AI-orderinvoer: orders uit e-mail en pdf automatisch in uw ERP of TMS. Wat het oplevert en waar het misgaat

Wat is AI-orderinvoer, en wat is het niet?

AI-orderinvoer is software die een order leest zoals een orderverwerker dat doet: uit de tekst van een mail, uit een pdf of uit een scan van een bestelformulier. Het systeem zoekt de klant, de artikelen, de aantallen, de eenheden en de gewenste leverdatum, en zet die als order of concept-order in uw systeem. Het verschil met klassieke tekstherkenning is dat AI ook bij wisselende opmaak kan bepalen welk veld wat betekent.

Twee dingen is het niet. Het is geen EDI: een EDI-bericht is al gestructureerd en heeft geen AI nodig. En uitlezen is nog geen controleren. Een systeem dat '40 doos' leest, weet daarmee nog niet of de klant 40 stuks bedoelde. Die controle tegen uw eigen klant- en artikelgegevens is het eigenlijke werk, en daar ontstaan ook de meeste problemen.

EDI of e-mail: welke orders komen in aanmerking?

Begin met een telling per kanaal. Orders via EDI zijn al gestructureerd. GS1 België & Luxemburg omschrijft EDI als 'de manier om commerciële, logistieke en financiële gegevens uit te wisselen tussen handelspartners op een automatische manier'. Volgens GS1 Nederland vormt de artikelcode daarbij 'de basis voor het uitwisselen van elektronische berichten via GS1 EDI'. Wie met zijn grote afnemers al EDI heeft, hoeft die orders niet door een AI-systeem te halen.

AI-orderinvoer is bedoeld voor de rest: de kleinere klant die in de mailtekst bestelt, de klant die een pdf uit zijn eigen inkoopsysteem mailt, de verlader die een transportopdracht als bijlage stuurt. Voor die orders is de vraag niet of u EDI kunt afdwingen, maar of het overtikken sneller en betrouwbaarder kan.

Microsoft bouwt intussen EDI in Business Central zelf in. In update 29.0, de start van release wave 2 van 2026, staat 'Exchange EDI documents' als public preview. Het is een uitbreiding van het E-Documents-framework, met Peppol BIS 3 als formaat en ondersteuning voor het uitwisselen van orders. Een preview is nog niet algemeen beschikbaar. Wij zouden er geen productieproces op bouwen voordat dat wel zo is.

Drie routes: ERP-agent, document-AI of een eigen flow

Er zijn grofweg drie manieren om orders uit mail en pdf in uw systeem te krijgen. De voorbeelden zijn van Microsoft, omdat Microsoft de details openbaar documenteert. Wij noemen ze om te laten zien hoe de routes werken, niet als aanbeveling. Vraag uw eigen ERP- of TMS-leverancier wat hij in elk van de drie routes biedt.

• ERP-agent. Een agent in uw ERP leest een mailbox en maakt zelf een offerte of order aan. Voorbeeld: de Sales Order Agent in Microsoft Dynamics 365 Business Central. Voordeel: hij werkt direct met uw eigen klanten, artikelen, voorraad en prijzen. Nadeel: u werkt binnen de grenzen die de leverancier heeft gebouwd.
• Document-AI als aanvulling. Een losse dienst leest pdf's en scans uit en geeft de velden via een koppeling door aan uw ERP of TMS. Voorbeelden: Azure Document Intelligence of het documentmodel in AI Builder. Voordeel: het werkt naast elk systeem met een importmogelijkheid, ook een TMS. Nadeel: de controle tegen uw stamgegevens richt u zelf in.
• Eigen flow. Een Power Automate-flow start bij een nieuwe mail, laat een prompt of documentmodel de orderregels uitlezen en maakt via een connector een order aan. Voordeel: u bepaalt elke stap. Nadeel: u bent zelf eigenaar van de logica, de foutafhandeling en het onderhoud.

Route 1: wat de Sales Order Agent in Business Central doet

Volgens de documentatie van Microsoft bewaakt de agent een aangewezen Microsoft 365-mailbox, zoekt hij de klant op, controleert hij de voorraad en maakt hij een offerte of order. Hij leest de mailtekst en, als dat aanstaat, bijlagen in pdf, PNG of JPG. Een pdf mag tot 50 pagina's tellen. Ontbreken er gegevens, dan mailt de agent zelf met de klant om ze te achterhalen. Alle uitgaande berichten legt hij eerst voor aan een aangewezen medewerker.

