Frachtbriefe, CMR, Lieferscheine: Zeitaufwand spürbar senken mit KI-Dokumentenautomatisierung

Freitagnachmittag im Backoffice einer mittelständischen Spedition. Auf dem Tresen stapeln sich die Frachtbriefe der Woche: zerknitterte CMR-Durchschläge mit Empfänger-Unterschrift, Lieferscheine mit handschriftlichen Mengenkorrekturen, ein Wisch-Touch-POD vom Fahrer-Tablet, daneben ein Fax von einem Subunternehmer, der noch analog arbeitet. Eine Sachbearbeiterin tippt Position für Position in das Transportmanagement-System: Sendungsnummer, Gewicht, Packstücke, Empfänger, Ankunftszeit. Drei Tabs offen, ein Anruf dazwischen, und in der Zeile darunter rutscht die Tonnage um eine Null daneben.

Diese Szene ist kein Einzelfall, sondern Alltag in einer Branche, die auf Papier läuft. Der deutsche Straßengüterverkehr beförderte 2024 rund 3.340,7 Mio. Tonnen Güter. Bei einem Gesamtaufkommen aller Verkehrsträger von 4.235,0 Mio. Tonnen entspricht das einem Straßen-Anteil von rund 79 Prozent (Statistisches Bundesamt, 2024). Hinter jeder dieser Sendungen steht mindestens ein Frachtbrief, oft dazu ein Lieferschein und bei grenzüberschreitenden Touren ein CMR. Es ist eine Dokumenten-Lawine, die bis heute zu großen Teilen von Hand erfasst, abgeheftet und archiviert wird, und genau hier setzt die KI-gestützte Belegerfassung an. Dieser Artikel ist ein Spoke zum Themen-Pillar KI in Logistik und Spedition.

Warum ertrinken Speditionen weiter im Papier-Berg?

Die kurze Antwort: weil die Digitalisierung auf halbem Weg steckengeblieben ist. Die längere ist aufschlussreicher. Laut einer Bitkom-Befragung von 404 Logistikunternehmen ab 20 Beschäftigten nutzen zwar 77 Prozent bereits elektronische Frachtbriefe, aber nur 5 Prozent arbeiten ausschließlich digital. Der überwiegende Teil bewegt sich im Misch-Modus: digitale Anlage hier, Papier-Durchschlag dort, ein Fax vom Subunternehmer dazwischen. Gleichzeitig sehen 85 Prozent der Befragten in der vollständigen Digitalisierung der Frachtbriefe eine große Erleichterung für die Branche (Bitkom, Erhebung 2022).

Der Knackpunkt ist nicht der Wille, sondern die Realität der Lieferkette: Solange Auftraggeber, Subunternehmer und Empfänger gemischt analog und digital arbeiten, entsteht an jeder Schnittstelle ein Medienbruch. Der Frachtbrief kommt als Scan, der Lieferschein als Foto vom Fahrer-Handy, das CMR als unterschriebener Durchschlag aus dem Lkw. Irgendjemand muss diese Inhalte am Ende in das Transportmanagement-System tragen. Und genau dieses Handabtippen ist die Fehlerquelle: eine vertauschte Ziffer in der Tonnage, eine falsch übernommene Sendungsnummer, ein Datum, das nicht zum Tourenplan passt.

Hinzu kommt: Automatisierungstechnik, die das Problem lösen könnte, ist erst in einer Minderheit der Betriebe angekommen. Erst 22 Prozent der deutschen Logistikunternehmen ab 20 Beschäftigten setzten Künstliche Intelligenz ein, weitere 26 Prozent planten oder diskutierten den Einsatz. Anwendungsfelder waren unter anderem Transportoptimierung und Prognosen (Bitkom, Befragung 404 Unternehmen). Der Hebel im Dokumentenhandling liegt also weitgehend brach. Wer ihn zuerst zieht, verschafft sich genau dort einen Vorsprung, wo die meisten Wettbewerber noch tippen.

Was genau macht die KI-Belegerfassung, und was nicht?

Im Kern geht es um ein Prinzip, das in der Forschung bereits angekommen ist: Large Language Models lesen unstrukturierte Dokumente und geben strukturierte Daten zurück. Das Fraunhofer-Institut für Materialfluss und Logistik (IML) hat im Forschungsprojekt SKALA, gefördert mit rund 5 Mio. Euro durch das Bundesministerium für Digitales und Staatsmodernisierung, das Open-Source-Tool InstaSCAN veröffentlicht. Es nutzt Large Language Models, um Informationen aus papierbasierten Transportdokumenten wie Frachtbriefen und Lieferscheinen automatisch zu extrahieren und als strukturierte, ERP-fähige Daten bereitzustellen; vorgestellt wurde es zur transport logistic 2025 (VerkehrsRundschau, Bericht zum Fraunhofer-IML-Projekt).

