KI-Agent für Bestellbestätigungen: SAP automatisch

TL;DR

Ein KI-Agent liest Bestellbestätigungen aus E-Mails und PDFs, extrahiert Liefertermine, Mengen und Preise und gleicht sie automatisch mit SAP-Bestellungen ab. Bei 3.000 Bestätigungen pro Monat spart der Agent 160 Arbeitsstunden und €78.000 jährlich. Abweichungen eskaliert er an den zuständigen Einkäufer, Standardfälle bucht er selbstständig in SAP ein.

Das Problem: Bestellbestätigungen manuell in SAP pflegen

Jeder Einkäufer kennt es: Der Lieferant schickt die Bestellbestätigung per E-Mail. Als PDF-Anhang, manchmal als Fließtext in der Mail, gelegentlich per Fax. Der Einkäufer öffnet SAP, sucht die Bestellnummer, vergleicht Liefertermin, Menge und Preis mit der Bestätigung und trägt die Daten ein. Pro Bestätigung dauert das 3-5 Minuten.

Bei einem mittelständischen Fertigungsbetrieb mit 200 Lieferanten kommen monatlich 2.500-4.000 Bestellbestätigungen an. Das bindet 1-2 Vollzeitstellen nur für die manuelle Dateneingabe. Fehler passieren regelmäßig: Falsch übertragene Liefertermine, übersehene Preisabweichungen, vergessene Teillieferungen.

Typische Fehlerquellen bei manueller Verarbeitung:

So funktioniert der KI-Agent für Bestellbestätigungen

Der Agent arbeitet in vier Schritten: E-Mail empfangen, Dokument analysieren, mit SAP abgleichen, Ergebnis buchen oder eskalieren.

# KI-Agent Bestellbestätigung - Architektur
agent:
  name: "AB-Agent (Auftragsbestätigung)"
  trigger: "Neue E-Mail in einkauf@firma.de"

  schritt_1_eingang:
    email_parsing: "IMAP-Abruf alle 5 Minuten"
    anhang_extraktion: "PDF, Word, Bild (OCR)"
    lieferantenkennung: "E-Mail-Adresse → SAP-Kreditorennummer"

  schritt_2_extraktion:
    llm: "Llama 3.1 8B (lokal via Ollama)"
    felder:
      - "Bestellnummer (PO-Nummer)"
      - "Liefertermin (Datum)"
      - "Einzelpositionen (Artikel, Menge, Preis)"
      - "Abweichungen zum Originalauftrag"
    genauigkeit: "96,4% bei strukturierten PDFs, 89% bei Fließtext"

  schritt_3_abgleich:
    sap_verbindung: "RFC über PyRFC"
    prüfungen:
      - "Bestellnummer existiert in SAP MM"
      - "Liefertermin innerhalb Toleranz (±3 Tage)"
      - "Preis innerhalb Toleranz (±2%)"
      - "Menge stimmt überein"

  schritt_4_aktion:
    standard: "Bestätigung in SAP einbuchen (ME29N)"
    abweichung: "E-Mail an zuständigen Einkäufer mit Diff-Ansicht"
    fehler: "Ticket in Jira erstellen, Agent pausiert"

  sap_transaktionen:
    lesen: "ME23N (Bestellung anzeigen)"
    schreiben: "ME29N (Bestätigung erfassen)"
    report: "ME2M (Bestellübersicht)"

Dokumentenextraktion mit LLM

Der KI-Agent nutzt ein lokales Llama 3.1 8B Modell über Ollama, um die relevanten Felder aus der Bestellbestätigung zu extrahieren. Das Modell erhält das PDF als Text (nach OCR-Verarbeitung) und einen strukturierten Prompt, der die gewünschten Felder definiert.

Die Extraktion funktioniert zuverlässig bei 94-97% aller strukturierten PDFs. Bei Fließtext-E-Mails liegt die Genauigkeit bei 87-91%. Für die verbleibenden Fälle greift die Eskalation an den Einkäufer.

SAP-Abgleich und automatische Buchung

Über PyRFC verbindet sich der Agent direkt mit dem SAP-System. Er ruft die Originalbestellung ab (BAPI_PO_GETDETAIL), vergleicht die extrahierten Daten und bucht bei Übereinstimmung die Bestätigung automatisch ein (BAPI_PO_CONFIRM).

Toleranzgrenzen definieren, wann der Agent selbstständig handelt und wann er eskaliert. Übliche Einstellungen: ±3 Tage beim Liefertermin, ±2% beim Preis, exakte Übereinstimmung bei der Menge. Diese Schwellwerte passen Sie an Ihre Einkaufsrichtlinien an.