Drie ontwerpkeuzes zijn voor orderinvoer belangrijk. De agent maakt altijd eerst een offerte, ook als de klant om een order vraagt. Microsoft noemt een offerte een veilig tussendocument, omdat die geen invloed heeft op planning, reserveringen, beschikbaarheid of liquiditeitsprognose. De agent boekt zelf geen documenten. En prijzen en kortingen past hij niet aan: die rekent Business Central zelf uit, en een verzoek om een andere prijs legt de agent voor aan een medewerker.

Wat er recent bij kwam. Het overzicht van update 29.0, gedateerd 29 september 2026, noemt als algemeen beschikbaar onder meer één takenvenster voor de taken van alle agents, eenvoudiger beheer van de rechten van agents, het beoordelen van wat een agent heeft ingevuld direct op de pagina, en betere matching met inkooporders in de Payables Agent. Op 8 juli 2026 werd het al mogelijk meerdere Sales Order Agents per bedrijf te draaien, met betere artikelherkenning en een filter dat berichten buiten de orderscope tegenhoudt. Bestaande klanten kunnen update 29.0 inplannen binnen een updateperiode die in februari 2027 afloopt.

Over Nederlands is Microsoft niet eenduidig. De tabel met beschikbaarheid per land en taal noemt Nederlands (nl-NL en nl-BE) bij de Sales Order Agent. De installatiehandleiding somt de talen op waarin de agent 'validated and supported' is, en daar staat Nederlands niet bij. Buiten die talen 'might not function as intended', schrijft Microsoft. Test dus met uw eigen Nederlandstalige orders voordat u erop bouwt. Invoer in gemengde talen levert volgens Microsoft ook lagere kwaliteit op, omdat de artikelherkenning dan deels op letterlijke tekstovereenkomst leunt. Denk aan een Duitstalige mail met Nederlandse artikelnamen.

De agent wordt afgerekend in Copilot Credits. Microsoft rekent een gewone afhandeling zo: 2 credits voor het analyseren van de mail, 5 voor de voorraadcontrole, 5 voor het maken of bijwerken van de offerte of order, 2 voor de antwoordmail, en 5 per bijlage waarin ordergegevens staan. In Microsofts eigen rekenvoorbeeld, 100 verzoeken per maand waarvan de helft met een pdf-order, is dat 1.650 credits per maand. Wat een credit kost, hangt af van uw licentievorm: vooraf gekochte capaciteit of betalen naar gebruik. Vraag uw partner om die prijs in euro. Let ook op het standaardmaximum van 100 inkomende mails per dag. Mails daarboven verwerkt de agent pas de volgende dag.

Over gegevens schrijft Microsoft dat bij een Business Central-omgeving binnen de EU Data Boundary een Azure OpenAI-endpoint binnen diezelfde grens wordt gebruikt. Prompts en antwoorden worden 20 dagen bewaard voor ondersteuning, en Microsoft gebruikt ze volgens eigen zeggen niet om AI-modellen te trainen. Laat uw IT-partner nagaan welke instellingen in uw omgeving gelden.

Route 2: document-AI als aanvulling op uw ERP of TMS

Document-AI leest een document en geeft gestructureerde velden terug. Het is geen ordersysteem. Het zegt wat er op het papier staat. Uw koppeling en uw ERP of TMS bepalen wat ermee gebeurt.

Azure Document Intelligence heeft standaardmodellen voor onder meer facturen, bonnen en contracten. Een standaardmodel voor inkooporders staat niet in het overzicht van Microsoft. Voor orders traint u een eigen extractiemodel. Microsoft noemt vijf voorbeelden van hetzelfde documenttype als minimum om te beginnen. In AI Builder heet dat een documentverwerkingsmodel, met per opmaak een 'collectie' van minstens vijf voorbeelddocumenten. Elke klant met een eigen orderformulier is dan een eigen collectie. De nieuwste versie geeft ook een betrouwbaarheidsscore per tabelcel, waarmee u twijfelgevallen apart kunt zetten.

Deze route past wanneer u veel pdf-orders in een vaste opmaak krijgt, of wanneer uw ERP of TMS zelf geen AI-functie heeft maar wel een import of API. Het werk zit in de koppeling: klant- en artikelcodes opzoeken, eenheden omrekenen, afwijkingen apart zetten. Hoe uitlezen werkt en waar het bij vrachtdocumenten misgaat, beschreven we in ons stuk over document-extractie voor CMR, T1 en eCMR.

