Gefälschtes Schadensfoto: Diese Spuren verraten eine Bildbearbeitung

Dieser Beitrag dient ausschließlich der Information. Er stellt keine Rechtsberatung und keine regulatorische Empfehlung dar und ersetzt nicht die Einschätzung eines qualifizierten Juristen oder einer Compliance-Fachkraft.

Ein gefälschtes Schadensfoto verrät sich anhand fünf zentraler Signale: doppelte Pixelmuster durch den Klon-Stempel, ein lokal abweichendes JPEG-Kompressionsniveau (Error Level Analysis), Software-Spuren in den EXIF-Metadaten, Licht oder Schatten, die nicht zur restlichen Szene passen, und ein Bild, das bereits an anderer Stelle im Netz existiert. Kein einzelnes Signal beweist für sich allein einen Betrug — erst die Kombination rechtfertigt eine Entscheidung.

Warum ein gefälschtes Schadensfoto ein eigenständiges Problem ist

Ein gefälschtes Schadensfoto unterscheidet sich von einem klassischen gefälschten Dokument in einem wichtigen Punkt: Statt etwas völlig neu zu erfinden, nimmt die Person ein echtes Foto — oft ihr eigenes, manchmal ein Produktbild aus dem Shop — und fügt digital einen Schaden hinzu oder übertreibt einen vorhandenen. Dieses Vorgehen bedient drei Betrugsmuster: eine Rückzahlung ohne Rücksendung der Ware erwirken, eine Garantiereparatur für einen Schaden auslösen, der eigentlich nicht abgedeckt ist (ein digital "gesprungenes" Smartphone-Display etwa), oder eine Versicherungsschadenmeldung künstlich aufwerten.

Für Deutschland gilt laut dem Retourenkompendium des bevh (Bundesverband E-Commerce und Versandhandel) eine Betrugsquote von rund 3,6 % bei Retouren als belastbarster Messwert, während Händler selbst Schätzungen von bis zu 19 % nennen; 2025 wurden in Deutschland rund 550 Millionen Pakete zurückgesendet. Ein digital hinzugefügter Kratzer oder Riss auf einem Produktfoto zählt zu den günstigsten und zugleich am schwersten mit bloßem Auge erkennbaren Varianten dieses Betrugs — was erklärt, warum kostenlose Bildbearbeitungs-Apps mit dem Versprechen "unauffindbar" inzwischen breit verfügbar sind.

Signal 1: Klon-Stempel und doppelte Pixelmuster

Ein doppeltes Pixelmuster im beschädigten Bereich deutet fast immer auf den manuellen Einsatz des Klon-Stempels hin, dem am häufigsten genutzten Werkzeug, um einen Riss, einen Fleck oder eine Beule in ein Produktfoto einzufügen. Der Klon-Stempel kopiert eine Textur aus einem Bildbereich und fügt sie an anderer Stelle ein, um etwas zu verdecken oder zu erzeugen — dabei entstehen wiederkehrende Muster, etwa eine Stoffstruktur, eine Displayoberfläche oder eine Kartonmaserung, die in einem unbearbeiteten Foto so nicht vorkommen.

Ein kostenloses Forensik-Werkzeug wie Forensically legt eine Klon-Erkennung über das Bild, die pixelgenaue Ähnlichkeiten sichtbar macht. Bei einem händisch bearbeiteten Schadensfoto konzentrieren sich diese markierten Bereiche fast ausschließlich auf den behaupteten Schaden, kaum je auf andere Bildstellen.

Signal 2: Lokal abweichende Kompression (Error Level Analysis)

Ein Bildbereich mit einem abweichenden JPEG-Kompressionsniveau wurde mit hoher Wahrscheinlichkeit nach der Originalaufnahme erneut gespeichert — ein Hinweis auf eine lokale Manipulation, selbst wenn sie mit dem Auge nicht erkennbar ist. Die Error Level Analysis (ELA) funktioniert, weil ein unbearbeitetes JPEG-Bild ein einheitliches Kompressionsniveau aufweist, da alle Pixel denselben Kompressionsdurchlauf durchlaufen haben. Wird ein Bereich bearbeitet und die Datei erneut gespeichert, startet dieser Bereich bei einem anderen Kompressionswert neu — eine Abweichung, die die ELA sichtbar macht.

Unser Beitrag zur Error Level Analysis beschreibt die Methode für Dokumente; bei einem Schadensfoto zielt dieselbe Logik gezielt auf den beschädigten Bereich statt auf die gesamte Datei — leuchtet nur diese Stelle auf der ELA-Karte auf, ist eine lokale Bearbeitung wahrscheinlich.

