Zahlungsbetrug ist inzwischen so alltäglich geworden, dass Finanzteams das Risiko nicht mehr mit gelegentlichen Schulungen und sorgfältigen E-Mail-Gewohnheiten managen können. Neue Daten aus dem Yooz 2026 Payment Fraud Readiness Report, der auf einer Befragung von 750 Fachkräften aus US-Finanzwesen, Buchhaltung und Kreditorenbuchhaltung basiert, zeigen, dass 70% der Finanzfachleute angeben, ihr Unternehmen habe in den vergangenen zwei Jahren einen Versuch von Zahlungsbetrug erlebt — oder sie konnten dies nicht ausschließen. Diese Zahl allein sollte die Sicht von Finanzverantwortlichen auf ihr Risiko und auf die Prozesse, auf die sie sich beim Umgang damit stützen, verändern.

Auch die finanziellen Schäden nehmen zu. Unter Unternehmen, die einen bekannten Betrugsversuch erlebt haben, verloren 28% Geld. Bei 39% dieser Vorfälle lag der Verlust bei $50,000 oder mehr. Solche Ereignisse treten in Finanzbereichen jeder Größe auf, und manuelle Prozesse sind ein wiederkehrendes Muster in vielen dieser Fälle.

Manuelle Prozesse führen zu höheren Verlusten durch Betrug

Die wichtigste Erkenntnis des Yooz-Berichts ist der Zusammenhang zwischen der Gestaltung von AP-Prozessen und den Betrugsergebnissen. Unternehmen mit überwiegend manuellen AP-Prozessen erlitten bei 42% der bekannten Betrugsversuche finanzielle Verluste, verglichen mit 30% bei hoch automatisierten Teams und 22% bei Unternehmen, die automatisierte und manuelle Prozesse kombinieren.

Die Daten zeigen, dass manuelle AP-Workflows die Bedingungen schaffen, unter denen Betrug gedeihen kann. Engpässe bei der menschlichen Prüfung, uneinheitliche Verifizierungsschritte, eingeschränkte Echtzeit-Einsicht in Zahlungsaktivitäten und Genehmigungsketten, die auf individueller Beurteilung beruhen, erhöhen alle die Wahrscheinlichkeit eines erfolgreichen Betrugsversuchs. Bei manuellen Abläufen muss eine Person betrügerische Rechnungen erkennen, die legitime Lieferanten nachahmen; die Unterschiede sind für das menschliche Auge oft kaum wahrnehmbar. Ein automatisiertes System hingegen prüft jede Transaktion anhand historischer Muster, markiert Auffälligkeiten und leitet verdächtige Aktivitäten zur Prüfung weiter, bevor eine Zahlung freigegeben wird.

Die Bedrohung ist ausgefeilter geworden

Finanzteams, die Mitarbeiterschulungen für ihre wichtigste Betrugsabwehr halten, arbeiten mit einem zunehmend veralteten Modell. Unternehmen haben Betrug jahrelang als Menschenproblem behandelt und davon ausgegangen, dass Beschäftigte auf gefälschte E-Mails achten und Verdächtiges erkennen könnten. Generative KI hat diesen Ansatz weniger verlässlich gemacht, da betrügerische Rechnungen, E-Mails und sogar Sprachnachrichten deutlich schwerer von echten zu unterscheiden sind.

Die Betrugsmethoden, die am häufigsten gegen AP-Teams eingesetzt werden, nutzen die spezifischen Schwachstellen manueller Workflows aus. Eine gefälschte Rechnung, die einem echten Lieferantendokument stark ähnelt, kann eine visuelle Prüfung durch einen Menschen bestehen; eine Zahlungsanfrage, die scheinbar von einer vertrauenswürdigen Führungskraft stammt, kann Dringlichkeit erzeugen und eine sorgfältige Prüfung überlagern.

Automatisierte Systeme ersetzen das menschliche Urteilsvermögen nicht. Statt Finanzfachleute zu bitten, jede Transaktion manuell zu prüfen, übernehmen automatisierte Tools die routinemäßige Prüfung in großem Umfang und eskalieren Ausnahmen zur menschlichen Kontrolle — ein effektiverer Einsatz sowohl der Technologie als auch der Expertise von Finanzteams.

Wo Betrug am ehesten erfolgreich ist

Das Verständnis der Betrugsmuster, die im AP-Betrieb am häufigsten vorkommen, hilft Finanzverantwortlichen zu erkennen, wo in ihren eigenen Prozessen das Risiko liegt.

