Wie kann KI Transportaufträge aus PDFs auslesen?

Kurz gesagt: KI kann Transportaufträge aus PDFs auslesen, indem sie den Dokumentinhalt versteht statt Positionen auf der Seite zu suchen. Ein Sprachmodell erkennt, was eine Ladestelle, ein Zeitfenster oder eine Palettenangabe ist – unabhängig vom Layout des Kunden. Feste Prüfregeln validieren das Ergebnis, bevor es als Auftrag ins TMS übernommen wird.

Warum Auftrags-PDFs so viel Handarbeit erzeugen

Ein Transportauftrag als PDF sieht für einen Menschen eindeutig aus: Absender, Ladestelle, Entladestelle, Termin, Paletten, Referenz. Für Software ist dasselbe Dokument zunächst nur Text an Koordinaten – oder bei Scans nur ein Bild. Ob „12“ die Anzahl Paletten, eine Uhrzeit oder Teil einer Hausnummer ist, steht nirgends im Dateiformat.

Dazu kommt die Vielfalt: Jeder Auftraggeber hat sein eigenes Formular. Manche schicken strukturierte Auftragsformulare, andere eine formlose Word-Datei, wieder andere einen Screenshot aus ihrem eigenen System. Genau diese Vielfalt ist der Grund, warum Speditionen Aufträge bis heute abtippen – und warum klassische Auslese-Software mit Vorlagen daran scheitert.

Native PDFs und Scans: zwei technische Ausgangslagen

• Native PDFs stammen aus einer Software – etwa dem TMS oder ERP des Kunden. Der Text ist als Text enthalten und kann direkt gelesen werden. Die Herausforderung liegt allein in der Interpretation: Welche Angabe gehört zu welchem Feld?
• Gescannte oder fotografierte PDFs sind Bilder. Hier übersetzt zunächst eine Texterkennung (OCR) das Bild in Text. Dieser Schritt bringt eigene Fehler mit: schiefe Scans, Stempel, handschriftliche Ergänzungen, verwechselte Zeichen wie O und 0.

Ein produktives System erkennt automatisch, welcher Fall vorliegt, und bewertet bei Scans die Sicherheit jeder Erkennung. Schlechte Vorlagen führen so zu mehr Prüfaufwand – nicht zu falschen Aufträgen.

Vorlagen-OCR versus KI-Extraktion

Klassische Auslese-Software arbeitet mit Templates: Für jedes Formular wird definiert, an welcher Stelle welches Feld steht. Das funktioniert, solange das Layout gleich bleibt. Bei zehn Kunden sind das zehn Vorlagen; ändert einer sein Formular, fällt die Erkennung aus. In einer Spedition mit hundert Auftraggebern ist dieser Ansatz nicht wartbar.

KI-gestützte Extraktion geht anders vor: Ein Modell, das Sprache und Dokumentstrukturen versteht, erfasst die Bedeutung der Inhalte. Es erkennt eine Ladestelle als Ladestelle, weil davor „Abholung“ oder „Ladeort“ steht, weil eine Adresse folgt und weil ein Zeitfenster dazugehört – nicht, weil sie links oben auf der Seite steht. Neue Kunden und geänderte Formulare brauchen dadurch in der Regel keine Anpassung. Ausführlicher vergleichen wir beide Ansätze im Artikel KI vs. klassische OCR.

Welche Felder ausgelesen werden

Für einen Transportauftrag sind das typischerweise:

• Auftraggeber und dessen Referenznummer
• Abholadresse mit Datum und Zeitfenster
• Lieferadresse mit Datum und Zeitfenster
• Ladung: Anzahl und Art der Ladehilfsmittel, Gewicht, Volumen, Gefahrgut
• Palettentausch ja/nein
• Preis oder Frachtvereinbarung, falls angegeben
• Bemerkungen: Avisierung, Rampe, Ansprechpartner, Ladehinweise

Welche dieser Felder Pflicht sind, legt die Spedition fest. Fehlt ein Pflichtfeld – etwa der Liefertermin –, wird der Auftrag nicht still angelegt, sondern zur Ergänzung markiert.

Sammelaufträge und mehrseitige Dokumente

Häufig enthält ein PDF mehrere Aufträge: eine Wochenliste, ein Sammelauftrag mit fünf Relationen, ein Dokument mit Seitenumbruch mitten in der Positionstabelle. Die Extraktion muss deshalb zuerst erkennen, wie viele Aufträge im Dokument stecken, und sie voneinander trennen. Jeder Auftrag durchläuft anschließend die eigene Prüfung. Das ist ein Schritt, der bei einfachen „PDF-zu-Text“-Werkzeugen fehlt – und der in der Praxis über die Brauchbarkeit entscheidet.

Validierung: der Schritt, der über die Qualität entscheidet

Die KI liefert ein Ergebnis mit Wahrscheinlichkeit, keine Garantie. Deshalb prüft deterministische Software jedes Feld, bevor daraus ein Auftrag wird:

• Pflichtfelder: Sind alle erforderlichen Angaben vorhanden?
• Stammdatenabgleich: Existiert der Auftraggeber? Ist die Ladestelle bekannt, oder ist es eine neue Adresse?
• Plausibilität: Liegt das Gewicht im realistischen Bereich? Liegt die Zustellung nach der Abholung? Passt die Palettenanzahl zum Fahrzeugtyp?
• Konfidenz: Wie sicher war die Erkennung je Feld? Unsichere Felder werden markiert.

Alles, was diese Prüfung nicht besteht, landet in einer Prüfansicht: Dokument und erkannte Daten nebeneinander, unsichere Felder hervorgehoben. Der Disponent korrigiert oder bestätigt mit wenigen Klicks. Ungeprüfte KI-Ergebnisse werden nie ins TMS geschrieben.

Die Übergabe ins TMS

Der geprüfte Auftrag wird über die Schnittstelle des TMS angelegt – per API, Import oder Datenbank, je nachdem, was das System bietet. Ob das vollautomatisch geschieht oder erst nach Freigabe durch einen Disponenten, ist eine Regel, keine technische Grenze. Viele Speditionen starten mit Freigabe und schalten einzelne Kunden frei, sobald die Ergebnisse stabil sind. Mehr zu den Anbindungswegen unter TMS-Integration.

Fazit

KI kann Transportaufträge aus PDFs zuverlässig auslesen – nicht, weil sie fehlerfrei wäre, sondern weil sie in eine Prozesskette eingebettet ist: Erkennung ohne Vorlagen, Trennung von Sammelaufträgen, Validierung gegen Pflichtfelder und Stammdaten, Prüfansicht für unsichere Fälle, Übergabe ins TMS. Wer nur die Erkennung betrachtet, misst die halbe Lösung. Wie wir das als Leistung anbieten, beschreibt die Seite PDF-Auftragserfassung für Speditionen.