Betrugserkennungs-Agent

Organisationen verlieren im Schnitt fünf Prozent ihres Jahresumsatzes durch Betrug. Das beziffert die Association of Certified Fraud Examiners in ihrem Report to the Nations 2024 auf Basis von 1.921 untersuchten Fällen mit einem Gesamtschaden von 3,1 Milliarden US-Dollar. Die meisten dieser Fälle wurden nicht durch interne Kontrollen entdeckt, sondern durch Hinweise. Regelbasierte Prüfverfahren fangen das auf, was sie kennen. Was sie nicht kennen, bleibt unsichtbar - oft über Jahre.

Klassische Prüfverfahren scheitern an der Stichproben-Logik

Stichprobenbasierte Prüfung geht von einer Grundannahme aus: Wenn ein ausreichend großer Anteil der Transaktionen korrekt ist, darf man auf die Gesamtheit schließen. Betrug hebelt diese Annahme aus. Ein Phantom Vendor, der über 18 Monate kleine Beträge knapp unter der Freigabegrenze bucht, fällt in keiner Stichprobe auf. Schwellenwert-Splitting - etwa eine Rechnung über 9.900 Euro statt 10.000 Euro, um die Genehmigungsstufe zu umgehen - sieht in der Einzelbetrachtung unauffällig aus.

Erst die Vollprüfung aller Transaktionen macht diese Muster sichtbar. Nicht durch schärfere Regeln, sondern durch statistische Anomalie-Erkennung: Welcher Lieferant hat keine einzige Bestellung aus dem Einkauf, aber regelmäßige Zahlungen aus der Buchhaltung? Welche Kostenstelle verbucht Freitagabends, wenn niemand mehr prüft? Regelbasierte Systeme stellen diese Fragen nicht, weil niemand sie als Regel formuliert hat.

AI-generierte Dokumente verschieben die Bedrohungslage

Bis 2024 waren gefälschte Rechnungen handwerklich erkennbar - falsche Schriftarten, fehlende Stempel, inkonsistente USt-IDs. Das hat sich fundamental geändert. Im September 2025 waren laut Branchenerhebungen bereits 14 Prozent aller eingereichten betrügerischen Dokumente KI-generiert - im Vorjahr lag dieser Anteil noch bei null. Chris Juneau, SVP bei SAP Concur, brachte es auf den Punkt: “Do not trust your eyes.”

Für Finance-Abteilungen bedeutet das eine neue Verteidigungslinie. AI-generierte Fakes überstehen die visuelle Prüfung und oft auch die regelbasierte Validierung. Was sie verrät, sind Metadaten-Inkonsistenzen, untypische Dokumentenstrukturen und statistische Auffälligkeiten im Kontext - etwa ein neuer Lieferant, dessen erste Rechnung exakt dem Betragsmuster eines bestehenden Lieferanten entspricht. Diese Analyse erfordert KI, die auf Dokumentenechtheit trainiert ist.

Zehn Entscheidungsschritte trennen Signal von Fehlalarm

Der Decision Layer zerlegt Betrugserkennung in eine Kette aus zehn Entscheidungen mit drei verschiedenen Entscheidertypen. Drei Schritte sind regelbasiert: Duplikat-Erkennung, Spesenbetrug nach definierten Schwellen und SoD-Verstöße gegen die Berechtigungsmatrix. Fünf Schritte nutzen KI-Analyse: Phantom Vendors, Buchungsanomalien, Dokumentenechtheit, Round-Tripping in Zahlungsnetzwerken und das aggregierte Risiko-Scoring. Zwei Schritte liegen beim Menschen: die Eskalationsentscheidung und die abschließende Bewertung, ob ein Alarm berechtigt ist.

Konkretes Szenario: Ein mittelständischer Maschinenbauer mit 40.000 Eingangsrechnungen pro Jahr. Der Agent erkennt, dass ein Lieferant für Verpackungsmaterial seit sechs Monaten Rechnungen mit gleichem Nettobetrag einreicht, aber leicht variierenden Artikelbezeichnungen. Gleichzeitig zeigt die Netzwerkanalyse, dass die Bankverbindung dieses Lieferanten mit einem Mitarbeiter der Einkaufsabteilung verknüpft ist. Einzeln wäre keines dieser Signale ein Beweis. In der Kombination ergibt sich ein Risiko-Score, der die Eskalation an den Compliance-Beauftragten auslöst.

Der Compliance-Beauftragte entscheidet - nicht der Algorithmus

Sechs von zehn Entscheidungsschritten nutzen KI-Analyse. Das macht diesen Agent zum KI-intensivsten im gesamten Katalog. Trotzdem trifft kein Algorithmus die Entscheidung, ob ein Verdacht zur Untersuchung wird. Der Decision Layer dokumentiert jeden Alarm mit auslösendem Muster, betroffenen Transaktionen, Risiko-Score und Zeitstempel. Der Compliance-Beauftragte bewertet auf dieser Basis, ob ein False Positive vorliegt oder eine Untersuchung eingeleitet wird.

Dieses Prinzip ist nicht optional. ISA 240 verpflichtet den Abschlussprüfer, Betrugsrisiken zu bewerten. Ein nachvollziehbar dokumentiertes Erkennungssystem - mit protokollierten Alarmen, Eskalationswegen und Untersuchungsergebnissen - ist ein konkretes Signal für die Wirksamkeit des internen Kontrollsystems. Wer jeden Alarm lückenlos dokumentiert, stärkt nicht nur die Abwehr, sondern auch die Prüfungsfähigkeit nach IDW PS 210 und die Anforderungen aus Paragraph 91 Absatz 2 AktG an das Risikofrüherkennungssystem.