Signal 3: Metadaten und Software-Spuren

Das Feld "Software" in den EXIF-Metadaten eines Fotos nennt fast immer das verwendete Bearbeitungsprogramm, sofern dieses Feld nicht absichtlich gelöscht wurde. Ein Foto, das angeblich "direkt nach dem Öffnen des Pakets mit dem Handy" aufgenommen wurde, dessen Metadaten aber Adobe Photoshop, GIMP oder eine mobile Bearbeitungs-App auflisten, ist ein starkes und leicht überprüfbares Signal, das keine tiefgehende forensische Expertise erfordert.

Der Umkehrschluss gilt jedoch nicht: Das vollständige Fehlen von EXIF-Metadaten ist kein Warnsignal für sich. Messenger-Apps und soziale Netzwerke entfernen Metadaten routinemäßig beim Hochladen, auch bei vollkommen echten Fotos — dieses Signal ist deshalb nur aussagekräftig, wenn Bearbeitungsspuren vorhanden sind, nicht wenn sie fehlen.

Signal 4: Licht und Schatten, die nicht zur Szene passen

Ein digital hinzugefügter Schaden wirft nur selten einen Schatten, der zur Lichtquelle der restlichen Szene passt, weil ein physikalisch plausibler Schatten in zwei Dimensionen ein technisches Können erfordert, über das die meisten Personen, die ein Retourenfoto bearbeiten, nicht verfügen. Unser Beitrag zu Licht, Winkel und Bildausschnitt eines echten Schadensfotos erklärt, warum sich dieses Signal so gut gegen Laienbearbeitung behauptet: Ein über ein vorhandenes Produktfoto gemalter Riss oder Fleck interagiert fast nie korrekt mit den bereits vorhandenen Reflexionen und Schatten des Originalbilds.

Der Fraunhofer-Academy-Blog zur Bildforensik beschreibt, dass echte Bilder unsichtbare technische Spuren enthalten, während bearbeiteten Bildern gerade das Fehlen dieser Spuren auffällt — ein Prinzip, das forensische Analysten nutzen, um Licht, Schatten und Perspektive systematisch auf physikalische Plausibilität zu prüfen. Bei einem Schadensfoto zeigt sich das darin, dass der Schatten des hinzugefügten Schadens in eine andere Richtung zeigt als alle übrigen Objekte im Bild.

Signal 5: Ein Bild, das bereits anderswo im Umlauf ist

Ein Schadensfoto, das mit einem Katalogbild, einem Stockfoto oder einem bereits auf einem Wiederverkaufsforum veröffentlichten Bild übereinstimmt, ist der direkteste verfügbare Betrugsnachweis, weil er jede Unklarheit über die Echtheit der Aufnahme beseitigt. Die umgekehrte Bildersuche (Google Bilder, TinEye) zeigt innerhalb von Sekunden, ob ein "Schadens"-Foto bereits online kursiert, verknüpft mit einem anderen Produkt oder einem früheren Kontext.

Dieses Signal hat jedoch eine klare Grenze: Es erkennt nur die Wiederverwendung eines bereits indexierten Bildes. Ein Foto, das eigens für eine einzelne Schadenmeldung erstellt und nirgendwo sonst veröffentlicht wurde, taucht in keiner Rückwärtssuche auf — es bleibt damit eine sinnvolle Ergänzung, aber kein alleinstehender Nachweis.

Was Online-Händler wirklich beschäftigt

Diskussionen zwischen Verkäufern in Marktplatz-Communitys drehen sich um konkrete, praktische Fragen — ein anderer Ton als das übliche Marketingversprechen einer "100-prozentigen Erkennung".

"Ein Käufer hat mir das Foto eines völlig anderen Artikels geschickt, um eine Rücksendung zu begründen — wie beweise ich das?" Umgekehrte Bildersuche in Kombination mit einem direkten Vergleich zum ursprünglichen Angebotsfoto ist der erste Schritt: Weichen Artikel, Farbe oder sogar der Bildhintergrund von dem ab, was tatsächlich versendet wurde, verschiebt sich die Beweislast schnell zugunsten des Verkäufers.

"Sollte ein besonders scharfes oder perfekt ausgerichtetes Foto Verdacht erregen?" Nicht allein. Ein aktuelles Smartphone liefert standardmäßig scharfe, gut belichtete Fotos; das eigentliche Signal ist eine Unstimmigkeit — Klonspuren, eine lokale Kompressionsabweichung, ein falsch platzierter Schatten — nicht schlicht eine hohe Bildqualität.

