Foto einer Quittung = verbucht: Wie KI Belege verarbeitet

Sie fotografieren eine Quittung, schicken sie ab – und haben innerhalb weniger Sekunden einen fertigen Buchungssatz mit allen relevanten Daten. Das klingt wie Zauberei, steckt dahinter aber eine ausgereifte Kombination von Technologien, die sich über Jahrzehnte entwickelt haben. OCR (optische Zeichenerkennung), maschinelles Lernen, Computer Vision und natürliche Sprachverarbeitung bilden gemeinsam ein System, das einen Papierbeleg „lesen" und in strukturierte Daten umwandeln kann.

In diesem Artikel werfen wir einen Blick hinter die Kulissen des gesamten Prozesses. Wir erklären, wie die KI Ihre Quittung genau „sieht" und „liest", welche Informationen sie daraus extrahiert, welche Genauigkeit Sie erwarten können und worauf Sie achten sollten. Technisch präzise, aber verständlich – keine akademischen Floskeln, nur eine praxisnahe Erklärung dessen, was vom Drücken des Auslösers bis zum Speichern des Eintrags in Ihrer Buchhaltung passiert.

Schritt 1: Das Foto aufnehmen – was die Verarbeitungsqualität beeinflusst

Alles beginnt mit einem Foto. Und obwohl moderne KI-Systeme auch mit relativ schlechten Aufnahmen zurechtkommen, helfen bestimmte Regeln dabei, bessere Ergebnisse zu erzielen.

Was die KI sehen muss

Aus buchhalterischer Sicht sind auf einer Quittung oder Rechnung folgende Angaben wichtig:

• Lieferant (Firmenname, Steuernummer, Umsatzsteuer-ID)
• Ausstellungsdatum und gegebenenfalls das Datum der steuerpflichtigen Leistung
• Gesamtbetrag
• Steuersatz und Mehrwertsteuerbetrag (falls Sie mehrwertsteuerpflichtig sind)
• Steuerbemessungsgrundlage
• Beschreibung der Waren oder Dienstleistungen (für die korrekte Kategorisierung)
• Belegnummer (für eventuelle Prüfungen)

Was im Telefon passiert, bevor das Foto gesendet wird

Noch bevor Sie das Foto abschicken, nimmt Ihr Telefon grundlegende Optimierungen vor: automatische Scharfstellung, Belichtungskorrektur und Bildkomprimierung. WhatsApp komprimiert das Bild dann leicht für eine schnellere Übertragung, erhält dabei aber ausreichend Qualität für die Texterkennung. Die Auflösung eines typischen WhatsApp-Fotos (ca. 1600 × 1200 Pixel) ist für die OCR-Verarbeitung mehr als ausreichend.

Schritt 2: Bildvorverarbeitung – Vorbereitung für die Erkennung

Wenn das KI-System Ihr Bild empfängt, beginnt es nicht sofort mit dem „Lesen" des Textes. Zunächst führt es eine Reihe von Korrekturen durch, die die Erkennungsgenauigkeit erheblich verbessern.

Geometrische Korrektur

Wenn Sie den Beleg aus einem Winkel fotografiert haben, erkennt das System die perspektivische Verzerrung und „begradigt" das Bild. Stellen Sie sich vor, Sie fotografieren eine Quittung, die auf einem Tisch liegt, leicht von der Seite – die KI kann berechnen, wie der Beleg bei einem Blick von oben aussehen würde, und das Bild entsprechend transformieren.

Beleuchtungskorrektur

Ungleichmäßige Beleuchtung (zum Beispiel ein Schatten durch die Hand) kann dazu führen, dass ein Teil des Textes dunkel und ein anderer hell erscheint. Das System führt eine adaptive Helligkeitsangleichung durch, um einen einheitlichen Kontrast über das gesamte Dokument sicherzustellen.

Umwandlung in ein Schwarzweißbild

Für OCR-Zwecke ist Farbinformation unnötig – entscheidend ist nur der Kontrast zwischen Text und Hintergrund. Das System wandelt das Bild in eine Schwarzweiß- (binäre) Darstellung um, bei der der Text schwarz auf weißem Hintergrund erscheint. Dieser Vorgang wird als Binarisierung bezeichnet, und es gibt ausgereifte Algorithmen, die sich an verschiedene Aufnahmebedingungen anpassen.

