ELO DocXtractor II Invoice

Transkript

1 ELO DocXtractor II Invoice Automatische Rechnungsverarbeitung und Geschäftsprozessoptimierung Murat Durmus DURMUS IT Consulting & Solutions 1

2 Rechnungsverarbeitung Die Herausforderung 2

3 Der Mensch als Schnittstelle zwischen Papier und ERP-System Manuelle Erfassung Die Problematik - Hohe manuelle Erfassungs- und Verarbeitungskosten ( 3-12) Hohe Fehleranfälligkeit bei manueller Erfassung Medienbruch Redundante Datenerfassung Unternehmens- Wissen U - Datenbank Geschäftsprozesse ERP - System Keine optimale Prozessdurchgängigkeit Hohe Durchlaufzeiten in der Rechnungsbearbeitung (Überschreiten von Terminen) 3

4 Technische Erfolgsfaktoren für die Rechnungsverarbeitung + + Prozess-Qualität Prozess-Geschwindigkeit Prozess-Flexibilität Hohe Datenqualität bei geringer Nachbearbeitung Homogener Datenbestand (Konsistenz mit ERP-/ Bestandsführungs-Systemen) Durchgängigkeit der Rechnungsbearbeitung Prozessbeschleunigung und Automatisierung Termintreue (Einhalten von Zahlungsfristen, Ausnutzen von Skonti,...) Cash-Flow-Optimierung Verarbeitung von Rechnungsbelegen verschiedenster Kreditoren Kein Anpassungsaufwand bei neuen Kreditoren Flexibilität bzgl. auszulesender Felder Hohe Effizienz bei der Rechnungsverarbeitung + 4

5 Wirtschaftliche Erfolgsfaktoren für die Rechnungsverarbeitung + + Erfassungskosten Investitionskosten Betrieb/Produktionskosten Initiale Einrichtungskosten Nachbearbeitungsaufwand Datenqualität... Softwarekosten Hardwarekosten Projektierungskosten (intern und extern)... Kreditorenspezifischer Adaptionsaufwand Wartungskosten Flexibilität bzgl. auszulesender Felder... Kurze Amortisationsdauer der Investition + 5

6 DocXtractor II (DX) INVOICE Das Produkt 6

7 Highlights der Rechnungsverarbeitung mit DocXtractor II INVOICE Erfassung von Kreditor und Rechnungsempfänger inklusive Buchungskreiszuordnung; Verarbeitung von CPD Kreditoren Umfangreiche Extraktion von Kopf- und Fußdaten inkl. ungeplanter Nebenkosten und bis zu drei MwSt. Sätzen Vollautomatische Unterscheidung von FI- und MM-Rechnungen über vorkonfiguriertes und konfigurierbares Regelwerk Auslesen von Zahlungsbedingungen und 14 UStG Konformitätsprüfung (auch individuell konfigurierbar) Verarbeitung von Inlands- und Auslandsrechnungen unterschiedlicher Belegsprachen in einem System Umfangreiche Extraktion von Positionsdaten inklusive Bestellzuordnung über Bestellung und Wareneingangsdaten Selbstlernendes und selbstoptimierendes System mit autoadaptiven, intuitiven und visuellen Administrations- und Konfigurationsunterstützungen Umfangreiche statistische Auswertungen und Reporting 7

8 Anforderungen an die Extraktion der jeweiligen Feldinformationen Feldinformationen Kreditor Feld Tabelle Feld Extraktion Extraktion Rechnungsempfänger Rechnungsnummer Vollständige Rechnungsdatum Tabelleninhalte... etc. Netto-Betrag Brutto-Betrag Verschiedene MwSt-Sätze Vollständige Endbetrag... Tabelleninhalte etc. 8

9 Anforderungen an die Extraktion der jeweiligen Tabelleninformationen Feld Tabelle Feld Extraktion Tabelleninformationen Menge Einzelpreis Vollständige Positionspreis Tabelleninhalte Rabatt... etc. 9

