Kosten pro Rechnung: Benchmarks 2026 für AP- und AR-Teams

Diese Lücke entsteht nicht zufällig. Unternehmen, die den Bereich von 2 bis 3 US-Dollar erreichen, haben manuelle Eingriffe konsequent aus der routinemäßigen Belegverarbeitung verbannt, von der Erfassung über den Abgleich bis zur Freigabe. Transformance setzt bei Debitorenbelegen auf denselben KI-nativen Ansatz: Vision-Language-Modelle lesen jedes Zahlungsavis und jedes Rechnungsformat aus, ganz ohne Vorlagenkonfiguration, und senken so zugleich die Kosten je Beleg und die Fehlerquoten.

Das Wichtigste in Kürze

• Erstklassige Kreditorenteams verarbeiten Rechnungen für 2,36 US-Dollar (Ardent Partners 2024); für alle übrigen Unternehmen nennt Ardent einen Durchschnitt von rund 10,18 US-Dollar; im untersten Quartil zahlen Unternehmen 25 bis 50 US-Dollar und mehr
• Die größten Kosten treiben manuelle Dateneingabe, Ausnahmebearbeitung und die Pflege von Vorlagen auf veralteten OCR-Plattformen
• Ob ein Unternehmen die Spitzengruppe erreicht, entscheidet nicht das gesamte Rechnungsvolumen, sondern die Quote der Dunkelverarbeitung
• KI-native Belegverarbeitung macht die Kosten für die Vorlagenpflege überflüssig und zielt auf Fehlerquoten von 3 bis 8 Prozent ab. Laut Einsatzdaten der Anbieter sind so Kosten von unter 5 US-Dollar je Rechnung erreichbar
• Auf der Debitorenseite gilt bei der Zahlungszuordnung dieselbe Kostendynamik: nicht zugeordnete Zahlungsavis und Klärfall-Listen verursachen einen vergleichbaren versteckten Mehraufwand

In diesem Artikel

• Was sind die Kosten pro Rechnung?
• 2026 Benchmarks: Was die Daten tatsächlich zeigen
• Warum schwanken die Kosten pro Rechnung so stark?
• Manuell vs. OCR vs. KI-nativ: Ein echter Kostenvergleich
• Wie senkt KI die Kosten pro Rechnung tatsächlich?
• Was sollten Finanzverantwortliche über die CPI hinaus im Blick behalten?
• So berechnen Sie Ihre eigenen Kosten pro Rechnung
• Häufig gestellte Fragen
• Fazit

Was sind die Kosten pro Rechnung?

Die Kosten pro Rechnung (Cost per Invoice, CPI) sind der gesamte Aufwand, den ein Unternehmen aufbringt, um eine einzelne Lieferantenrechnung zu bearbeiten, vom Eingang bis zur Bezahlung. Dazu zählen Personal, Technologie, Fehlerkorrektur und Gemeinkosten. Finanzteams berechnen die Kennzahl, indem sie die gesamten Bearbeitungskosten der Kreditorenbuchhaltung durch das gesamte Rechnungsvolumen eines festgelegten Zeitraums teilen.

Die Kennzahl erfasst mehr als die reine Dateneingabe. Ein vollständiger Wert für die Kosten pro Rechnung umfasst:

• Personalzeit für Erfassung, Prüfung und Freigabe-Routing
• Technologiekosten: OCR-Software, ERP-Module und Lizenzen für Automatisierungsplattformen
• Bearbeitung von Ausnahmefällen bei Rechnungen, die nicht zur Bestellung passen oder Datenfehler enthalten
• Fehlerkorrektur und Klärung von Doppelzahlungen
• Verzugsstrafen durch langsame Bearbeitungszyklen

Die meisten Teams unterschätzen ihre tatsächlichen Kosten pro Rechnung. Rechnen Sie Nacharbeit und Strafkosten hinzu, liegt der reale Wert oft 30 bis 50 % höher als das, was Finanzverantwortliche intern berichten.

‍

‍

2026 Benchmarks: Was die Daten tatsächlich zeigen

Am häufigsten zitiert werden zwei Quellen: Ardent Partners und APQC (American Productivity and Quality Center). Beide befragen jährlich Kreditorenteams aus verschiedenen Branchen und Unternehmensgrößen.