Orientierungserkennung

Wenn Sie den Beleg kopfüber oder um 90 Grad gedreht fotografiert haben, erkennt das System automatisch die richtige Textausrichtung und dreht das Bild entsprechend.

Rauschunterdrückung

Papierstruktur, kleine Flecken, der Hintergrund des Tisches – all das ist „Rauschen", das die KI herausfiltern muss, um sich ausschließlich auf relevanten Text und Zahlen zu konzentrieren.

Schritt 3: OCR – Texterkennung aus dem Bild

Jetzt kommt das Herzstück des gesamten Prozesses: die optische Zeichenerkennung (OCR). Vereinfacht gesagt „liest" das System den Text aus dem Bild. Modernes OCR ist jedoch weitaus ausgefeilter, als sich die meisten Menschen vorstellen.

Wie OCR „Buchstaben sieht"

Herkömmliche OCR-Systeme verglichen Formen im Bild mit einer vorgespeicherten Schriftdatenbank. Moderne Systeme auf Basis von Deep Learning funktionieren anders – sie haben gelernt, Zeichen anhand von Hunderten von Millionen Beispielen zu erkennen, ähnlich wie ein menschliches Kind das Lesen erlernt.

Der Prozess läuft in mehreren Phasen ab:

Erkennung von Textbereichen – Ein neuronales Netz identifiziert zunächst, wo sich im Bild Text befindet. Es unterscheidet Text von Logos, Barcodes, Bildern und dekorativen Elementen.

Zeilensegmentierung – Der Text wird in einzelne Zeilen aufgeteilt. Bei Quittungen ist das meist einfach (die Zeilen sind klar getrennt), bei Rechnungen mit Tabellen komplexer.

Zeichenerkennung – Jede Zeile wird analysiert und die einzelnen Zeichen (Buchstaben, Ziffern, Satzzeichen) werden identifiziert. Moderne Systeme verarbeiten ganze Zeilen auf einmal, was die Genauigkeit verbessert – der Kontext der umgebenden Zeichen hilft dabei, auch weniger gut lesbare Zeichen zu erkennen.

Sprachliche Korrektur – Der erkannte Text wird mit einem Sprachmodell abgeglichen. Wenn OCR ein Wort falsch liest, schlägt das Sprachmodell eine Korrektur vor. Diese Nachverarbeitungsphase reduziert die Fehlerquote erheblich.

Genauigkeit moderner OCR in Zahlen

Zum Vergleich: Manuelle Dateneingabe hat eine durchschnittliche Fehlerquote von 1–4 % auf Feldebene. Bei monotoner Eingabe (zum Beispiel 50 Quittungen hintereinander) steigt die Fehlerquote mit zunehmender Ermüdung.

Schritt 4: Intelligente Datenextraktion – vom Text zu strukturierten Daten

OCR liefert Ihnen „rohen" Text. Aber der Text „Gesamt: 1.234,50 Kč" ist für einen Computer immer noch nur eine Zeichenkette. Der nächste Schritt besteht darin, zu verstehen, was dieser Text bedeutet – also die richtigen Werte den richtigen Feldern zuzuordnen.

Wie die KI die Struktur eines Belegs versteht

Jedes Geschäft, jedes Restaurant oder jeder Lieferant verwendet ein anderes Quittungsformat. Albert hat ein anderes Layout als Lidl, eine Tankstelle ein anderes als eine Apotheke. Dennoch kann die KI aus allen dieselben Informationen extrahieren. Wie?

Layout-Analyse – Die KI analysiert die räumliche Anordnung des Textes auf dem Beleg. Sie erkennt die Kopfzeile (Informationen zum Verkäufer), den Hauptteil (Artikelliste) und die Fußzeile (Summen, Mehrwertsteuer, Zahlung).

Kontextbasierte Erkennung – Das System sucht nach Schlüsselwörtern und Mustern. „Gesamt", „Summe", „Zu zahlen" weisen auf den Gesamtbetrag hin. „MwSt.", „21 %", „7 %" signalisieren Steuerinformationen. „Datum", ein Leerzeichen und das Format TT.MM.JJJJ verweisen auf das Ausstellungsdatum.

