KI-gestützte Dokumentenklassifikation erkennt bei jedem eingehenden Dokument automatisch, was es ist, also Rechnung, Lieferschein, Angebot, Vertrag, Prüfbericht oder Kundenanfrage. Danach legt sie es richtig ab oder leitet es an die zuständige Stelle weiter. Die Technik dafür ist ausgereift und für kleine und mittlere Unternehmen bezahlbar. Ob sich das rechnet, liegt selten am Werkzeug. Es kommt auf die Vorbereitung an: ein klares Schema mit Dokumentklassen, saubere Beispieldaten, ein sinnvoller Platz im Arbeitsablauf, Datenschutz und ein Team, das dem System vertraut. Genau dort setzen wir bei Menter an, mit Prozessanalyse, einem individuellen KI-Fahrplan und Schulungen für Ihre Mitarbeitenden.
Kurz gesagt
- KI-Dokumentenklassifikation ordnet Dokumente automatisch einem Typ zu und stößt den passenden nächsten Schritt an, etwa Freigabe, Ablage oder Weiterleitung.
- Moderne Sprachmodelle verstehen den Inhalt eines Dokuments. Sie brauchen dafür weniger Trainingsbeispiele als ältere Verfahren, aber ein klar definiertes Klassenschema.
- Am meisten bringt sie dort, wo täglich viele gleichartige Dokumente eingehen: Eingangspost, Rechnungen, Lieferscheine, Kundenanfragen, technische Unterlagen.
- Der Erfolg hängt an sechs Schritten: Dokumentfluss analysieren, Klassen festlegen, Daten aufbereiten, Pilot testen, in den Prozess einbinden, Team schulen.
- Datenschutz, Mitbestimmung und interne KI-Regeln gehören von Anfang an dazu, nicht erst nach dem Start.
Inhaltsverzeichnis
- Was KI bei der Dokumentenklassifikation tatsächlich leistet
- Wo sich automatische Dokumentenklassifikation im Mittelstand lohnt
- In sechs Schritten zur funktionierenden KI-Klassifikation
- Datenschutz, Mitbestimmung und interne Regeln
- Woran Sie den Erfolg messen
- Mit Menter schneller zum Ergebnis
- Unsere Sicht: Die Klassifikation ist der leichteste Teil
- Häufige Fragen zur KI-Dokumentenklassifikation
- Quellen
Was KI bei der Dokumentenklassifikation tatsächlich leistet
Eine Dokumentenklassifikation beantwortet eine einfache Frage: Um welche Art Dokument handelt es sich? Was einfach klingt, kostet in vielen Betrieben jeden Tag Stunden. Jemand öffnet das Postfach, schaut sich den Anhang an, benennt die Datei um, legt sie im richtigen Ordner ab und schickt eine Kopie an die Buchhaltung. Diese Routine übernimmt eine KI in wenigen Sekunden.
In der Praxis arbeiten dabei meist drei Bausteine zusammen:
- Texterkennung (OCR): Optical Character Recognition macht aus einem Scan oder Foto lesbaren Text. Bei digitalen PDFs fällt dieser Schritt oft weg.
- Klassifikation: Das Modell ordnet das Dokument einer Klasse zu, zum Beispiel „Eingangsrechnung“, „Lieferschein“ oder „Mängelanzeige“, und gibt dazu einen Konfidenzwert aus. Dieser Wert zeigt, wie sicher sich das System ist.
- Extraktion und Routing: Je nach Klasse liest die KI die relevanten Felder aus (Rechnungsnummer, Betrag, Projektnummer) und schickt das Dokument an das richtige System oder die richtige Person.
Der Unterschied zur klassischen Texterkennung: OCR liest Buchstaben, die KI versteht den Zusammenhang. Sie erkennt eine Rechnung also auch dann, wenn das Wort „Rechnung“ gar nicht darauf steht, oder unterscheidet eine Gutschrift von einer Mahnung, obwohl beide fast gleich aufgebaut sind.
