Data Engineering
Die Herausforderung
Unser Kunde, ein Großhändler mit hohem täglichem Bestellaufkommen, verarbeitete eingehende Kundenbestellungen vollständig manuell. Täglich gingen über 100 Bestellungen per E-Mail ein – als PDF, Scan oder in anderen Formaten. Jede Bestellung musste geöffnet, der jeweilige Kunde im ERP-System gesucht und jede einzelne Position von Mitarbeitenden von Hand übertragen werden.
Dieser Prozess verursachte pro Dokument mehrere Minuten Aufwand. Besonders herausfordernd war die Situation kurz vor dem täglichen Bestellschluss: In dieser Stoßzeit gingen teilweise bis zu 50 Dokumente gleichzeitig ein. Dadurch stiegen Zeitdruck, Koordinationsaufwand und Fehlerrisiko erheblich. Eine bestehende Automatisierungslösung war nicht vorhanden; die Arbeitsplätze waren lediglich mit normalen Office-PCs ausgestattet.
- Anwendungsfall
Großhandel / Warenwirtschaft
Automatisierung der eingehenden Bestellverarbeitung auf Basis lokaler KI mit Review-Frontend zur manuellen Überwachung.
- Zielsetzung
- Manuelle Dateneingabe reduzieren
- Stoßzeiten im Bestelleingang entlasten
- Fehler bei der Artikelzuordnung minimieren
- Datensouveränität sicherstellen
- Technologien
- Python-basierte IDP-Pipeline
- Vision Language Model, Qwen via Ollama
- Lokale KI-Hardware
- Web-Frontend für Review und Freigabe
Der Lösungsweg
Wir haben eine vollautomatische Intelligent Document Prozessing-Pipeline zur Verarbeitung eingehender Bestelldokumente aufgebaut. Die Lösung überwacht das zentrale Mailpostfach, erkennt neue Bestellungen automatisch und verarbeitet die angehängten Dokumente ohne manuellen Eingriff.
Kern der Lösung ist ein lokal betriebenes Vision Language Model, das Bestellpositionen, Artikelnummern und Mengen aus PDFs und Scans extrahiert – auch bei unterschiedlichen Layouts oder eingeschränkter Scanqualität. Die extrahierten Daten werden anschließend automatisch mit Kunden- und Artikelstammdaten abgeglichen. Bei Unsicherheiten oder Abweichungen erzeugt die Lösung gezielte Warnhinweise.
Für die fachliche Kontrolle haben wir ein Review-Frontend umgesetzt. Mitarbeitende sehen dort das Originaldokument neben den extrahierten Daten, können bei Bedarf Korrekturen vornehmen und die Bestellung per Klick freigeben. Nach der Freigabe erfolgt der automatische CSV-Export beziehungsweise der direkte Import in das ERP-System.
Die gesamte Lösung läuft lokal auf KI-Hardware beim Kunden. Es werden keine Cloud-Dienste oder externen Services genutzt, sodass alle Bestelldaten im Unternehmen verbleiben. Der Aufbau orientiert sich am Referenzformat mit klarer Darstellung von Herausforderung, Lösung und Ergebnis.
Das Ergebnis
Heute wird der Großteil der eingehenden Bestellungen automatisch verarbeitet. Mitarbeitende müssen nicht mehr jede Bestellung vollständig abtippen, sondern konzentrieren sich auf Ausnahmen, Korrekturen und fachliche Freigaben.
Der Zeitdruck in der täglichen Stoßzeit wurde deutlich reduziert. Gleichzeitig sinkt das Risiko von Erfassungsfehlern, da Artikelnummern, Mengen und Kundenzuordnungen automatisch gegen die vorhandenen Stammdaten geprüft werden.
Der bestehende ERP-Prozess bleibt unverändert. Die Lösung fügt sich als vorgelagerter Automatisierungsschritt in die vorhandene Systemlandschaft ein, ohne Systemwechsel oder große Umstellung für die Mitarbeitenden. Gleichzeitig schafft der Kunde eine belastbare Grundlage für weitere Automatisierung und KI-gestützte Prozessoptimierung – vollständig on-premise und mit voller Datensouveränität.
- Kundenvorteile
- Automatische Verarbeitung des Großteils aller eingehenden Bestellungen
- Zeitersparnis von mehreren Minuten pro Dokument
- Zuverlässige Artikelzuordnung durch Stammdatenabgleich
- Gezielte Warnhinweise bei Unsicherheiten
- Vollständig on-premise, ohne externe Datenverarbeitung
- Nahtlose Integration in den bestehenden ERP-Prozess ohne Systemwechsel
Grafik zur Kundenreferenz
