Produkt· 4 Min.

    OCR bei Belegen: Wie aus einem Bild prüfbare Daten werden

    Von Veröffentlicht am: Zuletzt aktualisiert am:

    OCR bei Belegen: Wie aus einem Bild prüfbare Daten werden

    OCR bei Belegen verstehen: Bildqualität, Texterkennung und Feldzuordnung unterscheiden, unsichere Werte erkennen und Ergebnisse am Original kontrollieren.

    📋 Kurz & Knapp

    OCR liest sichtbare Zeichen; die Zuordnung zu Betrag, Datum oder Händler ist ein weiterer Schritt. Gute Bildqualität verbessert die Grundlage, garantiert aber keine richtige Erkennung. Eine strukturierte E-Rechnung ist etwas anderes als ein ausgelesenes Belegfoto.

    Reklam

    Ein Belegfoto und ein Datensatz mit Betrag und Datum sehen nach einem einfachen technischen Schritt aus. Tatsächlich müssen mehrere Aufgaben gelöst werden: Das Bild muss lesbar sein, Zeichen müssen erkannt und anschließend den richtigen Feldern zugeordnet werden. Dieser Beitrag erklärt diese Unterschiede anhand konkreter Fehlerquellen. Die anschließende steuerliche Prüfung einer Ausgabe wird in der Anleitung zur KI-Ausgabenverfolgung behandelt.

    Bild, Text und Geschäftsvorfall unterscheiden

    OCR steht für optische Zeichenerkennung. Sie versucht, sichtbare Zeichen eines Bildes als Text verfügbar zu machen. Der erkannte Text ist noch nicht automatisch ein vollständiger Buchungsvorschlag. Auf einem Kassenbon stehen beispielsweise Telefonnummer, Uhrzeit, Einzelpreise, Zwischensummen und der Gesamtbetrag nebeneinander. Die passende Zuordnung verlangt zusätzliche Verarbeitung und einen Abgleich mit dem Dokument.

    Eine technisch richtige Zeichenfolge kann trotzdem im falschen Feld landen. Die Zahl neben einem Rabatt ist nicht zwingend der Zahlbetrag. Ein Datum kann zur Leistung oder zur Ausstellung gehören. Eine Telefonnummer darf nicht als steuerliche Identifikation behandelt werden. Prüfen Sie deshalb getrennt, ob der Text korrekt erkannt wurde und ob die daraus gewonnenen Felder den tatsächlichen Vorgang richtig beschreiben.

    KI ergänzt die Erkennung, ersetzt aber keinen Nachweis

    KI-gestützte Systeme können den Zusammenhang zwischen Textteilen auswerten und einen Händler oder eine Kategorie vorschlagen. Solche Vorschläge können hilfreich sein, bleiben aber überprüfbar. Ein Modell kennt den persönlichen betrieblichen Verwendungszweck eines Einkaufs nicht allein aus dem Händlernamen. Ebenso kann eine plausibel ausgefüllte Liste fehlende Angaben auf dem Original nicht nachträglich erzeugen.

    § 146 Absatz 1 AO verlangt für die von der Vorschrift erfassten Aufzeichnungen Richtigkeit und Vollständigkeit. Die technische Erkennung ändert daran nichts. Bei einem Fehler muss zwischen dem Originaldokument und den daraus gewonnenen Daten unterschieden werden. Das Original kann richtig sein, obwohl ein Erfassungsfeld falsch ist. Umgekehrt macht ein richtig gelesenes Feld eine unvollständige Rechnung nicht ausreichend.

    Welche Bildprobleme die Erkennung erschweren

    • Unschärfe verdeckt kleine Zeichen oder lässt Ziffern ähnlich erscheinen.
    • Schräger Aufnahmewinkel verzerrt Textzeilen und ihre Zuordnung.
    • Schatten, Spiegelungen und Falten unterbrechen sichtbare Angaben.
    • Abgeschnittene Ränder lassen Datum, Nummer oder Summenzeilen fehlen.
    • Starke Kompression kann feine Schrift schwer lesbar machen.

    Prüfen Sie die gespeicherte Aufnahme in ausreichender Größe. Wenn ein Mensch den maßgeblichen Wert nicht sicher lesen kann, ist eine erneute Aufnahme meist die bessere Grundlage als ein geratenes Eingabefeld. Bei mehrseitigen Dokumenten reicht eine klare erste Seite nicht aus. Auch lesbare Rückseiten oder Anlagen können für den Zusammenhang und die Rechnungsprüfung wichtig sein.

    Kompression ist ein technischer Kompromiss

    Kleinere Bilddateien erleichtern die Übertragung, können aber Details verlieren. Ein pauschales Qualitätsversprechen lässt sich daraus nicht ableiten. Fisnap verkleinert Belegbilder vor dem Upload und nutzt KI-gestützte Verarbeitung für Erfassungsvorschläge mit Vertrauenswerten. Das beschreibt die tatsächliche Arbeitsweise, bestätigt aber weder eine feste Erkennungsquote noch eine garantierte Verarbeitungsgeschwindigkeit oder steuerliche Zertifizierung.

    Kontrollieren Sie nach einer Verkleinerung weiterhin die Lesbarkeit der relevanten Angaben. Eine nominelle Dateigröße oder Pixelzahl allein beantwortet diese Frage nicht. Lange Bons mit sehr kleiner Schrift können andere Anforderungen haben als kurze, kontrastreiche Rechnungen. Die passende Reaktion auf verlorene Details ist ein besseres Dokument, nicht das ungeprüfte Vertrauen auf den Erkennungswert.

