OCR voor factuurverwerking: van foto tot geboekte post
Facturen komen binnen in elke denkbare vorm: een verkreukeld bonnetje gefotografeerd met een telefoon, een nette PDF uit het facturatiesysteem van een leverancier, een gestructureerde UBL-e-factuur uit een overheidsportaal. De naïeve aanpak is om alles door OCR te halen en te hopen. De betere aanpak is om eerst te herkennen wat voor document je hebt, en pas naar de dure gereedschappen te grijpen wanneer dat echt nodig is.
Niet elk document heeft OCR nodig
Er is een hiërarchie van moeite, en de goedkoopste stap gebruiken die werkt houdt het snel, nauwkeurig en controleerbaar:
- Gestructureerde UBL-e-facturen zijn al machineleesbare XML. Lees ze direct in — geen OCR, geen AI, geen giswerk. De leverancier, regels en BTW zijn velden, geen pixels.
- Digitaal geboren PDF's hebben een echte tekstlaag. Lees die rechtstreeks uit het bestand. De tekens zijn exact; er valt niets te "herkennen".
- Scans en foto's zijn de enige documenten die echt OCR nodig hebben, gevolgd door een taalmodel dat rommelige geëxtraheerde tekst omzet in schone, gestructureerde velden.
Op deze manier routeren betekent dat het merendeel van de documenten het foutgevoelige pad volledig overslaat — en dat de documenten die dat niet doen de volledige behandeling krijgen.
Waar het LLM zijn waarde bewijst
OCR geeft je tekens; het geeft je geen betekenis. "€ 121,00" op een pagina kan het subtotaal, de BTW of het totaal zijn. Een taalmodel is wat ruwe tekst afbeeldt op de velden die er echt toe doen — leverancier, factuurdatum, bedrag exclusief BTW, BTW-tarief, bedrag inclusief BTW — en ze op elkaar afstemt zodat de bedragen kloppen.
Voor de Nederlandse markt betekent dat het direct inbouwen van BTW-logica: de tarieven van 21%, 9% en 0%, en de relatie tussen bedragen exclusief en inclusief BTW. Als de geëxtraheerde cijfers niet op elkaar aansluiten, is dat een signaal om de betrouwbaarheidsscore te verlagen en een mens ernaar te laten kijken.
Vertrouwen komt van controle, niet van magie
Hoe goed extractie ook wordt, er mag nooit stilzwijgend iets worden geboekt. Het patroon dat werkt:
- Toon het originele document naast de geëxtraheerde velden, naast elkaar.
- Hang er een betrouwbaarheidsscore per factuur aan zodat onzekere gevallen opvallen.
- Houd een volledig audittrail bij — het originele bestand, de ruwe extractie en elke correctie die een mens maakte.
Die combinatie maakt automatisering betrouwbaar: snel als het zeker is en eerlijk als dat niet zo is.
In de praktijk
Dit is precies de pijplijn achter Facturis, een AI-boekhoudassistent voor Nederlandse zzp'ers en bedrijven — slimme routering per document, ingebouwde BTW-logica en een controlestap voordat er iets wordt geboekt. Het draait als gehoste clouddienst of volledig binnen je eigen infrastructuur voor teams met strikte eisen aan gegevensprivacy.
De routering is direct terug te zien in de factuurlijst. Het ene document is gemarkeerd als Born-digital PDF → text layer + AI; het andere leest UBL detected → booked without AI en ging er rechtstreeks doorheen — geen OCR, geen modelaanroep, niets om aan te twijfelen. De eerste staat nog op Needs review, de tweede is al Booked. Het dashboard telt de geboekte posten vervolgens op per BTW-tarief, en daar houdt de 21 / 9 / 0%-logica op een implementatiedetail te zijn en wordt het het bedrag dat je daadwerkelijk aangeeft.
Benieuwd of dit bij jouw workflow past? Neem contact op.