Beziehungsmapping – Die KI versteht die Beziehungen zwischen Daten. Die Zahl hinter „Gesamt" ist der Gesamtbetrag. Der Prozentsatz hinter „MwSt." ist der Steuersatz. Der Betrag in der Zeile mit „MwSt. 21 %" ist der Steuerbetrag für diesen Satz.

Konkretes Beispiel einer Extraktion

Stellen Sie sich diese Quittung eines Elektronikhändlers vor:

DATART International, a.s.
IČO: 64828824
DIČ: CZ64828824
Filiale: OC Chodov, Praha 4

Datum: 15.02.2026  Uhrzeit: 14:23
Kasse: 3  Belegnr.: 2026-00847

USB-C Kabel 2m              249,00
Kabellose Maus              599,00
Mauspad                     149,00
                         ----------
Zwischensumme:              997,00
MwSt. 21 %:                 172,89
Nettobetrag 21 %:           824,11
GESAMT:                     997,00

Kartenzahlung:              997,00
Karte: **** **** **** 4521

Die KI extrahiert aus diesem Text:

Datenvalidierung – Überprüfung der Richtigkeit

Nach der Extraktion führt die KI automatische Prüfungen durch:

• Mathematische Prüfung: Nettobetrag (824,11) + MwSt. (172,89) = Gesamt (997,00)? Ja, stimmt.
• Prüfung des MwSt.-Satzes: 21 % von 824,11 = 173,06? Die geringe Abweichung ist auf Rundung zurückzuführen – innerhalb der Toleranz.
• Prüfung der IČO: 64828824 – entspricht dem Format (8 Ziffern), kann im Register ARES geprüft werden.
• Datumsvalidierung: 15.02.2026 – gültiges Datum, liegt nicht in der Zukunft und nicht zu weit in der Vergangenheit.
• Prüfung der DIČ: CZ64828824 – entspricht dem Format, stimmt mit der IČO überein.

Schlägt eine der Prüfungen fehl, weist das System Sie darauf hin und bittet um eine manuelle Überprüfung.

Schritt 5: Intelligente Kategorisierung – wohin gehört der Beleg?

Die bloße Datenextraktion reicht nicht aus. Für eine korrekte steuerliche Erfassung muss jeder Beleg in die richtige Kategorie eingeordnet werden. Und hier zeigt die KI ihre wahre Stärke gegenüber einfachem OCR.

Wie die KI eine Kategorie auswählt

Die Kategorisierung erfolgt auf Basis mehrerer Signale gleichzeitig:

Lieferant – Wenn der Lieferant eine Tankstelle ist, handelt es sich mit hoher Wahrscheinlichkeit um Kraftstoff. Ein Elektronikhändler wie Alza oder DATART deutet auf IT-Ausstattung hin. Großhandelslieferanten signalisieren Großeinkäufe.

Positionen auf dem Beleg – Erkannte Artikel („USB-Kabel", „Maus", „Mauspad") ermöglichen eine präzisere Kategorisierung: IT-Ausstattung / Bürobedarf.

Betrag und Kontext – Ein kleiner Betrag bei einem Lebensmittellieferanten (5–15 €) deutet auf Verpflegung hin. Ein hoher Betrag beim selben Lieferanten (80 €+) könnte ein Firmencatering sein.

Nutzerhistorie – Wenn Sie in der Vergangenheit Belege desselben Lieferanten einer bestimmten Kategorie zugeordnet haben, berücksichtigt die KI diese Präferenz.

Zeitpunkt und Häufigkeit – Ein Beleg von einer Tankstelle jeden Montagmorgen ist wahrscheinlich das regelmäßige Betanken eines Firmenwagens.

Lernen aus Ihren Korrekturen

Eine Schlüsseleigenschaft moderner KI-Systeme ist die Fähigkeit zu lernen. Wenn Sie eine Kategorie korrigieren – zum Beispiel einen Restaurantbeleg von „Verpflegung" auf „Repräsentation, Mittagessen mit Kunden" umbuchen – merkt sich das System diese Korrektur. Beim nächsten ähnlichen Beleg schlägt es die richtige Kategorie mit höherer Zuverlässigkeit vor.

