KI-Erkennung gefälschter Rechnungen: Leitfaden für Finanzteams

KI-generierte gefälschte Rechnungen sind 2026 zur führenden Betrugsform in der Kreditorenbuchhaltung geworden. Finanzteams, die sich weiterhin auf visuelle Rechnungsprüfung und manuelle Plausibilitätschecks verlassen, sind gegen diese neue Generation von Fälschungen strukturell ungeschützt. Dieser Leitfaden erklärt, wie generative KI überzeugende Rechnungsfälschungen produziert, welche konkreten Warnsignale Finanzteams erkennen müssen und welches Prüfprotokoll zuverlässigen Schutz bietet.

Die Analyse von CheckFile zeigt, dass 12 % der in 2025 festgestellten Dokumentenbetrugsversuche KI-generierte Rechnungen betrafen, gegenüber nur 3 % im Jahr 2024 — eine Vervierfachung in weniger als achtzehn Monaten. Diese Entwicklung spiegelt den breiten Zugang zu Werkzeugen wider, die früher spezialisierten kriminellen Gruppen vorbehalten waren: Heute genügt ein Prompteingabe in ein Bildgenerierungsmodell, um eine täuschend echte Rechnung eines bekannten deutschen Lieferanten zu erzeugen.

Dieser Artikel dient ausschließlich Informationszwecken und stellt keine rechtliche, finanzielle oder regulatorische Beratung dar. Regulatorische Referenzen sind zum Zeitpunkt der Veröffentlichung korrekt.

Für einen umfassenden Überblick über alle Formen von KI-Dokumentenbetrug empfehlen wir unseren Leitfaden zur Dokumentenprüfung als Ausgangspunkt.

Wie KI überzeugende gefälschte Rechnungen erstellt

Generative KI erzeugt gefälschte Rechnungen, die ohne algorithmische Analyse nicht mehr von authentischen Dokumenten zu unterscheiden sind. Die eingesetzten Technologien lassen sich in drei Kategorien gliedern, die Betrüger je nach Zielsetzung einzeln oder kombiniert einsetzen.

Drei Kerntechnologien bilden das Rüstzeug moderner Rechnungsfälscher

Große Sprachmodelle (LLMs) generieren inhaltlich kohärente Rechnungstexte: korrekte Zahlungsbedingungen, plausible Leistungsbeschreibungen, syntaktisch einwandfreie Steuernummern und IBAN-Formatierungen. Ein fein abgestimmtes LLM produziert eine formal korrekte Rechnung im Handumdrehen — einschließlich Umsatzsteuer-Identifikationsnummer, Rechnungsnummer in der erwarteten Nummerierungssequenz und bankkonformer Kontonummer.

Bildsynthese und PDF-Klonen ermöglichen die fotorealistische Reproduktion von Firmenlogos, Briefköpfen und Stempeln. Betrüger laden die legitime Internetpräsenz eines Lieferanten als Vorlage herunter und lassen ein Diffusionsmodell Logo und Layoutelemente nachempfinden — das Ergebnis ist visuell nicht von einem echten Dokument zu unterscheiden. Alternativ wird eine legitim beschaffte Rechnung als PDF-Vorlage genutzt: Beträge, IBAN, Rechnungsdatum und Empfängerdaten werden manipuliert, ohne die visuelle Gestaltung zu berühren.

PDF-Manipulation bleibt das am häufigsten eingesetzte Verfahren, weil es technisch keine Spezialkenntnisse erfordert. Frei verfügbare Bearbeitungsprogramme erlauben das gezielte Überschreiben einzelner Felder — Bankverbindung, Betrag, Rechnungsnummer — während Schriftbild, Layout und Logoqualität unverändert bleiben. Das Dokument erscheint authentisch, weil es auf einem echten Ausgangsdokument basiert.

Warum traditionelle Kontrollen versagen

Sichtkontrolle und stichprobenartige manuelle Prüfung schützten Finanzteams, solange Fälschungen durch abweichende Druckqualität, inkonsistente Schriftarten oder offensichtliche Layoutfehler erkennbar waren. KI-generierte Fälschungen weisen diese Merkmale nicht mehr auf. Das Bundeskriminalamt (BKA) berichtet im Lagebild Wirtschaftskriminalität 2024, dass Business-E-Mail-Compromise und gefälschte Rechnungen gemeinsam zu Schäden von über 2,5 Milliarden Euro bei deutschen Unternehmen geführt haben (BKA Lagebild Wirtschaftskriminalität 2024).