Praxisbeispiel: Automobilzulieferer aus Bayern

Ein Automobilzulieferer mit 310 Mitarbeitern verarbeitet monatlich 3.200 Bestellbestätigungen von 180 Lieferanten. Vor der Einführung des KI-Agents waren zwei Einkaufssachbearbeiter zu 70% mit der manuellen Eingabe beschäftigt.

Nach der Implementierung des KI-Agents:

• 92% Automatisierungsquote: 2.944 von 3.200 Bestätigungen werden vollautomatisch verarbeitet
• Fehlerquote: Sank von 4,2% auf 0,8%
• Zeitersparnis: 160 Stunden/Monat (2 FTE × 80 Stunden)
• Jährliche Einsparung: €78.000 (Personalkosten) + €34.000 (vermiedene Fehlerkosten)

Die zwei Sachbearbeiter bearbeiten jetzt nur noch die 256 eskalierten Fälle pro Monat und übernehmen zusätzlich Lieferantenbewertung und Verhandlungsvorbereitung.

Kosten und ROI

Bei €112.000 jährlicher Einsparung (Personal + Fehlervermeidung) ergibt sich ein ROI von 255% im ersten Jahr. Die Amortisation ist nach 3,4 Monaten erreicht.

Die Gesamtkosten liegen deutlich unter kommerziellen Lösungen wie Celonis oder Abbyy, die €50.000-150.000 pro Jahr kosten.

Technische Voraussetzungen

SAP-seitig:

• SAP ERP 6.0 oder S/4HANA
• RFC-Berechtigungen für BAPI_PO_GETDETAIL und BAPI_PO_CONFIRM
• Technischer Benutzer mit eingeschränkten Rechten (keine Dialog-Berechtigung)

Infrastruktur:

• GPU-Server für Ollama (RTX 4060 Ti reicht für 8B-Modell)
• Python 3.11+ mit PyRFC und SAP NW RFC SDK
• E-Mail-Zugang über IMAP (Exchange, Gmail oder lokaler Server)

Organisatorisch:

• Toleranzgrenzen durch Einkaufsleitung freigeben lassen
• Eskalationsprozess definieren (wer reagiert auf Abweichungen?)
• Testphase mit Schattenverarbeitung (Agent läuft parallel, bucht nicht)

Schritt-für-Schritt zur Einführung

Woche 1-2: Analyse der Bestellbestätigungs-Formate. Sammeln Sie 100 Beispiel-PDFs von Ihren Top-20-Lieferanten. Kategorisieren Sie die Formate.

Woche 3-4: LLM-Pipeline aufbauen. Prompt-Engineering für die Feldextraktion. Genauigkeit mit den 100 Beispielen validieren. Ziel: über 90% korrekte Extraktion.

Woche 5-6: SAP-Integration. RFC-Verbindung aufbauen, BAPI-Aufrufe testen, Toleranzgrenzen konfigurieren. Testbuchungen im SAP-Testsystem.

Woche 7-8: Schattenphase. Agent verarbeitet alle Bestätigungen, bucht aber nicht in SAP. Einkäufer vergleicht Agent-Ergebnis mit eigener Eingabe. Korrekturen fließen als Trainingsdaten zurück.

Woche 9-10: Go-Live mit automatischer Buchung. Zunächst nur für die 5 Lieferanten mit den standardisiertesten Formaten. Schrittweise Erweiterung auf alle Lieferanten.

FAQ

Funktioniert der Agent auch mit handschriftlichen Bestellbestätigungen?

Bedingt. OCR erkennt Handschrift mit 60-75% Genauigkeit, zu wenig für automatische Buchung. Handschriftliche Bestätigungen werden immer an den Einkäufer eskaliert.

Kann der Agent auch Lieferavis und Rechnungen verarbeiten?

Ja. Die Architektur ist erweiterbar. Lieferavis (ASN) und Rechnungen folgen ähnlichen Mustern. Die SAP-Transaktionen ändern sich (VL32N für Lieferavis, MIRO für Rechnungen), die LLM-Pipeline bleibt gleich.

Was passiert bei einem SAP-Ausfall?

Der Agent speichert extrahierte Daten in einer lokalen Queue. Nach dem SAP-Neustart arbeitet er die Queue automatisch ab. Keine Daten gehen verloren.

Wie schütze ich sensible Lieferantenpreise?

Das LLM läuft lokal auf Ihrem Server. Keine Daten verlassen Ihr Netzwerk. Die SAP-RFC-Verbindung läuft verschlüsselt über SNC. Zugriffsrechte beschränken den Agent auf die nötigen BAPIs.

Wie lange dauert die Einführung insgesamt?

Planen Sie 8-10 Wochen vom Projektstart bis zum produktiven Betrieb. Die ersten automatischen Buchungen laufen nach 6 Wochen in der Schattenphase.