Dieser Prozess nennt sich „Lernen aus Rückmeldungen" (Reinforcement Learning from Human Feedback) und ist der Grund dafür, dass ein KI-Assistent umso besser funktioniert, je länger Sie ihn nutzen.

Schritt 6: Speicherung und Archivierung

Der letzte Schritt ist das Speichern der strukturierten Daten und des Originalfotos.

Was gespeichert wird

• Strukturierte Daten: Alle extrahierten Felder im Datenbankformat (Datum, Betrag, Lieferant, Kategorie, MwSt. ...)
• Originalfoto: Archivkopie in voller Auflösung als Nachweis für die Existenz des Belegs
• Metadaten: Verarbeitungszeitpunkt, Version des KI-Modells, Zuverlässigkeitswerte für einzelne Felder
• Änderungshistorie: Falls Sie etwas korrigiert haben, wird auch der Verlauf der Änderungen gespeichert

Gesetzliche Anforderungen an die Archivierung

Sonderfälle: Was die KI schafft und wo sie an Grenzen stößt

Quittungen auf Thermopapier

Thermopapier (die üblichen Quittungen aus Läden und Restaurants) verblasst mit der Zeit. Die KI kann auch teilweise verblasste Quittungen verarbeiten, aber je früher Sie sie fotografieren, desto besser das Ergebnis. Bei sehr alten und stark verblassten Belegen kann die Genauigkeit geringer ausfallen.

Empfehlung: Fotografieren Sie Quittungen so schnell wie möglich nach dem Erhalt – am besten direkt an der Kasse.

Mehrsprachige Belege

Wenn Sie im Ausland oder bei ausländischen Lieferanten einkaufen, unterstützen KI-Systeme die Texterkennung in den meisten europäischen Sprachen. Moderne OCR-Modelle werden gleichzeitig auf Dutzenden von Sprachen trainiert.

Belege mit mehreren MwSt.-Sätzen

Manche Einkäufe enthalten Positionen mit unterschiedlichen MwSt.-Sätzen (zum Beispiel Lebensmittel mit reduziertem Satz und Non-Food-Artikel mit dem Standardsatz). Die KI kann die einzelnen Sätze erkennen und korrekt voneinander unterscheiden.

Gutschriften und Korrekturdokumente

Die KI erkennt, dass es sich um eine Gutschrift handelt (negativer Betrag, Text „Gutschrift" oder „Korrekturdokument") und erfasst diese korrekt als Ausgabenreduzierung, nicht als neue Ausgabe.

PDF-Rechnungen

Elektronische Rechnungen im PDF-Format sind für die KI paradoxerweise einfacher als Fotos von Papierdokumenten – der Text ist direkt maschinenlesbar, ein klassisches OCR ist im eigentlichen Sinne nicht erforderlich. Die Extraktionsgenauigkeit aus PDF-Dateien nähert sich nahezu 100 %.

Wie die KI sich kontinuierlich verbessert

Einer der größten Vorteile der KI-gestützten Belegverarbeitung ist die kontinuierliche Verbesserung. Jeder verarbeitete Beleg trägt dazu bei, dass das System präziser wird.

Globales Lernen

Wenn Tausende von Nutzern Belege derselben Handelskette einsenden, lernt die KI, das spezifische Quittungsformat dieser Kette zu erkennen. Ein neuer Nutzer profitiert davon, dass das System dieses Format bereits kennt.

Personalisiertes Lernen

Ihre Korrekturen und Bestätigungen helfen der KI, Ihre spezifischen Bedürfnisse besser zu verstehen. Wenn Sie als IT-Berater Restaurantbelege immer als „Repräsentation – Mittagessen mit Kunden" kategorisieren, passt sich das System Ihrem Profil an.

Modell-Updates

Die Entwickler trainieren KI-Modelle regelmäßig mit neuen Daten, ergänzen Unterstützung für neue Belegformate und verbessern die Genauigkeit anhand anonymisierter Nutzerfeedbacks.

