Rechnungsverarbeitung

Von Connic

Ein KI-Agent extrahiert strukturierte Daten aus Rechnungen. Ein deterministischer Tool-Agent validiert Summen und erzeugt prüfbare JSON-Ergebnisse. Bei Fehlern sind Wiederholungsversuche möglich.

FinanzenEinsteigerHTTP Webhook AWS S3 E-Mail

Auf GitHub ansehen Quickstart

connic init my-project --templates=invoice

Überblick

Eine sequenzielle Pipeline extrahiert mithilfe eines LLM-Agenten mit Rechenwerkzeugen strukturierte Daten aus unaufbereitetem Rechnungstext oder Bildern. Anschließend validiert ein deterministischer Tool-Agent die Summen ohne Token-Kosten. Middleware ergänzt Audit-Trails mit Request-IDs und Kosten-Tracking. Die Pipeline unterstützt Retries bei vorübergehenden Fehlern und die parallele Verarbeitung mehrerer Rechnungen.

Use Cases

Automatisierung der Kreditorenbuchhaltung

Die Pipeline verarbeitet eingehende Lieferantenrechnungen, extrahiert Positionen und Summen und validiert sie vor der Buchung im ERP.

Belegerfassung

Belege aus Fotos oder PDFs werden in strukturierte Daten für Spesenabrechnungen und Abstimmungen umgewandelt.

Rechnungsprüfung

Die Stapelverarbeitung markiert Abweichungen zwischen angegebenen und berechneten Summen und protokolliert jeden Schritt im Audit Trail.

Architektur

Webhook / S3 / E-Mail

invoice-pipeline

invoice-extractor

invoice-validator

Erzeugte Projektstruktur

Der Befehl connic init my-project --templates=invoice erzeugt diesen Dateibaum.

invoice/
  agents/
    invoice-extractor.yaml
    invoice-validator.yaml
    invoice-pipeline.yaml
  tools/
    invoice_tools.py
  middleware/
    invoice-extractor.py
  schemas/
    invoice.json
  requirements.txt
  README.md

Loslegen

Installiere das Template, erstelle ein Connic-Projekt und starte das Deployment. Mit Git startet jeder Push automatisch ein Deployment; die CLI funktioniert unabhängig vom Git-Anbieter.

Voraussetzungen

Python 3.10+
Ein Connic-Konto mit einem angelegten Projekt
Projektguthaben für ein connic/* KI-Modell oder Zugangsdaten für einen BYOK Provider

Projekt erstellen

Installieren und Projekt anlegen

Installiere das SDK und erstelle aus diesem Template ein Projekt.

terminal

pip install connic-composer-sdk
connic init my-project --templates=invoice

Danach cd my-project

Bereitstellen

Als Deployment-Methode stehen Git und CLI zur Auswahl. Bei Git startet jeder Push automatisch ein Deployment; die CLI funktioniert mit GitLab, Bitbucket oder ganz ohne Git.

Git-Integration

Verbinde in Connic unter Projekt Settings → Git & Environments das GitHub-Repository
Ordne auf derselben Seite den Branch (z. B. main) der Produktivumgebung zu
Pushe das erzeugte Projekt in dieses Repository

terminal

git add .
git commit -m "Rechnungsverarbeitung Template hinzufügen"
git push origin main

CLI Deployment

Erstelle in Connic unter Projekt Settings → API Keys & MCP Auth einen API Key und kopiere die Projekt-ID
Führe im Projektverzeichnis connic login aus
Teste mit connic dev und Hot Reload, führe mit connic test Testsuiten aus oder starte mit connic deploy das Deployment für den Produktivbetrieb

terminal

connic login
connic dev     # Temporäre Entwicklungsumgebung mit Hot Reload
connic test    # Deklarative Test Suites ausführen
connic deploy  # In den Produktivbetrieb deployen

Verbinden und konfigurieren

Füge für die Rechnungsverarbeitung in Echtzeit eine synchrone HTTP-Webhook-Verbindung hinzu. Sende die Rechnungsdaten per POST an die Webhook-URL und erhalte das strukturierte Extraktionsergebnis als Antwort. Ein connic/* KI-Modell nutzen oder BYOK-Zugangsdaten unter Projekt Settings → LLM Provider hinterlegen.

Vollständiger Einrichtungsleitfaden für Verbindungen Quickstart Guide Docs zu Verbindungen

Template-Quelle

Das vollständige Template lässt sich einsehen, verbessern oder für einen anderen Einsatz forken.

connic-org/connic-awesome-agents/tree/main/invoice

Informationen

Publisher: Von Connic
Kategorie: Agent Templates
Schwierigkeitsgrad: Einsteiger
Funktioniert mit: HTTP Webhook, AWS S3, E-Mail
Quelle: GitHub

Weitere Agent Templates

Marketplace durchsuchen

PostgreSQL-Änderungsbenachrichtigung

LISTEN/NOTIFY überwacht PostgreSQL-Änderungen, klassifiziert Ereignisse nach Auswirkung und leitet Benachrichtigungen an das richtige Team weiter. Änderungen mit hoher Auswirkung werden für Audits gespeichert.

Kafka-Betrugserkennung

Transaktionen in Kafka Streams werden in Echtzeit auf Betrugsrisiken bewertet. Die Bewertung berücksichtigt die Häufigkeit von Transaktionen, geografische Anomalien und kundenspezifische Muster.

Lead-Anreicherung

Neue Registrierungen werden durch Unternehmensrecherche angereichert und anhand des idealen Kundenprofils bewertet. Qualifizierte Leads werden gespeichert.

Stripe-Mahnwesen

Automatisierte Zahlungserinnerungen helfen, fehlgeschlagene Stripe-Zahlungen nachzuholen. Sie berücksichtigen die Kundenhistorie und reichen von freundlichen Erinnerungen bis zu Hinweisen auf eine Leistungspause.

SQS-Bestellverarbeitung

Bestellungen aus SQS-Queues werden mit Betrugserkennung, Bestandsprüfung und Concurrency-Keys validiert und abgewickelt. Ergebnisse werden in einer ausgehenden Queue veröffentlicht.

Recherche-Assistent

Der Assistent zerlegt komplexe Recherchefragen in Teilaufgaben und startet spezialisierte Agenten parallel. Er führt Informationen aus dem Web und internen Quellen zu strukturierten Berichten zusammen und bewertet die Verlässlichkeit der Ergebnisse.