Route 3: een eigen flow met Copilot of ChatGPT en Power Automate

De derde route bouwt u zelf, of laat u bouwen. Een Power Automate-flow start bij een nieuwe mail in een gedeelde mailbox. Een prompt of een documentmodel haalt de orderregels uit de mail of de bijlage. Daarna maakt de flow met de Business Central-connector een record aan in de tabel die u opgeeft. Bij een ander ERP of een TMS hangt het af van de koppelingen die uw leverancier biedt.

Ook hier betaalt u per gebruik. Documentverwerking in een flow kost volgens Microsoft 8 Copilot Credits per pagina, of AI Builder-credits zolang u die heeft. Een prompt kost credits per duizend tokens, afhankelijk van het model. Gebruikt u voor de prompt een eigen model uit Microsoft Foundry, dan betaalt u de verwerking volgens Microsoft via Foundry. De flow zelf valt onder uw Power Automate-licentie.

Het voordeel is controle. U bepaalt welke velden verplicht zijn, wanneer een order naar een mens gaat en wat er wordt vastgelegd. Het nadeel is hetzelfde: niemand anders doet dat voor u. Een voorbeeld uit de documentatie: met een bepaalde instelling voor bijlagen in Microsoft Defender kan de mailtrigger twee keer afgaan, de eerste keer zonder bijlage. Zonder extra controle in de flow, zoals Microsoft die zelf aanraadt, kan dat een lege of dubbele order opleveren. Een flow die alleen werkt zolang de bouwer er is, is een bekend patroon bij AI-projecten die na de pilot stranden. Leg daarom vast wie eigenaar is en wie de flow aanpast als een klant zijn orderformulier verandert.

Een lichtere variant is dat een orderverwerker de mail in ChatGPT of Copilot Chat plakt, er een tabel van laat maken en die overneemt. Dat scheelt typwerk, maar er is geen koppeling, geen vastlegging en geen vaste controle. Gebruik daarvoor alleen een zakelijke tool die uw organisatie heeft goedgekeurd, zoals beschreven in ons afsprakenkader voor ChatGPT en Copilot op de werkvloer.

Concept of automatisch doorzetten: wat mag het systeem zelf?

Dit is de belangrijkste keuze, en u maakt hem per stap. Begin met concepten: het systeem zet een concept-order of offerte klaar, een orderverwerker controleert en zet hem door. In het kader uit ons stuk over wat een AI-agent zelf mag doen is dat niveau 2, voorbereiden.

Business Central laat zien hoe instelbaar dat is. Met twee schakelaars bepaalt u of de klant eerst de offerte ter bevestiging krijgt, en of de agent een offerte zelf omzet in een order. Staat de bevestiging uit en de omzetting aan, dan maakt de agent direct een order en ziet de klant de offerte nooit. Microsoft beschrijft als voorbeeld een tweede agent voor vertrouwde klanten met precies die instelling, naast een gedeelde mailbox waar alle controlestappen aanstaan. Een goedkeuringsworkflow kan daarnaast afdwingen dat een andere medewerker akkoord geeft voordat een offerte wordt vrijgegeven.

Automatisch doorzetten past alleen bij orders die aan alle regels voldoen: bekende klant, alle artikelen herkend, eenheden kloppen, leverdatum haalbaar, geen afwijkende prijs. Al het andere is een uitzondering en gaat naar een mens. Ga pas een stap verder als u heeft gemeten hoe vaak er werd gecorrigeerd, en waarom.

Waar gaat AI-orderinvoer mis?

Een deel van de valkuilen staat letterlijk in de documentatie van Microsoft. Ze gelden ook voor andere systemen, omdat ze uit de orders zelf voortkomen.

