Trennen Sie Ihre Dokumente automatisch mit KI

Unser Ansatz zur Erkennung von Dokumentenbetrug

Sie versuchen Bildmanipulationen, Pixel-Manipulation und Kompressionsartefakte zu erkennen.

Diese Techniken sind nützlich, erfassen jedoch eine ganze Kategorie von Betrug nicht. Moderner Dokumentenbetrug findet häufig auf semantischer Ebene statt.

Betrüger verändern nicht immer die visuelle Struktur eines Dokuments. Stattdessen manipulieren sie den Inhalt. Beispiele : den Gesamtbetrag einer Rechnung ändern, Zahlungsdetails anpassen, eine Zahl auf einer Gehaltsabrechnung verändern, Bankverbindungen ersetzen.

Diese Änderungen können visuell legitim wirken. Sie führen jedoch zu logischen Inkonsistenzen, die für visuelle Analysemethoden unsichtbar sind.

Koncile verfolgt bei der Betrugserkennung einen anderen Ansatz.

Jedes Erkennungsmodell wird gemeinsam mit Fachexperten entwickelt, die die Struktur und Logik realer Dokumente verstehen. Anstatt sich ausschließlich auf visuelle Signale zu stützen, fügt Koncile eine Schicht domänenspezifischer, logischer und rechtlicher Kontrollen hinzu.

Jede erkannte Inkonsistenz fließt in einen Betrugsrisiko-Score zwischen 0 und 1 ein. Überschreitet dieser Score einen vordefinierten Schwellenwert, wird das Dokument als potenziell betrügerisch markiert.

Wir erkennen logische Fehler

Dokumentenbetrug offenbart sich häufig durch Inkonsistenzen in den Daten. Die Koncile-Modelle erkennen mehrere Kategorien von Anomalien. Das sind mathematische oder strukturelle Unstimmigkeiten innerhalb des Dokuments. Beispiele : Rechnungsbeträge, die nicht mit den Einzelpositionen übereinstimmen, fehlerhafte Steuerberechnungen, inkonsistente Mengen und Stückpreise, Währungsabweichungen, nicht nachvollziehbare Gesamtbeträge.

Diese Prüfungen decken sofort viele Formen von Rechnungsbetrug und Buchhaltungsmanipulation auf.

Wir identifizieren semantische Unstimmigkeiten

Manche Dokumente enthalten Informationen, die technisch korrekt, im Kontext jedoch unplausibel sind. Beispiele : eine Lieferantenadresse, die nicht mit den Registrierungsdaten übereinstimmt, eine Unternehmensnummer, die nicht zum Firmennamen passt, ein Steuersatz, der nicht mit dem geltenden Steuerrecht vereinbar ist, ein Dokument, das auf Entitäten verweist, die logisch nicht gleichzeitig existieren können.

Diese Anomalien erfordern wissensbasiertes Schlussfolgern und die Validierung durch externe Daten.

Wir decken regulatorische und branchenspezifische Inkonsistenzen auf

Manche Dokumente mögen intern konsistent erscheinen, verstoßen jedoch gegen regulatorische Vorschriften oder branchenspezifische Anforderungen. Die Koncile-Modelle integrieren rechtliches und operatives Wissen, um Situationen zu erkennen, in denen ein Dokument nicht der erwarteten Geschäfts- oder Regulierungslogik entspricht. Beispiele : eine Rechnung ohne Pflichtangaben (USt-IdNr., Rechnungsdatum, Identität des Lieferanten), eine Rechnung, die nicht den geltenden Rechnungsstellungsvorschriften entspricht, eine Gehaltsabrechnung mit Beträgen, die nicht den arbeitsrechtlichen Vorgaben entsprechen, eine Gehaltsabrechnung mit fehlenden oder falsch berechneten Pflichtbeiträgen.

Diese Fälle erfordern ein Verständnis nicht nur des Dokuments selbst, sondern auch des rechtlichen und operativen Rahmens, in dem es existiert.

Die Erkennung von Betrug in Dokumenten erfordert mehr als Pixelanalyse. Die meisten Tools zur Betrugserkennung in Dokumenten setzen ausschließlich auf visuelle Analyse.

‍