Drei Verfahren im Überblick
| Verfahren | So funktioniert es | Stärken | Passt für |
|---|---|---|---|
| Regelbasiert | Schlüsselwörter, Absender oder Layout bestimmen die Klasse | Nachvollziehbar, schnell eingerichtet | Wenige, sehr einheitliche Dokumenttypen |
| Trainiertes Machine-Learning-Modell | Das Modell lernt aus vielen gelabelten Beispielen | Hohe Treffsicherheit bei stabilen Dokumenttypen | Große, gleichbleibende Dokumentmengen |
| Sprachmodell (LLM) | Ein großes Sprachmodell liest den Inhalt und ordnet ihn anhand einer Klassenbeschreibung zu | Versteht Inhalte, braucht wenige Beispiele, flexibel bei neuen Klassen | Gemischte Eingangspost, Freitext, wechselnde Formate |
Für die meisten KMU ist heute eine Kombination sinnvoll: Ein Sprachmodell übernimmt die inhaltliche Zuordnung, einfache Regeln fangen eindeutige Fälle ab, und ein Mensch prüft, was unter einer festgelegten Sicherheitsschwelle bleibt. Welche Mischung für Ihren Betrieb passt, hängt von Dokumentmenge, Vielfalt und vorhandener Software ab.
Wo sich automatische Dokumentenklassifikation im Mittelstand lohnt
KI ist im deutschen Mittelstand angekommen, aber noch längst nicht überall. Laut Statistischem Bundesamt nutzten 2025 rund 26 % der Unternehmen KI-Technologien. Bei Betrieben mit 10 bis 49 Beschäftigten waren es 23 %, bei 50 bis 249 Beschäftigten 36 % und bei großen Unternehmen 57 %. Gerade kleinere Betriebe haben also Nachholbedarf, und die Dokumentenverarbeitung ist ein naheliegender Einstieg, weil der Nutzen schnell messbar ist.
Typische Einsatzfelder bei unseren Zielgruppen:
- Handwerksbetriebe: Lieferscheine, Materialrechnungen, Aufmaße, Baustellenfotos und Kundenanfragen kommen per Mail, Messenger und Post. Die KI sortiert sie nach Auftrag und Dokumenttyp, sodass die Abrechnung nicht mehr an fehlenden Belegen hängt.
- Ingenieurbüros und technische Abteilungen: Prüfberichte, Zeichnungsstände, Datenblätter, Normenauszüge und Änderungsanträge lassen sich automatisch Projekten und Revisionen zuordnen. Das spart Suchzeit und senkt das Risiko, mit einem veralteten Plan zu arbeiten.
- Verkehrsplanung: Verkehrszählungen, Gutachten, Stellungnahmen aus Beteiligungsverfahren und Bürgerhinweise kommen oft in großer Zahl. Wer sie automatisch nach Thema, Ort und Art klassifiziert, hat schneller eine belastbare Datengrundlage für Entscheidungen.
- Marketing und Vertrieb: Kundenanfragen, Reklamationen, Feedback und Anfragen zu Angeboten lassen sich nach Anliegen und Dringlichkeit einordnen. So bekommt jeder Kunde schneller die passende Antwort.
- Verwaltung und Buchhaltung: Die Eingangspost wird vorsortiert, Rechnungen landen direkt im Freigabeprozess, Verträge in der Vertragsverwaltung. Wie die KI Verträge danach inhaltlich prüft, zeigen wir in unserem Beitrag zur Vertragsanalyse mit KI.
Eine Faustregel: Wenn bei Ihnen mehrere Personen regelmäßig Dokumente öffnen, nur um zu entscheiden, wohin sie gehören, ist das ein Kandidat für die Automatisierung.
In sechs Schritten zur funktionierenden KI-Klassifikation
Die meisten Projekte scheitern nicht an der Technik, sondern an fehlender Vorbereitung. Die folgenden Schritte zeigen, was jeweils nötig ist, wo es typischerweise hakt und wo wir Sie unterstützen.
1. Den Dokumentfluss analysieren
Bevor ein Werkzeug ausgewählt wird, muss klar sein, welche Dokumente über welche Kanäle hereinkommen, wie viele es sind und wer heute was damit macht. Erfassen Sie für zwei bis vier Wochen grob die Mengen pro Dokumenttyp und den Zeitaufwand pro Vorgang.
Typischer Fehler: Man automatisiert den lautesten Prozess statt den wirtschaftlichsten. Ein seltener, aber nerviger Dokumenttyp bringt weniger als die tägliche Flut an Lieferscheinen.
