KI-Agent Auftragseingang: Vom E-Mail-Postfach zum prüfbaren ERP-Vorgang

Kurzantwort: Ein KI-Agent im Auftragseingang nimmt Bestellungen aus E-Mail, PDF, Excel oder EDIFACT entgegen, extrahiert Pflichtfelder wie Kunde, Artikel, Menge und Liefertermin, prüft Plausibilität gegen Stammdaten und übergibt einen vorbereiteten Vorgang an ERP, Warenwirtschaft oder TMS. Er ersetzt keinen Innendienst — er bereitet jede Bestellung so vor, dass die Freigabe in Sekunden statt Minuten erfolgt und Rückfragen, Sonderfälle und Unklarheiten transparent eskaliert werden.

Warum der Auftragseingang ein idealer Startpunkt für einen KI-Agent ist

Der Auftragseingang ist in vielen Mittelstandsunternehmen ein Mischprozess aus E-Mail, PDF, Excel, Telefonnotiz und Fachsystem. Der Innendienst überträgt Kundennummern, prüft Pflichtfelder, klärt Liefertermine und gleicht Anhänge ab, bevor ein einziger Auftrag im ERP landet. Das ist anstrengende, repetitive Arbeit mit klaren Regeln — und genau dort beginnt der wirtschaftliche Nutzen eines KI-Agent im Auftragseingang.

Der Prozess ist volumenstark, wiederkehrend und messbar. Jede eingesparte Minute pro Bestellung wirkt täglich. Gleichzeitig ist die fachliche Frage einfach zu strukturieren: Ist der Kunde bekannt? Sind die Pflichtfelder vorhanden? Passt der Liefertermin? Fehlen Dokumente? Diese Klarheit macht den Auftragseingang besser für Automatisierung geeignet als kreative oder strategische Tätigkeiten — der Agent muss nicht das Geschäftsmodell neu erfinden, sondern die Vorarbeit zuverlässiger erledigen.

Was ein KI-Agent im Auftragseingang konkret tut

Eingangskanäle verstehen statt nur weiterleiten

Ein produktiver Agent unterscheidet nicht nur "E-Mail kam an", sondern liest Betreff, Body, Signatur und Anhang im Kontext. Er erkennt, ob es eine neue Bestellung, eine Änderung, eine Stornierung oder eine reine Rückfrage ist. Anhänge werden klassifiziert (Bestellung, Lieferschein, Zeichnung, AGB-Bestätigung) und an die richtige Stelle im DMS gelegt — nicht alle in einen Sammelordner.

Extraktion mit Quelle und Konfidenz

Aus jedem Bestelldokument zieht der Agent die fachlich notwendigen Felder. Anders als eine reine OCR speichert er pro Feld nicht nur den Wert, sondern auch die Quelle (E-Mail-Body, PDF-Anhang, EDIFACT-Datensatz) und eine Konfidenz. Felder mit niedriger Konfidenz oder Widersprüchen werden markiert, nicht überschrieben.

Plausibilität gegen Stammdaten

Bevor ein Auftrag ins ERP geschrieben wird, läuft eine harte Prüfung gegen Stammdaten: Existiert die Kundennummer? Ist der Artikel aktiv? Passt die Menge zur Verpackungseinheit? Liegt der Liefertermin im realistischen Rahmen? Diese Schicht entscheidet, ob ein Vorgang grün durchläuft, gelb zur Freigabe geht oder rot zurück an den Innendienst gespielt wird.

Prozess-Tabelle: Vom Eingang über den Vorgang zur ERP-Übergabe

So sieht ein typischer Workflow für einen KI-Agent im Auftragseingang aus, anonymisiert über mehrere Mittelstandsbranchen hinweg.

