Warum BonBert sich beim Belegscan lieber ein paar Sekunden mehr Zeit nimmt
Gute Einkaufsanalysen beginnen mit guten Daten. Deshalb kombinieren wir klassische OCR mit selbst gehosteter KI – und optimieren auf zuverlässige Erkennung statt auf den schnellsten Ladebalken.
15. August 2026 · 6 Min. Lesezeit · BonBert RedaktionWarum BonBert sich beim Belegscan lieber ein paar Sekunden mehr Zeit nimmt
Ein Kassenzettel sieht auf den ersten Blick ziemlich simpel aus.
Händler. Produkte. Preise. Gesamtsumme.
Für einen Menschen reicht oft ein kurzer Blick, um zu verstehen, was gekauft wurde. Für Software ist ein Kassenzettel allerdings ein erstaunlich anspruchsvolles Dokument.
Schlechte Druckqualität, Falten, Schatten, ungewöhnliche Schriftarten, verkürzte Produktnamen und unterschiedlichste Layouts machen aus einem vermeintlich einfachen Foto schnell eine echte Herausforderung.
Und genau deshalb verfolgen wir bei BonBert ein klares Prinzip:
Gute Einkaufsanalysen brauchen zuerst gute Daten.
Der Beleg ist die Grundlage für alles, was danach kommt
Wenn BonBert dir später zeigen soll, wie viel du für Lebensmittel ausgegeben hast, ob ein Produkt bei einem anderen Einkauf günstiger war oder wie sich deine Ausgaben entwickeln, müssen zunächst die Informationen auf dem Kassenzettel möglichst sauber erkannt werden.
Ein falsch erkannter Preis wirkt sich nicht nur auf eine einzelne Zeile aus.
Er kann anschließend auch Statistiken, Kategorien, Preisvergleiche oder Insights verfälschen.
Deshalb betrachten wir den Belegscan nicht einfach als Upload-Funktion.
Er ist die Datengrundlage für einen großen Teil von BonBert.
Warum Kassenzettel schwieriger sind, als sie aussehen
Es gibt keinen einheitlichen Standard dafür, wie ein Kassenzettel aussehen muss.
Schon zwischen zwei Händlern können sich Aufbau und Darstellung deutlich unterscheiden.
Hinzu kommen typische Probleme aus dem Alltag:
- ein Kassenzettel wurde gefaltet
- das Thermopapier ist bereits verblasst
- einzelne Zeilen sind schlecht gedruckt
- das Foto wurde schräg aufgenommen
- Licht reflektiert auf dem Papier
- Produktnamen sind stark abgekürzt
- Mengen und Preise stehen an ungewöhnlichen Positionen
- Rabatte erscheinen als eigene Positionen
- Pfand, Coupons oder Zwischensummen müssen richtig zugeordnet werden
Ein OCR-System kann auf einem solchen Beleg zwar einzelne Zeichen erkennen.
Die wichtigere Frage lautet aber:
Was bedeuten diese Zeichen eigentlich?
Deshalb kombiniert BonBert OCR und KI
Für die Belegerkennung setzen wir bei BonBert auf mehrere Verarbeitungsschritte.
Ein Baustein ist Tesseract, eine etablierte Open-Source-OCR-Engine zur Texterkennung.
OCR – Optical Character Recognition – hat zunächst eine grundlegende Aufgabe:
Aus Pixeln wird Text.
Aber damit ist ein Kassenzettel noch lange nicht vollständig verstanden.
Eine erkannte Zeile wie
H-MILCH 3,5 1L 1,29
muss anschließend beispielsweise als Produkt mit Bezeichnung, Menge und Preis interpretiert werden.
Genau an dieser Stelle kommt zusätzlich künstliche Intelligenz zum Einsatz.
Qwen3.5 9B läuft bei uns selbst gehostet
Für die KI-gestützte Verarbeitung setzen wir unter anderem auf Qwen3.5 9B, das wir selbst betreiben.