Ardent Partners „State of ePayables 2024“:

• Best-in-Class-Unternehmen: 2,36 $ pro Rechnung
• Durchschnitt aller übrigen Unternehmen: 10,18 $ pro Rechnung
• Unterstes Quartil: 25-50 $ und mehr pro Rechnung

APQC Open Standards Benchmarking 2024:

• Spitzenreiter: 2,07-3,00 $ pro Rechnung
• Median: 10,00-12,00 $ pro Rechnung
• Schlusslichter: 25,00 $ und mehr pro Rechnung

Was Spitzenreiter von Schlusslichtern trennt, ist der Automatisierungsgrad, nicht die Unternehmensgröße. Finanzverantwortliche, die ihre Kreditorenbuchhaltung konsequent automatisiert haben, berichten durchweg von Kosten pro Rechnung, die 50 % oder mehr unter denen von Wettbewerbern liegen, die noch manuell arbeiten. Der genaue Wert hängt jedoch von der Branche ab, von der Komplexität der Rechnungen und davon, wie weit die Automatisierung reicht.

Warum schwanken die Kosten pro Rechnung so stark?

Fünf Faktoren sorgen für die größten Schwankungen, geordnet nach Auswirkung:

1. Manuelle Dateneingabe. Wer Rechnungsdaten aus PDFs abtippt, zahlt laut IOFM-Benchmarks allein an Arbeitszeit drei bis acht US-Dollar pro Rechnung. Bei manueller Eingabe schleichen sich zudem Fehler in einer Größenordnung von ein bis drei Prozent ein. Diese lösen Nacharbeit aus und treiben die Grundkosten deutlich in die Höhe.
2. Bearbeitung von Ausnahmefällen. Rechnungen, die nicht zur Bestellung passen oder bei denen Pflichtfelder fehlen, müssen Sie manuell prüfen. Laut Ardent Partners leitet ein durchschnittliches Unternehmen 23 Prozent seiner Rechnungen als Ausnahmefälle weiter. Jeder dieser Fälle kostet das Drei- bis Fünffache einer dunkelverarbeiteten Rechnung.
3. Pflege von Vorlagen. Unternehmen, die OCR-Plattformen der ersten Generation einsetzen, pflegen für jeden Lieferanten eine eigene Formatvorlage. Ändert ein Lieferant sein Rechnungslayout, greift die Vorlage nicht mehr, die Rechnung landet in der Ausnahmewarteschlange und wandert in die manuelle Bearbeitung. In Kreditorenabteilungen mit hohem Rechnungsvolumen bindet die Pflege der Vorlagen schnell einen erheblichen Teil der Personalkapazität.
4. Verzögerungen bei der Freigabe-Weiterleitung. Manuelle oder E-Mail-basierte Freigabeprozesse verlängern die Bearbeitungszeit um zwei bis fünf Werktage. Geraten Freigaben so lange ins Stocken, dass die Fristen für Skonti bei früher Zahlung verstreichen, wird der entgangene Skonto zum direkten Kostenfaktor. In Berechnungen der Kosten pro Rechnung taucht er selten auf, gehört dort aber definitiv hin.
5. Korrektur von Dubletten und Fehlern. Doppelzahlungen betreffen laut IOFM schätzungsweise 0,1 bis 0,5 Prozent aller Rechnungen. Bei einem durchschnittlichen Rechnungswert von 500 US-Dollar und 50.000 Rechnungen pro Jahr summiert sich eine Dublettenquote von 0,1 Prozent auf 25.000 US-Dollar an rückforderbaren Überzahlungen. Hinzu kommt die Arbeitszeit, um sie aufzuspüren und zurückzuholen.

Manuell vs. OCR vs. KI-nativ: Ein echter Kostenvergleich

Die drei Verarbeitungsstufen unterscheiden sich nicht nur bei den Kosten pro Rechnung. Sie unterscheiden sich auch darin, wo Kosten entstehen und wie stark diese mit dem Volumen steigen.

Quellen: Ardent Partners (2024), APQC (2024), IOFM (2023) für die Stufen Manuell und OCR. † Die Kosten- und Ausnahmespannen für KI-nativ basieren auf Bereitstellungsdaten von Transformance sowie auf Herstellerangaben; unabhängige Benchmarks von Drittanbietern sind für diese Stufe nur begrenzt verfügbar.