    Beispiel: Dezimalzeichen und Feldzuordnung

    Angenommen, auf einem Beleg steht ein Gesamtbetrag von 48,90 Euro. Durch einen beschädigten Ausschnitt erkennt das System 489,00 Euro. Die Abweichung um den Faktor zehn entsteht aus dem falsch gelesenen Dezimalzeichen. Wird die Zahl ungeprüft übernommen, sieht die Ausgabenübersicht trotzdem formal ordentlich aus. Die frei gewählten Beträge zeigen ein technisches Risiko, keine typische Fehlerquote.

    Ein zweiter möglicher Fehler wäre, statt des Gesamtbetrags eine Zwischensumme von 45,00 Euro zu übernehmen. Hier kann die Zeichenfolge richtig gelesen worden sein, aber die Feldzuordnung ist falsch. Beide Fälle benötigen einen Abgleich am Original. Eine nachträgliche Rechenkontrolle kann Auffälligkeiten unterstützen, ersetzt aber nicht die Feststellung, welcher Wert tatsächlich als Gesamtbetrag ausgewiesen ist.

    Vertrauenswerte und Auffälligkeiten sinnvoll nutzen

    Ein Vertrauenswert beschreibt die technische Einschätzung eines Systems zu einer Ausgabe. Er ist keine rechtliche Bestätigung. Eine hohe Einschätzung kann auf einer gut lesbaren, aber falsch zugeordneten Zahl beruhen. Eine niedrige Einschätzung kann eine korrekte Zahl begleiten, deren Schrift ungewöhnlich aussieht. Kontrollieren Sie daher die entscheidenden Angaben auch dann, wenn keine Warnung angezeigt wird.

    Auffälligkeitshinweise können beispielsweise auf unleserliche Stellen oder widersprüchliche Werte aufmerksam machen. Sie sind eine Unterstützung für die Prüfung, keine vollständige Fehlerliste. Eine fehlende Warnung bedeutet nicht, dass alle Rechnungsangaben vorhanden sind. Entscheidend bleiben Dokument und Sachverhalt. Offene Fragen sollten als solche bestehen bleiben, statt durch automatische Standardwerte verdeckt zu werden.

    Ausgelesene Rechnungsdaten sind keine Rechnungsprüfung

    § 14 UStG und die einschlägigen Vorschriften der UStDV bestimmen die erforderlichen Rechnungsangaben. Je nach Rechnungstyp gelten unterschiedliche Anforderungen, etwa § 33 UStDV für Kleinbeträge. Für den Vorsteuerabzug sind zusätzlich die Voraussetzungen des § 15 UStG zu prüfen. OCR kann sichtbare Angaben erfassen, entscheidet aber nicht abschließend über deren rechtliche Bedeutung.

    Besonders bei Währungen und mehreren Steuersätzen ist Vorsicht sinnvoll. Ein einzelner Satz darf nicht bloß aus dem Land oder einer Händlerkategorie abgeleitet werden. Der Mehrwertsteuer-Rechner kann korrekt bestimmte Beträge gegenrechnen. Er bestätigt nicht, dass die Rechnung vollständig ist oder die ausgewiesene Steuer im persönlichen Fall als Vorsteuer abgezogen werden darf.

    Strukturierte E-Rechnungen benötigen einen anderen Weg

    § 14 UStG beschreibt strukturierte elektronische Rechnungen als Formate, die elektronische Verarbeitung ermöglichen. Deren Daten können aus der Struktur verarbeitet werden; eine Texterkennung des Druckbilds ist nicht der gleiche Vorgang. Wer die ursprüngliche Datei in ein Bild umwandelt und nur dieses ausliest, kann relevante Daten und deren Zusammenhang verlieren.

    § 147 AO und § 14b UStG regeln einschlägige Aufbewahrungspflichten. Die Erfassungstabelle ersetzt deshalb nicht die erforderlichen Originalunterlagen. Häufige Fehler sind ungeprüfte Dezimalzeichen, falsch zugeordnete Summen und die Verwechslung von Vertrauenswert und Freigabe. Die KI-Prüfanleitung vertieft die Kontrolle, Belege digitalisieren die Aufnahme und die Rechnungs-Anleitung die Inhaltsanforderungen.

    Quellen

    Dieser Beitrag dient der allgemeinen Information und ersetzt keine individuelle steuerliche Beratung.

    F

    Cem Demir

    Cem Demir ist der Gründer von Fisnap. Er arbeitet seit rund 16 Jahren im digitalen Marketing und hat Fisnap entwickelt, um Selbstständigen und kleinen Unternehmen die Beleg- und Ausgabenverwaltung zu erleichtern.

    Häufig gestellte Fragen

    Ist OCR dasselbe wie die Zuordnung zu Rechnungsfeldern?▾

    Nein. Zeichenerkennung liest Text; die Zuordnung etwa zu Datum, Gesamtbetrag oder Händler ist ein weiterer Verarbeitungsschritt.

    Garantiert ein scharfes Bild richtige Ergebnisse?▾

    Nein. Es schafft eine bessere Grundlage, verhindert aber nicht jede falsche Erkennung oder Feldzuordnung.

    Bestätigt ein hoher Vertrauenswert eine richtige Rechnung?▾

    Nein. Ein technischer Vertrauenswert ist weder eine vollständige Inhaltsprüfung noch eine Bestätigung des Vorsteuerabzugs.

    Warum können Dezimalzeichen problematisch sein?▾

    Ein schwaches oder verdecktes Zeichen kann den erfassten Betrag stark verändern. Vergleichen Sie deshalb die Zahl einschließlich Dezimalstelle am Original.

    Soll ich strukturierte E-Rechnungen aus einem Screenshot auslesen?▾

    Eine Bildansicht ersetzt nicht die maßgeblichen elektronischen Daten. Strukturierte Verarbeitung und OCR sind unterschiedliche Wege.

    Weiterführende Artikel

    Reklam