Rechnungsfehler und Betrug: ein massiver und unterschätzter Kostenfaktor

Einleitung

Fehler und Betrug in Lieferantenrechnungen gehören zu den am stärksten unterschätzten Ursachen finanzieller Verluste in Unternehmen.
Bei Koncile sehen wir diese Probleme täglich – und helfen Unternehmen dabei, sie zu erkennen und durch automatisierte Workflows zu eliminieren.

Das verborgene Ausmaß von Rechnungsfehlern und Betrug

Laut Branchenverbänden enthalten zwischen 0,5 % und 5 % aller Unternehmenszahlungen Fehler.
Besonders betroffen sind Branchen mit dezentralen Einkaufsstrukturen oder komplexen Preisvereinbarungen, wie Bauwesen, Logistik, Energieversorgung oder Instandhaltung.

Diese Fehler lassen sich in zwei große Kategorien einteilen:

Menschliche Fehler

• Doppelte Rechnungsstellung oder doppelte Erfassung
• Preisabweichungen zwischen Bestellung und Rechnung
• Mengenfehler
• Falsche Steueranwendung
• Fehlinterpretation von Preislisten oder Vertragskonditionen

Betrügerische Handlungen

• Gefälschte Rechnungen durch interne Akteure
• Veränderte oder manipulierte Dokumente
• Identitätsdiebstahl legitimer Lieferanten
• Manipulation von Metadaten oder Lieferanteninformationen

Obwohl sie oft getrennt behandelt werden, können beide Arten von Risiken heute durch automatisierte Rechnungsprüfung reduziert werden.

Kiabi: der 100-Millionen-Dollar-Betrugsfall

Im Jahr 2023 deckte Kiabi einen groß angelegten internen Betrug auf:
Die ehemalige Schatzmeisterin soll fingierte Rechnungen an echte Lieferanten ausgestellt und gleichzeitig deren Bankdaten abgeändert haben – sodass Zahlungen von über 100 Millionen Euro auf ihre eigenen Konten umgeleitet wurden.

Eine automatisierte Rechnungsprüfung hätte folgende Warnsignale erkennen können:

• Wiederholte oder ungewöhnliche Rechnungen
• Nicht autorisierte Änderungen der Lieferantenbankdaten

Dieser Fall zeigt, wie leicht manuelle Kontrollen oder oberflächliche 3-Wege-Abgleiche Betrug übersehen können – insbesondere bei Tausenden von Rechnungen.

Was ist eine Rechnungsprüfungssoftware?

Der Begriff umfasst zwei große Ansätze:

In ERP- oder P2P-Systeme integrierte Prüflogik

Typischer Ablauf:

1. Erstellung einer Bestellung
2. Erstellung eines Lieferscheins
3. Abgleich der Lieferantenrechnung mit Bestellung und Lieferschein

Dieser „3-Wege-Abgleich“ funktioniert gut in strukturierten Umgebungen wie Handel, Produktion oder Logistik.
Er stößt jedoch an Grenzen, wenn:

• Bestellungen offen formuliert sind
• Preise dynamisch verhandelt werden
• Datenformate variieren (Papier, PDF, Excel, E-Mails)

Unabhängige Rechnungsprüfungssoftware (z. B. Koncile)

Diese Lösung ergänzt bestehende Systeme und prüft:

• Rechnungen (PDF, XML, Bilder)
• Bestellungen
• Preislisten
• Lieferscheine

Sie extrahiert, strukturiert und vergleicht Daten vollautomatisch – ohne das ERP zu verändern.

Arten automatisierbarer Rechnungsprüfungen

1. Erkennung von Duplikaten

Duplikationen entstehen durch:

• Mehrfach eingereichte Rechnungen
• Mehrfachfaktura eines Bestellauftrags
• Doppelte Zahlungsprozesse in Tochtergesellschaften

Software erkennt Duplikate anhand von:

• Rechnungsnummern & Lieferanten-IDs
• Betrags- und Datumsähnlichkeiten
• Visuellen Mustern über OCR-Fingerprints

2. Betrugserkennung

Besonders relevant für Unternehmen ohne E-Rechnung.

