Klantorders uit e-mail en PDF automatisch in je ordersysteem krijgen

Om 8:12 komt de order binnen. Een PDF van je grootste afnemer, twaalf regels, met hún artikelnummers en de prijzen die zij denken te betalen. Iemand van de binnendienst opent de bijlage, zoekt regel voor regel op in het ordersysteem, tikt de aantallen over en gaat ervan uit dat "doos" hier stuks betekent. Tegen negenen staat de order erin. Rond half elf belt de klant over regel zeven.

Deze gids gaat over die hele stroom: van een bijlage in je mailbox naar gevalideerde orderregels in je order-, ERP- of CRM-systeem, zonder dat iemand ze overtikt. Hij is voor groothandels, technische handel, productiebedrijven en dienstverleners die orders per e-mail binnenkrijgen, van een binnendienst van twee tot een orderdesk van twintig. Eén aanname mag je meteen laten vallen: dat het uitlezen het moeilijke deel is. Dat is het niet.

Orderintake-automatisering is het proces waarbij een binnenkomende klantorder uit e-mail, PDF, Excel of een foto automatisch wordt uitgelezen, vertaald naar jouw eigen artikel- en prijsgegevens, gecontroleerd tegen je afspraken, en als verkooporder in je order- of ERP-systeem wordt weggeschreven. Wat die controle niet haalt, gaat naar een uitzonderingenwachtrij in plaats van je systeem in.

Houd één ding scherp uit elkaar. Dit is de verkoopkant: de order die jouw klant naar jou stuurt. De inkoopkant, waar leveranciersfacturen langs je inkooporder en pakbon gaan, is een andere keten met andere controles, en die staat uitgewerkt in de gids over documenten en facturen die zichzelf uitlezen tot en met de driewegcontrole. Verwar ze niet, want de validatieregels lijken op elkaar en zijn het niet.

Wat je nodig hebt

Het meeste werk zit niet in de techniek maar in wat eronder ligt. Rommelige stamdata levert een rommelige order op, en dan sneller.

• Eén voordeur voor orders. Een adres als orders@ of bestellingen@ waar alles binnenkomt, en de afspraak met je vaste klanten dat ze daarnaartoe sturen in plaats van naar de persoonlijke mailbox van hun contactpersoon.
• Een testset van echte orders. Vijftig tot honderd stuks van je grootste afnemers, inclusief de rommelige: de gescande fax, de Excel met samengevoegde cellen, de order die in de mailtekst staat zonder bijlage.
• Schone stamdata. Artikelnummers, omschrijvingen, verpakkingseenheden en de omrekenfactor van doos naar stuk. Precies daar gaat het straks stil mis.
• Een vertaaltabel van klantartikelnummer naar jouw artikelnummer. Per klant, met een geldigheidsdatum. Dit is de kern van het hele project.
• Prijsafspraken die je systeem kent. Klantprijzen, staffels en kortingen als data, niet als kennis in het hoofd van je beste verkoper.
• Een ordersysteem met een schrijfbare API. Exact Online heeft een POST-endpoint voor verkooporders; Odoo, AFAS, SnelStart en de meeste WMS-pakketten hebben er ook een. Kan er alleen gelezen worden, dan stopt het hier.
• Validatieregels met toleranties. Wat mag automatisch door, en met welke marge.
• Een uitzonderingenwachtrij met een eigenaar. Plus een afspraak hoe snel iemand erin kijkt. Zonder eigenaar is het een map waar orders in verdwijnen.
• Een AVG-basis. Verwerking binnen de EU en een verwerkersovereenkomst met elke dienst die je klantdocumenten te zien krijgt.

De budget-orde loopt van enkele tientjes per maand (een parser plus een automatiseringsplatform) tot een eenmalig bouwbudget met hosting voor een eigen keten. De grootste kostenpost is geen van beide: dat is de maand waarin iemand je vertaaltabel vult.

