Wenn Technologie die Täuschung demokratisiert.

Ende 2024 betrat eine Frau ein thailändisches Restaurant am Katong Square in Singapur, bestellte fast S$200 an Essen und zahlte mit PayNow. Die Mitarbeiter verifizierten den Screenshot, der die Transaktion zeigte. Alles sah legitim aus. Tage später, bei der routinemäßigen Abstimmung, stellte das Restaurant fest, dass die Zahlung nie eingegangen war. Die Frau hatte eine einfache Bearbeitungs-App verwendet, um den PayNow-Beleg zu manipulieren.

Dies war kein isolierter Vorfall. Zwischen 2022 und 2024 betrugen ähnliche Betrugsmaschen Betrugsvorfälle in Singapore-Restaurants. Eine Täterin tätigte mehr als 35 betrügerische Bestellungen im Gesamtwert von über 3.891,75 USD von einem einzelnen Restaurant über 15 Monate. Zwischen 2022 und 2025 tätigte sie Bestellungen im Gesamtwert von mehr als 9.000 USD in zwei Restaurants, indem sie gefälschte PayNow-Screenshots verwendete. Ihre Methode war beunruhigend einfach: Geld per PayNow auf sich selbst überweisen, Transaktion als Screenshot festhalten, eine Bearbeitungs-App verwenden, um den Namen des Zahlungsempfängers zu ändern, und das bearbeitete Bild als Zahlungsnachweis senden.

Was diese Fälle besonders lehrreich macht, ist nicht ihre Raffinesse, sondern ihre Einfachheit. Kein aufwendiges Hacking. Kein komplexes Social Engineering. Nur leicht verfügbare Foto-Editing-Apps, Werkzeuge, die seit Jahren zugänglich sind, und das Vertrauen, das Unternehmen in die visuelle Validierung setzen. Die grundlegende Veränderung besteht nicht darin, dass KI die Manipulation von Dokumenten ermöglicht hat, sondern dass KI die Reichweite und Geschwindigkeit erhöht hat, mit der Betrüger operieren können, während die Erkennung gleichzeitig exponentiell schwieriger wird.

Der Zusammenbruch der oberflächlichen Verifikation

Prüfungsanbieter sehen sich zunehmend einem grundlegenden Verifizierungsproblem gegenüber, wenn herkömmliche Marktdaten nicht verfügbar sind. Wie in unserer Analyse zum fairen Marktwert in illiquiden Märkten dargelegt wurde, zwingt der Zusammenbruch beobachtbarer Transaktionen zu einer Abhängigkeit von internen Modellen, die eine unabhängige verhaltensorientierte Validierung benötigen, um glaubwürdig zu bleiben.

Die PayNow-Betrugsfälle in Singapur offenbaren eine kritische Verwundbarkeit der modernen finanziellen Verifikation: Wir haben Effizienz auf Kosten der Authentizität optimiert. Traditionelle Kontrollen wie der Dreifachabgleich – der Abgleich von Bestellungen, Wareneingängen und Rechnungen – wurden für eine papierbasierte Welt entwickelt, in der das Erzeugen überzeugender Fälschungen spezialisierte Fähigkeiten und Ausrüstung erforderte. Heute versagen dieselben Kontrollen, weil sie grundlegend auf dem Aussehen von Dokumenten statt auf der Substanz der Transaktion beruhen.

Laut dem Identity Fraud Report 2025 stiegen digitale Dokumentenfälschungen zwischen 2023 und 2024 im Jahresvergleich um 244 Prozent. Der Bericht dokumentierte, dass Deepfake-Angriffe nun alle fünf Minuten weltweit auftreten, während Betrüger zunehmend generative KI-Werkzeuge nutzen, um hochentwickelte Fälschungen zu erstellen, die herkömmliche Verifizierungsprüfungen bestehen. Der Finanzdienstleistungssektor trug den Großteil dieser Veränderung, wobei Kryptowährungsplattformen Betrugsversuchsquoten von 9,5 % verzeichneten, fast doppelt so hoch wie in jeder anderen Branche.

