Wie KI Procure-to-Pay verändert

Procure-to-Pay reicht von der Bedarfsmeldung im Fachbereich bis zur bezahlten Rechnung, die prüfungsfest dokumentiert im System steht. Jedes Unternehmen betreibt diesen Strom, er ist stark regelbasiert und volumenstark. Deshalb erreicht ihn Automatisierung früher als die meisten anderen Prozesse.

In der klassischen Form läuft die Arbeit in sechs Schritten, die alle ein Mensch ausführt und von denen jeder eine eigene Übergabe erzeugt. Jemand legt eine Bestellanforderung an und jemand anderes gibt sie gegen das Budget frei. Ein Einkäufer wählt den Lieferanten und löst die Bestellung aus, dann wird der Wareneingang erfasst. Die Rechnung wird von Hand geprüft und gegen Bestellung und Wareneingang abgeglichen. Am Ende wird die Zahlung nach dem Vier-Augen-Prinzip freigegeben und gebucht.

Der Aufwand verteilt sich in diesem Strom etwa gleichmäßig auf zwei Quellen, also das Papier und die Ausnahmen, die eine schnellere Software nicht beseitigt. Die Rechnung kommt als PDF und jemand tippt sie ab. Weicht der Betrag von der Bestellung ab, beginnt eine Mailkette. Skonto verfällt, während die Freigabe in einem Postfach liegt. Wie in den anderen Strömen steckt die Verzögerung in den Übergaben, nicht in der Arbeit selbst.

Sein Ende unterscheidet diesen Strom von den beiden vorherigen und entscheidet zugleich darüber, wie viel Automatisierung überhaupt zulässig ist. Idea-to-Market endet mit einem Release, das sich zurückrollen lässt. Issue-to-Resolution endet bei einem Kunden, der zufrieden ist oder eben nicht. Procure-to-Pay endet damit, dass Geld das Unternehmen verlässt, sodass ein Fehler hier als Verlust auftritt, der oft erst Wochen später auffällt. Genau deshalb sind die Kontrollen in diesem Strom keine Geschmacksfrage. Ein Unternehmen, das sie abschaltet, fällt durch die Prüfung.

Die KI setzt beim Papier an, das etwa in der Mitte des Stroms hereinkommt, denn die erste Hälfte ist längst versorgt. Bestellanforderung, Freigabe und Bestellung wurden lange vor dieser Welle automatisiert, durch Kataloge, Freigabegrenzen und Bestellformulare, wo die Daten strukturiert sind, weil jemand sie so entworfen hat. Das erste, was unstrukturiert und von außen hereinkommt, ist die Rechnung des Lieferanten. Den Anfang machen dort das Lesen des Belegs und das Vorbefüllen der Felder, danach folgt der Abgleich, weil sich hier die immer gleiche Arbeit wiederholt und der Nutzen am schnellsten sichtbar wird. Der Mensch wandert vom Bearbeiten jeder Rechnung zum Entscheiden derjenigen, die das System angehalten hat. Nicht zur KI wandert die Freigabe des Geldes und ihre Begründung ist der interessanteste Teil dieses Stroms.

Alle drei Fälle unten setzen deshalb erst mit der Rechnung ein und der eine Fall aus der ersten Hälfte folgt nach dem Gang durch die Stufen. Zu jeder Stufe gehören ein Beispiel, seine Kernzahl und der Punkt, an dem diese Zahl nicht mehr trägt. Die klassische Stufe ist der oben beschriebene Ausgangszustand ohne KI im Ablauf, deshalb beginnt der Gang bei der assistierenden Stufe.

Auf der assistierenden Stufe bleiben die sechs Schritte an ihrem Platz, während die KI innerhalb jedes einzelnen hilft. Das macht diese Stufe zu der, die die meisten Unternehmen zuerst erreichen und die am wenigsten an der Organisation der Abteilung ändert. Das System schlägt Katalogartikel und Kontierung vor, fasst zusammen, was freigegeben werden soll, markiert Auffälligkeiten, liest danach die eingehende Rechnung und schlägt den Abgleich vor. Der Mensch prüft jeden Vorschlag und bucht.