Unser Beitrag: Die Analyse von Geschäftsprozessen ist der Kern unserer KI-Strategieberatung. Wir betrachten den Dokumentfluss im Zusammenhang mit Ihren übrigen Abläufen und priorisieren nach erwartetem Nutzen.
2. Ein klares Klassenschema festlegen
Die KI kann nur so gut sortieren, wie Ihre Klassen definiert sind. Legen Sie fest, welche Dokumenttypen es gibt, wie sie sich voneinander unterscheiden und was mit Grenzfällen passiert. Zehn bis zwanzig gut abgegrenzte Klassen sind für den Start meist besser als sechzig feine Unterkategorien.
Typischer Fehler: Klassen überschneiden sich. Wenn „Angebot“ und „Kostenvoranschlag“ für Ihr Team dasselbe bedeuten, wird auch die KI zwischen beiden schwanken. Ebenso wichtig ist eine Restklasse „Sonstiges“ für alles, was nicht passt.
Ein durchdachtes Klassenschema ist gleichzeitig der Grundstein für eine Ablage nach Metadaten statt nach starren Ordnern. Mehr dazu im Beitrag Wissensmanagement mit KI.
3. Beispieldaten aufbereiten
Auch Sprachmodelle brauchen Beispiele, um Ihre betriebsspezifischen Dokumente zuverlässig zu erkennen, und Sie brauchen sie, um die Treffsicherheit zu prüfen. Sammeln Sie pro Klasse eine repräsentative Auswahl: gute Scans und schlechte, verschiedene Absender, alte und neue Vorlagen. Entfernen oder schwärzen Sie personenbezogene Daten, wo sie für den Test nicht nötig sind.
Typischer Fehler: Es werden nur „schöne“ Beispiele gesammelt. Im Alltag kommen schiefe Handyfotos, mehrseitige PDFs mit drei Dokumenten darin und handschriftliche Notizen. Genau diese Fälle gehören in den Test.
Wie Sie Ihre Daten Schritt für Schritt startklar machen, beschreiben wir ausführlich in Datenaufbereitung für KI.
4. Werkzeug auswählen und im Pilot testen
Die Klassifikation kann Teil Ihres Dokumentenmanagementsystems (DMS) sein, als eigenständiger Dienst laufen oder über eine Automatisierungsplattform mit einem Sprachmodell verbunden werden. Entscheidend sind die Anbindung an Ihre bestehenden Systeme, der Speicherort der Daten und die Möglichkeit, Ergebnisse nachzuvollziehen.
Starten Sie mit einem Pilot für zwei bis drei Dokumenttypen. Messen Sie, wie viele Dokumente richtig, falsch oder gar nicht zugeordnet werden, und zwar mit Ihren echten Daten statt mit Demo-Dateien.
Typischer Fehler: Die Entscheidung fällt nach einer Produktvorführung statt nach einem Test mit eigenen Dokumenten. Ob sich ein KI-fähiges DMS für Ihre Größe rechnet, beleuchten wir in DMS mit KI: Lohnt sich die Investition für den Mittelstand?
Unser Beitrag: Wir entwickeln mit Ihnen einen individuellen KI-Fahrplan, der festlegt, welcher Pilot zuerst kommt, wie er bewertet wird und wie es danach weitergeht. Dabei achten wir auf Datenschutzkonformität.
5. In den Arbeitsablauf einbinden
Eine Klassifikation, die nur ein Etikett vergibt, spart wenig. Ihr Wert entsteht, wenn das Etikett eine Aktion auslöst: Die Rechnung geht in die Freigabe, die Mängelanzeige an die Bauleitung, die Kundenanfrage in den Vertrieb.
Legen Sie eine Konfidenzschwelle fest. Dokumente, bei denen die KI sehr sicher ist, laufen automatisch durch. Alles darunter landet in einer Prüfliste für einen Menschen. Diese Prüfung durch Mitarbeitende (Fachbegriff „Human in the Loop“) sorgt für Qualität und liefert gleichzeitig neue Beispiele, mit denen das System besser wird.
Typischer Fehler: Die Schwelle wird nie angepasst. Starten Sie vorsichtig und senken Sie sie, sobald die Zahlen stabil sind. Wie solche Automatisierungsketten über den Dokumenteneingang hinaus aufgebaut werden, zeigt unser Beitrag zur KI-Prozessautomatisierung.