Signale in einen Workflow einbauen, nicht in ein automatisches Urteil

Keines dieser fünf Signale sollte allein eine automatische Ablehnung einer Retoure, eines Garantiefalls oder einer Schadenmeldung auslösen: Ein Fall ohne erkannte Auffälligkeit läuft im Standardprozess weiter, ein einzelnes Signal führt zu einer dokumentierten menschlichen Prüfung, und mehrere zusammenlaufende Signale — etwa bestätigte Klonspuren zusammen mit verdächtigen Metadaten — rechtfertigen eine vertiefte Untersuchung. Unser Beitrag zur Prüfung von Schadenfotos im großen Maßstab beschreibt diese dreistufige Struktur, die sich ebenso auf E-Commerce-Retouren und Produktgarantien wie auf Versicherungsschäden übertragen lässt. Einen breiteren Überblick zur Dokumentenprüfung bietet unser Leitfaden zur Dokumentenprüfung.

Nach Angaben des VAARHAFT-Blogs aus der Versicherungsbranche gehen mindestens 1,4 % aller gemeldeten Schadensfälle auf Bildmanipulationen zurück — ein Anteil, der bei hohem Fallvolumen schnell zu einer relevanten Fehlerquote führt, wenn keine strukturierte Prüfung dahintersteht.

Häufig gestellte Fragen

Macht eine kostenlose Bearbeitungs-App ein gefälschtes Schadensfoto unerkennbar?

Nein. Kostenlose mobile Bearbeitungs-Apps hinterlassen in der Regel dieselben Spuren wie professionelle Software — sichtbare Klonstellen, lokale Kompressionsabweichungen, unstimmige Schatten — weil diese Signale aus physikalischen und technischen Grenzen entstehen, nicht aus der Qualität des Bearbeitungswerkzeugs.

Löscht die Komprimierung eines per Messenger versendeten Fotos Bearbeitungsspuren?

Sie schwächt sie ab, löscht sie aber nicht vollständig. Die deutlichsten Klon- und Lichtinkonsistenzen bleiben nach moderater Kompression meist erkennbar; nur eine starke, wiederholte Kompression kann die feinsten Signale verdecken.

Brauchen E-Commerce-Retouren und Versicherungsschäden unterschiedliche Prüfwerkzeuge?

Nicht unbedingt unterschiedliche Werkzeuge, aber unterschiedliche Kalibrierungsschwellen: Legitime Fotoprofile unterscheiden sich je nach Kontext — Elektronikretoure, Kleidungsretoure, Hausratschaden — was beeinflusst, wie streng jede Signalschwelle eingestellt werden sollte.

Beweist das Fehlen von EXIF-Metadaten eine Bildbearbeitung?

Nein. Messenger-Apps und soziale Netzwerke entfernen Metadaten routinemäßig beim Hochladen, auch bei völlig echten Fotos. Dieses Signal zählt nur, wenn Bearbeitungsspuren tatsächlich vorhanden sind — ihr Fehlen allein bedeutet nichts.

Reicht ein einzelnes verdächtiges Foto aus, um Betrug zu bestätigen?

Nein. Ein einzelnes Signal — selbst eine sichtbare Klonstelle — sollte dokumentiert und einer menschlichen Prüfung vorgelegt werden, bevor eine Ablehnung erfolgt, insbesondere um im Streitfall gegenüber dem Kunden begründet zu bleiben.

Lohnt sich diese Prüfung auch bei kleinen Retourenvolumen?

Ja, allerdings mit anderer Priorisierung. Bei wenigen Dutzend Fällen pro Monat reicht oft eine stichprobenhafte manuelle Prüfung der auffälligsten Fälle; erst ab einigen Hundert Fällen pro Monat wird eine automatisierte Vorsortierung der fünf Signale wirtschaftlich sinnvoll.

---

Die hier beschriebenen Signale sind Teil eines umfassenderen Ansatzes zur Prüfung von Foto-Nachweisen, der strukturelle Kohärenz, Metadaten und — sofern die Kundenkonfiguration dies vorsieht — KI-Generierungserkennung als Ergänzung zu bestehenden Kontrollen kombiniert. Keine Methode erreicht eine hundertprozentige Erkennung, und die endgültige Entscheidung sollte ein dokumentiertes, nachvollziehbares Indizienbündel bleiben, kein binärer Score. CheckFile integriert diese Kontrollen in Retouren- und Schadenprozesse, sowohl für E-Commerce-Plattformen als auch für Versicherer; weitere Details finden sich auf unserer Sicherheitsseite und bei den Preisen.