Was wir beobachten, ist eine Asymmetrie der Fähigkeiten. Werkzeuge zur Betrugsprävention verbessern sich schrittweise durch bessere Scans und Mustererkennung. Gleichzeitig verbessern sich Werkzeuge zur Betrugserzeugung, angetrieben durch zugängliche KI, exponentiell. Eine aktuelle systematische Übersicht zu KI-basierter Erkennung von Identitätsbetrug, veröffentlicht im Jahr 2024, hob diese Herausforderung hervor: 'Der Einsatz von durch künstliche Intelligenz ermöglichten Deepfake-Technologien hat die Komplexität von Identitätsbetrug deutlich erhöht. Betrüger können diese Technologien verwenden, um hochentwickelte gefälschte Ausweise, Fotos und Videos zu erstellen.'

Dreifachabgleich, der einst als Goldstandard zur Betrugsprävention in der Kreditorenbuchhaltung galt, wird nun zu einem trügerischen Sicherheitsgefühl. Das Verfahren prüft, ob drei Dokumente übereinstimmen – doch wenn alle drei Dokumente mit Bearbeitungssoftware gefälscht werden können, wird der Abgleich sinnlos. Die Kontrollen prüfen Konsistenz, nicht Authentizität. Es ist der Unterschied zwischen der Bestätigung, dass drei Zeugen dieselbe Geschichte erzählen, und der Bestätigung, dass die Geschichte tatsächlich wahr ist.

Dies zwingt Organisationen dazu, wieder stärkeren arbeitsintensiven substantiellen Prüfungen nachzugehen. Die Belegprüfung – die Praxis, Transaktionen rückwärts durch das Buchhaltungssystem zu verfolgen, um deren Stattfinden zu überprüfen – hat an Bedeutung gewonnen, nicht weil sie effizient ist, sondern weil sie eine der wenigen Methoden ist, die gefälschte Dokumentation umgehen kann. Anstatt zu prüfen, ob ein Dokument plausibel aussieht, überprüft die Belegprüfung, ob das zugrunde liegende wirtschaftliche Ereignis tatsächlich stattgefunden hat.

Die Belastung für Assurance-Profis ist erheblich. Forschungen zu Prüfverfahren im digitalen Zeitalter betonen, dass 'traditionell Prüfer auf manuelle Verfahren und stichprobenartige Tests angewiesen waren, was oft den Umfang und die Tiefe ihrer Analysen einschränkte.' Die Rückkehr zu umfangreicheren Belegprüfungsverfahren ist ein Rückschritt in der operativen Effizienz und bindet Ressourcen, die ansonsten den Geschäftswert steigern könnten. Für Prüfer, die Geschäftskunden mit schlanken Finanzteams bedienen, wird diese Belastung besonders akut – manuelle Verfahren, die einst angemessen waren, belasten sowohl die fachliche Leistungsfähigkeit als auch die Kundenbeziehungen.

Darüber hinaus erzeugt der herkömmliche Audit-Ansatz eine zeitliche Verzögerung. Monatliche oder vierteljährliche Abstimmungen bedeuten, dass Betrug über Wochen bestehen bleiben kann, bevor er entdeckt wird. Als das Restaurant die betrügerischen PayNow-Zahlungen entdeckte, hatte der Täter bereits zu anderen Opfern gewechselt. Der traditionelle Auditzyklus – planen, durchführen, berichten – ist grundlegend nicht mit der Echtzeit-Natur von digitalem Betrug abgestimmt.

Von der Dokumentenprüfung zur Verhaltensintelligenz

Das Scheitern dokumentenzentrierter Verifikation weist auf eine notwendige Evolution hin: Es geht darum, von der Prüfung dessen, wie Transaktionen aussehen, zu dem Verständnis zu wechseln, was Transaktionen über das zugrunde liegende Verhalten verraten. Hier unterscheiden sich Verbrauchs- und Verhaltensanalytik grundlegend von herkömmlichen Audit-Verfahren.