Typische Prüfverfahren:

• Metadatenanalyse
• Pixelbasierte Manipulationserkennung
• Konsistenzprüfungen innerhalb des Dokuments
• Validierung der Lieferantenidentität
• Statistische Anomalieerkennung

3. Gesetzliche & steuerliche Anforderungen

In den USA gibt es kein einheitliches nationales Rechnungsformat, aber Rechnungen müssen bestimmte Angaben enthalten.
Automatische Prüfungen erkennen fehlende oder ungültige Pflichtfelder sofort.

4. Preis- und Mengenprüfung

Abgleich jeder Rechnungsposition mit:

• Bestellung
• Preislisten
• Historischen Referenzpreisen

Ziel:
Überfakturierungen, Rabattausfälle und Preisabweichungen identifizieren.

Automatisierung der Rechnungsprüfung mit Preislisten

Eine Preisliste ist eine Excel-Datei, in der Artikel mit ihren Produktcodes, Beschreibungen, Verpackungsdetails und Stückpreisen aufgeführt sind. Die Herausforderung besteht darin, diese Preislisten automatisch mit den Rechnungen abzugleichen. So automatisiert Koncile diesen Prozess:

Schritt 1: Daten aus Rechnungen extrahieren

‍Jede eingehende Rechnung wird über eine intelligente OCR-Engine (Optical Character Recognition) verarbeitet. Die OCR erkennt und strukturiert alle Informationen:

• Name und Details des Lieferanten
• Rechnungsnummer, Datum und Gesamtsumme
• Einzelpositionen: Produktbeschreibung, Produktcode (falls vorhanden), Menge, Stückpreis, Gesamtsumme der Position

Wenn Rechnungen elektronisch vorliegen (XML, UBL, EDI), werden die Daten nativ erfasst, eine OCR ist nicht erforderlich.
Dies ergibt einen strukturierten Datensatz, der für automatisierte Vergleiche genutzt werden kann (und auch zur Erstellung eines Katalogs aller gekauften Artikel dient).

Schritt 2: Preisliste importieren und normalisieren

‍Im nächsten Schritt wird Ihre Preisliste eingelesen, typischerweise eine Excel- oder CSV-Datei mit Produkten, Codes und Preisen.
Nicht alle Preislisten sind dabei einfach strukturiert. Einige enthalten:

• Staffelpreise basierend auf Mengen
• Konditionale Rabatte (Dauer, Standort, Kundentyp)
• Oder zusammengesetzte Artikel (gebündelte Dienstleistungen)

Koncile strukturiert diese Listen automatisch in eine normalisierte, maschinenlesbare Tabelle.
Bei sehr komplexen Preislogiken können spezifische Parameter während der Onboarding-Phase manuell konfiguriert werden.

Schritt 3: Rechnungen den Lieferanten zuordnen

‍Vor dem Vergleich muss jede Rechnung dem richtigen Lieferanten zugeordnet werden. Dies erfolgt über KI-basierte Kategorisierung.
Es gibt zwei Hauptmethoden:

• Kleine Lieferantenbasis → Nutzung eines Large Language Models (LLM), um Lieferantennamen, Aliase und Kontexte zu interpretieren
• Große Lieferantenbasis → Nutzung eines hybriden „RAG + Embedding“-Systems

Die Embedding-Technik wandelt alle Lieferantendaten in Vektoren um, sodass eine semantische Suche möglich ist (z. B. „SUEZ ENVIRONNEMENT“ ≈ „SUEZ FRANCE SAS“).
Koncile re-rankt dann die Top-Ergebnisse mit einem leichtgewichtigen LLM, um die wahrscheinlichste Übereinstimmung zu bestätigen.
Methode 1 ist bei zu großen Listen nicht anwendbar, da die Verarbeitung aufgrund der hohen Zeilenanzahl zu langsam und teuer wird.

Schritt 4: Zeilenweise Abgleichung

‍Sobald Lieferant und Preisliste identifiziert sind, erfolgt der Abgleich auf Positionsebene:

Fall 1: Produktcodes vorhanden

Direkter 1:1-Abgleich auf Basis von SKU oder Artikelnummer

Fall 2: Produktcodes fehlen

Semantischer Abgleich der Textbeschreibungen mithilfe von Embedding-Technologie

‍

Das System berechnet Ähnlichkeitswerte zwischen der Rechnungsposition („Bituminous mix 0/10“) und den Einträgen der Preisliste („ENROBE A CHAUD 0/10“).
Die Top 5 Übereinstimmungen werden einem LLM übergeben, um die richtige Auswahl zu treffen.