Der entscheidende Unterschied zur klassischen OCR-Vorlage liegt im Wort „layout-unabhängig“. Eine herkömmliche Texterkennung braucht feste Zonen: Feld X liegt oben rechts, Feld Y unten links. Sobald ein Spediteur ein anderes CMR-Formular schickt oder ein Empfänger seinen Lieferschein neu layoutet, bricht das Schema. Ein Sprachmodell hingegen versteht den Sinn: Es erkennt, dass „2.450 kg“ das Gesamtgewicht ist, egal ob es in Feld 11 des CMR oder in einer freien Zeile des Lieferscheins steht. Das ist der Grund, warum diese Technik für die heterogene Beleg-Realität von Speditionen geeignet ist.

Ebenso wichtig ist, was die KI nicht tut. Sie entlastet das Backoffice, indem sie die stupide Erfassungsarbeit übernimmt. Sie ersetzt aber weder Disponentin noch Sachbearbeiter. Die Kontrolle bleibt beim Menschen: Erkannte Werte werden vorgeschlagen, das Team prüft auffällige Felder im Vier-Augen-Prinzip und gibt frei. Gerade bei rechtlich relevanten Dokumenten wie dem CMR ist dieser Freigabe-Schritt nicht optional, sondern gute Praxis. Das FLOW Doc Modul ist entsprechend regelbasiert plus KI-gestützt aufgebaut: Bei unsicherer Erkennung, also schlechter Scan, exotisches Formular oder unleserliche Handschrift, eskaliert das System an einen Menschen, statt zu raten.

Wie läuft die Erfassung Schritt für Schritt ab?

Vom eingescannten Beleg bis zum geprüften Datensatz im TMS durchläuft jedes Dokument denselben Weg. Wer das Schema einmal kennt, kann Aufwand und Nutzen realistisch einschätzen.

Der eigentliche Wert-Treiber liegt in Schritt 5. Eine KI, die einen Beleg nur „lesen“ kann, bleibt eine bessere Schreibmaschine. Erst die Übergabe der strukturierten Daten an das Transportmanagement- oder Buchhaltungssystem, über eine generische TMS-Schnittstelle, macht aus dem Scan einen Workflow-Auslöser: Die Sendung wird automatisch zugeordnet, die Rechnungsfreigabe vorbereitet, der Abliefernachweis dem Auftrag angehängt.

Wie passen eFTI, eCMR und KI-Erfassung zusammen?

Hier lohnt ein nüchterner Blick auf die Rechtslage, denn sie verändert sich. Die EU-Verordnung über elektronische Frachtbeförderungsinformationen, kurz eFTI, VO (EU) 2020/1056, gilt ab dem 9. Juli 2027 in vollem Umfang. Ab dann müssen zuständige Behörden in der EU elektronisch über zertifizierte Plattformen bereitgestellte Frachtinformationen akzeptieren; Papierdokumente bleiben parallel zulässig. Die Verordnung erfasst Straße, Schiene, Binnenschiff und Luftfracht und basiert auf strukturierten Datensätzen (Bundesministerium für Verkehr).

Parallel existiert der elektronische Frachtbrief, der eCMR. Er erfüllt laut Fraunhofer IML die Anforderungen des CMR-Übereinkommens und ist in vielen europäischen Ländern rechtsgültig. Seine Vorteile gegenüber Papier: schnellere Bearbeitung ohne manuelle Fehler, bessere Nachverfolgbarkeit durch Echtzeit-Dokumentation und geringere Verwaltungskosten (Fraunhofer IML).

Wichtig ist, diese drei Begriffe nicht als konkurrierende Optionen, sondern als Stufenmodell zu verstehen:

Die KI-Erfassung ist in diesem Bild der pragmatische Brückenschlag. Solange ein Teil Ihrer Lieferkette Papier schickt, schließt sie die Medienbrüche und liefert genau die strukturierten Datensätze, die für eCMR und eFTI ohnehin die Grundlage bilden. Wer heute auf saubere strukturierte Daten setzt, ist 2027 nicht im Rückstand, sondern vorbereitet. Eine Vertiefung dazu, wie Sendungsdaten anschließend nachverfolgbar werden, finden Sie im Beitrag KI in der Logistik-Sendungsverfolgung.

Wo liegen die ersten Quick-Wins für KMU-Speditionen?

Ein häufiger Fehler ist, das ganze Dokumentenhandling auf einmal automatisieren zu wollen. Pragmatischer ist es, mit den drei Anwendungsfällen zu starten, in denen der manuelle Aufwand am größten und das Fehlerrisiko am teuersten ist.

Rechnungsfreigabe. Eingangsrechnungen von Subunternehmern und Frachtführern müssen gegen die Sendungsdaten geprüft werden: stimmen Strecke, Gewicht und vereinbarter Preis? Wenn die KI Frachtbrief und Lieferschein bereits ausgelesen hat, lässt sich die Rechnung automatisch dagegen abgleichen und zur Freigabe vorschlagen. Das verkürzt den Weg vom Beleg zur Buchung spürbar.