Das Beispiel ist Veolia Group Shared Services und der Fall beginnt mit der eintreffenden Rechnung. Alles davor, also Bestellanforderung, Freigabe und Bestellung, bleibt so, wie die klassische Stufe es beschrieben hat. Bei Veolia läuft die Kreditorenbuchhaltung für 30 Konzerneinheiten aus einem Center. Die Software kommt von Rossum, einem Anbieter für intelligente Belegverarbeitung. Der Begriff beschreibt den Leseschritt. Das System nimmt eine Rechnung als PDF oder Scan und findet heraus, welche Zahl die Summe ist, welche die Steuer und zu welchem Lieferanten der Beleg gehört. Anschließend schlägt es die Buchung vor. Menschen, die das Unternehmen AI Associates nennt, prüfen jeden Beleg, bei dem die Erkennung unsicher war, sodass nichts ungeprüft ins ERP-System gelangt. Der berichtete Effekt sind achtfach schnellere Bearbeitung je Beleg sowie rund 90 Prozent weniger manuelle Erfassung.

Diese beiden Zahlen stammen aus der Fallstudie des Softwareanbieters über den eigenen Kunden, für die es keine unabhängige Bestätigung gibt. Sie lesen sich deshalb besser als Behauptung denn als Messung.

Wer diesen Gewinn in Geld ausdrücken will, braucht eine Vergleichsbasis, doch die veröffentlichten Basiswerte messen Unterschiedliches. Am besten belegt ist die amtliche Rechnung. Das Bundesfinanzministerium beziffert die Bürokratieentlastung durch das Wachstumschancengesetz auf rund 1,44 Milliarden Euro im Jahr, davon 1,36 Milliarden allein durch die Pflicht zur E-Rechnung zwischen inländischen Unternehmen. Diese Summe gilt für die gesamte deutsche Wirtschaft und sagt nichts über die einzelne Rechnung. Dafür stammt sie von einer Stelle, die keine Software verkauft. Je Rechnung wird die Lage unübersichtlich. APQC, eine gemeinnützige Benchmarking-Organisation, nennt einen Median von rund 5,80 US-Dollar und bei den besten Unternehmen unter 2,00, gerechnet als Vollkosten und begrenzt auf die Kreditorenbuchhaltung selbst, Element 5.2 des eigenen Prozessrahmens. Es kursieren deutlich höhere Zahlen. Wo deren Methode offenliegt, rechnen sie den ganzen Weg von der Bestellanforderung bis zur Zahlung mit und ziehen damit Verzögerungen in Einkauf und Freigabe hinein, die gar nicht in der Buchhaltung entstehen. Der Unterschied steckt also im Umfang des Gemessenen und nicht in der Stichprobe. Wer zwei Einsparversprechen vergleicht, fragt deshalb zuerst, was jeweils mitgezählt wurde. Je weiter die Basis, desto größer wirkt derselbe Effekt.

Interessanter als das Tempo ist die Frage, wohin die Arbeit gewandert ist, denn verschwunden ist sie nicht. Sie hat nur ihre Form geändert und mit der Form auch ihren Preis. Aus Erfassen wird Ausnahmeklärung, die je Fall mehr kostet als das Abtippen einer sauberen Rechnung je gekostet hat, weil jemand herausfinden muss, was tatsächlich nicht stimmt. Wie viel in welchem Stapel landet, bestimmt der Schwellenwert der Erkennung. Senkt man ihn, bucht mehr automatisch, hebt man ihn, wächst die Schlange der manuellen Prüfungen. Auch die Genauigkeit ist ungleich verteilt. Saubere, strukturierte Rechnungen liest das System gut, während schlechte Scans, fremdsprachige Rechnungen und unstrukturierte Positionstabellen deutlich schwächer abschneiden. Genau die waren vorher schon die langsamen.

Personal wird dadurch trotzdem frei, nur eben deutlich weniger, als die Automatisierungsquote auf den ersten Blick verspricht. Heineken, der Fall der nächsten Stufe, kommt bei über 90 Prozent automatischem Abgleich auf rund 40 Prozent weniger Stellen in der Kreditorenbuchhaltung und nicht auf 90 Prozent. Der Rest der Ersparnis versickert in der Ausnahmeklärung, die pro Fall mehr Zeit und mehr Erfahrung braucht als das Abtippen.