Traditionelle Vier-Augen-Prüfung erkennt keine Metadatenmanipulation, verifiziert keine Umsatzsteuer-Identifikationsnummer in Echtzeit und prüft keine IBAN-Kontoinhaberschaft. Diese strukturelle Lücke macht algorithmische Erkennungsverfahren zur Pflichtanforderung für jedes Finanzteam, das Rechnungen über 10.000 Euro verarbeitet.

Warnsignale, die Finanzteams kennen müssen

Zuverlässige Erkennung gefälschter Rechnungen setzt voraus, dass Finanzteams sowohl inhaltliche als auch technische Signale in der richtigen Reihenfolge prüfen. Die folgende Übersicht strukturiert die wichtigsten Warnsignale nach Risikoniveau und Erkennungsmethode.

Inkonsistenzen bei der Umsatzsteuer-Identifikationsnummer

Die Umsatzsteuer-Identifikationsnummer (USt-IdNr.) ist eines der verlässlichsten Prüffelder. Das Bundeszentralamt für Steuern (BZSt) stellt unter bzst.de eine kostenlose Echtzeit-Abfrageoberfläche bereit, über die jede deutsche und europäische USt-IdNr. validiert werden kann — einschließlich der Übereinstimmung mit dem angegebenen Firmennamen. Stimmt die auf der Rechnung angegebene USt-IdNr. nicht mit dem Lieferanten überein oder ist sie ungültig, ist dies ein starkes Indiz für eine Fälschung.

LLMs, die Rechnungen generieren, greifen häufig auf syntaktisch plausible, aber nicht existierende Steuernummern zurück. Eine automatisierte Echtzeitabfrage beim BZSt identifiziert diese Inkonsistenz zuverlässig — eine manuelle Stichprobe hingegen nicht.

IBAN-Diskrepanzen und Kontoinhaber-Nichtübereinstimmung

Geänderte Bankverbindungen sind das häufigste Merkmal echter Business-E-Mail-Compromise-Angriffe und klassischer Rechnungsfälschungen gleichermaßen. Eine IBAN, die auf eine andere Bank oder ein anderes Land als die bisherigen Zahlungen verweist, sollte grundsätzlich eine manuelle Rückfrage beim Lieferanten auslösen — über eine Kontaktinformation aus dem Lieferantenstammsatz, nicht aus der vorliegenden Rechnung.

Zusätzlich prüfen spezialisierte Erkennungstools, ob der Kontoinhaber hinter einer IBAN mit dem angegebenen Lieferantennamen übereinstimmt — eine Prüfung, die über Standard-IBAN-Validierung hinausgeht und Scheinkonten aufdeckt, die korrekt formatierte Kontonummern tragen.

Metadaten-Anomalien in PDFs

Authentische Rechnungen, die direkt aus Buchhaltungssoftware (SAP, DATEV, Lexware) exportiert werden, tragen systemkonforme Metadaten: Erstellungssoftware, Zeitstempel, PDF-Produktions-ID. Eine manipulierte oder vollständig generierte Rechnung trägt abweichende Metadaten — Erstellungsprogramm ist ein allgemeiner PDF-Editor, Zeitstempel liegt in der Vergangenheit relativ zum angegebenen Rechnungsdatum, oder Revisionshistorie dokumentiert explizit Bearbeitungsvorgänge.

Diese Informationen sind im sichtbaren Dokument nicht vorhanden und erfordern eine automatisierte Metadatenextraktion. Eine manuelle Sichtkontrolle kann diese Signale grundsätzlich nicht erkennen.

Verhaltensauffälligkeiten im Beschaffungsprozess

Neben technischen Signalen liefern kontextuelle Auffälligkeiten wertvolle Hinweise: Ein neuer Lieferant, der keine Voranfrage und kein Angebot eingereicht hat; ein Betrag, der geringfügig unter internen Freigabegrenzen liegt; eine Lieferadresse, die nicht mit dem Lieferantenstammsatz übereinstimmt; oder ein Rechnungsdatum, das in eine Urlaubsperiode des zuständigen Einkäufers fällt. Solche Muster allein sind kein Beweis für Betrug, aber sie erhöhen das Risikoniveau und rechtfertigen eine vertiefte Prüfung.

Überblickstabelle: Warnsignale und Erkennungsmethoden

Fünf-Schritte-Protokoll für Finanzteams

Ein wirksames Rechnungsprüfprotokoll kombiniert automatisierte technische Verifikation mit strukturierten manuellen Eskalationsstufen. Die nachfolgenden fünf Schritte gelten für jede Eingangsrechnung über einem risikobasierten Schwellenwert und für alle neuen Lieferanten unabhängig vom Betrag.

