Betrugserkennungs-Agent
Betrugsrisiken erkennen - von Duplikat-Rechnungen über Phantom Vendors bis zu AI-generierten Fake-Rechnungen.
Erkennt Duplikat-Rechnungen, Phantom Vendors, ungewöhnliche Buchungsmuster, AI-generierte Fake-Rechnungen, Spesenbetrug und Round-Tripping. Der KI-intensivste Agent im gesamten Katalog. Alle Alarme eskalieren an den Compliance-Beauftragten.
Score-Dashboard
Was dieser Agent tut
Betrugserkennung ist der Agent mit dem höchsten KI-Anteil im gesamten Katalog. Sechs von zehn Entscheidungsschritten nutzen ML oder LLM-Analyse. Das ist kein Zufall: Betrug ist per Definition die Umgehung regelbasierter Kontrollen. Wer nur Regeln prüft, erkennt nur bekannte Betrugsmuster.
Der Decision Layer zerlegt die Betrugserkennung in zehn Entscheidungsschritte. Duplikat-Erkennung und SoD-Verstöße sind regelbasiert. Phantom-Vendor-Erkennung, ungewöhnliche Buchungsmuster, AI-generierte Fake-Rechnungen, Spesenbetrug-Muster, Round-Tripping und Risiko-Scoring nutzen ML/LLM-Analyse. Alarm und False-Positive-Bewertung erfordern menschliches Ermessen.
Das Ergebnis: Bekannte Betrugsmuster werden regelbasiert erkannt. Unbekannte Muster werden durch Anomalie-Erkennung aufgedeckt. Und jeder Alarm wird mit einem Risiko-Score priorisiert - der Compliance-Beauftragte prüft zuerst die höchsten Risiken.
Micro-Decision-Tabelle
Duplikat-Rechnungen erkennen Gibt es Rechnungen mit gleichem Betrag und leicht variiertem Lieferant? Regelwerk
Exakte Duplikate regelbasiert, Varianten KI-unterstützt
Entscheidungsakte
Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.
Phantom-Vendor-Erkennung Gibt es Lieferanten ohne echte Geschäftsbeziehung? KI-Agent
Pattern-Analyse der Bestellhistorie und Lieferantendaten
Entscheidungsakte
Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.
Ungewöhnliche Buchungsmuster Gibt es auffällige Zeitpunkte oder Schwellenwert-Splitting? KI-Agent
ML-Anomalie-Erkennung: Freitagabend-Buchungen, knapp unter Freigabegrenzen
Entscheidungsakte
Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.
AI-generierte Fake-Rechnungen erkennen Ist dieses Dokument echt oder AI-generiert? KI-Agent
LLM-Analyse der Dokumentenechtheit und Metadaten
Entscheidungsakte
Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.
Spesenbetrug erkennen Gibt es doppelte Einreichungen oder überhöhte Beträge? Regelwerk Mitarbeiter
Regelverstöße regelbasiert, Muster KI-unterstützt
Entscheidungsakte
Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.
Anfechtbar durch: Mitarbeiter
Round-Tripping erkennen Fließt Geld im Kreis zwischen verbundenen Parteien? KI-Agent
Netzwerkanalyse der Zahlungsströme
Entscheidungsakte
Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.
SoD-Verstöße erkennen Ist dieselbe Person Besteller, Genehmiger und Zahler? Regelwerk
Berechtigungsmatrix-Abgleich
Entscheidungsakte
Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.
Risiko-Score berechnen Wie hoch ist das Betrugsrisiko pro Transaktion? KI-Agent
ML-Scoring basierend auf allen Anomalie-Signalen
Entscheidungsakte
Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.
Alarm an Compliance Wird der Compliance-Beauftragte alarmiert? Mensch
Untersuchungsentscheidung über den Alarm
Entscheidungsakte
Anfechtbar: Ja - über Vorgesetzten, Betriebsrat oder formalen Einspruch.
False-Positive-Bewertung Ist der Alarm berechtigt oder ein False Positive? Mensch
Menschliches Ermessen bei der Bewertung des Alarms
Entscheidungsakte
Anfechtbar: Ja - über Vorgesetzten, Betriebsrat oder formalen Einspruch.
Entscheidungsakte und Anfechtbarkeit
Jede Entscheidung, die dieser Agent trifft oder vorbereitet, wird in einer vollständigen Entscheidungsakte dokumentiert. Betroffene (Mitarbeiter, Lieferanten, Prüfer) können jede einzelne Entscheidung einsehen, nachvollziehen und anfechten.
Voraussetzungen
- Zugang zu allen Transaktionsdaten (Buchungen, Zahlungen, Bestellungen)
- Historische Daten für ML-Training (mind. 24 Monate)
- Berechtigungsmatrix für SoD-Prüfung
- Definierter Eskalationsprozess an Compliance
Governance-Hinweise
Compliance-Kernkomponente: ISA 240 (Verantwortlichkeit des Abschlussprüfers bei Fraud), IDW PS 210 (Aufdeckung von Unregelmäßigkeiten), §91 Abs. 2 AktG (Risikofrüherkennungssystem). Der Abschlussprüfer muss Betrugsrisiken bewerten. Ein wirksames Fraud-Detection-System ist ein positives Signal für die Prüfung. Der Decision Layer dokumentiert jeden Alarm: Trigger, Risiko-Score, Untersuchungsergebnis.
§203 StGB-relevante Daten werden Ende-zu-Ende verschlüsselt und nie im Klartext an KI-Modelle übergeben.
Beitrag zur Verfahrensdokumentation
Infrastruktur-Beitrag
Der Fraud-Detection-Agent nutzt die Anomalie-Erkennung des Buchungs-QA-Agents und die SoD-Prüfung des IKS-Monitoring-Agents. Die ML-basierte Betrugserkennung ist die fortschrittlichste KI-Anwendung im gesamten Katalog. Die Risiko-Scoring-Engine wird vom Lieferanten-Onboarding-Agent und Forderungsmanagement-Agent wiederverwendet.
Verwandte Agenten
IKS-Monitoring-Agent
Internes Kontrollsystem kontinuierlich überwachen - von Vier-Augen bis Segregation of Duties.
Verfahrensdokumentations-Agent
GoBD-Verfahrensdokumentation automatisch aktuell halten - bei jeder Prozessänderung.
Jahresabschluss-Vorbereitungs-Agent
Jahresabschluss systematisch vorbereiten - von der Abschluss-Checkliste bis zur Offenlegung.
Häufige Fragen
Wie erkennt der Agent AI-generierte Fake-Rechnungen?
Der Agent analysiert Metadaten (Erstellungszeitpunkt, Software, Schriftarten), Dokumentenstruktur (Layout-Konsistenz, Stempelechheit) und Inhalt (plausible Artikelnummern, korrekte Umsatzsteuer). AI-generierte Dokumente zeigen typischerweise Inkonsistenzen in mindestens einem dieser Bereiche.
Wie hoch ist die False-Positive-Rate?
Typischerweise 5-15% der Alarme sind False Positives. Der Risiko-Score hilft bei der Priorisierung: hohe Scores haben eine deutlich niedrigere False-Positive-Rate. Das System lernt aus jedem bewerteten Alarm.
Werden alle Transaktionen geprüft?
Ja, kontinuierlich. Im Gegensatz zu stichprobenbasierten Prüfungen analysiert der Agent jede Transaktion in Echtzeit. Bei Millionen Transaktionen pro Jahr werden auch seltene Muster erkannt.
Diesen Agent implementieren?
Wir bewerten Ihre Finance-Prozesslandschaft und zeigen, wie dieser Agent in Ihre Infrastruktur passt.