Coca-Cola Bottling Shqipëria

Agentenbasierte KI für den Abgleich von Bestellungen und Fiskalrechnungen bei Coca-Cola Bottling Shqipëria

Ein KI-Agent auf Azure ordnet eingehende albanische Fiskalrechnungen den passenden Bestellungen zu und spart jeden Monat mindestens ein FTE an manueller Arbeit.

Coca-Cola Bottling Shqipëria case study

Überblick

Coca-Cola Bottling Shqipëria (CCBS) produziert und vertreibt die Getränke von The Coca-Cola Company in ganz Albanien. Das Finanzteam bearbeitet laufend Lieferantenrechnungen, die jeweils der richtigen Bestellung zugeordnet werden müssen, bevor sie verbucht und bezahlt werden können. DataMax hat auf Azure eine agentenbasierte KI-Lösung gebaut, die diesen Abgleich übernimmt und dem Team nur noch die Fälle überlässt, die wirklich eine menschliche Entscheidung erfordern.

Herausforderung

Lieferantenrechnungen kommen in Albanien als fiskalisierte E-Rechnungen an, passen aber selten eins zu eins zu den zugrunde liegenden Bestellungen. Bezeichnungen weichen ab, Lieferungen werden aufgeteilt, und Mengen oder Beträge stimmen nicht immer exakt überein. Herauszufinden, welche Rechnung zu welcher Bestellung gehört, geschah bisher manuell: langsame, repetitive Arbeit, die jeden Monat einen großen Teil der Zeit des Teams beanspruchte und bei hohem Volumen spürbaren Druck erzeugte.

Vorgehen

Ausgangspunkt war die Frage, wie das Finanzteam Rechnungen tatsächlich abgleicht: welche Felder zuerst geprüft werden, welche Abweichungen akzeptabel sind und wann eskaliert wird. Diese Regeln bilden das Rückgrat des Agenten. Die KI übernimmt, was Regeln allein nicht leisten können, etwa das Lesen freier Positionsbeschreibungen und das Zuordnen unterschiedlich benannter Artikel. Jede Entscheidung bleibt dabei nachvollziehbar und überprüfbar.

Lösung

Der Agent läuft in Containern auf Azure und nutzt Modelle aus Azure AI Foundry. Für jede eingehende Fiskalrechnung sucht er passende Bestellungen, vergleicht Lieferant, Positionen, Mengen, Beträge und Mehrwertsteuer und bestätigt entweder die Zuordnung oder markiert die konkrete Abweichung, etwa eine Menge, die von der Bestellung abweicht. Ergebnisse und Begründungen werden in Azure Table Storage gespeichert, sodass das Finanzteam nur noch eine kurze Liste von Ausnahmen prüft, statt jede Rechnung einzeln zu durchsuchen.

Ergebnisse

Freigesetzte Kapazität
Mindestens 1 FTE an manueller Arbeit pro Monat eingespart
Ausnahmen statt Suche
Das Team prüft markierte Abweichungen, statt jede Rechnung manuell abzugleichen
Weniger Druck
Eine mühsame, belastende Aufgabe vom Finanzteam genommen

Bereit, Ihre KI-Reise zu beschleunigen?

Lassen Sie uns über Ihre Daten- und KI-Herausforderungen sprechen. Wir helfen bei Strategie und schneller Umsetzung.

Kontakt aufnehmen