Auf der agentischen Stufe wird der Strom um die Automatisierung herum neu gebaut und die Schritte verschmelzen, doch die entscheidende Änderung liegt woanders. Die Stelle, an der ein Mensch eingreift, wird jetzt bewusst entworfen und folgt nicht mehr aus der Arbeitslast.

Das Beispiel ist Heineken Nederland, wo ein Shared Service Center jährlich rund 430.000 Eingangsrechnungen für 25 Geschäftseinheiten in fünf SAP-Systemen verarbeitet, mit Software von Basware. Elektronische Rechnungen mit Bestellbezug werden automatisch gegen Bestellung und Wareneingang abgeglichen. Innerhalb der Toleranzen buchen sie, ohne dass jemand hinsieht. Rund 210.000 der 230.000 Rechnungen dieses elektronischen Kanals laufen so durch, also etwa 91 Prozent. Das Unternehmen berichtet außerdem von über 90 Prozent automatischem Abgleich insgesamt sowie rund 40 Prozent weniger Personal in der Kreditorenbuchhaltung.

Aufschlussreich an diesem Fall ist die Stoppregel, also die Festlegung, unter welchen Bedingungen der automatische Lauf abbricht und ein Mensch übernimmt. Vier Dinge halten den automatischen Lauf an. Das sind Preis oder Menge außerhalb der Toleranz, eine Rechnung ohne Bestellbezug, jede Änderung der Lieferantenstammdaten einschließlich Bankverbindung sowie ein mangelhafter oder unvollständiger Beleg. Diese vier sind kein technisches Detail. Sie definieren, was das System allein entscheiden darf. Jede weitere Entwurfsentscheidung des Falls folgt aus ihnen.

Drei Einschränkungen gehören neben die Zahlen, weil sie im Zusammenspiel bestimmen, wie viel von den 91 Prozent sich auf ein anderes Unternehmen übertragen lässt. Sie stammen aus der Fallstudie des Anbieters, die die Fachpresse übernimmt statt sie zu prüfen. Die 91 Prozent gelten allein für den elektronischen Kanal, für die rund 200.000 Papierrechnungen ist keine Quote veröffentlicht. Und ein großer Teil dieser Automatisierung ist deterministische Regelverarbeitung, kein KI-Agent. Die KI liest den Beleg. Der Drei-Wege-Abgleich mit Toleranzgrenzen ist klassische ERP-Logik und war es schon vor zwanzig Jahren. Das ist kein Einwand gegen den Fall, es verändert aber die Antwort darauf, wie weit KI diesen Strom heute wirklich trägt. An der Notwendigkeit des Gates ändert es nichts.

Öffentlich nicht einsehbar ist die Fehlerquote hinter der Automatik, also der Anteil der ungeprüft gebuchten Rechnungen, der sich später als falsch erweist. Gemeint sind Doppelzahlungen, falsche Kostenstellen und Beträge innerhalb der Toleranz, die dort nicht hätten liegen dürfen. Die Anbieter nennen durchaus Zahlen, allerdings zu anderen Größen und aus eigenen Fallstudien, mit 80 bis 95 Prozent Dunkelbuchungsquote und 85 bis 97 Prozent Erkennungsgenauigkeit. Die erste misst, wie viel ohne menschlichen Blick durchläuft, die zweite, wie gut das System liest. Die gesuchte Quote der später als falsch erkannten Buchungen bleibt damit offen. Eine unabhängige Erhebung fehlt, weil Prüfer die Korrekturen sehen, aber nur zusammengefasste Feststellungen veröffentlichen. Eine Automatisierungsquote sagt damit, wie viel Arbeit gewandert ist, nicht wie gut es gelaufen ist.