Praxistest: Verarbeitung von 5 verschiedenen Belegen

Damit dieser Artikel nicht nur Theorie bleibt, schauen wir uns einen typischen Beleg-Mix an, den ein Selbstständiger (OSVČ) an einem Tag sammeln könnte:

| Beleg | Typ | Erwartetes KI-Ergebnis | Mögliches Problem | |-------|-----|------------------------|-------------------| | Tankstellenquittung | Thermopapier, gedruckt | Kraftstoff, 1.580 Kč, MwSt. 21 % | Keines – Standardformat | | Rechnung vom Webhosting (PDF) | Elektronische PDF | IT-Dienstleistungen, 290 Kč/Monat, MwSt. 21 % | Keines – PDF ist ideale Eingabe | | Kassenbon aus dem Schreibwarenhandel | Thermopapier, klein | Bürobedarf, 347 Kč | Kleines Format, mögliches Abschneiden | | Restaurantrechnung (Mittagessen mit Kunden) | Gedruckt auf Normalpapier | Verpflegung/Repräsentation, 890 Kč | Kategorie muss präzisiert werden | | Handwerkerrechnung für ein Logo (handgeschrieben) | Teilweise handgeschrieben, nicht standardisiert | Dienstleistungen/Marketing, 5.000 Kč | Handschrift – geringere Genauigkeit |

Von fünf Belegen werden wahrscheinlich 3–4 vollautomatisch ohne manuellen Eingriff verarbeitet. Bei 1–2 müssen Sie die Kategorie bestätigen oder präzisieren. In der Praxis ist das eine Frage von Sekunden, nicht von Minuten.

Häufig gestellte Fragen

Wie genau ist die Erkennung tschechischer Quittungen? Bei standardmäßig gedruckten Quittungen aus Handelsketten und Tankstellen liegt die Genauigkeit bei 97–99 %. Tschechische Besonderheiten (diakritische Zeichen, Datumsformat TT.MM.JJJJ, Dezimalkomma bei Beträgen) werden in modernen KI-Modellen vollständig unterstützt.

Erkennt die KI auch eine Quittung mit durchgedrucktem Papier? Teilweise. Wenn der Durchdruck gering ist und die wichtigsten Angaben (Betrag, Datum) lesbar sind, kommt die KI damit zurecht. Bei stark durchgedruckten oder gefalteten Belegen kann die Genauigkeit geringer sein – in diesem Fall bittet das System um manuelle Ergänzung.

Was, wenn eine Quittung private und geschäftliche Einkäufe vermischt? Die KI extrahiert alle Positionen. Sie können dann markieren, welche Positionen geschäftlich und welche privat sind. Das System trennt den buchhalterisch relevanten Teil entsprechend.

Funktioniert die Erkennung auch bei ausländischen Belegen? Ja, moderne OCR-Systeme unterstützen Dutzende von Sprachen und Währungen. Ein Beleg auf Deutsch, Englisch oder Slowakisch wird genauso zuverlässig verarbeitet wie ein tschechischer.

Was passiert, wenn die KI etwas falsch erkennt? Sie erhalten eine Zusammenfassung der erkannten Daten zur Bestätigung. Ist ein Wert falsch, korrigieren Sie ihn einfach. Die KI merkt sich die Korrektur für das nächste Mal. Jeder verarbeitete Beleg trägt so zu einer höheren Genauigkeit in der Zukunft bei.

Ersetzt die KI-Belegscannung klassische Scanner? Für Selbstständige und steuerliche Aufzeichnungen: ja. Die Kamera eines modernen Smartphones liefert Aufnahmen in ausreichender Qualität für die Archivierung. Professionelle Buchführungsbüros, die täglich Tausende von Belegen verarbeiten, bevorzugen möglicherweise weiterhin dedizierte Scanner – für einzelne Selbstständige ist das Telefon jedoch mehr als ausreichend.

Hören Sie auf, abzutippen – fangen Sie an zu fotografieren

Die Technologie zur automatischen Belegverarbeitung ist im Jahr 2026 ausgereift genug, um die manuelle Dateneingabe bei gewöhnlichen Selbstständigen zuverlässig zu ersetzen. Eine Genauigkeit von über 99 % bei gedruckten Belegen, Verarbeitung in wenigen Sekunden und kontinu