Untersuchung: Warum eine gefälschte PDF-Rechnung 2026 noch eine manuelle Prüfung bestehen kann

Warum dieses Thema eine echte Untersuchung verdient

In den meisten Organisationen bleibt die PDF-Rechnung ein Dokument mit hoher finanzieller Wirkung. Sie löst Zahlung, Buchhaltungsabgleich, Lieferantenfreigabe und mitunter Compliance-Entscheidungen aus. Eine gefälschte Rechnung, die durch die Freigabe kommt, ist daher kein simples administratives Versehen: Sie bedeutet Margenverlust, Audit-Risiko und ist oft ein Signal dafür, dass der Kontroll-Workflow angesichts neuer Fälschungstechniken nicht mehr ausreicht.

Was wir in der Praxis beobachten, ist einfach: Ein „visuell sauberes“ Dokument wird oft schneller freigegeben als ein „visuell unperfektes“ Dokument – selbst dann, wenn das erste schwerwiegendere logische Inkonsistenzen enthält. Genau das ist der blinde Fleck klassischer manueller Kontrollen.

Methodik der Untersuchung

Um eine rein theoretische Betrachtung zu vermeiden, haben wir drei interne operative Quellen abgeglichen:

• Benchmarks (Normal-Dataset) mit 60 Dateien (interner Bericht mit Zeitstempel 2026-02-23 16:43).
• Benchmarks (Deep-Dataset) mit 20 Dateien (interner Bericht mit Zeitstempel 2026-02-23 18:23).
• Fälle manueller Prüfung, beobachtet auf PDF-Dokumenten vom Typ Rechnung/Nachweis.

Ziel: verstehen, warum eine Fälschung die menschlichen Schritte passieren kann, und anschließend robuste Guardrails definieren – ohne die Teams übermäßig zu verlangsamen.

Was die internen Daten zeigen

Die internen Berichte zeigen zunächst eine wichtige Wahrheit: Die Performance hängt stark von der Parametrisierung ab (Analysetiefe, Dokumenttyp, Entscheidungsschwelle).

Diese Zahlen sollten nicht als isoliertes Produkturteil gelesen werden, sondern als Steuerungssignal: ohne Schwellen- und Routing-Strategie erhält man entweder zu viele Eskalationen oder zu viele False Negatives.

Autopsie einer Fälschung, die durchkommt

Im untersuchten Szenario hatte die Rechnung ein glaubwürdiges Format, stimmige Verwaltungssprache und ein Layout, das historischen Dokumenten ähnelte. Die manuelle Prüfung gab schnell frei – aus drei Gründen:

1. Visueller Vertrautheitseffekt: Das Dokument „sieht aus“ wie frühere.
2. Operativer Druck: Bearbeitungszeit wird höher priorisiert als eine tiefgehende Prüfung.
3. Fehlende rechnerische Kreuzprüfung: Die Konsistenz zwischen Zwischensummen, Rabatten und Steuern wurde nicht neu berechnet.

Ergebnis: Das Dokument wurde trotz automatisch erkennbarer semantischer und struktureller Inkonsistenzen akzeptiert.

Die 5 blinden Flecken der manuellen Prüfung

• Blinder Fleck 1: Dokumentenchronologie. Bestelldatum, Ausstellungsdatum und Fälligkeit sind gemeinsam nicht plausibel.
• Blinder Fleck 2: „fast richtige“ Berechnungen. Die Endsumme wirkt stimmig, aber die Zwischenkette der Berechnung ist es nicht.
• Blinder Fleck 3: Mikro-typografische Änderungen. Leichte Abweichungen bei Schrift/Abständen, lokalisiert auf Schlüsselfeldern (IBAN, Betrag, Referenz).
• Blinder Fleck 4: uneinheitliche PDF-Struktur. Der interne PDF-Stream offenbart punktuelle Einfügungen.
• Blinder Fleck 5: implizites Lieferantenvertrauen. Ein „bekannter“ Lieferant senkt die Wachsamkeit – selbst bei vorhandenen schwachen Signalen.

Was sich mit einem DeepForgery-Ansatz ändert

Ein Multi-Layer-Ansatz reduziert diese blinden Flecken durch die Kombination aus:

• Struktureller Kontrolle: Anomalien in der PDF-Komposition und technische Dateikohärenz.
• Semantischer Kontrolle: Fachlogik, Chronologie und Konsistenz der Beträge.
• Konsolidiertem Scoring: Schwellenbasierte Entscheidung, angepasst an das Risikoniveau.
• Intelligentem Routing: automatische Freigabe, gezielte manuelle Prüfung oder Blockierung.

Der entscheidende Unterschied ist nicht nur „mehr erkennen“, sondern besser entscheiden: weniger Zeitverlust bei einfachen Fällen, mehr Fokus auf wirklich riskante Vorgänge.

30-Tage-Maßnahmenplan

Woche 1: Scoping

• 3 kritische Flüsse identifizieren (z. B. Lieferantenrechnungen, Spesen, Onboarding-Nachweise).
• Initiale Risikoschwellen mit Finance + Risk + Compliance festlegen.

Woche 2: Instrumentierung

• Technische und semantische Kontrollen aktivieren.
• Jede Entscheidung nachverfolgen (Score, ausgelöste Regeln, finale Aktion).

Woche 3: Kalibrierung

• False Positives / False Negatives messen.
• Schwellenwerte je Dokumenttyp anpassen.

Woche 4: Industrialisierung

• Eskalationsverfahren formalieren.
• Monatliches Reporting aufsetzen: verhinderter Betrug / Bearbeitungskosten.

Fazit der Untersuchung

Das Problem ist nicht mangelnde Aufmerksamkeit der Teams, sondern die Lücke zwischen der Raffinesse der Fälschungen und den Mitteln der manuellen Kontrolle. Eine gefälschte Rechnung kann durchkommen, weil sie visuell „glaubwürdig genug“ ist. Um diese Lücke zu schließen, braucht es eine Entscheidung, die durch technische + semantische Analyse + Fach-Workflow erweitert wird.

Nächster Schritt

Möchten Sie dieses Modell mit Ihren echten Dokumenten testen (ohne langes Projekt)?

Starten Sie einen Piloten: DeepForgery-Konto erstellen.

Für ein Enterprise-Scoping können wir in 45 Minuten einen „Risiko vs Aufwand“-Plan für Ihre 3 prioritären Flüsse erstellen.