6. Das Team schulen und Regeln festlegen
Die beste Klassifikation nützt nichts, wenn Mitarbeitende Dokumente aus Gewohnheit weiter von Hand sortieren oder bei der ersten Fehlzuordnung das Vertrauen verlieren. Ihr Team muss verstehen, wie das System entscheidet, was der Konfidenzwert bedeutet und wie Korrekturen zurückgemeldet werden.
Unser Beitrag: In branchenspezifischen Workshops und Mitarbeitertrainings vermitteln wir KI-Grundlagen und deren Anwendung im Arbeitsalltag, zugeschnitten auf die Dokumente und Abläufe Ihres Betriebs. Persönlich betreut werden Sie dabei von zertifizierten INQA-Coaches.
Datenschutz, Mitbestimmung und interne Regeln
Dokumente enthalten fast immer personenbezogene Daten: Namen, Adressen, Bankverbindungen, manchmal Gesundheitsdaten von Beschäftigten. Deshalb gehört die Datenschutz-Grundverordnung (DSGVO), das EU-weite Datenschutzrecht, von Anfang an in die Planung. Klären Sie, wo die Dokumente verarbeitet werden, ob ein Dienstleister Zugriff hat und ob mit ihm ein Auftragsverarbeitungsvertrag besteht. Das ist ein Vertrag, der regelt, wie ein externer Anbieter Daten in Ihrem Auftrag verarbeiten darf. Lassen Sie diese Punkte von Ihrem Datenschutzbeauftragten prüfen, bevor echte Kundendaten in den Pilot gehen.
Auch steuerrelevante Unterlagen wie Rechnungen unterliegen gesetzlichen Aufbewahrungs- und Ordnungsvorschriften. Die KI sortiert, doch die Ablage muss weiterhin den Anforderungen entsprechen, die Ihre Steuerberatung an Ihr Archiv stellt. Stimmen Sie das Zielsystem deshalb mit ihr ab.
Hat Ihr Betrieb einen Betriebsrat, sollten Sie ihn früh einbinden, denn Systeme, die Arbeitsabläufe von Beschäftigten erfassen, können mitbestimmungspflichtig sein. Welche Rechte dabei wirklich gelten, erläutern wir im Beitrag Betriebsrat bei KI.
Der europäische AI Act stellt zudem Anforderungen an Unternehmen, die KI einsetzen, unter anderem an die KI-Kompetenz der Mitarbeitenden. Eine schriftliche KI-Richtlinie schafft hier Klarheit: Welche Werkzeuge sind erlaubt, welche Daten dürfen hinein, wer ist verantwortlich? Mehr dazu in Brauchen Unternehmen jetzt eine AI Policy? und in unserem Umsetzungsplan zur KI-Governance für KMU.
Woran Sie den Erfolg messen
Damit sich der Nutzen belegen lässt, brauchen Sie vor dem Start eine Ausgangsmessung und danach wenige, klare Kennzahlen:
- Automatisierungsquote: Anteil der Dokumente, die ohne menschliche Prüfung richtig zugeordnet werden.
- Fehlerquote: Anteil der falsch zugeordneten Dokumente, getrennt nach Klassen, damit Sie Schwachstellen im Klassenschema erkennen.
- Durchlaufzeit: Zeit vom Eingang eines Dokuments bis zur Bearbeitung durch die zuständige Stelle.
- Eingesparte Arbeitszeit: Stunden pro Woche, die vorher in Sortieren, Umbenennen und Weiterleiten flossen.
Eine Beispielrechnung mit angenommenen Werten: Ein Handwerksbetrieb erhält pro Woche 400 Dokumente. Sortieren, Benennen und Weiterleiten dauern im Schnitt eine Minute pro Dokument, also knapp 6,7 Stunden pro Woche. Laufen nach dem Pilot drei von vier Dokumenten automatisch durch und braucht die Prüfung der übrigen etwa 20 Sekunden pro Dokument, sinkt der Aufwand auf rund 0,6 Stunden. Das sind etwa sechs Stunden pro Woche, die in Angebote, Kundenkontakt oder Arbeit auf der Baustelle fließen können. Dazu kommen weniger verlorene Belege und schnellere Rechnungsfreigaben, die sich schwerer in Stunden fassen lassen, aber oft genauso viel wert sind.
Ihre eigenen Zahlen weichen davon ab. Wichtig ist, dass Sie sie vorher erheben, sonst bleibt der Erfolg ein Bauchgefühl.