Schritt 5: Preisabweichungen berechnen

‍Sobald die Positionen abgeglichen sind, wird jede Differenz quantifiziert:

Delta=Menge×(Preis in Preisliste−Preis auf Rechnung)Delta=Menge×(Preis in Preisliste−Preis auf Rechnung)

Dies liefert eine detaillierte Aufschlüsselung potenzieller Überzahlungen pro Position, pro Rechnung und pro Lieferant – exportierbar in Dashboards oder Buchhaltungsberichte.

Schritt 6: Gutschriften erstellen
Der letzte Schritt besteht darin, ein Gutschriftsanforderungsdokument zu erstellen.
Dieser Bericht fasst alle erkannten Abweichungen zusammen und präsentiert sie klar für die Kommunikation mit Lieferanten:

• Lieferant
• Rechnungsnummer
• Produkt
• Menge
• Stückpreis (Rechnung)
• Stückpreis (Preisliste)
• Differenz
• Gesamtdelta

Dieses standardisierte Output kann automatisch per E-Mail versendet, in Ihren AP-Workflow eingebunden oder über API in Ihr ERP-System integriert werden.

Automatisierung der Rechnungsprüfung mit Bestellungen (POs)

Wenn Unternehmen bereits strukturierte Bestellungen verwenden, gilt dasselbe Prinzip – mit leicht verändertem Workflow:

Schritt 1: POs und Rechnungen erfassen

‍Sowohl POs als auch Rechnungen werden via OCR oder über direkte Systemintegration (SAP, Oracle etc.) erfasst.
Jedes Dokument wird normalisiert, um vergleichbare Felder sicherzustellen: Produktcode, Menge, Preis und Gesamtsumme.

Schritt 2: Lieferanten identifizieren

‍Wie zuvor erfolgt die Lieferantenidentifikation über KI-Abgleich unter Verwendung von Embeddings und LLM-Reasoning.

Schritt 3: Rechnungspositionen mit PO-Positionen abgleichen

‍Für jede Rechnung versucht das System, jede Position mit einer PO-Position abzugleichen:

• Zuerst über exakten Produktcode oder PO-Referenz
• Falls dies fehlschlägt, über semantische Ähnlichkeit der Artikelbeschreibung
• Bei Unsicherheit markiert die Software die Position zur manuellen Prüfung

Schritt 4: Anomalien kennzeichnen

‍Das Tool identifiziert:

• Preisabweichungen
• Mengenabweichungen
• Fehlende oder ungültige PO-Nummern
• Rechnungen, die geschlossene oder bereits abgerechnete POs referenzieren

Bei kleinen Datenmengen kann ein vollständiger LLM-Prompt zur Beurteilung der Beziehung zwischen PO und Rechnungsinhalt genutzt werden.
Für größere Datensätze bleibt die Kombination aus Embedding + Re-Ranking die skalierbarste und kosteneffizienteste Methode.

‍

Benchmarking & Leistungsanalyse

Strukturierte Daten ermöglichen:

• Preisbenchmarking
• Identifizierung systematischer Abweichungen
• Prozessoptimierung
• Lieferantenperformance-Dashboards

Rechnungsprüfung wird damit zu strategischer Unternehmensintelligenz.

Konkrete Vorteile: bis zu 5 % direkte Einsparungen

(ICI POTENTIELLE IMAGE SUR : Einsparpotenzial)

Beispielhafte Effekte:

Der ROI ist sofort sichtbar:
Schon wenige korrigierte Rechnungen amortisieren die Lösung.

Die Zukunft der Rechnungsprüfung

Mit der Entwicklung von KI und regulatorischen Vorgaben wie der EU-E-Rechnung wird die Rechnungsprüfung zukünftig:

• Echtzeitfähig
• Selbstlernend
• Vergleichbar über Unternehmen hinweg
• Vollautomatisiert in Streitfall- und Gutschriftsprozessen