Das Modell hilft dabei, den erkannten Inhalt eines Belegs in einen sinnvollen Zusammenhang zu bringen und strukturierte Informationen daraus abzuleiten.
Statt lediglich Textzeilen zu speichern, soll BonBert beispielsweise verstehen können:
- welcher Händler auf dem Beleg steht
- welche Zeilen tatsächlich Produkte darstellen
- welcher Preis zu welchem Produkt gehört
- welche Werte Mengen oder Einheiten darstellen
- wo Rabatte oder Pfand auftauchen
- welche Gesamtsumme zum Einkauf gehört
- wie einzelne Positionen später sinnvoll weiterverarbeitet werden können
Die Kombination aus klassischer OCR und KI gibt uns dabei deutlich mehr Möglichkeiten als reine Zeichenerkennung.
Warum wir die KI selbst betreiben
Self-Hosting ist für uns eine bewusste technische Entscheidung.
Wir möchten möglichst viel Kontrolle darüber behalten, wie die Verarbeitung innerhalb von BonBert funktioniert.
Dazu gehört unter anderem, Modelle und Verarbeitungsschritte gezielt auf unseren Anwendungsfall abstimmen zu können.
Ein Kassenzettel ist schließlich etwas anderes als eine normale Textseite.
Produktzeilen, Preise, Mengen, Rabatte und Händlerformate benötigen ihre eigene Logik.
Mit einer eigenen Infrastruktur können wir diese Pipeline kontinuierlich weiterentwickeln und optimieren.
Warum dauert ein Scan manchmal etwas länger?
Natürlich könnten wir den gesamten Prozess ausschließlich darauf optimieren, möglichst schnell irgendein Ergebnis anzuzeigen.
Das ist aber nicht unser Ziel.
Wir möchten eine gute Balance zwischen Geschwindigkeit und Erkennungsqualität erreichen.
Das bedeutet:
Ein Beleg soll nicht minutenlang verarbeitet werden.
Aber wir wollen auch nicht bewusst auf zusätzliche Verarbeitung verzichten, nur damit nach möglichst wenigen Sekunden irgendein Ergebnis erscheint.
Je nach Beleg, Bildqualität und aktueller Verarbeitung kann die Analyse deshalb etwas länger dauern.
Diese zusätzliche Zeit möchten wir dort investieren, wo sie einen echten Nutzen bringt.
Schnell ist gut. Richtig ist besser.
Stell dir vor, auf deinem Kassenzettel steht:
Butter – 2,79 €
und das System erkennt daraus:
Butter – 27,90 €
Der Scan wäre vielleicht extrem schnell abgeschlossen.
Für deine Statistik wäre das Ergebnis trotzdem ziemlich schlecht.
Deine Lebensmittelausgaben wären plötzlich falsch.
Ein Preisvergleich könnte falsche Schlüsse ziehen.
Und ein daraus abgeleiteter Insight wäre ebenfalls wertlos.
Deshalb betrachten wir Geschwindigkeit nicht isoliert.
Die Frage lautet nicht:
„Wie schnell können wir ein Ergebnis anzeigen?“
Sondern:
„Wie schnell können wir ein Ergebnis anzeigen, dem wir ausreichend vertrauen können?“
Trotzdem soll BonBert schnell bleiben
Qualität bedeutet für uns nicht, dass Nutzer unnötig warten sollen.
Unsere Verarbeitung wird deshalb kontinuierlich optimiert.
Unser Ziel ist eine Pipeline, die möglichst früh ein gutes Ergebnis liefert und gleichzeitig nur dort zusätzliche Verarbeitung verwendet, wo sie tatsächlich notwendig ist.
Ein sauber fotografierter, gut lesbarer Beleg sollte einfacher zu verarbeiten sein als ein zerknitterter Kassenzettel mit Schatten, schlechter Druckqualität und ungewöhnlichem Layout.
Langfristig soll BonBert genau solche Unterschiede berücksichtigen können.