Schritt 1: Lieferant im Handelsregister und BZSt verifizieren

Bevor eine neue Lieferantenbeziehung in das Kreditorensystem aufgenommen wird, ist eine Grundverifikation Pflicht. Die USt-IdNr. des Lieferanten wird in Echtzeit über das BZSt-Abfrageportal geprüft. Zusätzlich wird der Lieferant über das elektronische Handelsregister (Unternehmensregister.de) auf aktive Eintragung und Identität des Geschäftsführers verifiziert. Diese Grundverifikation dauert weniger als drei Minuten und schließt Scheinlieferanten systematisch aus.

Schritt 2: Technische Dokumentenprüfung durch automatisierte Analyse

Jede Rechnung wird vor der Freigabe einer automatisierten technischen Analyse unterzogen: Metadatenextraktion und -bewertung, Prüfung kryptografischer Signaturen (ZUGFeRD, XRechnung), Abgleich des USt-IdNr.-Feldes gegen das BZSt-Ergebnis aus Schritt 1 und IBAN-Kontoinhaberverifikation. CheckFiles Dokumentenprüflösung integriert alle diese Prüfschritte in einer REST-API mit Antwortzeiten unter dreißig Sekunden und liefert einen strukturierten Risikowert zurück, der direkt in ERP- und Kreditorensysteme eingespeist werden kann.

Schritt 3: Rechnungsinhalt gegen Bestellung und Lieferschein abgleichen

Der Drei-Wege-Abgleich (Bestellung — Lieferschein — Rechnung) ist ein bewährtes Kontrollprinzip, das durch KI-Rechnungsbetrug nicht obsolet geworden ist, aber automatisiert werden muss. Betrag, Menge, Liefertermin und Konditionen auf der Rechnung müssen mit der zugehörigen Bestellung übereinstimmen. Abweichungen, die über definierte Toleranzgrenzen (typischerweise 2–5 %) hinausgehen, blockieren den Freigabeprozess automatisch und erzeugen eine Eskalationsaufgabe.

Schritt 4: Risikobasierte manuelle Plausibilitätsprüfung

Rechnungen, die in Schritt 2 oder 3 Risikomarkierungen erhalten haben, werden einem erfahrenen Kreditorenmitarbeiter zur manuellen Plausibilitätsprüfung vorgelegt — mit vollständiger Dokumentation der technischen Risikohinweise. Die BaFin erwartet im Rahmen der MaRisk-Anforderungen, dass regulierte Unternehmen interne Sicherungsmaßnahmen gegen Betrug implementieren, die menschliche Kontrollpunkte für Hochrisikotransaktionen vorsehen. Für nicht regulierte Unternehmen empfiehlt das FinDAG (Finanzdienstleistungsaufsichtsgesetz) vergleichbare interne Governancestandards.

Schritt 5: Lieferant direkt kontaktieren — über verifizierte Kontaktdaten

Bei weiterhin bestehendem Verdacht — insbesondere bei geänderter Bankverbindung oder nicht verifizierbarer USt-IdNr. — erfolgt eine direkte Rückfrage beim Lieferanten. Entscheidend ist, dass diese Rückfrage ausschließlich über Kontaktdaten aus dem bestehenden Lieferantenstammsatz oder der offiziellen Unternehmenswebsite erfolgt — niemals über Kontaktdaten aus der verdächtigen Rechnung selbst. Betrüger, die eine Rechnungsfälschung platzieren, hinterlegen häufig eigene Rückrufnummern und E-Mail-Adressen im Rechnungsdokument.

Werkzeuge und Technologien zur automatisierten Erkennung

Automatisierte Erkennungswerkzeuge machen den Unterschied zwischen strukturellem Schutz und zufälliger Entdeckung. Die nachfolgenden Kategorien beschreiben den Stand der Technik 2026.

KI-basierte Dokumentenprüfung

Spezialisierte Dokumentenprüfplattformen kombinieren Metadatenanalyse, forensische Bildanalyse und semantische Konsistenzprüfung in einer Lösung. Anders als generische OCR-Werkzeuge analysieren sie die technische Herkunft des Dokuments: Welche Software hat die Datei erzeugt? Sind die eingebetteten Schriftarteninformationen mit der angegebenen Buchhaltungssoftware konsistent? Stimmen Zeitstempel und angegebenes Rechnungsdatum überein?