Schritt	Verantwortlich	Was passiert	Eskalationsbedingung
E-Mail- oder EDIFACT-Eingang	Agent	Eingang im Funktionspostfach oder EDI-Drehscheibe wird erkannt, Absender und Anhänge inventarisiert	Unbekannte Domain ohne USt-ID-Match
Anhang-Parsing	Agent	PDF, Excel, EDIFACT oder Freitext werden in strukturierte Felder zerlegt, Konfidenz pro Feld gesetzt	Konfidenz unter Schwellwert auf Pflichtfeldern
Kundenmatching	Agent	Kundennummer, USt-ID oder E-Mail-Domain werden gegen den ERP-Stamm geprüft	Kein eindeutiger Treffer, mehrere Kandidaten
Plausibilitätsprüfung	Agent	Artikel aktiv, Menge zu VPE, Liefertermin realistisch, Zahlungsbedingung passt zu Kundenstamm	Abweichung Preis oder Zahlungsziel, Mengenfehler
Freigabe-Entwurf	Agent + Mensch	Vorgang wird im Freigabe-UI vorbereitet, Quellen und Konfidenz sichtbar	Freigabe abgelehnt oder fachliche Rückfrage
ERP-Übergabe	Agent	Auftrag wird per API in ERP oder Warenwirtschaft angelegt, externe Referenz wird zurückgeschrieben	API-Fehler, Idempotenz-Konflikt
Rückmeldung an Kunde	Mensch (oder Agent mit Freigabe)	Auftragsbestätigung oder Rückfrage geht raus, Status im Postfach wird gesetzt	Sonderkonditionen, juristisch sensible Inhalte

Das Muster entspricht dem in Tool Calling in KI-Agenten beschriebenen Ablauf: Der Agent liest und schreibt klar getrennt nach Tool-Klassen, der Mensch entscheidet bei allem, was extern wirkt.

Extraktions-Felder-Tabelle: Was aus einer Bestellung wirklich gezogen wird

Die folgenden Felder bilden die Mindest-Ausstattung. Sie sind so gewählt, dass sich aus ihnen in fast jedem ERP ein vollständiger Auftrag anlegen lässt — ohne dass der Agent fehlende Werte erfinden muss.

Feld	Typische Quelle	Plausibilitätsregel	Verhalten bei Konflikt
Kundennummer / Kundenreferenz	E-Mail-Domain, Signatur, EDIFACT NAD	Treffer im ERP-Stamm, USt-ID-Match falls vorhanden	Eskalation an Innendienst, kein Auto-Anlegen
Artikelnummer	PDF-Position, EDIFACT LIN, Bestelltext	Artikel aktiv, nicht gesperrt, Werks-/Lagerverfügbarkeit	Vorschlag mit Alternativartikel, Mensch entscheidet
Menge und Mengeneinheit	PDF-Position, EDIFACT QTY	Vielfaches der VPE, plausibel zum Kundenhistorienprofil	Markierung, Rückfrage an Kunde durch Innendienst
Liefertermin	E-Mail-Body, PDF-Kopf, EDIFACT DTM	Kein Datum in der Vergangenheit, innerhalb Lieferfenster	Vorschlag nächster realistischer Termin
Lieferadresse	PDF-Kopf, EDIFACT NAD, Kundenstamm	Übereinstimmung mit hinterlegten Lieferadressen	Bestätigung durch Mensch, neue Adresse als Entwurf
Zahlungsbedingungen	E-Mail-Body, PDF-Fuß, Kundenstamm	Übereinstimmung mit Kundenkondition	Eskalation an Buchhaltung oder Vertrieb
Bestellnummer des Kunden	E-Mail-Betreff, PDF-Kopf	Eindeutig pro Kunde, kein doppelter Wert	Idempotenz-Prüfung, ggf. Update statt Neuanlage
Anhänge (Zeichnungen, Specs)	E-Mail-Attachment	Dateityp erlaubt, Größenrahmen, Klassifikation	Ablage im DMS, Verknüpfung an Vorgang

Wichtig: Jeder extrahierte Wert bekommt einen Konfidenzwert. Felder mit niedriger Konfidenz auf Pflichtfeldern blockieren die automatische ERP-Übergabe und landen automatisch im Freigabe-UI.