Betrachten Sie die PayNow-Betrugsfälle durch eine verhaltensorientierte Linse. Die Täterschaft fälschte nicht nur Dokumente, sie zeigte Verbrauchsmuster, die sich deutlich vom legitimen Kundenverhalten unterschieden. Sie bestellte im selben Restaurant über 35 Mal in 15 Monaten, immer mit derselben Zahlungsmethode, immer für beträchtliche Beträge. Diese Muster erscheinen einzeln betrachtet normal. Betrachtet man sie jedoch kollektiv und vergleicht sie mit breiteren Verbrauchsbenchmarks, stellen sie statistische Anomalien dar, die einer Untersuchung wert sind.

Die Forschung im Bereich der Forensischen Buchführung betont zunehmend diesen verhaltensorientierten Ansatz. Eine Studie aus dem Jahr 2024 zur Forensischen Buchführung und Betrugserkennung stellte fest, dass fortgeschrittene Analytik Muster, Trends und Anomalien identifizieren kann, die bei traditionellen Methoden möglicherweise übersehen werden, indem sie enorme Mengen an Transaktionsdaten verarbeitet, um Abweichungen vom erwarteten Verhalten zu erkennen. Der entscheidende Vorteil besteht darin, dass Verhaltensanalytik nicht von der Echtheit von Dokumenten abhängt – sie analysieren die Substanz wirtschaftlicher Aktivitäten. Jüngste Forschung im Bankensektor belegt diesen Wandel: Studien zeigen, dass die Analyse von Ausgabemustern und Transaktionsdaten ein nuanciertes Verständnis der Kundenpräferenzen und finanziellen Verhaltensweisen liefert, wodurch Institute in der Lage sind, Anomalien unabhängig von der Dokumentenverifizierung zu erkennen.

Dieser Ansatz steht im Einklang mit 7²' Kernthese: Dass hochentwickelte Verhaltensintelligenz eine neue Form des Dokumentenvertrauens bietet, die visuelle Verifikation nicht liefern kann. Wenn Sie verstehen, wie ähnliche Unternehmen typischerweise Transaktionen durchführen, wie Verbrauchsmuster sich normalerweise entwickeln und wie legitimes Kundenverhalten in großem Maßstab aussieht, können Sie überprüfen, ob Dokumente echtes wirtschaftliches Handeln widerspiegeln – selbst wenn die Dokumente selbst perfekt erscheinen. Es geht nicht darum, die Dokumente zu ignorieren; es geht darum, eine unabhängige Möglichkeit zu haben, ihre Echtheit zu verifizieren.

Die Unterscheidung ist wichtig, weil sie die Natur der Prüfungsarbeit verändert. Die Forschung zur Rolle der Internen Revision bei der Betrugserkennung bestätigt, dass der Einsatz von Datenanalysetechniken mit erhöhter Effizienz, erweitertem Prüfungsumfang und verbesserter Prüfungsqualität verbunden ist. Technologie ermöglicht einen risikoorientierten Ansatz, der die Erkennung von Anomalien und Warnzeichen durch Methoden wie kontinuierliche Prüfung verbessert. Anstatt Stunden damit zu verbringen, Rechnungen mit Bankauszügen abzugleichen, können Prüfungsfachleute statistisch ungewöhnliche Muster zur Prüfung kennzeichnen. Statt jeder Transaktion skeptisch gegenüberzustehen, können sie Prüfungen nach Verhaltensrisiko priorisieren. Die Belastung verschiebt sich von einer umfassenden Dokumentationsprüfung hin zu intelligenter Mustererkennung.

Für Prüfungsfachleute, die Geschäftskunden bedienen, bedeutet dies nicht nur Effizienz, sondern eine grundlegende Fähigkeitslücke. Ihre Kunden können realistisch gesehen nicht das Maß an substanziellem Testen aufrechterhalten, das die heutigen Verfahren erfordern. Sie benötigen eine Möglichkeit, Dokumentenvertrauen herzustellen, ohne jede Transaktion manuell zu bestätigen. Sie benötigen Systeme, die darauf hinweisen, wann Verbrauchsmuster nicht mit den vorgelegten Dokumenten übereinstimmen – wenn die Verhaltensrealität den dokumentarischen Behauptungen widerspricht.

