeitsalltag. Für einen produktiven oder unternehmensübergreifenden Einsatz sind jedoch weitere Tests, technische und datenschutzrechtliche Absicherungen sowie Optimierungen der Benutzeroberfläche erforderlich.
Studiengang: Business Artificial Intelligence (Bachelor)
Keywords Künstliche Intelligenz (KI), Buchhaltung, Automatisierung, Large Language Models (LLMs), Intelligent Document Processing (IDP)
Vertraulichkeit: vertraulich
Art der Arbeit
Bachelor Thesis
Auftraggebende
Trajecta GmbH, Aesch BL
Autorinnen und Autoren
Dennis, Langer
Betreuende Dozierende
Brun, Roman
Publikationsjahr
2026
Sprache der Arbeit
Deutsch
Vertraulichkeit
vertraulich
Studiengang
Business Artificial Intelligence (Bachelor)
Standort Studiengang
Olten
Keywords
Künstliche Intelligenz (KI), Buchhaltung, Automatisierung, Large Language Models (LLMs), Intelligent Document Processing (IDP)