Bei der autonomen Stufe liegt die Grenze im Prüfungsrecht und nicht im Stand der Technik. Was genau untersagt ist, fällt dabei enger aus als es zunächst klingt. Regelbasierte, deterministische Dunkelverarbeitung unterhalb festgelegter Wertgrenzen ist prüfungskonform und gängige Praxis, sofern die Anwendungskontrollen und die IT-General-Controls, also die übergreifenden Kontrollen über Zugriffe und Systemänderungen, eingerichtet und geprüft sind. Genau das tut Heineken. Unzulässig ist, die Freigabe selbst an ein stochastisches KI-System zu übergeben, ohne feste Regelschranken, ohne lückenlosen Prüfpfad und ohne Funktionstrennung. Entscheidend ist, ob sich die Regel, die eine bestimmte Zahlung autorisiert hat, aufschreiben und einem Prüfer hinterher vorlegen lässt. Der Umfang der Automatisierung entscheidet darüber nicht.

Drei Regelwerke ziehen diese Grenze unabhängig voneinander, sie lässt sich deshalb auch nicht durch die Wahl eines anderen Prüfers umgehen. COSO Prinzip 10 verlangt die strikte Trennung zwischen dem Autorisieren einer Transaktion, ihrer Erfassung und dem Zugriff auf das Vermögen, sodass ein Agent, der zugleich bestellt und zahlt, alle drei Rollen in sich vereint. SOX 404 mit PCAOB AS 2201 verlangt den Nachweis wirksamer Kontrollen gegen Zahlungen ohne ordnungsgemäße Autorisierung, während ISA 315 fordert, dass automatisierte Freigabelogik prüfbar bleibt und durch wirksame IT-General-Controls geschützt ist. In Deutschland verlangen IDW PS 261 n.F. und IDW PS 330 dasselbe, ergänzt um die GoBD-Anforderung, dass jeder Freigabevorgang einer autorisierten Entität zurechenbar bleibt. Fehlende Funktionstrennung im Zahlungsverkehr führt in der Prüfungspraxis regelmäßig zur Feststellung eines wesentlichen Mangels, dem schärfsten Urteil unterhalb der Versagung des Bestätigungsvermerks.

Naheliegend wäre, die Trennung technisch herzustellen und zwei Agenten getrennt arbeiten zu lassen, einen für die Bestellung und einen für die Zahlung. Funktionstrennung verlangt aber organisatorische Unabhängigkeit und eine Zurechnung zu einer verantwortlichen Stelle. Zwei Agenten desselben Anbieters unter derselben Administration bleiben dafür eine Instanz.

Hinter dieser Stufe steht deshalb kein Unternehmensbeispiel, dafür ein Betrugsfall, in dem kein KI-System die Arbeit des Unternehmens erledigte. Er steht hier, weil er zeigt, was der letzte Schritt dieses Stroms wert ist.

Der Fall liegt vor der heutigen KI und kommt völlig ohne sie aus, was genau der Grund für seine Aufnahme ist. Zwischen 2013 und 2015 meldete der Litauer Evaldas Rimasauskas in Lettland eine Firma unter dem Namen von Quanta Computer an, einem taiwanischen Hersteller, der tatsächlich sowohl Google als auch Facebook belieferte. Anschließend stellte er beiden Unternehmen Rechnungen über Waren, die sie wirklich bestellt hatten, von einem Lieferanten, den sie wirklich nutzten, mit Bankverbindungen, die ihm gehörten. Über zwei Jahre zahlten sie ihm insgesamt mehr als 120 Millionen US-Dollar. Er wurde an die USA ausgeliefert, bekannte sich schuldig und wurde 2019 verurteilt.

Technisch versagte in diesem Fall nichts, weil die Rechnungen durch die echte Lieferantenbeziehung plausibel wirkten und gefälschte Bestätigungsschreiben samt gefälschter Führungskräfte-Korrespondenz den Rest erledigten. Zwei Behauptungen kursieren über den Fall, die nicht in den Gerichtsakten stehen. Die erste ist, dass der Drei-Wege-Abgleich die Fälschungen automatisch durchgewinkt habe. Die zweite ist die viel zitierte Aufteilung des Schadens zwischen beiden Konzernen. Belegt ist dagegen die Angriffsfläche. Ein Zahlungsprozess ist nur so stark wie seine Kontrolle über die Bankdaten der Lieferanten, auf jeder Stufe dieses Posts, mit oder ohne KI. Für die Dunkelbuchung liegt darin der eigentliche Hinweis. Dass er ohne KI auskam, macht ihn hier erst recht lesbar, denn er zeigt, was eine plausible Rechnung anrichtet, die ohne menschliche Prüfung durchläuft. Genau diesen Zustand stellt eine hohe Automatisierungsquote her.

