Creditnota's worden vaak behandeld als een bijzaak in de factuurworkflow. Ze komen binnen op hetzelfde adres, zien eruit als een factuur, en belanden in dezelfde map. Toch is het een ander documenttype met eigen regels. Een creditnota verlaagt een openstaand bedrag in plaats van het te verhogen. Dat klinkt simpel, maar in de praktijk ontstaan hier fouten doordat creditnota's worden geboekt als negatieve factuur zonder dat de koppeling met de originele factuur wordt gelegd.
Dit artikel gaat over hoe je creditnota's automatisch laat verwerken: van herkenning en uitlezen tot matching, controle en boeking. Het sluit direct aan op AI-factuurverwerking voor het MKB. Waar dat artikel de hele factuurstroom behandelt, zoomt dit in op het specifieke creditnotaproces.
Wat creditnota's lastig maakt voor automatische verwerking
Creditnota's verschillen op een paar punten van gewone facturen. Die verschillen maken ze net iets moeilijker om goed te automatiseren.
De relatie met een eerdere factuur. Een creditnota verwijst altijd naar een bestaande factuur. Soms staat het factuurnummer er duidelijk op, soms zit het verstopt in een opmerking of een referentieveld. Zonder die koppeling kun je niet controleren of de creditnota klopt.
Het teken van de bedragen. Sommige leveranciers sturen creditnota's met negatieve bedragen, anderen zetten er gewoon positieve bedragen op met de tekst 'credit'. Weer anderen gebruiken een apart btw-tarief voor creditbedragen.
Verschillende redenen. Niet elke creditnota is hetzelfde. Een creditnota wegens retour ontvangen goederen vraagt een andere afhandeling dan een creditnota voor een prijscorrectie of een volledige annulering.
Btw-verwerking. In veel boekhoudpakketten wordt btw op creditnota's anders behandeld dan op inkoopfacturen. Een fout hier werkt door in de btw-aangifte.
Welke velden AI betrouwbaar kan uitlezen
Een goede AI-workflow voor creditnota's begint bij het herkennen wat er binnenkomt. Dit gaat verder dan alleen OCR. Het systeem moet eerst bepalen of een document een factuur, creditnota, herinnering of iets anders is. Pas daarna begint het uitlezen.
De velden die AI doorgaans betrouwbaar uit een creditnota haalt:
- leveranciersnaam en btw-nummer
- creditnotanummer (vaak een eigen nummerreeks)
- factuurnummer van de originele factuur
- creditbedrag exclusief btw
- btw-bedrag en btw-tarief
- reden van creditering (als die in een vast veld staat)
- totaalbedrag
Minder betrouwbaar zijn vrije-tekstvelden met uitleg, kortingen die al in het totaal zijn verwerkt, en verwijzingen naar orders of projectcodes die in een opmerking staan.
Voor een breder overzicht van wat AI kan uitlezen uit financiële documenten, lees ook Three-way matching automatiseren met AI. Dezelfde extractietechnieken gelden voor creditnota's, met extra aandacht voor de koppeling met de originele factuur.
Matchen met de factuur, order of retour
Het belangrijkste verschil met een gewone factuur is dat een creditnota bijna altijd hoort bij een eerdere transactie. De workflow moet die relatie kunnen leggen. Dat kan op een paar manieren:
- Direct matchen op factuurnummer. De creditnota vermeldt het nummer van de originele factuur. Het systeem zoekt die factuur op en controleert of het bedrag klopt.
- Matchen op ordernummer of projectcode. Soms staat niet het factuurnummer maar een ordernummer op de creditnota. Dan moet het systeem via de order of het project de juiste factuur vinden.
- Matchen op leverancier en periode. Bij onduidelijke referenties kun je vallen op een combinatie van leverancier, bedrag en factuurdatum. Dat is minder precies, maar beter dan niets.
- Geen match. Als een creditnota niet aan een bestaande factuur, order of retour gekoppeld kan worden, moet die altijd langs een mens. Dit soort zwevende creditnota's zijn de grootste bron van boekhoudfouten.