Rechnungsbetrug bleibt einer der häufigsten Angriffsvektoren. Betrüger reichen Rechnungen für nicht erbrachte Leistungen ein oder veränderte Versionen legitimer Rechnungen mit geänderten Bankdaten. In einer manuellen Umgebung erfordert das Erkennen solcher Vorgänge, dass jemand Unstimmigkeiten bemerkt, meist bei der Prüfung großer Dokumentenmengen unter Zeitdruck. Automatisierte Systeme können Rechnungsdaten mit Bestellungen abgleichen, Dubletten markieren und Dokumente identifizieren, die nicht mit Lieferantenunterlagen übereinstimmen.

Business Email Compromise (BEC) gegen AP-Funktionen nimmt weiter zu. Diese Angriffe nutzen gefälschte oder kompromittierte E-Mail-Konten, um Zahlungsänderungen, Aktualisierungen von Lieferantenkonten oder dringende Überweisungen anzufordern. Die Anfragen geben sich häufig als hochrangige Führungskräfte oder vertrauenswürdige Lieferanten aus. Ohne einen systematischen Verifizierungsprozess, der direkt mit dem Zahlungsworkflow verbunden ist, liegt die gesamte Erkennungsarbeit bei der Person, die die Anfrage erhält.

Manipulation von Lieferantenkonten nutzt die Aktualisierungsprozesse aus, die viele AP-Teams per E-Mail bearbeiten. Ein Betrüger kontaktiert das AP-Team unter dem Vorwand, ein Lieferant zu sein, und verlangt eine Änderung der Bankdaten. Ohne automatisierte Verifizierung und einen formalen Change-Management-Workflow können solche Anfragen erfolgreich sein.

Was Finanzteams tun können

Die Yooz-Daten zeigen, dass sich Betrug eindämmen lässt, wenn Prävention von einer personenabhängigen Funktion zu einer im Prozess verankerten wird. Dafür müssen Teams ihre Workflows so strukturieren, dass menschliches Urteilsvermögen dort eingesetzt wird, wo es den größten Mehrwert bietet, während automatisierte Prüfungen das Volumen übernehmen.

Finanzteams, die bislang überwiegend manuelle AP-Abläufe nutzen, können auch ohne vollständige technologische Erneuerung sinnvolle Schritte unternehmen. Die Zentralisierung des Rechnungseingangs über einen einzigen, kontrollierten Kanal beseitigt die Schwachstelle verstreuter E-Mail-Einreichungen. Ein formaler, systembasierter Prozess für Änderungen von Lieferantenbankdaten eliminiert den Angriffspfad, der Kontomanipulation ermöglicht. Eine Zwei-Schritt-Verifizierung für Zahlungsänderungen oberhalb definierter Schwellenwerte schützt vor Identitätsbetrug.

Auch für Unternehmen, die bereits etwas Automatisierung eingeführt haben, diese aber nicht auf betrugsspezifische Workflows ausgeweitet haben, besteht erhebliches Potenzial. Der Yooz 2026 AI in Finance Report ergab, dass nur 19% der Finanzteams angeben, KI für Audit, Risiko, Compliance oder Betrugserkennung und -prävention zu nutzen, obwohl KI-gestützte Erkennung inzwischen zu den wirksamsten verfügbaren Werkzeugen für die Prüfung von Transaktionen in großem Umfang gehört. Die Integration von KI in Betrugspräventions-Workflows schafft zusätzlichen Schutz durch kontinuierliche Überwachung — ein Maß an Aufsicht, das manuelle Prüfungen und periodische Audits nicht nachbilden können.

Letztlich zeigen die Daten, dass Betrugsprävention strukturell und nicht situativ angelegt sein muss. Mitarbeitende zu schulen, verdächtige Aktivitäten zu erkennen, bleibt wichtig. Die Grundlage für diese Schulungen müssen jedoch systematische Kontrollen bilden, die jede Transaktion prüfen, jede Änderung von Lieferantendaten verifizieren und jede Abweichung vor der Zahlungsfreigabe markieren.

Finanzteams, die einen tieferen Einblick in die aktuelle Betrugslandschaft und die Daten zur Bereitschaft in verschiedenen Organisationstypen erhalten möchten, können die vollständigen Ergebnisse im Yooz 2026 Payment Fraud Readiness Report einsehen.

Quelle: FinTechZoom