• Onbekende afzender. De Business Central-agent herkent een klant alleen aan het e-mailadres op de contactkaart, niet aan naam of bedrijfsnaam. Dat is bewust, tegen misbruik. Mailt een klant vanaf een nieuw adres, dan moet een medewerker de klant koppelen.
• Doorgestuurde mails. Stuurt een collega een order door naar de mailbox, dan gebruikt de agent het adres van die collega. De klant wordt dan niet herkend.
• Lange orders. De agent ondersteunt nu tot 15 artikelregels per document. Meer regels kan volgens Microsoft tot lagere kwaliteit leiden. Kijk in uw nulmeting hoeveel regels uw orders tellen.
• Varianten en regeltypen. De agent vult geen variantcode in en werkt alleen met regels van het type artikel, niet met bijvoorbeeld toeslagen of resources.
• Nieuwe artikelen of klanten. De agent maakt geen artikelen, contacten of klanten aan. Bestelt een klant iets wat niet in uw systeem staat, dan gaat de order naar een mens.
• Eenheden. 'Tien' kan stuks, dozen, colli of pallets betekenen. Leg per klant vast welke eenheid geldt als er niets bij staat, en laat het systeem afwijkingen melden in plaats van gokken.
• Wijzigingen en annuleringen. Een tweede mail die een order aanpast, moet bij de juiste order terechtkomen. De Business Central-agent past op verzoek van de klant een offerte aan, maar geen order die al bestaat.
• Wat niet in de mail staat. Een telefonische afspraak, een vaste leverdag of een klant die altijd een bepaalde kwaliteit krijgt, kent het systeem alleen als het in uw stamgegevens staat.

Stamgegevens: artikel- en klantnummers eerst op orde

Een AI-systeem kan een order niet beter koppelen dan uw stamgegevens toelaten. Microsoft schrijft het zelf: de kwaliteit van de productinformatie in Business Central bepaalt hoe goed de agent werkt, en cryptische afkortingen in artikelnamen verlagen de kwaliteit van de uitkomst.

De agent zoekt eerst op exacte codes: uw artikelnummer, het artikelnummer van de leverancier, de GTIN of een kruisverwijzing. Pas daarna zoekt hij op kenmerken zoals kleur, maat of materiaal, en als laatste breed op tekst. Daaruit volgt een voorbereiding die voor elke route geldt:

• Klantartikelnummers. Leg de nummers die uw klanten zelf gebruiken vast als kruisverwijzing bij uw artikelen. In Business Central heet dat een artikelreferentie.
• E-mailadressen. Zet bij elk klantcontact het adres waarvandaan hij bestelt. Contacten zonder adres vragen bij elke order handwerk.
• Artikelomschrijvingen. Vervang interne afkortingen door omschrijvingen die een klant ook gebruikt, en vul kenmerken en categorieën in.
• Eenheden. Leg per artikel de verkoopeenheden en omrekeningen vast, zodat doos, colli en stuk niet door elkaar lopen.
• Adressen. Leg vaste afleveradressen, laad- en losadressen en tijdvensters vast bij de klant. Voor transportorders is dat de kern.

Transport (TMS) of groothandel (ERP): wat verschilt?

In de groothandel is een order een lijst artikelen met aantallen, eenheden en een leverdatum. De prijs komt uit uw ERP. De risico's zitten in het verkeerde artikel, de verkeerde eenheid en een leverdatum die niet past bij voorraad of route. In de AGF-handel komen kenmerken als kwaliteitsklasse, maat en herkomst erbij. Die moet het systeem als artikelkenmerk of variant kunnen terugvinden. Let op: de Business Central-agent vult geen variantcode in.

In transport is een order een zending. Het systeem moet laad- en losadressen, tijdvensters, aantallen pallets, gewicht, referenties en bijzondere eisen herkennen, zoals een temperatuureis of gevaarlijke stoffen. Dat is een ander soort document dan een verkooporder. De Sales Order Agent is daar niet voor gemaakt: hij werkt alleen met verkoopoffertes en verkooporders met artikelregels. Voor een TMS komen dus vooral document-AI met een koppeling, een eigen flow of een module van uw TMS-leverancier in aanmerking.

Laat bij koelvervoer en gevaarlijke stoffen geen order automatisch doorlopen als een veld ontbreekt of afwijkt. Een order zonder temperatuureis is niet hetzelfde als een order zonder temperatuurrisico. Leg in de werkinstructie vast dat zo'n order altijd naar de planner gaat.

Ook de meting verschilt. In de groothandel telt u fouten per orderregel: artikel, aantal, eenheid. In transport telt u fouten per zending: adres, tijdvenster, gewicht, een ontbrekende eis, en wat het gevolg was, bijvoorbeeld een rit die opnieuw moest worden gepland.

Wat levert AI-orderinvoer op? Begin met een nulmeting

Wij noemen bewust geen besparingspercentage. Wat het oplevert, hangt af van hoeveel orders u via mail en pdf krijgt, hoe lang het overtikken nu duurt en hoeveel fouten er nu al ontstaan. Dat weet u pas na een nulmeting. Ter oriëntatie: in onderzoek van softwareleverancier Descartes onder 300 senior besluitvormers bij verladers en logistiek dienstverleners in Europa, van wie 75 in België en Nederland, zei 41 procent AI te gebruiken voor het automatiseren van data-invoer en het omzetten van ongestructureerde gegevens. Dat zegt iets over hoe gangbaar het is, niet over wat het oplevert.