De keten in het kort

De stappen

In acht stappen zet je een orderstroom neer die zichzelf verwerkt: je geeft orders één voordeur, verzamelt een testset, bouwt eerst de vertaaltabel, kiest daarna pas de uitleeslaag, dwingt een vast schema af, valideert in een vaste volgorde, schrijft weg naar je ordersysteem en ontwerpt de wachtrij voor alles wat niet klopt. Werk ze in deze volgorde af, want elke stap leunt op de vorige.

1. Geef orders één voordeur en herken wat er binnenkomt

Zet één adres neer en laat daar alles op binnenkomen. De eerste beslissing die je systeem neemt is niet "wat staat erin" maar "wat is dit": een nieuwe order, een orderwijziging, een annulering, een offerteaanvraag of een vraag over een lopende levering. Die vijf gaan verschillende kanten op. Een classificatielaag die inkomende mail labelt en naar de juiste bestemming stuurt doet dit werk al, dus bouw hem niet twee keer.

Let vooral op de wijziging. Klanten sturen zelden een net "annuleer order 4471"; ze antwoorden in dezelfde thread met "doe er toch 20 in plaats van 12". Neem in stap 1 het besluit dat een reply in een bestaande thread nooit automatisch een nieuwe order wordt.

2. Verzamel je testset en tel je varianten

Trek honderd orders van de afgelopen twee maanden uit je mailbox en tel: hoeveel verschillende afzenders, hoeveel verschillende lay-outs, hoeveel zit er in de bijlage en hoeveel in de mailtekst. Bij de meeste handelsbedrijven levert dat hetzelfde beeld op: tien tot twintig klanten zijn samen goed voor 70 tot 90 procent van het ordervolume, en die tien sturen elk een vaste lay-out. Dat is het goede nieuws. Je hoeft geen universele orderlezer te bouwen, je hoeft er tien goed te doen.

Bewaar die honderd orders als vaste testset. Elke wijziging aan je regels draai je er opnieuw overheen, zodat je ziet of je iets repareert of iets sloopt.

3. Bouw eerst de vertaaltabel, dan pas de uitleeslaag

Dit is de stap die vrijwel iedereen te laat zet. Je klant bestelt met zijn eigen artikelcode, jouw systeem kent alleen de jouwe, en niets vertaalt die twee voor je. Maak een tabel met vier kolommen: klantnummer, klantartikelnummer, jouw artikelnummer, geldig vanaf.

Vullen doe je niet met de hand. Trek de orderregels van de afgelopen twee jaar uit je ordersysteem, want daar heeft een mens die vertaling al honderden keren gemaakt. Koppel per klant de omschrijving op de order aan het artikel dat uiteindelijk geleverd is, laat een model de kandidaten voorstellen, en laat iemand de lijst één keer bevestigen. Waar de klant een GTIN of EAN meestuurt, matcht dat direct en zonder discussie.

De regel die je hierna nooit meer loslaat: een orderregel matcht op een exacte sleutel, of hij wordt een uitzondering. Geen "meest waarschijnlijke artikel", geen tekstgelijkenis van 87 procent. Een fout gematchte regel is duurder dan een regel die tien minuten wacht.

4. Kies de uitleeslaag en dwing een vast schema af

Nu pas de techniek. Drie routes, oplopend in moeite:

• Een sjabloon per klant-lay-out. Voor de tien afzenders uit stap 2 werkt dit prima en het is een stuk voorspelbaarder dan een model. Parsers als Parseur rekenen per pagina, waarbij een e-mail of een spreadsheet als één pagina telt, met twintig gratis pagina's per maand om mee te testen.
• Een getraind extractiemodel. Bij veel verschillende lay-outs train je één model op je eigen documenten. Bij Google Cloud kost een custom extractor 30 dollar per 1.000 pagina's tot een miljoen pagina's per maand; bij Microsoft is custom extraction eveneens 30 dollar per 1.000 pagina's, waarbij het trainen van een custom template-model helemaal gratis is en alleen een custom neural model na de eerste tien gratis uren 3 dollar per uur kost (prijzen augustus 2026).
• Een taalmodel met een strikt uitvoerschema. Flexibel bij vrije mailtekst en rommelige scans, maar alleen bruikbaar als je het model in een JSON-schema dwingt en per veld een betrouwbaarheidsscore terugvraagt.