Für die KYC-Verifizierung und Dokumentenprüfung im Finanzsektor bietet CheckFile eine Plattform, die forensische Analyse, Regelprüfungen und externe Registerabfragen in einem einzigen API-Aufruf vereint.

APIs für USt-IdNr.-Validierung und IBAN-Prüfung

Die BZSt-Schnittstelle zur USt-IdNr.-Validierung ist über standardisierte SOAP- und REST-Endpunkte nutzbar und lässt sich direkt in ERP-Systeme und Kreditorenprozesse integrieren. Ergänzende IBAN-Verifizierungs-APIs prüfen zusätzlich die Kontoinhaber-Übereinstimmung — ein Schritt, der durch den Zentralen Kreditausschuss (ZKA) und die SEPA-Rahmenregelungen ausdrücklich als Sorgfaltspflicht bei der Zahlungsveranlassung empfohlen wird.

Erkennungsrate und Leistungsvergleich

CheckFile erreicht eine Betrugserkennungsrate von 94,8 % bei verifizierten Dokumenten, bei einer Falsch-Positiv-Rate von 3,2 %. Verglichen mit der durchschnittlichen visuellen Erkennungsrate von 37 % bei manueller Prüfung (ACFE Report 2024) entspricht dies einer mehr als zweieinhalb­fachen Verbesserung der Erkennungsleistung — bei gleichzeitiger Reduktion der durchschnittlichen Prüfzeit von 8–15 Minuten auf unter 45 Sekunden pro Dokument.

Eine detaillierte Analyse aller Betrugserkennungsmethoden für Finanzdokumente findet sich in unserem Leitfaden zu KI-Dokumentenbetrug 2026. Für die Einbettung in bestehende ERP-Workflows verweisen wir auf unsere CheckFile-Plattform mit vollständiger API-Dokumentation.

Was tun, wenn eine gefälschte Rechnung entdeckt wird?

Das Vorgehen nach Entdeckung einer gefälschten Rechnung folgt einem klaren Eskalationspfad, der interne Sicherung, Behördennotifikation und Beweissicherung umfasst.

Interne Eskalation und sofortige Zahlungssperre

Unmittelbar nach Entdeckung wird die betroffene Rechnung aus dem Freigabeprozess genommen und der Zahlungsvorgang — sofern bereits angestoßen — bei der hausbankseitigen Zahlungsabteilung gestoppt. Die Eskalation erfolgt an den Compliance-Beauftragten oder den Leiter Finanzen. Interne Kommunikation über den Verdacht sollte auf ein strikt notwendiges Minimum beschränkt werden, um eine Warnung des mutmaßlichen Täters zu verhindern — insbesondere, wenn ein interner Mitarbeiter in den Vorgang involviert sein könnte.

Meldung an FIU Deutschland

Handelt es sich bei der entdeckten Fälschung um eine Transaktion mit Geldwäschebezug oder liegt ein Verdacht auf organisierte Kriminalität vor, besteht gemäß § 43 GwG eine Meldepflicht bei der Zentralstelle für Finanztransaktionsuntersuchungen (FIU). Die FIU Deutschland nimmt Verdachtsmeldungen über das goAML-Portal entgegen. Für Unternehmen, die keine GwG-Verpflichteten sind, empfiehlt das BKA eine Anzeige bei der zuständigen Staatsanwaltschaft oder der lokalen Kriminalpolizei.

Tipping-off ist verboten: Ein Unternehmen, das eine Verdachtsmeldung bei der FIU erstattet, darf den betroffenen Geschäftspartner nicht über die Meldung informieren (§ 47 GwG). Kontaktaufnahmen mit dem mutmaßlichen Absender der gefälschten Rechnung sind daher vor Rücksprache mit dem Compliance-Beauftragten oder Rechtsanwalt zu unterlassen.

Beweissicherung und forensische Dokumentation

Alle vorliegenden Unterlagen — die gefälschte Rechnung als Original-PDF, E-Mail-Korrespondenz, Zeitstempel der Einreichung, technische Analyseergebnisse — werden unverzüglich in einem gesicherten Archiv gespeichert und mit Zeitstempel versehen. Metadaten der Original-PDF dürfen nicht überschrieben werden; die Datei ist als unveränderliche Kopie zu archivieren. Diese Dokumentation bildet die Grundlage für eine mögliche Strafanzeige nach § 267 StGB (Urkundenfälschung) und für den internen Prüfpfad.