OCR-basierte Plattformen haben gegenüber der manuellen Verarbeitung echte Fortschritte gebracht. Doch ihre Kostenuntergrenze ist strukturell bedingt. Jeder neue Lieferant und jede Layout-Änderung zwingt Sie dazu, Vorlagen manuell nachzupflegen. Und die Zahl der Ausnahmefälle wächst immer dann, wenn Rechnungen von den trainierten Vorlagen abweichen. Die 5-$-Untergrenze ist keine technische Grenze von OCR. Sie ist der unvermeidbare Preis einer Architektur, die Muster nur abgleicht, statt sie zu verstehen.

Wie senkt KI die Kosten pro Rechnung tatsächlich?

KI-native Verarbeitung senkt die Kosten auf drei Ebenen, die eine OCR-basierte Automatisierung nicht erreicht.

Ebene 1: Belege erfassen, ohne Vorlagen zu pflegen. Vision-Language-Modelle erfassen Layout, Tabellen und Kontext eines Belegs von Haus aus. Ein neues Lieferantenformat verarbeiten sie schon beim ersten Eingang korrekt, ganz ohne Anlernen von Vorlagen und ohne manuellen Konfigurationsschritt. Wenn Sie jährlich 20 bis 50 neue Lieferanten anbinden, spart Ihnen allein das Hunderte Stunden pro Jahr. Die DocSense-Engine von Transformance ist darauf ausgelegt, bei strukturierten Rechnungsdaten eine Extraktionsgenauigkeit von 99,7 % zu erreichen, und zwar ohne jede formatspezifische Konfiguration und laut internen Einsatzdaten.

Ebene 2: Intelligenter Abgleich, der Klärfall-Listen verkürzt. Dasselbe Belegverständnis, das die Kreditorenkosten senkt, wirkt unmittelbar auch auf die Zahlungszuordnung im Debitorenbereich. Verarbeitet Transformance eingehende Zahlungsavise, ordnet eine fünfstufige Abgleichsarchitektur rund 70 % der Posten automatisch über deterministische Regeln zu, löst weitere 25 % per Machine Learning (Teilabgleiche, Zahlungssplits, zeitliche Differenzen) und untersucht die verbleibenden 5 % KI-gestützt. Laut Einsatzdaten von Transformance steigen die Abgleichsquoten typischerweise von etwa 85 % zum Go-live auf über 95 % innerhalb von 90 Tagen, während das System institutionelles Wissen aufbaut. Weniger nicht zugeordnete Posten senken die effektiven Kosten pro verarbeitetem Beleg. Wie das durchgängig zusammenspielt, zeigt Agentic AI für die Zahlungszuordnung: Vom Zahlungsavis bis zum Hauptbuch im Detail.

Ebene 3: Institutionelles Gedächtnis, das Einsparungen über die Zeit kumuliert. Herkömmliche Plattformen sind zustandslos. Jeder Stapel beginnt bei null. Der MemoryMesh von Transformance bewahrt Lösungsmuster, Klärfall-Ergebnisse und kundenspezifisches Zahlungsverhalten über jeden Beleg hinweg, den das System jemals verarbeitet hat. Dieses angesammelte Wissen senkt den manuellen Prüfaufwand kontinuierlich, und zwar so, wie es zustandslose OCR-Systeme strukturell nicht nachbilden können.

Branchenstudien zur Automatisierung von Finanzfunktionen zeigen durchgängig, dass KI-gestützte Ansätze die Verarbeitungskosten pro Beleg gegenüber manuellen Abläufen deutlich senken. Die größten Fortschritte entfallen dabei auf die Klärfallbearbeitung und die Datenerfassung.

Was sollten Finanzverantwortliche über die CPI hinaus im Blick behalten?

Ein einzelner Durchschnittswert für die Kosten pro Rechnung verschleiert, wo tatsächlich Geld versickert. Vier ergänzende Kennzahlen zeigen das vollständige Bild:

1. Dunkelverarbeitungsquote. Sie misst den Anteil der Rechnungen, die ganz ohne manuellen Eingriff durchlaufen. Spitzenunternehmen erreichen 70 bis 80 %. Die meisten Teams, die viel manuell arbeiten, bleiben unter 30 %. Diese Quote zeigt am deutlichsten, wo sich Ihre CPI am Ende einpendeln wird.
2. Ausnahmequote nach Belegart. Komplexe Bestellrechnungen mit mehreren Positionen und Fremdwährungsbelege lösen immer mehr Ausnahmen aus. Werten Sie nach Kategorie aus, dann erkennen Sie, ob die Technik oder die Prozessgestaltung der eigentliche Engpass ist.
3. Kosten pro Ausnahme. Eine Ausnahme kostet das Drei- bis Fünffache einer Standardrechnung. Wirkt Ihre CPI insgesamt akzeptabel, ist Ihre Ausnahmequote aber hoch, dann verdeckt der Durchschnitt eine erhebliche Kostenkonzentration, die Sie mit oberflächlichen Maßnahmen nicht beheben.
4. Durchlaufzeit der Verarbeitung. Kürzere Durchlaufzeiten sichern Skonti und vermeiden Verzugsgebühren. Unternehmen, die ihre Verarbeitungszyklen auf unter fünf Tage senken, nutzen laut Untersuchungen von IOFM in der Regel deutlich mehr Skonti als solche mit Zyklen von zehn Tagen und mehr.

Unternehmen, die das Niveau von zwei bis drei US-Dollar erreichen, optimieren alle vier Kennzahlen gemeinsam, nicht nur die Datenerfassung. Dieselbe Disziplin gilt für die Belegverarbeitung in der Debitorenbuchhaltung. Ein umfassenderer Blick auf den Order-to-Cash-Prozess und die Stellen, an denen KI messbare Wirkung erzielt rückt diese Benchmarks über den gesamten Finanzzyklus hinweg in einen nützlichen Zusammenhang.

So berechnen Sie Ihre eigenen Kosten pro Rechnung

So rechnen Sie in vier Schritten:

1. Ermitteln Sie die gesamten Bearbeitungskosten für den Zeitraum. Rechnen Sie die Personalkosten anteilig für die Zeit, die auf die Kreditoren- und Debitorenbuchhaltung entfällt, sowie Softwarelizenzen, Fremdleistungen und den Aufwand für Nacharbeiten. Beziehen Sie auch Verzugsgebühren ein, die entstehen, wenn sich die Bearbeitung verzögert.
2. Zählen Sie alle bearbeiteten Belege. Nehmen Sie Ausnahmefälle, abgelehnte Rechnungen und Dubletten in den Nenner mit auf. Wer Ausnahmefälle ausklammert, schönt die Effizienz und trifft dann schlechte Entscheidungen bei Verbesserungsmaßnahmen.
3. Teilen Sie die Gesamtkosten durch die Zahl der Belege. Das ergibt Ihren Basiswert für die Kosten pro Rechnung.
4. Segmentieren Sie nach Belegart. Berechnen Sie getrennte Werte für Rechnungen mit Bestellbezug, Rechnungen ohne Bestellbezug und Ausnahmefälle. Die Differenz zwischen diesen Werten zeigt Ihnen genau, wo ein Eingreifen die größte Wirkung entfaltet.

APQC empfiehlt, vierteljährlich statt jährlich zu benchmarken. Die Kosten pro Rechnung verschieben sich, wenn sich der Lieferantenmix ändert und die Automatisierung reift. Jährliche Benchmarks übersehen relevante Verbesserungen oder Verschlechterungen im Jahresverlauf.

‍

‍

Häufig gestellte Fragen

Wie hoch sind die durchschnittlichen Kosten pro Rechnung im Jahr 2024?

Laut dem Bericht „State of ePayables 2024“ von Ardent Partners kostet eine Rechnung die meisten Unternehmen im Schnitt 10,18 $. Führende Kreditorenteams automatisieren Belegerfassung, Abgleich und Freigabe und kommen so auf 2,36 $ pro Rechnung. Unternehmen im untersten Quartil zahlen 25 bis 50 $ und mehr. Der Grund: manuelle Dateneingabe, viele Ausnahmefälle und der Pflegeaufwand für Vorlagen auf veralteten OCR-Plattformen.

Was fließt in die Kosten für die Verarbeitung einer Rechnung ein?

In die Kosten pro Rechnung zählt alles vom Eingang bis zur Bezahlung: Personalkosten für Dateneingabe, Prüfung und Freigabe, Softwarelizenzen, die Bearbeitung von Ausnahmefällen und Nacharbeit sowie Verzugszinsen durch langsame Verarbeitung. Die meisten Unternehmen unterschätzen ihre tatsächlichen Kosten pro Rechnung um 30 bis 50 %, weil sie Nacharbeit und Verzugszinsen einfach ausklammern.