Meet een week lang, voordat er iets verandert, per order:

• Het kanaal: EDI, portaal, mailtekst, pdf-bijlage of telefoon.
• Het aantal orders per week per kanaal, en het aantal regels per order.
• De minuten per order, van binnenkomst tot order in het systeem. Tel het uitzoekwerk mee, niet alleen het typen.
• De correcties achteraf: welk veld was fout, en wie ontdekte het. De orderverwerker zelf, het magazijn, de chauffeur of de klant.
• De uitzonderingen: orders die niet zonder overleg konden worden ingevoerd, met de reden.
• De tijd tot orderbevestiging, als uw klanten daarop letten.

Rekenen zonder te verfraaien

Vermenigvuldig het aantal orders per week via mail en pdf met de minuten per order. Dat is uw huidige invoertijd. De opbrengst is nooit die hele tijd. Controle en uitzonderingen blijven werk, en het inrichten en bijhouden van stamgegevens kost ook tijd. De vraag is hoeveel minuten per order overblijven, en of het aantal fouten daalt of stijgt.

Zet daar de kosten per verwerkte order tegenover: credits, licenties en de uren van wie het systeem beheert. Een fout die pas bij de klant opduikt, telt zwaarder dan een fout die de orderverwerker zelf ziet. Weeg ze dus apart.

Een meetplan voor 30 dagen

Dertig dagen is genoeg om te zien of een route op uw eigen orders werkt, als u vooraf vastlegt wat u vergelijkt.

• Week 0, vooraf: de nulmeting hierboven. Kies welke klanten en welk kanaal meedoen. Begin met klanten die veel per mail of pdf bestellen en weinig uitzonderingen hebben.
• Week 1: stamgegevens op orde voor die klanten, met e-mailadressen, klantartikelnummers en eenheden. Schrijf de werkinstructie: welke velden het systeem invult, wat de orderverwerker controleert en wanneer een order naar een mens gaat. Doe dat in de taal van uw kwaliteitssysteem, of dat nu HACCP, FSSC 22000, BRC, IFS of GMP+ is.
• Week 2 en 3: het systeem maakt alleen concepten. De orderverwerker controleert elk concept en noteert per correctie welk veld fout was. Houd de minuten per order bij, inclusief de controle.
• Week 4: vergelijk met de nulmeting. Kijk naar minuten per order, correcties per honderd regels, het aandeel uitzonderingen en fouten die pas in het magazijn of bij de klant opdoken. Reken ook de kosten per verwerkte order uit.
• Dag 30: beslis of u doorgaat met concepten, voor een groep vertrouwde klanten een stap verder gaat, of stopt. Leg de beslissing en de reden vast.

Welke vragen stelt u aan een leverancier?

Een demo laat zien wat er gebeurt als de order netjes is. Voor uw besluit telt wat er gebeurt als hij dat niet is.

• Welke kanalen en formaten leest het systeem: mailtekst, pdf, scan, Excel? Met welke grenzen aan pagina's en regels?
• In welke talen is het getest, en specifiek in het Nederlands?
• Hoe herkent het de klant, en wat gebeurt er bij een onbekende afzender of een doorgestuurde mail?
• Maakt het concepten of definitieve orders, en kunnen wij dat per klant instellen?
• Kunnen wij per order zien welke velden het systeem invulde?
• Wat kost het per verwerkte order, gemeten op onze eigen orders?
• Waar worden mails en bijlagen verwerkt, en hoe lang worden ze bewaard?

Waar u begint

Kies één proces, één groep klanten en één route. Doe eerst de nulmeting en breng de stamgegevens voor die klanten op orde. Dat werk is nooit weggegooid: elke route heeft het nodig, ook als u later van route wisselt.

Op een Praktijkdag werken wij een dag op uw eigen locatie met de mensen die de orders dagelijks invoeren. We zetten de nulmeting op, schrijven de werkinstructie met de uitzonderingsregels en richten de eerste stap in op uw eigen orders. Uw team leert het terwijl het wordt gebouwd. De Praktijkdag kost vanaf 2.500 euro per groep, exclusief btw.