Springer Intelligente Rechnungsverarbeitung: Methodik und Quantitative Analyse einer Rechnungsverarbeitung mithilfe Künstlicher Intelligenz (BestMasters)

Händisches Extrahieren von Rechnungsdaten ist heutzutage ein enorm zeitaufwendiger, monotoner und fehleranfälliger Prozess in vielen Unternehmen. Der Einsatz Künstlicher Intelligenz in Form von Optischer Zeichenerkennung und Künstlichen Neuronalen Netzen erscheint daher prädestiniert, um den Rechnungsverarbeitungsprozess partiell intelligent zu automatisieren und somit Mitarbeiter*innen zu entlasten sowie Projektmargen zu erhöhen. Die vorliegende Arbeit untersucht den Einsatz von KI in der Rechnungsverarbeitung und stellt einen potentiellen Softwareprototypen vor. Außerdem werden empirische Beobachtungen und Experimente zum Testen der Hypothesen durchgeführt, wodurch die zentralen Ergebnisse dieser Arbeit zeigen, dass eine Verarbeitung mit KI-Unterstützung im Vergleich zu einer rein analog-händischen Verarbeitung signifikant schneller und präziser ist. Dabei profitieren vor allem Mitarbeiter*innen, die weniger Erfahrung mit der Rechnungsverarbeitung haben und durch die KI unterstützt werden. Um die deskriptiv erhobenen Ergebnisse vergleichbar zu gestalten, wird eine Matrix entwickelt, die zukünftig Daten hinsichtlich Zeit und Präzision einer Rechnungsverarbeitung auswerten kann. From the Back Cover Händisches Extrahieren von Rechnungsdaten ist heutzutage ein enorm zeitaufwendiger, monotoner und fehleranfälliger Prozess in vielen Unternehmen. Der Einsatz Künstlicher Intelligenz in Form von Optischer Zeichenerkennung und Künstlichen Neuronalen Netzen erscheint daher prädestiniert, um den Rechnungsverarbeitungsprozess partiell intelligent zu automatisieren und somit Mitarbeiter*innen zu entlasten sowie Projektmargen zu erhöhen. Die vorliegende Arbeit untersucht den Einsatz von KI in der Rechnungsverarbeitung und stellt einen potentiellen Softwareprototypen vor. Außerdem werden empirische Beobachtungen und Experimente zum Testen der Hypothesen durchgeführt, wodurch die zentralen Ergebnisse dieser Arbeit zeigen, dass eine Verarbeitung mit KI-Unterstützung im Vergleich zu einer rein analog-händischen Verarbeitung signifikant schneller und präziser ist. Dabei profitieren vor allem Mitarbeiter*innen, die weniger Erfahrung mit der Rechnungsverarbeitung haben und durch die KI unterstützt werden. Um die deskriptiv erhobenen Ergebnisse vergleichbar zu gestalten, wird eine Matrix entwickelt, die zukünftig Daten hinsichtlich Zeit und Präzision einer Rechnungsverarbeitung auswerten kann. Der Autor Martin Böhmer ist Wissenschaftlicher Mitarbeiter und Doktorand am Institut für Wirtschaftsinformatik der MLU Halle-Wittenberg. Der Forschungsschwerpunkt liegt dabei auf der Unterstützung älterer sowie kognitiv eingeschränkter Personen durch Virtual & Augmented Reality sowie Künstlicher Intelligenz.   About the Author Martin Böhmer ist Wissenschaftlicher Mitarbeiter und Doktorand am Institut für Wirtschaftsinformatik der MLU Halle-Wittenberg. Der Forschungsschwerpunkt liegt dabei auf der Unterstützung älterer sowie kognitiv eingeschränkter Personen durch Virtual & Augmented Reality sowie Künstlicher Intelligenz.