Alle drei Fälle oben setzen erst mit der Rechnung ein und damit bleibt eine berechtigte Frage offen, also ob die erste Hälfte einen eigenen Fall hat und woran es liegt, falls nicht.

Einen belegten Fall hat sie an genau dem Schritt, an dem die Erklärung mit dem Formular aufhört zu tragen. Walmart lässt mit seinen kleinen Lieferanten verhandeln, also mit denen, bei denen sich eine Verhandlung von Hand nie gerechnet hat. Die Software dafür kommt von Pactum, deren Agenten das Gespräch selbst führen. Im Harvard Business Review vom November 2022 beschreiben vier Autoren, dass 68 Prozent der angesprochenen Lieferanten am Ende unterschreiben. Zwei der vier arbeiten bei Walmart International, die Zahl stammt also vom Betreiber.

Warum dieser Schritt vorher nie automatisiert wurde, steht im selben Artikel und ist die nützlichere Auskunft. Walmart hat über 100.000 Lieferanten, von denen etwa ein Fünftel mit Standardverträgen arbeitet, über die nie verhandelt wurde. Genug Einkäufer dafür einzustellen würde mehr kosten, als am Ende hereinkäme. Eine Verhandlung ist ein Schriftwechsel mit einem Gegenüber und dafür gibt es kein Formular. Alles, was in der ersten Hälfte in ein Formular passt, wurde vor Jahrzehnten automatisiert. Was ein Gespräch blieb, blieb Handarbeit, bis ein Agent es führen konnte.

Die im Artikel genannten Einsparungen stehen hinter der Bezahlschranke, wurden für diesen Beitrag nicht eingesehen und tauchen deshalb hier nicht auf.

Für Bestellanforderung, Freigabe und die Prüfung von Lieferantenverträgen ist dagegen bis heute kein einziger veröffentlichter Fall mit geprüfter Zahl auffindbar. Zwei Recherche-Runden blieben bei diesen drei Schritten ohne Treffer. Die Leere selbst ist damit der Befund dieser Suche.

Legt man die Stufen nebeneinander, ergibt sich ein für diese Serie ungewöhnlich klares Bild, das in beide Richtungen deutlich ausfällt.

Alles bis einschließlich des automatischen Abgleichs steht heute zur Verfügung, von der Belegerfassung über die Feldextraktion bis zum toleranzbasierten Abgleich samt Ausnahmesteuerung. Der Gewinn ist echt bei strukturierten, volumenstarken Rechnungen mit Bestellbezug. Deutlich kleiner fällt er aus bei Papier, bei fremdsprachigen Belegen und bei Rechnungen ohne Bestellung dahinter, also genau bei den Belegen, auf die sich der Aufwand ursprünglich konzentrierte.

Ob man dorthin kommt, hängt wie in den anderen Strömen an Dingen, die mit KI selbst nichts zu tun haben. Es braucht saubere Lieferantenstammdaten, durchdachte Toleranzen, einen Katalog und Rahmenverträge, aus denen sich bestellen lässt, sowie eine Regel dafür, welche Rechnungen allein buchen dürfen. Je sauberer diese Grundlagen sind, desto mehr kann das System übernehmen. Bei Heineken geht es vor allem um diese Vorarbeit und weniger um Intelligenz.

Bei der Freigabe des Geldes endet die Automatisierungsfrage und beginnt die Governance-Frage, denn ab hier zählt die Zurechenbarkeit der Entscheidung. Deterministische Dunkelverarbeitung unterhalb festgelegter Grenzen wird routinemäßig geprüft und stört niemanden. Die Freigabe an ein System zu übergeben, das an einem anderen Tag anders entscheiden kann, ist etwas anderes. Der Einwand dagegen ist keine Meinung, er heißt COSO, SOX, ISA und IDW und erscheint im Prüfungsbericht als wesentlicher Mangel.