Wat de route ook wordt, het schema ligt vast. In de kop: klantnummer, hun ordernummer, besteldatum, gewenste leverdatum, leveradres. Per regel: klantartikelnummer, de omschrijving zoals de klant hem schreef, aantal, eenheid, prijs, korting. En bij elk veld twee dingen: een betrouwbaarheidsscore en de plek in het document waar het vandaan komt, zodat je binnendienst bij twijfel de bron ziet in plaats van moet zoeken.

5. Valideer in een vaste volgorde

Validatie is geen lijstje maar een keten, en de volgorde is de helft van het werk. Zeven controles, in deze volgorde:

1. Is de klant bekend en actief? Een onbekende afzender betekent nooit automatisch een nieuwe debiteur aanmaken.
2. Is deze order al binnen? Ontdubbel op klantnummer plus hun ordernummer, met een hash van het document als tweede net. Doorgestuurde orders zijn de meest voorkomende bron van dubbele leveringen.
3. Resolveert elke regel naar een artikel? Exacte sleutel of uitzondering, zie stap 3.
4. Klopt de eenheid? Reken door naar je voorraadeenheid met de verpakkingsfactor. Twintig dozen van twaalf is 240 stuks, geen 20.
5. Klopt de prijs met de afspraak? De prijs op hun PDF is wat zij verwachten, niet wat geldt. Vergelijk met je prijslijsten en staffels per klantsegment en geef een tolerantie op, bijvoorbeeld één procent of vijftig cent per regel.
6. Passen aantal en levermoment? Minimale afname, staffelsprong, gevraagde leverdatum tegen je levertijd.
7. Mag deze klant kopen? Kredietlimiet, openstaand saldo, geblokkeerde status.

Een prijsverschil is geen datafout maar een commerciële beslissing. Leg vooraf vast wat er dan gebeurt: leveren tegen jouw prijs met een melding, of vasthouden tot verkoop akkoord is. Dat is een keuze van de directie, niet van de bouwer.

6. Schrijf weg naar je ordersysteem

Pas als alle zeven controles groen zijn, gaat de order het systeem in. In Exact Online is dat een POST op de SalesOrders-resource, waarbij OrderedBy en een collectie SalesOrderLines verplicht zijn en per orderregel alleen Item. Quantity, UnitPrice en NetPrice staan in die documentatie alle drie op optioneel, maar laat je ze weg dan krijg je een orderregel van nul stuks tegen nul euro: behandel ze in je eigen validatie dus als verplicht. Zet het ordernummer van de klant in het veld YourRef: zonder die referentie kan hij jouw factuur straks niet matchen en belt hij alsnog.

Twee dingen om vooraf te weten. De Exact Online API kent een limiet van 60 aanroepen per minuut en 5.000 per dag, dus een maandpiek van driehonderd orders in één uur vraagt om een wachtrij met retries in plaats van een losse aanroep per document. En je hebt idempotentie nodig: bewaar per verwerkt document welk ordernummer eruit kwam, zodat een herstart geen tweede order aanmaakt. Welk synchronisatiepatroon daarbij past, van direct wegschrijven tot event-gedreven of batchgewijs bijwerken tussen systemen, hangt af van hoe vers je voorraadstand moet zijn.

Hang tot slot het originele document aan de order. Bij elk geschil is dat het enige bewijs van wat de klant echt bestelde.

7. Ontwerp de uitzonderingenwachtrij als product, niet als restbak

Hier wint of verliest het project. Een wachtrij die neerkomt op een map met mislukte bestanden wordt binnen twee weken genegeerd, en dan tikt de binnendienst weer alles over.

Bouw hem als één scherm: links het originele document, rechts de uitgelezen regels met de afwijking gemarkeerd, en per regel de reden in gewone taal ("artikelnummer 88-KL/2 onbekend bij deze klant", niet "validation error 3"). Eén klik om te corrigeren, en die correctie schrijft meteen terug naar je vertaaltabel, zodat dezelfde regel morgen wel doorloopt. Sorteer op gewenste leverdatum, niet op binnenkomst: de order die vandaag de deur uit moet hoort bovenaan.

