Warum die KI-Transformation im Purchase-to-Pay-Prozess immer wieder an dieselbe Grenze stößt

Mittlerweile investiert nahezu jedes Unternehmen in KI und laut McKinsey planen 92 % eine Erhöhung derartiger Investitionen in den kommenden drei Jahren. Doch nur 1 % der Unternehmen gibt an, einen hohen KI-Reifegrad erreicht zu haben, bei dem KI vollständig in Workflows integriert ist und einen wesentlichen geschäftlichen Mehrwert bietet. Der Purchase-to-Pay-Prozess liefert ein gutes Beispiel dafür, wie sich diese Kluft in der Praxis zeigt. Hier gibt es zahlreiche aussichtsreiche Anwendungsfälle für Automatisierungen, doch nach wie vor stoßen viele Teams an dieselbe Grenze, wenn sie eine Skalierung über einzelne Verbesserungen hinaus anstreben: Vorgänge bleiben manuell, Teammitglieder müssen weiterhin Details überprüfen und regelmäßig einschreiten, damit der Prozess nicht ins Stocken gerät.

Der Stillstand in einem solchen Szenario beruht nicht auf einem Mangel an KI-Tools. Das Problem ist die dokumentenintensive, nichtvernetzte Prozessgrundlage.

Beim Thema KI-Transformation im P2P-Prozess denken wir zunächst an automatische Rechnungserfassung, Abgleich von Auftragsdokumenten, Umgang mit Ausnahmen, Genehmigungsvorgänge und eine schnellere Verarbeitung mit weniger manuellem Aufwand.

So lautet das Versprechen. Die Realität sieht für viele Teams nach wie vor deutlich anders aus. Laut einer Umfrage unter Fachkräften in der Kreditorenbuchhaltung und im Finanzwesen aus dem Jahr 2025 geben noch 66 % Rechnungen manuell in ihr ERP-System oder ihre Finanzsoftware ein, und 63 % verbringen mehr als zehn Stunden pro Woche mit der Rechnungsverarbeitung. In derselben Umfrage gaben 73 % an, noch immer keine vollautomatische Verarbeitung erreicht zu haben.

KI ist zwar ein großes Thema, doch viele „Klassiker“ sind im Arbeitsalltag nach wie vor präsent: Dazu zählen Tätigkeiten wie Daten überprüfen, fehlenden Informationen hinterherrennen und eingreifen, wenn Dinge ins Stocken geraten.

Der P2P-Prozess basiert auf Informationen, die auf verschiedene Dokumente verteilt sind: was wurde bestellt, was wurde geliefert, was wurde in Rechnung gestellt, was wurde freigegeben und welche Bedingungen wurden vereinbart.

Damit die KI einen Mehrwert bieten kann, muss sie diese Informationen nutzen, um konkrete Ergebnisse zu erzielen. Sie muss Dokumente miteinander abgleichen, bemerken, wenn etwas fehlt, Unstimmigkeiten wie Betrugsversuche oder Manipulationen erkennen und anhand all dieser Aspekte entscheiden, ob eine Transaktion in den nächsten Schritt weitergeleitet werden kann oder geprüft werden muss.

Die Herausforderung besteht darin, dass alle genannten Vorgänge nur dann funktionieren, wenn die Informationen für das System leicht auffindbar, gut vergleichbar und hoch verlässlich sind. Leider ist das in vielen P2P-Prozessen nicht der Fall.

Die Informationen sind zwar vorhanden, allerdings verteilt auf verschiedene Stellen:

• Rechnungen gehen in Form von PDFs oder gescannten Anhängen ein.
• Auftragsbestätigungen befinden sich im ERP-System.
• Lieferscheine oder Lieferbestätigungen werden in einem separaten System gespeichert.
• Lieferbedingungen werden schwer auffindbar in Verträgen oder E-Mail-Verläufen vereinbart.
• Freigaben erfolgen per E-Mail-Kommunikation oder in Workflow-Tools.

Es gibt also keinen zentralen, vernetzten Überblick, sondern die KI muss Teilinformationen berücksichtigen, die an verschiedenen Stellen in diversen Formaten und mit teils unterschiedlichen Angaben vorliegen.

Diese Kluft bleibt nicht lange im Hintergrund verborgen. Bei der Bearbeitung von Vorgängen kommt sie zum Vorschein.

Eine Rechnung erfordert Aufmerksamkeit, weil eine Unstimmigkeit erkannt wird. Eine Auftragsbestätigung fehlt. Ein Beleg ist nicht auffindbar. Die vereinbarten Bedingungen sind unklar. Die Transaktion kann den Prozess also nicht weiter durchlaufen, sondern hängt fest.