Mit Menter schneller zum Ergebnis
Sie möchten wissen, ob und wo sich KI-Dokumentenklassifikation in Ihrem Betrieb rechnet? In unserer KI-Strategieberatung für KMU analysieren wir Ihre Geschäftsprozesse und entwickeln einen individuellen KI-Fahrplan, der zu Ihrer Branche und Unternehmensgröße passt. Zusätzlich unterstützen wir Sie beim Förderungsscouting und bei Förderanträgen.
Für den gemeinsamen Einstieg mit Ihrem Team entwickeln und moderieren wir KI-Potenzialtage, an denen Sie die Einsatzfelder in Ihrem Unternehmen konkret herausarbeiten. Alle Leistungen finden Sie auf unserer Seite KI-Beratung, Workshops und Trainings. Direkt ins Gespräch kommen Sie über ein Erstgespräch vereinbaren.
Unsere Sicht: Die Klassifikation ist der leichteste Teil
Wenn wir mit Geschäftsführern über Dokumentenklassifikation sprechen, beginnt das Gespräch fast immer bei der Frage nach dem richtigen Tool. Wir drehen die Reihenfolge um. Die Modelle, die heute verfügbar sind, erkennen eine Rechnung, einen Lieferschein oder einen Prüfbericht zuverlässig. Den Unterschied zwischen einem Projekt, das nach drei Monaten im Alltag trägt, und einem, das in der Schublade landet, machen andere Dinge.
Erstens das Klassenschema. Es ist im Grunde eine Beschreibung, wie Ihr Betrieb arbeitet. Wer es gemeinsam mit den Menschen erstellt, die die Dokumente täglich in der Hand haben, bekommt Klassen, die im Alltag funktionieren.
Zweitens der Platz im Prozess. Eine Klassifikation ohne Folgeaktion ist ein hübsches Etikett. Erst wenn die Rechnung automatisch in der Freigabe landet, entsteht der Return on Investment, an dem wir unsere Arbeit messen.
Drittens die Menschen. Mitarbeitende, die verstehen, warum die KI so entscheidet, korrigieren sie und machen sie besser. Deshalb verbinden wir Strategie immer mit Training und persönlicher Begleitung durch zertifizierte INQA-Coaches.
Unser Rat an jeden Mittelständler: Starten Sie klein, mit einem Dokumenttyp, der wirklich weh tut, messen Sie sauber und bauen Sie dann aus. So wird aus einem KI-Experiment ein fester Bestandteil Ihrer Abläufe.
Shaun
Häufige Fragen zur KI-Dokumentenklassifikation
Welche KI eignet sich am besten für Dokumente?
Es gibt nicht die eine beste KI. Für gemischte Eingangspost mit vielen Formaten sind Sprachmodelle stark, weil sie Inhalte verstehen und wenige Beispiele brauchen. Für sehr einheitliche, große Mengen kann ein speziell trainiertes Modell sinnvoll sein. Entscheidend sind Ihre Dokumente, Ihre vorhandene Software und Ihre Datenschutzanforderungen.
Wie viele Beispieldokumente braucht die KI?
Sprachmodelle kommen mit deutlich weniger Beispielen aus als klassische Machine-Learning-Verfahren. Für einen aussagekräftigen Test sollten Sie trotzdem pro Klasse eine repräsentative Auswahl bereithalten, inklusive schlechter Scans und Sonderfälle. Diese Beispiele dienen vor allem dazu, die Treffsicherheit mit Ihren echten Daten zu messen.
Was ist der Unterschied zwischen OCR und KI-Klassifikation?
OCR wandelt ein Bild in lesbaren Text um, versteht ihn aber nicht. Die KI-Klassifikation baut auf diesem Text oder direkt auf dem Bild auf und erkennt, um welche Art Dokument es sich handelt und was damit geschehen soll. In der Praxis arbeiten beide zusammen.
Wie lange dauert die Einführung im KMU?
Das hängt von Dokumentmenge, Anzahl der Klassen und vorhandenen Systemen ab. Ein Pilot für zwei bis drei Dokumenttypen ist überschaubar und liefert schnell belastbare Zahlen. Mit einem klaren KI-Fahrplan wissen Sie von Anfang an, wann welcher Ausbauschritt folgt.