Geef de wachtrij een eigenaar en een harde afspraak, bijvoorbeeld dat elke uitzondering vóór 11:00 en vóór 16:00 is bekeken. Zet daarnaast een tweede poort op de zware gevallen. Welke acties zonder mens mogen doorrollen en welke wachten volgt uit hun impact en omkeerbaarheid, precies de afweging die je maakt bij het scoren van elke actie en het kiezen van een poort-niveau.

8. Bevestig terug en meet je touchless-percentage

Een order die stil in je systeem verdwijnt voelt voor de klant hetzelfde als een order die kwijt is. Stuur een bevestiging terug met jouw ordernummer, hun referentie, de regels zoals jij ze begrepen hebt en de toegezegde leverdatum. Voor klanten die het aankunnen kan dat gestructureerd: het Peppol-ordering-profiel kent een orderrespons waarmee je een order volledig accepteert, afwijst, alleen de ontvangst bevestigt of accepteert met wijzigingen op regelniveau, bijvoorbeeld een aangepast aantal of een vervangend artikel. Voor de rest volstaat een nette mail, die een mailagent op basis van de orderstatus kan voorbereiden en die jij goedkeurt voor hij weggaat.

Meet vanaf dag één vier cijfers: het percentage orders dat zonder mens doorloopt, het percentage regels dat in één keer goed is, de doorlooptijd van mail tot order in het systeem, en de top vijf van uitzonderingsredenen. Die laatste is je werklijst. Staat na drie maanden dezelfde reden nog bovenaan, dan repareer je de verkeerde dingen.

Waar het misgaat

• Beginnen bij het uitlezen. Een perfect uitgelezen PDF zonder vertaaltabel levert twaalf regels op die je alsnog met de hand moet opzoeken. Bouw de tabel eerst, dan pas de lezer.
• Een nauwkeurigheidscijfer geloven zonder te vragen waarover het gaat. Een systeem kan 95 procent van de tekst goed uitlezen en tegelijk de tabelstructuur volledig missen, waarbij samengevoegde cellen als losse regels worden gelezen of meerdere kolommen tot één tekststroom worden platgeslagen. Bij een order zit alle waarde juist in die tabel. Meet daarom op regelniveau: hoeveel complete orderregels zijn in één keer goed?
• Fuzzy matchen op omschrijving. "Bocht 90 graden 22mm" en "Bocht 90 graden 28mm" liggen tekstueel dicht bij elkaar en kosten een retourrit als je ze verwisselt.
• De verpakkingseenheid vergeten. De klassieker met de grootste schade: een factor 12 of 24 die er stil naast zit, ontdekt op het moment dat de vrachtwagen geladen wordt.
• Geen ontdubbeling. Dezelfde order als reply, als forward en als "voor de zekerheid nog een keer" levert drie leveringen op.
• Wijzigingen behandelen als nieuwe orders. Een reply met "doe er toch 20" hoort in de wachtrij, niet in een tweede verkooporder.
• Stamdata laten aanmaken door een document. Een onbekende klant of een onbekend artikel automatisch laten aanmaken vervuilt je masterdata sneller dan je hem kunt opschonen.
• De vaste kosten van je uitleeslaag over het hoofd zien. Bij Google Cloud kost een geïmplementeerde processorversie 0,05 dollar per uur, ook als er niets doorheen gaat: ongeveer 438 dollar per jaar per processor die je live laat staan.
• Niet meten hoeveel er nog met de hand gaat. Zonder touchless-percentage weet niemand of de investering werkt, en verdwijnt het project in de categorie "er is ooit iets met AI gedaan".

Kant-en-klaar, koppelen of maatwerk

Er zijn vier routes en ze sluiten elkaar niet uit. De sterkste opzet die ik in de praktijk zie is een combinatie: je grootste afnemers helemaal uit de documentstroom halen, en voor de rest een uitleeslaag met je eigen validatieregels.

De prijs van het uitlezen zelf is zelden doorslaggevend, maar het scheelt wel een factor twintig welke laag je kiest.