Anonymisiertes Branchen-Learning aus dem Großhandel

Bei einem mittelständischen Großhändler mit rund 80 Mitarbeitenden im B2B-Geschäft kam ein nennenswerter Anteil der täglichen Bestellungen über das Funktionspostfach bestellung@ — als PDF-Anhang, als Freitext-E-Mail oder als weitergeleitete Excel-Liste eines Einkäufers. Der Innendienst übertrug die Vorgänge manuell ins ERP. Wiederkehrende Probleme: Bestellnummern wurden doppelt angelegt, weil derselbe Einkäufer eine Korrektur als zweite E-Mail schickte; abweichende Artikelbezeichnungen wurden fälschlich als neue Artikel eingegeben; Liefertermine wurden überlesen, weil sie im Fließtext der E-Mail standen und nicht im PDF. Ein KI-Agent vor dem ERP, der nur die Schritte E-Mail-Klassifikation, Anhang-Parsing, Kundenmatching und Freigabe-Entwurf übernahm, reduzierte die typische Bearbeitungszeit pro Vorgang merklich, fing die Dubletten über eine Idempotenz-Prüfung auf der Bestellnummer ab und entlastete den Innendienst von der Felderfassung — ohne dass die fachliche Verantwortung für Sonderfälle den Bereich verließ. Mehr zum Dubletten-Schutz in Idempotenz bei KI-Agenten.

Wann ein KI-Agent im Auftragseingang nicht das richtige Werkzeug ist

• Reine EDI-Strecken mit sauberer EDIFACT/IDoc-Anbindung. Wenn Bestellungen ausschließlich über eine deterministische EDI-Strecke kommen und das Mapping stabil ist, reicht ein klassischer Konverter. Ein KI-Agent lohnt sich erst, wenn unstrukturierte Kanäle (E-Mail, PDF, Excel, Freitext) dazukommen.
• Hochspezialisierte Konfiguratoren mit komplexer Variantenlogik. Sobald die Bestellung im Wesentlichen aus einem Konfigurator generiert wird, der bereits strukturierte Daten erzeugt, ist die Wertschöpfung eines KI-Agenten gering.
• Compliance-getriebene Domänen ohne Audit-Bereitschaft. Wer Audit Log, Freigabematrix und Idempotenz im ersten Schritt nicht mitimplementieren will, sollte einen Auftragseingang-Agent nicht produktiv schalten — die regulatorischen und buchhalterischen Risiken sind zu hoch.
• Sehr geringes Bestellvolumen mit hoher Varianz. Bei wenigen, sehr unterschiedlichen Bestellungen pro Woche ist die Investition in Anbindung und Pflege höher als der Nutzen. Ein gut strukturiertes Postfach mit Vorlagen reicht.
• Fehlende oder verschmutzte Stammdaten. Ohne sauberen Kunden- und Artikelstamm kann auch der beste Agent keine zuverlässige Plausibilität prüfen. Stammdatenpflege geht der Automatisierung voraus.

Risiken und typische Fehlerbilder

Falsch zugeordneter Kunde

Zwei Kunden mit ähnlichem Namen, ein Tippfehler in der Anschrift oder eine private E-Mail-Domain bei einem B2B-Einkäufer reichen, um eine Bestellung dem falschen Stammdatensatz zuzuordnen. Folge: falsche Preise, falsche Konditionen, falsche Rechnungsadresse. Gegenmittel: Matching auf USt-ID und Kundennummer priorisieren, Namens- und Adress-Matching nur als sekundäres Signal, bei Mehrdeutigkeit immer Eskalation.

Halluzinierte Mengen oder Liefertermine

Ein Sprachmodell, das aus einem unklaren E-Mail-Text einen Liefertermin „interpretiert", ist gefährlich. Gegenmittel: Feldwerte ohne klare Quelle werden nicht in den Vorgang geschrieben, sondern explizit als unklar markiert und eskaliert. Erfindungen sind als Fehler im Workflow definiert, nicht als akzeptable Heuristik.

Doppelt verarbeitete Bestellungen

Eine weitergeleitete E-Mail, eine Korrektur des Kunden, eine erneute Auslieferung des Funktionspostfachs nach Wartung — alle drei führen zu doppelten Triggern. Ohne Idempotenz-Schlüssel (Bestellnummer des Kunden plus Datum, oder Hash über Anhang) entstehen doppelte Aufträge im ERP. Ausführlich behandelt in Idempotenz bei KI-Agenten.

Anhänge im falschen Vorgang

PDFs ohne Bezug zum Body, Sammel-E-Mails mit mehreren Bestellungen oder Zeichnungen, die in einer zweiten E-Mail nachgeliefert werden, bringen Standard-Workflows ins Stolpern. Gegenmittel: Anhänge bekommen eine eigene Klassifikation, werden über die Bestellnummer mit dem Vorgang verknüpft und bleiben im DMS auch bei Eskalation auffindbar.