10 Herkömmliche positionsabhängige Informationsextraktion Peetz, Erwin Position 1 Position 2 Betrag Entsorgung Rechnungsnummer Ansprechpartner Mehrwertsteuer Gesamtbetrag 94,80 190,80 8,16 44, ,82 Feldpositionen auf den Images müssen vor der Datenextraktion bekannt sein Für jeden Kreditor muss i.a. eine adaptierte Dokumentdefinition angelegt und gepflegt werden Schlagwortsuche (Bsp.:Rechnungsnr./Re.-Nr./Nummer/etc.) ist zusätzliche Fehlerquelle 10

11 Abgleich des Leseergebnisses mit Datenbank OCR-Resultat Ergebnis? Adalf Würth Künzolsau Suche nach dem ähnlichsten Datensatz Zuordnung von OCR-Ergebnissen zu DB-Feldern Stammdaten Daten-Abgleich Feldpositionen auf den Images müssen vor dem Datenbankabgleich bekannt sein Korrekturen bei nicht korrekt positionierten Feldern sind nahezu unmöglich Hoher Administrationsaufwand in der Produktion 11

12 Beispiel: Top-Down-Suche auf dem gesamten Dokument Stammdaten Firmenname Strasse PLZ Ort BLZ Konto Thomas Cook AG Zimmerstr Oberursel Adolf Würth GmbH Postfach Künzelsau Voith AG Pöltenerstr Künzelsau BMW AG Pacalstr Stuttgart Position der Felder muss nicht bekannt sein Ideal für Freiform und Rechnungsbelege Unscharfe Suche (tolerant gegen OCR-Fehler und Schreibvarianten) Qualitativ hochwertige Ergebnisse ohne Trainingsaufwand 12

13 Beispiel: Mathematische Suche auf dem gesamten Dokument Extraktion Netto MwSt. Brutto Prüfung von mathematischen Abhängigkeiten Brutto ist einer der größten Beträge Netto kleiner gleich Brutto Brutto = Netto + MwSt. MwSt. = 0,19 oder 0,07 * Netto Eindeutiges Ergebnis Netto 293,76.-- MwSt 47,00.-- Brutto 340,

14 Selbstlernende Systemoptimierung während der Produktion Bereitstellung gelernten Wissens für zukünftige zu analysierende Belege Automatische Analyse zu verifizierende Belege Nachbearbeiter Sofortige Bereitstellung gelernten Wissens für noch zu verifizierende Belege Systemoptimierung ohne Aufwand im Hintergrund Nutzung von kreditorbezogenem Verifikationswissen zur Optimierung der Erkennung von nicht erkannten Datenpositionen (Bsp.: Rechnungsnummer) Selbständiges Verwalten von unterschiedlichen Dokumenttypen eines Kreditors Kreditorenspezifisches Training entfällt vollständig 14

15 Manuelle Nachbearbeitung der Informationen Stammdaten- Abgleich Rechnungsnummer Automatische Prüfung Ansprechpartner Peetz, Erwin Logische Prüfungen Qualitäts- Position 1 94,80 gesicherter Position 2 190,80 Daten-Export Betrag Entsorgung 8,16 Mehrwertsteuer 44,06 Gesamtbetrag 337,82 Eine manuelle Kontrolle erfolgt nur auf unsicher erkannten Feldern und wird durch die automatische Plausibilitäts-Prüfung effizient unterstützt. 15

16 Alleinstellungsmerkmale des Produktes DocXtractor II INVOICE Universeller Rechnungsleser: generischer Ansatz der Dokumentdefinition Keine kreditorspezifische Definition und Pflege Out-of-the-Box -Lösung: Einsatz ohne Anpassung an Kundendokumente Positionsunabhängige Suche (Top-Down-Suche) Individuelle Anpassung möglich (z.b. UstG 14-Prüfung, automatisierte Bestellabgleiche, Sonderfelder etc.) Kontinuierlich selbstlernendes System Auslesen der Rechnungsinhalte inkl. Tabellen und Bezugsnebenkosten Vollständige Extraktion der Rechnungspositionen Verarbeitung mehrseitiger Belege Verarbeitung fremdsprachiger Belege Automatische Erkennung von Gutschriften und Mahnungen Erweiterung auf DocXtractor II SUITE möglich (Verarbeitung des gesamten Posteingangs) 16

17 Demo und offene Fragen 17