Modell extrahiert, Code entscheidet
Ob eine Rechnung plausibel ist, prüfen Regeln, etwa Positionssumme gegen Rechnungsbetrag.
KI-Rechnungsprüfung
Rechnungen kommen als PDF per Mail. Ein LLM liest sie gegen ein festes Schema aus, Code prüft, und die Fachabteilung bekommt einen Zuordnungsvorschlag.
Projekt 08 · Dokumenten-KI · Schema-Extraktion · Human-in-the-loop
- Im Testbetrieb, Live-Gang geplant
- Workflow komplett
- Modell extrahiert, Code entscheidet
- Schreibpfad dreifach gesperrt
- n8n · Gmail API · PDF-Textextraktion · LLM Information Extractor · JSON-Schema · monday GraphQL · JavaScript · OpenRouter
Ausgangspunkt
Rechnungen externer Mitarbeitender mussten von Hand gelesen und Positionen in Kostenvoranschlägen zugeordnet werden.
Mein Beitrag
Ich habe den Workflow entwickelt: Postfach-Anbindung, Schema-Extraktion, Validierung, Zuordnungslogik und die Sperren für den Schreibpfad.
Architektur
Ein Gmail-Trigger holt Mails mit PDF. Ein LLM-Extraktor liest Nummer, Monat und Positionen gegen ein JSON-Schema aus. Code prüft Summen, Duplikate und Plausibilität und ordnet die Positionen über die Projektboard-API zu. Unklare Fälle werden zur Prüfung markiert.
Technischen Ablauf ansehenBahnen, Stationen und Freigaben
Engineering-Entscheidungen
Vorschlag statt Buchung
Der Workflow schreibt nichts selbst. Der Schreibpfad ist per Schalter, deaktivierte Schritte und Testboard-Beschränkung gesperrt.
Idempotenz über Labels
Verarbeitete Mails bekommen ein Label; zusätzlich wird geprüft, ob dieselbe Rechnung schon erfasst ist.
Ergebnis
In Testläufen werden Rechnungen ausgelesen, geprüft und zugeordnet, ohne Daten zu schreiben. Der Live-Gang mit Freigabe ist geplant.
Weiterlesen
Verwandte Projekte
Begriffe im Glossar
Kontakt
Fragen zur Umsetzung oder eine passende Rolle im AI Engineering? Zum Kontakt