Externer Versand ohne menschliche Freigabe

Auftragsbestätigungen, Liefertermin-Zusagen und Rückfragen an Kunden sind extern wirksam. Wer sie ohne Freigabe versendet, verschiebt das Compliance-Risiko in den Agenten. Gegenmittel: Externe Kommunikation grundsätzlich als Entwurf, Human-in-the-Loop als Pflichtschritt für jede Kunden-Mail.

Implementierungs-Checkliste für einen KI-Agent im Auftragseingang

• Schritt 1 — Bestandsaufnahme. Welche Eingangskanäle? Wie viele Bestellungen pro Tag? Welcher Anteil ist EDIFACT, welcher PDF, welcher Freitext? Welche Pflichtfelder gelten je Kundengruppe?
• Schritt 2 — Stammdaten prüfen. Sind Kunden- und Artikelstamm im ERP konsistent? Existieren USt-ID, eindeutige Kundennummer und gepflegte Lieferadressen? Stammdaten-Schwachstellen werden vor dem Agentenprojekt adressiert, nicht im laufenden Betrieb.
• Schritt 3 — Extraktionsfelder festlegen. Welche Felder sind Pflicht, welche optional, welche Konfidenzschwelle ist akzeptabel? Diese Liste wird mit Vertrieb, Innendienst und Buchhaltung abgestimmt.
• Schritt 4 — Freigabematrix definieren. Welche Vorgänge dürfen grün durchlaufen (z. B. bekannte Kunden, Standardartikel, geringe Menge)? Welche müssen gelb in die Freigabe? Welche rot in die Vier-Augen-Prüfung? Die Matrix ist die zentrale Governance, nicht der Modellprompt.
• Schritt 5 — Idempotenz und Audit Log einbauen. Jede Schreibaktion bekommt einen Idempotenz-Schlüssel, jeder Schritt im Workflow wird mit Eingabe, Aktion und Ergebnis protokolliert. Notbremse pro Tool ist Pflicht.
• Schritt 6 — Shadow-Mode-Pilot. Der Agent läuft zwei bis vier Wochen lesend und protokolliert, was er ins ERP geschrieben hätte. So entstehen reale Testfälle ohne Produktionsrisiko.
• Schritt 7 — Schrittweise Schreibrechte. Erst interne Schreibrechte (Tasks, Notizen, DMS-Ablage), dann Auftragsanlage mit Pflichtfreigabe, dann selektive Direktbuchung für klar definierte Fälle.
• Schritt 8 — Monitoring im Betrieb. Quote der grünen Vorgänge, Quote der Eskalationen, Bearbeitungszeit pro Auftrag, Dublettenquote, Rückfragenquote — diese Kennzahlen entscheiden, ob der Workflow stabil skaliert oder fachlich nachgeschärft werden muss.

Wie KoBra einen KI-Agent im Auftragseingang aufsetzt

KoBra behandelt den Auftragseingang nicht als Tool-Kauf, sondern als Prozessprojekt. Zuerst werden Ablauf, Datenquellen, Freigaben und Zielsysteme geklärt, danach folgen Integration, Idempotenz und Monitoring. Hermes nutzt KoBra intern als Agenten-Framework, OpenClaw dient als Framework für Kunden-Agenten-Workflows. Beide Frameworks hat KoBra nicht gebaut — KoBra setzt sie für Kunden auf und integriert sie sicher in ERP, DMS, CRM und TMS.

Verwandte Themen, die in der Praxis direkt mit dem Auftragseingang zusammenhängen, sind Dokumenten-Agenten, E-Mail-Agenten, die Abgrenzung zu RPA sowie das Schwesterthema Auftragseingang automatisieren. Wer die Kosten realistisch einordnen will, findet die Bandbreite im Beitrag KI-Agenten Kosten.

Nächster Schritt

Ein KI-Agent im Auftragseingang lohnt sich, sobald genug Volumen, klare Stammdaten und der Wille zu sauberen Freigaben zusammenkommen. Welcher Workflow in Ihrem Unternehmen den schnellsten Hebel bietet, klären wir in einem unverbindlichen KI-Potenzialcheck in 30 Minuten. Einen Überblick über den Cluster gibt die Übersicht KI-Agenten im Mittelstand, Begriffe finden Sie im Glossar, weiterführende Antworten im FAQ KI-Agenten.