Eine ausführliche Analyse der Warnsignale und Erkennungsmethoden für Lieferantenrechnungen findet sich in unserem Artikel Lieferantenrechnung prüfen: Betrug und Fehler erkennen.

Häufig gestellte Fragen

Wie erkenne ich eine KI-generierte gefälschte Rechnung?

Die zuverlässigsten Erkennungsmerkmale liegen nicht in der visuellen Gestaltung, sondern in den technischen Metadaten und in Datenabgleichen mit externen Registern. Eine KI-generierte Rechnung weist häufig Metadaten auf, die auf allgemeine PDF-Editoren statt auf Buchhaltungssoftware verweisen, trägt eine USt-IdNr., die über das BZSt-Abfrageportal nicht validiert werden kann, oder enthält eine IBAN, deren Kontoinhaber nicht mit dem angegebenen Lieferanten übereinstimmt. Visuelle Auffälligkeiten — unscharfe Logos, abweichende Schriftarten — sind bei modernen KI-Fälschungen in der Regel nicht vorhanden.

Welche rechtliche Pflicht besteht in Deutschland bei entdeckten Rechnungsfälschungen?

Unternehmen, die dem Geldwäschegesetz (GwG) als Verpflichtete unterliegen — darunter Kreditinstitute, Versicherungen, Wirtschaftsprüfer und Notare — müssen bei Verdacht auf Geldwäschebezug unverzüglich eine Verdachtsmeldung bei der FIU Deutschland erstatten (§ 43 GwG). Alle Unternehmen können unabhängig von der GwG-Verpflichtung Strafanzeige wegen Urkundenfälschung (§ 267 StGB) oder Betrug (§ 263 StGB) erstatten. Das Bundeszentralamt für Steuern (BZSt) ist zu informieren, wenn der Verdacht besteht, dass unter einer gefälschten USt-IdNr. Umsatzsteuer zu Unrecht geltend gemacht wurde.

Welche Rolle spielt das BZSt bei der Rechnungsprüfung?

Das Bundeszentralamt für Steuern (BZSt) betreibt das zentrale Validierungsportal für Umsatzsteuer-Identifikationsnummern in Deutschland und der EU. Finanzteams können über dieses Portal jede USt-IdNr. einer Eingangsrechnung in Echtzeit auf Gültigkeit und Übereinstimmung mit dem angegebenen Firmennamen und Sitz prüfen. Diese Prüfung ist kostenlos, dauert wenige Sekunden und ist über eine SOAP-API automatisierbar. Das BZSt ist zudem zuständige Behörde für Fragen zur E-Rechnungspflicht nach dem Wachstumschancengesetz 2025 und der kommenden B2B-E-Rechnungspflicht ab 2028.

Wie unterscheidet sich automatisierte Rechnungsprüfung von manueller Prüfung?

Manuelle Prüfung ist auf visuelle Plausibilitätschecks, stichprobenartige Datenabgleiche und die Erfahrung des prüfenden Mitarbeiters angewiesen. Sie erkennt keine Metadatenmanipulation, führt keine Echtzeit-USt-IdNr.-Abfragen durch und prüft keine IBAN-Kontoinhaberschaft. Automatisierte Systeme wie CheckFile analysieren jede Rechnung in unter 45 Sekunden auf über fünfzig Prüfpunkte — inklusive technischer Metadaten, Registerabfragen und semantischer Konsistenzprüfungen — und erreichen dabei eine Betrugserkennungsrate von 94,8 %. Die Kosten pro automatisierter Prüfung betragen typischerweise 0,15 bis 0,80 Euro, verglichen mit 4 bis 12 Euro für eine vollständige manuelle Prüfung.

Was ist das FinDAG und welche Bedeutung hat es für die Rechnungsprüfung?

Das Finanzdienstleistungsaufsichtsgesetz (FinDAG) regelt die institutionelle Struktur der Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin) und deren Befugnisse gegenüber beaufsichtigten Unternehmen. Im Kontext der Rechnungsprüfung ist das FinDAG relevant, weil BaFin-beaufsichtigte Unternehmen im Rahmen der MaRisk-Anforderungen verpflichtet sind, interne Kontrollsysteme zu betreiben, die Betrug — einschließlich gefälschter Eingangsrechnungen — wirksam erkennen. Die BaFin hat in ihren Auslegungsentscheidungen klargestellt, dass KI-generierte Dokumentenfälschungen als eigenständige Risikoklasse in institutionelle Risikobewertungen aufzunehmen sind. Details zu den regulatorischen Anforderungen für den Finanzsektor finden Sie auf der BaFin-Website.