94,25 % Genauigkeit, 49,87 % der Rechnungen falsch
Warum die Genauigkeit pro Feld die meisten Extraktionsfehler verdeckt und was das für die echten Kosten der KI-Rechnungsverarbeitung bedeutet. 12 Modelle, 5 Sprachen.
Veröffentlicht am 6. Oktober 2026 · Zahlen aus Lauf 20260930T183434Z-453f94
Wenn ein Anbieter sagt, seine KI lese Rechnungen mit 94,25 % Genauigkeit, meint er fast immer Felder: Von allen Lieferantennamen, Daten, USt-IdNr. und Beträgen waren 94,25 % richtig. Das klingt nach fast fertig. Ist es aber nicht. Die Buchhaltung interessiert, wie viele Rechnungen ohne menschlichen Eingriff durchlaufen, und diese Zahl kann bei nur 50,13 % liegen.
Die Lücke in Zahlen
Wir haben 12 Modelle 13 Felder aus je 150 synthetischen Rechnungen in fünf Sprachen (Deutsch, Englisch, Französisch, Spanisch, Tschechisch) auslesen lassen, von reinem Text bis zu Scans und Handyfotos. Hier der Anteil richtiger Felder neben dem Anteil der Rechnungen, bei denen jedes Feld stimmte:
| Modell | Felder richtig | Rechnungen komplett richtig | API / 1.000 | Inkl. Korrektur / 1.000 |
|---|---|---|---|---|
| Claude Sonnet 5.5 | 99,97 % | 99,59 % | 10,65 $ | 18,69 $ |
| Gemini 3.8 Flash | 98,84 % | 97,86 % | 5,83 $ | 48,51 $ |
| GPT-6 Sol | 99,78 % | 97,20 % | 10,44 $ | 66,44 $ |
| GLM-5.3 Flash | 99,52 % | 94,53 % | 1,00 $ | 110,32 $ |
| GPT-6 Luna | 99,28 % | 91,60 % | 0,53 $ | 168,53 $ |
| DeepSeek V4.1 Flash | 99,31 % | 91,46 % | 0,57 $ | 171,25 $ |
| Mistral Medium 3.5 | 96,81 % | 73,73 % | 4,67 $ | 529,99 $ |
| Gemma 4 31B | 95,35 % | 62,66 % | 0,20 $ | 746,84 $ |
| Mistral Small 4 | 94,25 % | 50,13 % | 0,43 $ | 997,75 $ |
(Auswahl aus den 12 Modellen, Durchschnitt über die fünf Sprachen. Alle Modelle und Ergebnisse pro Sprache stehen in der Rangliste.)
Mistral Small 4 trifft 94,25 % der Felder, und trotzdem haben 49,87 % der Rechnungen mindestens ein falsches Feld. Gemma 4: 95,35 % der Felder, aber mehr als ein Drittel der Rechnungen muss korrigiert werden.
Warum die beiden Zahlen auseinanderlaufen
Eine Rechnung hat 13 Felder. Ein Modell, das bei 5,75 % der Felder danebenliegt, konzentriert seine Fehler nicht auf wenige Rechnungen; sie verteilen sich. Und ein einziges falsches Feld reicht, damit ein Mensch die Rechnung anfassen muss. Eine kleine Fehlerquote pro Feld wird so zu einer großen Fehlerquote pro Dokument.
Es kommt auch darauf an, welches Feld falsch ist. Mistral Small irrt am häufigsten beim Leistungsdatum (82,33 %) und bei der USt-IdNr. (84,33 %). Gemma 4 bei der Bankverbindung (80,93 %). Selbst GLM-5.3 Flash ist bei der Bankverbindung am unzuverlässigsten (97,86 %), also genau dort, wo man einen Fehler am wenigsten will.
Was das mit den Kosten macht
Der API-Preis ist der kleinere Teil der Rechnung. Angenommen, die Korrektur einer Rechnung dauert 3 Minuten bei 40 $ pro Stunde, also 2 $ pro fehlerhafter Rechnung. Pro 1.000 Rechnungen:
- Claude Sonnet 5.5 kostet 10,65 $ API und 8,04 $ Korrekturen: 18,69 $.
- Mistral Small 4 kostet 0,43 $ API und 997,32 $ Korrekturen: 997,75 $.
Das günstigste Modell bei der API ist das teuerste im Betrieb. GLM-5.3 Flash liegt dazwischen: bei der API zehnmal günstiger als Sonnet, aber 5,46 % unvollständige Rechnungen machen daraus insgesamt 110,32 $ pro 1.000. Und all das setzt voraus, dass Sie wissen, welche Rechnungen falsch sind. Ohne Prüfungen wie aufgehende Summen und Prüfziffern für USt-IdNr. und IBAN landen die Fehler direkt in der Buchhaltung.
Minuten und Stundensatz können Sie für Ihren Fall in der Modellempfehlung anpassen.
Was Sie vor der Modellwahl fragen sollten
- Genauigkeit pro Dokument, nicht pro Feld. „Alle Felder richtig“ ist die Zahl, die der Dunkelverarbeitung entspricht.
- Pro Feld. Welches Feld scheitert, ist so wichtig wie wie oft: eine falsche IBAN ist keine falsche Lieferadresse.
- In Ihrer Sprache und bei Ihrer Eingangsqualität. Scans und Fotos sind schwerer; GLM-5.3 Flash fällt dort auf 93,99 %, Sonnet 5.5 bleibt bei 100 %.
- Mit Ihren eigenen Dokumenten, wenn möglich. Synthetische Rechnungen sind ein fairer Vergleich, keine Garantie.
Jede Zahl führt bis zu den tatsächlichen Modellausgaben: Öffnen Sie ein beliebiges Modell in der Rangliste oder sehen Sie sich die Beispiele an. Wie wir die Rechnungen erzeugen und die Antworten bewerten, steht in der Methodik.