Deze matchstap is precies waarom creditnota's niet zomaar in een standaard factuurworkflow passen. Ze vragen een aparte routing, met eigen regels voor goedkeuring. Daar komt werkstroomorkestratie om de hoek kijken: de AI leest uit, maar de workflow bepaalt wat er met de match gebeurt.
Doorzetten naar boekhouding of ERP
Na extractie en matching volgt de boeking. Creditnota's worden meestal op een van deze manieren verwerkt:
- Volledig automatisch, alleen bij bekende leveranciers en bedragen binnen een vaste bandbreedte.
- Als conceptboeking, die een medewerker nog controleert voordat hij definitief wordt.
- Met goedkeuringsworkflow, waarbij uitzonderingen (nieuwe leveranciers, hoge bedragen, afwijkende btw) naar een vast persoon gaan.
De meest gekozen route in het MKB is de conceptboeking. Dat geeft controle zonder dat iemand elke creditnota van A tot Z hoeft over te typen. Dezelfde aanpak geldt voor ander documentwerk, zoals Orderbevestigingen automatisch verwerken met AI: uitlezen, controleren, klaarzetten voor boeking.
Wat het scheelt in tijd en fouten
De praktijk leert dat teams die creditnota's handmatig verwerken gemiddeld 5 tot 10 minuten per document kwijt zijn aan overtypen, nazoeken van de originele factuur en controleren van bedragen. Met een AI-workflow wordt dat teruggebracht naar 1 tot 2 minuten voor de uitzonderingen, en seconden voor de standaardgevallen.
Daarnaast dalen typefouten. Een overgetypt creditbedrag met een gemiste min is zo'n klassieke fout die pas maanden later opvalt. AI haalt het bedrag rechtstreeks uit het document en controleert het tegen de originele factuur.
Voor een completer beeld van wat dit oplevert, helpt Human in the loop bij AI-automatisering. Daarin lees je wanneer je wel en niet een mens in de workflow wilt houden. Dat is bij creditnota's extra relevant, omdat een gemiste koppeling direct impact heeft op het openstaand saldo.
Op de dienstpagina voor documentverwerking zie je hoe dit in de praktijk werkt: herkennen, uitlezen, controleren en doorzetten. Creditnota's zijn een van de documenttypen die in diezelfde aanpak passen.
Veelgestelde vragen
Hoe weet AI of een document een creditnota is en geen factuur?
Het systeem leert dat uit de documentinhoud: woorden als 'creditnota', 'creditfactuur' of 'creditering', het teken van de bedragen, en het ontbreken van een betalingsverzoek. Modellen worden getraind op zowel facturen als creditnota's, zodat ze het verschil herkennen, ook als de layout ongebruikelijk is.
Wat gebeurt er als de creditnota geen factuurnummer vermeldt?
Dan probeert de workflow te matchen op ordernummer, projectcode of een combinatie van leverancier en bedrag. Als geen van die routes een match oplevert, gaat de creditnota naar een wachtrij voor handmatige verwerking. De medewerker ziet dan welke informatie wel is uitgelezen en kan de koppeling zelf leggen.
Kunnen creditnota's van buitenlandse leveranciers ook worden verwerkt?
Ja, mits het document een te verwerken taal en layout heeft. De OCR en AI zijn niet afhankelijk van een vaste sjabloon. Wel vraagt buitenlandse btw extra controle, omdat de btw-verwerking per land verschilt. Die controle laat je standaard door een medewerker doen.
Moet elke creditnota worden goedgekeurd?
Nee. Bij bekende leveranciers met bedragen binnen een vaste bandbreedte kan de boeking volledig automatisch, of als concept worden klaargezet. Alleen bij nieuwe leveranciers, afwijkende bedragen of onduidelijke verwijzingen is menselijke controle verplicht.
Hoe weet ik of de creditnota bij de juiste factuur hoort?
Het systeem controleert of het creditbedrag past bij het factuurbedrag, of de btw-verdeling klopt, en of de leverancier overeenkomt. Bij twijfel wordt de creditnota voorgelegd aan een medewerker. Een auditlog laat achteraf zien welke matches automatisch zijn gelegd en welke handmatig zijn goedgekeurd.