An diesem Punkt sieht sich das Team wieder mit genau den manuellen Tätigkeiten konfrontiert, die es hinter sich lassen wollte:

• Man prüft die Dokumente.
• Man beschafft die fehlenden Informationen.
• Man ermittelt, was tatsächlich richtig ist.
• Man entscheidet, ob der Prozess weitergehen kann.

Laut Gartner sind Probleme wie diese die Ursache dafür, dass Teams 47 % des Tages mit der Suche nach Informationen verbringen. Die KI mag vorhanden sein, doch ohne solide Dokumentengrundlage sind sowohl das System als auch die Mitarbeitenden immer wieder mit denselben Engpässen konfrontiert.

Kommt ein Rechnungsvorgang ins Stocken, ist das ärgerlich. Sind es Hunderte oder Tausende, ist das ein echtes Problem.

Wenn Teammitglieder immer wieder eingreifen müssen, werden die Auswirkungen schnell spürbar:

• Zahlungen verzögern sich, da Freigaben verspätet erfolgen.
• Skonti können nicht in Anspruch genommen werden.
• Verzögerungen oder Störungen belasten Lieferantenbeziehungen.
• Der Cashflow ist schwieriger vorherzusagen, da die Verbindlichkeiten unklar sind.
• Teams kämpfen damit, funktionsfähig zu bleiben, statt Ausgaben zu kontrollieren.

Außerdem wird die Skalierung unnötig erschwert. Steigende Auftragsvolumina bringen eine höhere Anzahl manueller Vorgänge mit sich. Bei mehr Rechnungen gibt es mehr Ausnahmen, Teammitglieder müssen Freigaben regelrecht hinterherrennen und zunehmend mehr Zeit in die Klärung von Zusammenhängen investieren. In diesem Fall bringt die KI keine Arbeitserleichterung, im Endeffekt steigt die Anzahl der Teammitglieder, um mit dem Pensum mithalten zu können.

Zahlungsverzögerungen betreffen im Übrigen nicht nur das Finanzteam. Erhalten Lieferanten ihr Geld verspätet, nehmen Streitigkeiten zu. Schnell werden die Auswirkungen auch in der Beschaffung und im operativen Geschäft spürbar. Atradius hat festgestellt, dass verspätete Zahlungen 43 % der B2B-Geschäfte betreffen, was zeigt, wie schnell diese Verzögerungen sich auf den gesamten Geschäftsbetrieb auswirken.

Wenn der Engpass bei der instabilen Dokumentengrundlage liegt, sollte diese in den Fokus rücken.

In der Regel kann eine Dokumentenmanagement-Lösung dafür sorgen, dass P2P-Dokumente in einem durchgängigen Ablauf verknüpft werden, statt sie weiter ungeordnet in PDF-Sammlungen, Postfächern, ERP-Datensätzen, Vertragsarchiven und einzelnen Freigabe-Tools zu belassen.

In der Praxis bedeutet das:

• Dokumente werden in einem Format erfasst, das für den Prozess nutzbar ist.
• Rechnungen, Bestellungen, Belege, Genehmigungen und Lieferantenunterlagen zu derselben Transaktion werden verknüpft.
• Unterlagen im Workflow werden bereitgestellt, sodass niemand ihnen hinterherrennen muss.
• Von der Bestellung über die Zahlungsabwicklung bis zur Archivierung wird alles zentral und nachvollziehbar dokumentiert.

Erst wenn diese Grundlage geschaffen ist, geben Teams der KI ernsthaft die Chance, ihnen Aufgaben tatsächlich abzunehmen. Dann kann die KI Dokumente zuverlässiger abgleichen, Unstimmigkeiten früher erkennen und auf die Transaktionen hinweisen, die wirklich die Aufmerksamkeit eines Teammitglieds erfordern. Die übrigen Vorgänge werden ohne umfangreiche manuelle Überprüfung in Folgeschritte weitergeleitet.

P2P-Teams stehen unter starkem Druck, mittels KI die Effizienz zu steigern, manuelle Vorgänge zu reduzieren und dem Unternehmen mehr Transparenz über die Ausgaben zu verschaffen. Dieser Druck hat durchaus seine Berechtigung. Schließlich sind die Ansprüche realistisch.

Doch KI im P2P-Prozess kann solche Versprechen nicht erfüllen, solange die Dokumentenbasis mit dem Großteil der Transaktionsdetails weiterhin ungeordnet und nicht mit dem Prozess verknüpft ist. Diejenigen Teams, die dies zuerst in den Griff bekommen, werden KI erfolgreich nutzen können. Nicht nur in separaten Schritten, sondern durchgängig im gesamten Prozess von der Bestellung bis zur Zahlungsabwicklung.

Passend dazu haben wir einen Leitfaden zu rechtskonformem E-Invoicing zusammengestellt. Darin geht es um einen weiteren Bereich, in dem von P2P-Teams eine hohe Anpassungsfähigkeit erwartet wird, da sich die Anforderungen von Land zu Land ändern.