Kreditorenbuchhaltung revolutionieren: RPA, Fuzzy Logic und intelligentes Blacklist-Management

Welche Teile der Kreditorenbuchhaltung können automatisiert werden?

„Unternehmen versuchen buchstäblich, jeden Winkel der Unternehmensprozesse zu automatisieren, aber die Automatisierung der Kreditorenbuchhaltung wurde bis zuletzt zurückgestellt“, sagt Amit.

Es ist ein Beispiel für Robotics Process Automation, aber angewendet auf eine spezifische Funktion.

Das wirft die Frage auf: Warum, warum jetzt, warum Kreditorenbuchhaltung überhaupt automatisieren?

Für Amit sind Ressourcen, oder vielmehr deren Mangel, ein Schlüsselpunkt. „Die Kreditorenbuchhaltungsfunktion innerhalb eines Unternehmens wird wahrscheinlich nicht viele Ressourcen bekommen“, sagt er, und das bedeutet wiederum „sie bekommt nicht so viel Aufmerksamkeit, sie ist einer der letzten Bereiche, die die Vorteile der Automatisierung genießen.“

Was bedeutet das? Welcher Teil der Kreditorenbuchhaltung kann automatisiert werden? Amit erklärte, es kann angewendet werden auf:

• Erfassung von Lieferanteninformationen,
• Prüfung derselben,
• Zahlungsausführung,
• Kommunikation mit Lieferanten,
• Rechnungserfassung,
• Abgleich mit Bestellungen,
• Buchhaltungsaktualisierung,
• Entscheidungen darüber, welcher Buchungscode auf welche Rechnungszeile angewendet werden soll,
• und automatische Auswahl der richtigen Genehmiger.

Aber Automatisierung kann auch bei Compliance helfen. Tatsächlich ist jeder prozessgetriebene Task, wie das Befolgen regulatorischer Verfahren, oft die Low-Hanging-Fruit jeder Form von Prozessautomatisierung, ob sie einen Software-Roboter involviert oder nicht.

„Schließlich sollte Kreditorenbuchhaltung ubiquitär sein und einfach Teil des Werkzeugkastens jedes Unternehmens werden“, sagt Amit.

Wie es funktioniert

„Wenn wir die Lieferanteninformationen erhalten, führen wir sie durch Fuzzy Logic und andere Machine-Learning-Prozesse, um sie gegen Blacklists und andere Mittel zu prüfen, um zu entscheiden, ob der Lieferant legitim ist. Wir führen die Zahlung aus und wenn es ein Problem mit der Zahlung gibt, wenden wir Logik und Entscheidungsfindung an, um dem Lieferanten zu raten, wie er den Fehler im Prozess korrigieren kann.

OCR und Logik

Informationen von Hardcopy zu übersetzen ist kniffliger. Da kommt Optical Character Recognition (OCR) ins Spiel. „Aber OCR kann Sie nur so weit bringen“, sagt er, „wir nutzen einen Managed Service, um das zu ergänzen, was OCR leisten kann, mit Menschen, und das bringt Sie auf einen höheren Prozentsatz der Rechnungserfassung.“

Amit gibt ein weiteres Beispiel:

„Wenn Sie eine Rechnung erfassen, müssen Sie entscheiden, ob z. B. ein Laptop ein Marketing-Expense, IT-Expense oder Engineering-Expense ist. Logik und Machine-Learning-Logik können angewendet werden, um zu bestimmen, welches Konto auf eine spezifische Rechnung angewendet werden sollte. Machine Learning kann auch helfen, den Genehmiger zu bestimmen, und wir tun das, indem wir aus vergangenem Verhalten des Kunden lernen.“

Chen Amit ist Co-Founder und CEO bei Tipalti, das Payables-Operationen automatisiert. Seine Kunden reichen von Amazon und Twitter, Nikon und anderen Giganten bis zu kleinen Unternehmen und allem dazwischen. Heute verarbeiten sie ca. 6,5 Mio. $ Annual Run Rate.