So revolutioniert DeepO die Kreditoren-Belegverarbeitung bei der BKW Building Solutions

min Lesezeit

Die BKW Building Solutions konnte mit DeepO die Effizienz bei der Verarbeitung von Kreditorenbelegen signifikant steigern. Was dies genau bedeutet, erklärt Senior Projektleiter Simon Häni. 

Wie sind Sie bei der Einführung von DeepO vorgegangen?

Simon Häni: Zuerst mussten wir organisatorische Massnahmen treffen, um den digitalen Eingang der Kreditorenbelege zu ermöglichen. Dazu gehörten die Einrichtung einer zentralen E-Mail-Adresse in Form eines elektronischen Briefkastens für den Rechnungseingang sowie die automatische Weiterleitung an die DeepBox. Unsere Lieferanten wurden über diese Änderungen informiert - insbesondere diejenigen, die noch mit Papierrechnungen arbeiteten und ihre Rechnungsstellung auf PDF umstellen mussten.

Auch intern haben wir eine Person bestimmt, welche die Funktionen von DeepO im Rahmen der Einführung von Grund auf kennenlernen musste. Dies stellt sicher, dass wir Belege für die automatisierte Verarbeitung selbstständig mit den Funktionen von DeepO trainieren können.

Wie hat sich die Anzahl der verarbeiteten Belege in den letzten Jahren entwickelt?

SH: Derzeit verarbeiten wir etwa 344'000 Belege pro Jahr. Davon wurden im Jahr 2023 rund 303'000 Belege noch mit der herkömmlichen Methode mit AbaScan verarbeitet. Im Sommer 2023 haben wir mit einer Pilotfirma und rund 41'000 Belegen mit DeepO gestartet. Nach dem erfolgreichen Onboarding haben wir Ende 2023 eine weitere Firma mit rund 16'000 Belegen auf DeepO umgestellt.

Zwischen Januar und April 2024 sind vier Onboardings mit einem Belegvolumen von 66'000 Belegen jährlich geplant. Weitere Onboardings sind in der Planungspipeline.

Nach der erfolgreichen Umstellung aller Gesellschaften werden wir rund 375'000 Belege pro Jahr mit DeepO verarbeiten. Die Zunahme der Belege ist vor allem auch auf die Zukäufe von Firmen zurückzuführen, die bis zum Kauf mit einem anderen ERP-System gearbeitet haben.

Welche Dokumenttypen werden verarbeitet?

SH: Rechnungen und Gutschriften von Lieferanten. Des Weiteren werden Mahnungen, Lieferscheine, Auftragsbestätigungen etc. über den Workflow aus dem Posteingang in einen Unterordner «Buchhaltung» verschoben, wo sie geprüft, an die zuständige Stelle weitergeleitet oder bei Bedarf gelöscht werden. 

Welche Funktionen unterstützen die Automatisierung der Belegverarbeitung am meisten?

SH: Der Hauptfokus liegt auf der Erkennung der Projektnummer. Für Lieferanten mit mehr als 50 Belegen pro Jahr wurden in DeepO Keywords hinterlegt, welche die Projektnummer erkennen und diese automatisch im Abacus verbuchen. Darüber hinaus ist im Abacus Lieferantenstamm für diese Lieferanten ein Kontierungsvorschlag hinterlegt. Über den Flow wollen wir eine mögliche andere Kontierung als im Lieferantenstamm abfragen, sofern die Rechnung mit einer Projektnummer sowie einem Zusatz versehen ist. Wenn der Zusatz beispielsweise «Material» ist, soll die Kostenart 40000 gesetzt werden. Wenn der Zusatz «Unterhalt» ist, soll beispielsweise die Kostenart 62010 gesetzt werden. Die Positionserkennung nutzen wir noch nicht aktiv, wird aber bei den Rechnungen von Temporärbüros relevant und in Zukunft sicher auch genutzt.

Können Sie selbständig solche Definitionen durchführen oder brauchen Sie dazu immer den Abacus Partner?

SH: Grundsätzlich definieren wir heute die Flows, Vorschläge oder Keywords selbstständig und brauchen nur noch bei Spezialfällen die Unterstützung von Bewida, unserem Abacus Partner.

«Unser Ziel ist es, dass 80 Prozent der Kreditorenrechnungen mit Projektnummer automatisch verarbeitet werden und ohne manuellen Eingriff in den Freigabeprozess der Kreditorenbuchhaltung gelangen.»

Simon Häni, Senior Projektleiter BKW Building Solutions

Was waren die grössten Herausforderungen bei der Einführung von DeepO?

