StartseiteBlogKI-Belegerkennung 2026

KI-Belegerkennung 2026 — wie genau wirklich?

"KI erkennt deine Belege automatisch" — alle behaupten das. Aber wie genau ist die Erkennung in der Praxis? Wir haben 100 Belege quer durch alle Typen getestet und dokumentieren konkrete Zahlen.

Vorab das wichtigste Ergebnis aus unserem Praxistest: Bei klar lesbaren Belegen liegt die Erkennungs-Quote für Beträge und Daten über 95%. Bei verknitterten oder handschriftlichen Belegen sinkt sie auf ~70-80%. Wer das in den Marketing-Versprechen seiner Software vermisst, sollte hellhörig werden.

Was wir getestet haben

100 Belege aus dem realen Selbständigen-Alltag, gleichmäßig verteilt über vier Kategorien:

  • 25 Tankquittungen — Druckqualität meist gut, Layout standardisiert.
  • 25 Restaurant-Bons — Mischung aus Thermo-Bons und gedruckten Rechnungen, oft mit handschriftlichem Trinkgeld-Vermerk.
  • 25 Online-Shop-Belege (PDF) — Amazon, eBay, Conrad, Großhändler — strukturiert, gut lesbar.
  • 25 handschriftliche Quittungen — kleine Lieferanten, Marktstände, manche zerknittert.

Pro Beleg haben wir 5 Felder geprüft: Datum, Brutto-Betrag, MwSt.-Satz, MwSt.-Betrag, Lieferant. Dazu kam die Frage: Stimmt der vorgeschlagene Buchungs-Konto-Vorschlag?

Ergebnisse pro Kategorie

Tankquittungen — durchgängig stark

100%
Datum erkannt
100%
Brutto erkannt
96%
MwSt korrekt
96%
Lieferant erkannt

Tankstellen sind das einfachste Format: hohe Druckqualität, wiederkehrende Layouts. Die einzigen Fehler in der Stichprobe waren bei einer ungewöhnlichen schweizerischen Quittung (kein Aral-Standardlayout) — Lieferant wurde als "unbekannt" gelesen, alles andere korrekt.

Restaurant-Bons — gute Erkennung, Trinkgeld als Achillesferse

96%
Datum erkannt
92%
Brutto erkannt
88%
MwSt korrekt
68%
Trinkgeld erkannt

Restaurant-Bons sind tricky, weil viele zwei MwSt.-Sätze haben (Speisen 7%, Getränke 19% in DE) und das Trinkgeld oft handschriftlich auf dem Bon notiert ist. Die Brutto-Erkennung scheitert manchmal, wenn der Bon einen Kassen-Bon und einen Kreditkarten-Beleg übereinander druckt — die KI war sich dann uneins, was die "echte" Summe ist.

Online-Shop-PDFs — beste Performance

100%
Datum erkannt
100%
Brutto erkannt
100%
MwSt korrekt
100%
Lieferant erkannt

PDFs sind digital strukturiert — wenn die KI Text-Layer extrahieren kann (statt OCR auf Pixel), liegt die Erkennung praktisch bei 100%. Spannend wird's nur bei "Bild-PDFs" (gescannten Papier-Rechnungen, die als PDF gespeichert wurden) — die fallen dann in Kategorie 4.

Handschriftliche Quittungen — die ehrliche Schwäche

76%
Datum erkannt
72%
Brutto erkannt
52%
MwSt korrekt
64%
Lieferant erkannt

Hier wird ehrlich: Krakelige Handschrift, ausgeblichene Quittungsbücher mit verschwommenem Druck, oder "Lieferant: Stempel zwei mal überdruckt" — das ist die Grenze. Die KI macht einen Vorschlag, du bestätigst per Tipp oder korrigierst. Bei 52% korrekt erkanntem MwSt.-Satz heißt das: in fast der Hälfte der Fälle musst du selbst entscheiden, ob 7%, 19% oder 0%.

Was die Zahlen praktisch bedeuten

Bei einem typischen Selbständigen mit 30 Belegen pro Monat (gemischt Tank, Restaurant, Online, handschriftlich) bedeutet das: Etwa 26 von 30 Belegen werden vollständig korrekt erkannt. Bei den restlichen 4 musst du im Dashboard mindestens ein Feld per Tipp korrigieren. Das ist immer noch eine massive Zeitersparnis gegenüber 30 manuellen Eingaben — aber es ist nicht 100% automatisch, und niemand der ehrlich ist behauptet das.

Wichtiger als die Erkennungs-Quote ist deshalb die Korrektur-UX: Wie schnell kannst du einen falsch erkannten Wert korrigieren? Bei meinagent siehst du den Vorschlag in Telegram direkt nach dem Foto, korrigierst per Sprache ("Datum war 12. Mai, nicht 21.") — die KI lernt für ähnliche Belege beim nächsten Mal dazu.

Worauf du beim Vergleich achten solltest

  1. "95% Erkennungsrate" allein sagt nichts. Frag nach dem Beleg-Mix der Stichprobe. 95% bei Online-PDFs ist trivial, 95% bei handschriftlichen Quittungen wäre State-of-the-Art.
  2. Wie ist die Korrektur-Erfahrung? Ein Tool, das dich für jede Korrektur durch drei Bildschirme schickt, ist nicht hilfreicher als ein manueller Eintrag.
  3. Lernt das System pro Lieferant? Wenn du die L'Oréal-Rechnung das erste Mal korrigierst, sollte die zweite automatisch korrekt sein. MeinAgent macht das per Lieferanten-Profil.
  4. Datenschutz: Wo werden die Belege verarbeitet? Wenn die KI auf einem US-Server läuft, ist das DSGVO-rechtlich problematisch. MeinAgent nutzt eine selbst-gehostete Vision-KI auf Hetzner-Servern in Deutschland.

Fazit

KI-Belegerkennung ist 2026 reif für den Praxiseinsatz, aber kein Wundermittel. Bei klar lesbaren Belegen funktioniert sie nahezu perfekt, bei schwierigen Belegen brauchst du weiter den Menschen — aber die Korrektur dauert Sekunden, nicht Minuten. Wer das ehrlich kommuniziert, ist die bessere Wahl als wer 100% verspricht.

→ Mehr zur Belegerfassung mit meinagent