Zwei Wirkungen verdienen Aufmerksamkeit. Die erste lässt sich am Heineken-Fall ablesen, die zweite zeigt keiner der Fälle direkt, weil sie erst nach der Einführung auftritt und dann selten jemandem zugeordnet wird. Die Ersparnis fällt kleiner aus als die Rechnung der Anbieter nahelegt, weil die Ausnahmeklärung wächst, während das Erfassen schrumpft. Die Kosten je Rechnung über alle Rechnungen sind deshalb die aussagekräftigere Zahl als die Automatisierungsquote im besten Kanal. Auch das Betrugsrisiko verschwindet nicht, es verschiebt sich nur. Der Prüferverband ACFE nennt aus 1.921 Fällen in 138 Ländern einen Medianschaden von 145.000 US-Dollar je Fall, wobei Vermögensdelikte in 89 Prozent der Fälle vorlagen und Abrechnungsbetrug, also die Form, die in diesen Strom fällt, in 22 Prozent. Eine Stufe unter dem Betrug liegt der Alltag. Der Rückforderungsprüfer PRGX berichtet aus eigenen Mandaten, dass ein Recovery Audit, also die nachträgliche Suche nach zu viel gezahlten Beträgen, typischerweise eine Million US-Dollar je Milliarde Einkaufsvolumen zurückholt, also rund 0,1 Prozent. Diese Zahl dient dem Haus, das das Audit verkauft. Den Routineweg zu automatisieren und gleichzeitig Änderungen der Lieferantenbankdaten dem Urteil eines Einzelnen zu überlassen, verschiebt das Risiko dorthin, wo niemand hinsieht. Genau so sieht der Fall Rimasauskas von außen aus.

Procure-to-Pay folgt derselben Form wie der Rest der Serie, am Ende wird es aber strenger. Die Routinearbeit wandert zum System, der Mensch wandert zu den Ausnahmen und der ganze Aufbau ruht auf einem Gate. Der Unterschied liegt darin, dass dieses Gate nicht zur Wahl steht. Die Freigabe muss einer benannten Person zurechenbar bleiben, nachvollziehbar für einen Prüfer. Die Frage, die diese Reihe an jeden Strom stellt, ist auch hier dieselbe. Was ist an einem Schritt heute tatsächlich möglich und wer hat es gemessen? Diese Antwort altert schnell, deshalb steht an jeder Zahl hier ein Datum. Der nächste Beitrag legt dieselbe Brille an Order-to-Cash an, den Strom von der Bestellung des Kunden bis zum Zahlungseingang.

Ein Wort zu den Belegen dieses Posts, denn sie sind dünner als in den ersten beiden Strömen. Fast jedes veröffentlichte Beispiel für KI in der Kreditorenbuchhaltung stammt von einem Softwareanbieter, der über den eigenen Kunden schreibt, die beiden oben verwendeten Fälle eingeschlossen. Ein unabhängig geprüfter Unternehmensfall zu KI-gestützter Rechnungsverarbeitung ist nicht auffindbar. Zwischen 2023 und 2026 ist außerdem kein Fall dokumentiert, in dem ein KI-System in Beschaffung oder Zahlung von sich aus Schaden verursacht hat, Diese Lücke lässt sich klar benennen, ohne sie mit Spekulation zu füllen. Die Zahlen hier sind Behauptungen. Der Quellenabschnitt nennt zu jeder einzelnen, woher sie kommt und was sie wert ist.

Hinter diesem Post stehen acht geprüfte Fälle, von denen drei die Argumentation oben getragen haben. Die übrigen fünf decken die Stufen ab, ohne einzeln erzählt zu werden. Zur assistierenden Stufe gehören Veolia, Purple Innovation und Stonewall Kitchen, zur agentischen Heineken, McDonald's Deutschland und SUEZ. Der Betrugsfall Rimasauskas steht am autonomen Ende, Walmart steht allein in der ersten Hälfte. Sechs der acht stützen sich auf Anbieter-Marketing. Die zwei anderen sind ein Betrugsfall aus einem Gerichtsverfahren und ein Bericht, den Führungskräfte des Betreibers für eine Managementzeitschrift geschrieben haben.