SH: Herausforderungen ergeben sich vor allem bei Belegen, die nicht dem Standard einer normalen Lieferantenrechnung entsprechen, beispielsweise Rechnungen mit mehreren Anhängen. Dann auch die Erkennung des richtigen Lieferanten aufgrund von Doubletten im System, fehlende Zahlungskonditionen, falsche Adresse, nicht erkannte Zahlwege oder auch das Erkennen des richtigen Zahlungsbetrags. Solche Fälle konnten durch Einstellungen in DeepO korrigiert werden, sodass weitere Belege automatisch verarbeitet werden konnten. Bei gewissen Lieferanten mussten wir auch einfordern, dass sie ihre Fakturen soweit anpassen, dass wir auch die Möglichkeit hatten, die für uns wichtigen Elemente wie beispielsweise die Projektnummer für die automatische Verbuchung zu erkennen.

Wie hoch schätzen Sie die Zeitersparnis (künftig) ein?

SH: Wenn wir die Zeit miteinrechnen, die das Öffnen von Umschlägen, die formale Prüfung der Rechnungen, das Scannen und die Weiterverarbeitung benötigen und mit dem Belegvolumen multiplizieren, komme ich auf eine grobe Schätzung von rund 10'000 Arbeitsstunden pro Jahr, die wir einsparen können. Dies, wenn alle Belege über DeepO verarbeitet werden. Das entspricht etwa vier bis fünf Vollzeitstellen.

Uns geht es aber nicht darum, Stellen zu einzusparen, sondern die Zeit für weiterführende Aufgaben zu nutzen und die stetig wachsende Zahl an Lieferantenrechnungen mit den gleichen Anzahl Stellen bewältigen zu können.

Haben Sie Tipps für Abacus Kunden, die DeepO einführen möchten?

SH: Eine gründliche Analyse der IST-Prozesse in der Kreditorenverarbeitung sowie die Definition und Prüfung der SOLL-Prozesse nach der Einführung von DeepO sind entscheidend. Es ist wichtig, die eigenen Anforderungen und Erwartungen zu kennen. Ausserdem empfehle ich, die Lieferantenstammdaten vor der Umstellung zu bereinigen. Wenn alles soweit vorbereitet ist, würde ich ein Pilotprojekt durchführen und klären, inwieweit die Erwartungen erfüllt wurden.

Grundsätzlich ist die Einführung von DeepO ein laufender Prozess. Es geht darum, dass man in einer ersten Phase Belege von Kreditoren mit DeepO verarbeitet, die das höchste Belegvolumen erzeugen. In einer zweiten Phase werden Belege bearbeitet, bei denen eine grosse Zeitersparnis erzielt werden kann. Zum Schluss werden Belege einzelner Lieferanten angeschaut, die nicht automatisch verarbeitet werden können und mit DeepO so weit trainiert werden, dass auch bei diesen Lieferanten die Automatisierung des Verbuchungsprozesses erfolgen kann.

Was sind die drei wichtigsten Vorteile von DeepO gegenüber Konkurrenzprodukten?

SH: Ein grosser Vorteil ist, dass es sich dabei um eine Schweizer Lösung handelt, die für uns als BKW gleichzeitig das grösste Potenzial aufweist. Zudem ist das Kosten-Nutzenverhältnis gegenüber Konkurrenzprodukten um ein x-faches besser. Die direkte Anbindung an Abacus ohne aufwendige und kompliziert zu bewirtschaftende Schnittstellen ist ebenfalls ein grosses Plus. Abschliessend schätze ich die enge Zusammenarbeit mit unserem Abacus Partner Bewida sowie auch Abacus selbst.

Über BKW Building Solutions

Gebäudetechnik aus einem Guss – dafür steht die BKW Building Solutions. BKW Building Solutions ist ein regional verankertes und schweizweit präsentes Firmennetzwerk mit erfahrenen Fachspezialistinnen und Fachspezialisten, die umfassende Installationen planen, realisieren und warten.

Über DeepO

DeepO kann dank künstlicher Intelligenz (KI) und Machine Learning (ML) Daten aus einer Reihe von nicht standardisierten Quellen verarbeiten – egal, ob Rechnungen, Bestellungen, Auftragsbestätigungen oder Gutschriften. Dadurch kann insbesondere der Verbuchungsprozess für die Kreditorenbelege automatisiert werden, was zu massiven Zeit- und Kostenersparnissen in der Administration führt.

MEHR ERFAHREN