Mijn vuistregel: onder de vijftig orders per maand niet beginnen aan een uitleeslaag. Daarboven begin je bij de tien afzenders die het meeste sturen, en pas als die tien op tachtig procent touchless staan breid je uit. Wie meteen alles wil dekken, bouwt een systeem dat overal een beetje werkt en nergens vertrouwd wordt.

Uitgewerkt: een handelsbedrijf met 600 orders per maand

Neem een technische groothandel met een binnendienst van vier, 600 klantorders per maand en gemiddeld zeven regels per order. Ruim zeventig procent komt per mail binnen, meestal als PDF uit het inkooppakket van de klant. Het overtypen kost ongeveer drie minuten per order, dus zo'n dertig uur per maand.

De inrichting. Twaalf afnemers zijn goed voor 430 van de 600 orders. Voor die twaalf komt er een vertaaltabel uit twee jaar orderhistorie: 1.800 unieke klantartikelnummers, waarvan een model er 1.500 voorstelt en de binnendienst er in drie ochtenden 1.740 bevestigt. De rest blijft open en wordt vanzelf gevuld door de wachtrij.

De verwerking. Een order van zeven regels is meestal één tot twee pagina's, dus ongeveer 900 pagina's per maand. Bij een custom extractor op 30 dollar per 1.000 pagina's is dat 27 dollar, plus ruim 36 dollar per maand voor de draaiende processorversie. De orchestratie loopt op n8n, waar het Starter-plan 20 euro per maand kost bij jaarbetaling, voor 2.500 uitvoeringen (prijzen augustus 2026; reken je per maand af, dan ligt het tarief hoger) en de zelf-gehoste editie gratis is. Reken op ongeveer 85 euro per maand aan draaiende kosten, plus het bouwen zelf.

Wat er dan gebeurt. In de eerste maand loopt ergens tussen de 40 en 55 procent van de orders zonder mens door: dat zijn de twaalf vaste afnemers met een schone lay-out. De rest komt in de wachtrij, vrijwel altijd om één van drie redenen. Een artikelnummer dat nog niet in de tabel staat, een prijs die buiten de tolerantie valt, of een gevraagde leverdatum die niet haalbaar is. Elke correctie vult de tabel, dus de eerste twee redenen doven uit. Na drie tot vier maanden is 75 tot 85 procent touchless een realistische stand voor deze mix.

Wat het oplevert. De dertig uur overtypen zakt naar ongeveer acht uur wachtrijwerk. Belangrijker is de fout die verdwijnt. Onafhankelijk gemeten liggen transcriptiefouten bij handmatige invoer in de orde van enkele procenten: bij point-of-care glucosemetingen die poliklinisch personeel met de hand in het dossier overtikte, weken 260 van de 6.930 ingevoerde waarden af van de geautomatiseerde meting, oftewel 3,7 procent. Leg zelfs een voorzichtige één procent op 4.200 orderregels per maand en je zit op ruim veertig foute regels, elk met een retour, een spoedzending of een creditnota erachter. Dat is de post die je echt weghaalt, en die op geen enkele urenstaat staat.

Dit voorbeeld laat ook zien dat de order pas het begin is. De regels die hier binnenkomen moeten daarna nog een pakbon, een levering en een factuur worden, en die uitgaande keten van aanvraag via offerte naar order en factuur zonder overtypen is een project op zich.

Tot slot

Bijna elk orderintake-project dat vastloopt, loopt vast op hetzelfde punt: alle aandacht ging naar het uitlezen en bijna geen naar wat er gebeurt als het uitlezen niet lukt. Terwijl dat het deel is dat je binnendienst elke dag ziet.

Een orderstroom wordt nooit voor honderd procent automatisch, en dat hoeft ook niet. Het doel is dat de standaardorder van je vaste klant je systeem in glijdt zonder dat iemand hem aanraakt, en dat de rare order binnen een uur op het scherm staat van iemand die er in dertig seconden iets van kan vinden. Wie dat scherm goed bouwt, koopt de rest er vanzelf bij.