Wo eine Zahl auf einer Studie beruht, die nicht frei zugänglich ist, oder auf einer Stelle mit eigenem Interesse am Ergebnis, steht das im Eintrag.

Walmart, Abschluss mit 68 Prozent der angesprochenen Lieferanten. Van Hoek, DeWitt, Lacity und Johnson, "How Walmart Automated Supplier Negotiations", Harvard Business Review, Digital Article vom 08.11.2022. Zwei der vier Autoren sind Führungskräfte bei Walmart International, der Fall ist damit die Darstellung des Betreibers. Nach dem ersten Absatz greift eine Bezahlschranke, die 68 Prozent stehen im frei lesbaren Teil.

Veolia Group Shared Services, achtfach schnellere Bearbeitung je Beleg sowie rund 90 Prozent weniger manuelle Erfassung. Rossum, Fallstudie. Der Softwareanbieter schreibt hier über seinen eigenen Kunden.

Heineken Nederland, rund 210.000 von 230.000 elektronischen Rechnungen ohne Zutun gebucht, das sind die 91 Prozent von oben, sowie rund 40 Prozent weniger Personal. Basware, Fallstudie, veröffentlicht als PDF. Die Zahlen kommen von Heineken, veröffentlicht hat sie der Softwareanbieter.

Kosten je Rechnung, Median rund 5,80 US-Dollar, beste Unternehmen unter 2,00. APQC, Open Standards Benchmarking, Kreditorenbuchhaltung, Prozesselement 5.2 des Process Classification Framework. Eine gemeinnützige Organisation, die ihre Methode auf dieser Seite offenlegt. Die Messwerte selbst stehen nur Mitgliedern offen, deshalb stammt die Zahl aus veröffentlichten Auszügen.

Rund 1,36 Milliarden Euro jährliche Bürokratieentlastung durch die verpflichtende E-Rechnung zwischen inländischen Unternehmen, von 1,44 Milliarden für das gesamte Gesetz. Bundesministerium der Finanzen, Monatsbericht April 2024, Abschnitt zu Vereinfachung und Bürokratieabbau. Das Ministerium beziffert hier die Folgen seines eigenen Gesetzes.

Medianschaden je Fall 145.000 US-Dollar, Vermögensdelikte in 89 Prozent der Fälle, Abrechnungsbetrug in 22 Prozent. ACFE, Occupational Fraud 2024: A Report to the Nations, Seiten 8 bis 15, aus 1.921 Fällen in 138 Ländern. Ein Berufsverband, der sich über seine Mitglieder finanziert.

Zu viel gezahlte Beträge, die eine Rückforderungsprüfung zurückholt, rund 0,1 Prozent des Einkaufsvolumens. PRGX, Leitfaden zur Rückforderungsprüfung in der Kreditorenbuchhaltung. Dort steht eine Million US-Dollar je Milliarde Einkaufsvolumen, ermittelt aus eigenen Mandaten. PRGX verkauft genau diese Prüfungen.

Google und Facebook, mehr als 120 Millionen US-Dollar an einen Lieferanten, den es nicht gab, 2013 bis 2015. Staatsanwaltschaft für den Southern District of New York, Pressemitteilung vom 19. Dezember 2019. Die Angaben stammen aus dem Strafverfahren.

Funktionstrennung und zurechenbare Autorisierung.COSO Internal Control Integrated Framework, Prinzipien 10 und 11, zitiert nach der Zusammenfassung. SOX 404 mit PCAOB AS 2201. ISA 315, IDW PS 261 n.F. und IDW PS 330, alle drei nur beim jeweiligen Standardsetzer zu beziehen.

Anbieter-Näherungen, 80 bis 95 Prozent Dunkelbuchungsquote und 85 bis 97 Prozent Erkennungsgenauigkeit. Spannen aus Fallstudien mehrerer Anbieter von Rechnungsautomatisierung, ohne unabhängige Gegenprobe und im Text als Anbieterangabe gekennzeichnet.