Gute Eingabedaten helfen ebenfalls
Auch die beste Texterkennung profitiert von einem guten Foto.
Wenn du einen Kassenzettel mit BonBert scannst, helfen bereits einige einfache Dinge:
- den gesamten Beleg sichtbar fotografieren
- möglichst gerade von oben aufnehmen
- starke Schatten vermeiden
- auf ausreichende Beleuchtung achten
- auf einen scharfen Text achten
- stark zerknitterte Belege möglichst glatt hinlegen
BonBert soll mit schwierigen Belegen umgehen können.
Ein gutes Ausgangsbild erhöht aber immer die Chance auf ein besonders sauberes Ergebnis.
Erkennung ist kein einmal abgeschlossenes Feature
Belegerkennung gehört zu den Bereichen, die wir bei BonBert kontinuierlich weiterentwickeln.
Mit unterschiedlichen Händlern, Produkten und Belegformaten entstehen immer wieder neue Sonderfälle.
Genau diese Erfahrungen helfen uns dabei, die Verarbeitung Schritt für Schritt besser zu machen.
Unser Ziel ist deshalb nicht, irgendwann sagen zu können:
„Die Belegerkennung ist fertig.“
Sondern:
„Die Belegerkennung wird mit BonBert immer besser.“
Transparenz ist uns dabei wichtig
BonBert verwendet künstliche Intelligenz nicht im Hintergrund, um daraus ein Geheimnis zu machen.
Wenn KI einen Teil der Verarbeitung übernimmt, möchten wir das auch transparent kommunizieren.
Für uns ist KI ein Werkzeug innerhalb der Verarbeitungskette.
Sie ersetzt nicht das gesamte System und sie ist auch nicht automatisch fehlerfrei.
Deshalb kombinieren wir verschiedene technische Verfahren und entwickeln zusätzlich Prüfungen und Plausibilitätslogik rund um die erkannten Daten.
Vom Foto zur Einkaufsanalyse
Am Ende geht es nicht darum, beeindruckende OCR-Technologie zu demonstrieren.
Es geht um das, was danach möglich wird.
Aus einem Kassenzettel können strukturierte Informationen entstehen:
Beleg → Händler → Produkte → Preise → Kategorien → Einkaufshistorie → Statistiken → Preisvergleich → Insights
Je besser die Informationen am Anfang erkannt werden, desto nützlicher werden die Funktionen am Ende dieser Kette.
Genau deshalb investieren wir so viel Aufmerksamkeit in den ersten Schritt.
Fazit
Bei BonBert wollen wir Kassenzettel nicht einfach nur möglichst schnell digitalisieren.
Wir wollen sie möglichst gut verstehen.
Dafür kombinieren wir klassische OCR mit KI-gestützter Verarbeitung und betreiben unter anderem unser Qwen3.5-9B-Modell selbst.
Das kann bedeuten, dass ein Scan gelegentlich ein paar Sekunden länger benötigt als bei einem System, das ausschließlich auf maximale Geschwindigkeit optimiert ist.
Diesen Kompromiss gehen wir bewusst ein.
Denn wenn aus einem Kassenzettel später Statistiken, Preisvergleiche und persönliche Insights entstehen sollen, ist eine gute Datengrundlage wichtiger als ein besonders schneller Ladebalken.
Schnell soll BonBert trotzdem sein. Aber nicht auf Kosten der Daten, auf denen alles andere aufbaut.
Technischer Hinweis: BonBert verwendet für die Belegverarbeitung unter anderem Tesseract OCR sowie ein selbst gehostetes Qwen3.5-9B-Modell. Die konkrete Verarbeitung kann je nach Beleg, Bildqualität und technischer Weiterentwicklung variieren.
Transparenzhinweis: BonBert setzt künstliche Intelligenz in verschiedenen Verarbeitungsschritten ein. KI-basierte Ergebnisse können trotz zusätzlicher Prüfungen fehlerhaft sein und werden fortlaufend verbessert.