Wie schneidet KI im Vergleich zu OCR bei der Senkung der Rechnungsverarbeitungskosten ab?

OCR mit regelbasierter Automatisierung senkt die Kosten pro Rechnung von 12 bis über 30 $ auf etwa 5 bis 12 $. KI-native Plattformen auf Basis von Vision-Language-Modellen zielen laut Einführungsdaten von Anbietern auf 2 bis 5 $ pro Rechnung ab. Dazu streichen sie den Pflegeaufwand für Vorlagen komplett und drücken die Ausnahmequote auf 3 bis 8 %. Der entscheidende Unterschied: OCR müssen Sie für jedes Lieferantenformat manuell konfigurieren, während KI-native Systeme Belege eigenständig verstehen, ganz ohne vorheriges Training auf das jeweilige Format.

Was ist eine gute Dunkelverarbeitungsquote bei Rechnungen?

Eine Dunkelverarbeitungsquote von 70 bis 80 % gilt als erstklassig. Das heißt: 7 bis 8 von 10 Rechnungen laufen ganz ohne manuellen Eingriff durch. Unternehmen mit manuellen oder OCR-Workflows der ersten Generation schaffen meist nur 20 bis 40 %. Wer die Dunkelverarbeitungsquote steigert, senkt die Kosten pro Rechnung am direktesten.

Wie schnell zeigen sich Kostensenkungen nach der Einführung einer KI-gestützten Belegautomatisierung?

Die meisten Unternehmen sehen innerhalb von 30 bis 60 Tagen messbare Verbesserungen und erreichen nach etwa 90 Tagen einen stabilen Dauerbetrieb. Für die Zahlungszuordnung zeigen die Einführungsdaten von Transformance: Die Trefferquoten steigen in der Regel von rund 85 % beim Go-live innerhalb von 90 Tagen auf 95 % und mehr, sobald das System weiß, wie die Kunden typischerweise zahlen. Die vollständige Einführung von der ERP-Integration bis zum Dauerbetrieb dauert üblicherweise vier bis acht Wochen, je nach Komplexität der Systemlandschaft.

Beeinflusst die Unternehmensgröße die Benchmarks für die Kosten pro Rechnung?

Der Automatisierungsgrad wirkt sich stärker auf die Kosten pro Rechnung aus als die Unternehmensgröße. Ein mittelständischer Fertigungsbetrieb, der monatlich 10.000 Rechnungen mit KI-nativer Automatisierung verarbeitet, erreicht dieselben 2 bis 3 $ pro Rechnung wie ein Großunternehmen mit 100.000 Rechnungen pro Monat. Die Benchmarks von APQC zeigen durchgängig Spitzenreiter über das gesamte Größenspektrum hinweg. Das bestätigt: Die gewählte Architektur bestimmt die Kosten pro Rechnung stärker als der reine Umfang.

Fazit

Die Cost-per-Invoice-Benchmarks für 2026 erzählen durchweg dieselbe Geschichte: Ob ein Team im Spitzensegment bei 2 bis 3 US-Dollar liegt oder im Durchschnitt bei 10 bis 25 US-Dollar, hängt fast ausschließlich davon ab, wie es seine Automatisierung aufgebaut hat. Wer manuell arbeitet, zahlt das Fünf- bis Zehnfache. OCR-basierte Plattformen bringen spürbare Verbesserungen, stoßen aber strukturell an Grenzen, weil sie laufend Vorlagen pflegen und Ausnahmefälle bearbeiten müssen. Eine KI-native Verarbeitung setzt auf Vision-Language-Modelle und ein dauerhaftes institutionelles Gedächtnis. Sie räumt beide Einschränkungen aus und erreicht Kostenniveaus, an die regelbasierte Systeme nicht herankommen.

Dieselbe Dynamik gilt unmittelbar für die Zahlungszuordnung in der Debitorenbuchhaltung. Nicht zugeordnete Zahlungsavise, Ausnahmefälle und manuelle Recherche auf der Debitorenseite treiben die Kosten genauso in die Höhe wie Rechnungsausnahmen in der Kreditorenbuchhaltung. Finanzteams, die ihre Benchmark-Werte wirklich erreichen wollen, müssen die Kosten der Belegverarbeitung auf beiden Seiten des Hauptbuchs in den Griff bekommen.