Schadensdokumentation. Bruch, Fehlmenge, Temperaturabweichung: wenn etwas schiefgeht, zählt die lückenlose Dokumentation. Die KI kann Schadensvermerke auf dem CMR oder Lieferschein erkennen, dem Auftrag zuordnen und mit Fotos verknüpfen. Bei einem späteren Regress haben Sie die vollständige Beweiskette an einem Ort.

POD-Nachweis (Proof of Delivery). Die Frage „Wo ist mein Abliefernachweis?“ gehört zu den häufigsten im Kundenservice. Wird der unterschriebene Beleg sofort beim Eingang ausgelesen und dem Auftrag angehängt, kann das Team in Sekunden antworten, statt im Aktenstapel zu suchen.

Genau diese drei Fälle eignen sich als Pilot, weil sie klar abgrenzbar sind und sich der Nutzen schnell zeigt. Wie sich solche Datensätze anschließend in die Tagesdisposition einfügen, beschreibt der Beitrag zur KI-gestützten Tourenplanung.

Wie sieht ein realistisches Rechenbeispiel aus?

Illustrative Modellrechnung: mittelständische Spedition

Ausgangslage (Annahme): Eine Spedition mit rund 40 Touren pro Tag erfasst Frachtbriefe, Lieferscheine und CMR überwiegend von Hand. Zwei Mitarbeitende sind je etwa drei Stunden täglich mit reiner Beleg-Eingabe und Archivierung gebunden.

Ansatz: Das FLOW Doc Modul liest eingehende Belege layout-unabhängig aus, prüft gegen die Auftragsdaten und übergibt nach Freigabe strukturierte Datensätze an die TMS-Schnittstelle. Auffällige Felder gehen ins Vier-Augen-Prinzip.

Mögliche Wirkung: Würde sich der reine Erfassungsanteil überschlägig deutlich reduzieren, ließe sich ein erheblicher Teil der täglich gebundenen Backoffice-Zeit für höherwertige Aufgaben wie Kundenservice und Reklamationsklärung freispielen. Wie stark, hängt von Beleg-Qualität, Formular-Vielfalt und Integrationstiefe ab. Wichtig: Dies ist ein illustratives Rechenbeispiel mit frei gewählten Annahmen, kein gemessenes Ergebnis und kein Garantieversprechen.

Der ehrliche Hinweis dazu: Die Qualität der Ergebnisse hängt unmittelbar von der Beleg- und Datenqualität ab. Ein unscharfer Handy-Scan eines zerknitterten CMR liefert schlechtere Erkennungsraten als ein sauberes PDF. Deshalb gehört zu jedem Piloten eine ehrliche Bestandsaufnahme: Wie kommen Ihre Belege herein, und in welchem Zustand?

Was müssen Sie bei Datenschutz und EU AI Act beachten?

Frachtpapiere enthalten personenbezogene Daten: Fahrernamen, Unterschriften, teils Kundenkontakte. Damit ist die Verarbeitung DSGVO-relevant, und einige Punkte sind nicht verhandelbar:

Auftragsverarbeitung. Wer einen externen Dienst zur Belegerfassung nutzt, braucht einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO. Dieser sollte ohne Diskussion vom Anbieter kommen. Die Verarbeitung der Fahrer- und Kundendaten erfolgt bei FLOW Doc auf Servern in Deutschland; personenbezogene Daten werden nicht für das Training von KI-Modellen verwendet, letzteres muss vertraglich ausgeschlossen sein.

Transparenz nach EU AI Act Art. 50. Die Transparenzpflicht des EU AI Act ist ab dem 02.08.2026 anwendbar. Soweit ein KI-System unmittelbar mit Menschen interagiert, etwa ein begleitender Chat- oder Telefonbot für Statusauskünfte, muss kenntlich gemacht werden, dass es sich um KI handelt, und eine Weiterleitung an einen Menschen muss möglich sein. Für die reine, im Hintergrund laufende Belegerfassung steht eher die DSGVO-Informationspflicht im Vordergrund; sobald jedoch eine direkte Nutzer-Interaktion dazukommt, greift die Kennzeichnungspflicht.

UWG und ehrliche Kommunikation. Gegenüber Kunden und im eigenen Marketing gilt: keine Pauschalversprechen. Eine KI-Erfassung reduziert manuelle Fehler typischerweise spürbar, sie arbeitet aber probabilistisch und ist nicht „fehlerfrei“. Genau deshalb bleibt das menschliche Freigabe-Prinzip zentral, gerade bei rechtlich relevanten Dokumenten.

Glossar: Die wichtigsten Begriffe

Häufige Fragen (FAQ)

Tiefer einsteigen

• → KI und Automatisierung für Logistik und Spedition: der komplette Überblick
• → KI in Logistik und Spedition: der Themen-Pillar im Überblick
• → KI-gestützte Sendungsverfolgung: vom Datensatz zur Echtzeit-Statusauskunft
• → KI in der Tourenplanung: wie erfasste Auftragsdaten die Disposition entlasten