Bookkeepr AI
Ein innovativer Ansatz für die automatisierte Verbuchung von Rechnungen mithilfe von Künstlicher Intelligenz
| Programm / Ausschreibung | IWI 24/26, IWI 24/26, Basisprogramm Ausschreibung 2024 | Status | laufend |
|---|---|---|---|
| Projektstart | 04.01.2024 | Projektende | 03.01.2025 |
| Zeitraum | 2024 - 2025 | Projektlaufzeit | 13 Monate |
| Keywords | |||
Projektbeschreibung
Im Rahmen des Projektes "Bookkeepr AI" soll untersucht werden, wie die Verbuchung von Rechnungen mithilfe von KI automatisiert werden kann.
Dabei soll einerseits analysiert werden, wie Buchungstexte automatisiert und fachlich korrekt auf Basis von Rechnungsinformationen generiert werden können.
Andererseits soll untersucht werden, wie Rechnungen nach der Art der Ausgabe auf Basis von Rechnungsinformationen bzw. auch mithilfe des eigens generierten Buchungstextes automatisiert und fachlich korrekt klassifiziert werden können.
Diese beiden Arbeitsschritte, die heutzutage immer noch größtenteils manuell erledigt werden, sind für Nutzer:innen mit wenig Buchhaltungs-Know-how oft nur schwer korrekt zu bewerkstelligen.
Eine Lösung, die Ein-Personen-Unternehmen und Kleinstunternehmen dabei unterstützt, diese Aufgaben weitestgehend automatisiert und fachlich korrekt zu erledigen, hätte einen erheblichen Mehrwert für diese Zielgruppe.
Endberichtkurzfassung
Das Projekt hatte zum Ziel, die automatisierte Klassifizierung von Rechnungen zu optimieren und die Effizienz in der Buchhaltung zu steigern.
Ein wesentlicher Erfolg war die Konsolidierung von rund 20.000 PDF-Rechnungen sowie den dazugehörigen Buchhaltungsinformationen. Diese Maßnahme schuf eine solide Datenbasis für weitere Forschungsarbeiten.
Durch verschiedene Preprocessing-Methoden konnte die Qualität der Daten deutlich verbessert werden. Im weiteren Verlauf wurde der beste Klassifizierungsalgorithmus identifiziert und weiteroptimiert, was zu signifikanten Fortschritten in der Leistungsfähigkeit unseres Klassifizierungsmodells führte.
Die Entwicklung eines Prototyps mit einer integrierten Klassifizierungsfunktion stellte den abschließenden Meilenstein im Projektverlauf dar. Nutzerfeedback hat uns weitere Erkenntnisse über die Akzeptanz unserer Lösung zu gebracht.
Insgesamt kann das Projekt auf zahlreiche positive Ergebnisse zurückblicken, die die Klassifizierungsgenauigkeit erhöht und die Grundlage für innovative Lösungen in der Buchhaltungsbranche geschaffen haben.