Genau diese Lücke adressiert 7². Indem wir KI-gestützte Verhaltensanalytik mit Verbrauchsmuster-Intelligenz kombinieren, bieten wir Vertrauensanalytik – eine Methode, die Echtheit von Dokumenten durch wirtschaftliche Substanz statt durch visuelle Erscheinung verifiziert. Unsere Technologie beurteilt, ob dokumentierte Transaktionen mit legitimen Geschäftsverhalten übereinstimmen, und eliminiert den Bedarf an mühsamer manueller Bestätigung jeder Kundentransaktion. Es ersetzt nicht das fachliche Urteil; vielmehr ergänzt es eine unabhängige Verifikationsschicht, die Dokumente allein nicht mehr liefern können.

Die weitergehende Implikation geht über das bloße Kennzeichnen verdächtiger Dokumente hinaus und zielt darauf ab, das Vertrauen in die Dokumentation selbst wiederherzustellen. Wenn Sie die Dokumente Ihrer Geschäftskunden gegen deren Verbrauchsmuster und Marktbenchmarks verifizieren können, stellen Sie ein Maß an Sicherheit wieder her, das durch die visuelle Verifikation verloren gegangen ist. Die gleichen Analytik-Tools, die gefälschte Dokumente erkennen, bestätigen auch legitime Dokumente. Was als Betrugserkennung beginnt, wird zur Dokumentenvalidierung, die Fähigkeit, mit Zuversicht zu sagen, welche Dokumente echtes wirtschaftliches Handeln widerspiegeln und welche nicht,

Auf dem Weg zu intelligenter Gewissheit

Die PayNow-Betrugsfälle in Singapur dienen als Mikrokosmos einer größeren Herausforderung, mit der die Assurance-Branche konfrontiert ist. Während KI Betrug leichter begehen lässt, werden traditionelle Verifizierungsverfahren gleichzeitig wichtiger und weniger effektiv. Die Lösung besteht nicht darin, einfach mehr von dem zu tun, was wir schon immer getan haben, sie bedeutet, grundlegend neu zu denken, wie wir Transaktionsauthentizität herstellen.

Der Weg nach vorn erfordert, über das äußere Erscheinungsbild von Dokumenten hinauszugehen und sich auf wirtschaftliche Substanz zu konzentrieren, über regelmäßige Prüfungen hinauszugehen und stattdessen kontinuierliche Überwachung zu betreiben, sowie isolierte Transaktionsprüfungen zugunsten musterbasierter Intelligenz zu überwinden. Es erfordert die Akzeptanz, dass in einer Welt, in der Dokumente perfekt gefälscht werden können, die Dokumente selbst nicht länger als primäres Beweismittel dienen können. Stattdessen müssen Beweise aus verhaltensbezogener Konsistenz, Verbrauchslogik und marktrelevanten Normen stammen.

Für Assurance-Profis bedeutet dies sowohl Herausforderung als auch Chance. Die Herausforderung besteht darin, anzuerkennen, dass Methoden, die Jahrzehnte lang gut funktioniert haben, nun einem grundlegenden Umdenken bedürfen. Die Chance liegt darin, Technologie nicht zu nutzen, um bestehende Verfahren zu automatisieren, sondern um ganz neue Formen der Assurance zu ermöglichen, Assurance, die auf verhaltensbasierter Intelligenz statt auf dokumentarischen Beweisen basiert.

7² existiert, um diesen Übergang für Assurance-Profis zugänglich zu machen, die Mandanten betreuen, denen Ressourcen in Unternehmensgröße fehlen. Durch die Demokratisierung anspruchsvoller verhaltens- und konsumbezogener Analytik bieten wir Vertrauensanalytik, die auch dann funktioniert, wenn die Dokumente selbst perfekt gefälscht werden können. Die Last der Audit-Verfahren muss nicht allein auf manueller Prüfung ruhen, intelligente Systeme können sie erleichtern, indem sie Dokumente anhand verhaltensbezogener Substanz statt bloßer äußerer Erscheinung verifizieren.

Die Mission der Buchführungsfachleute war schon immer die treue Abbildung wirtschaftlicher Phänomene. In einer Ära, in der Dokumente perfekt lügen können, erfordert diese Mission, dass wir über die Büroarbeit hinausblicken zu den Phänomenen selbst, die echten Muster des Konsums, Verhaltens und der wirtschaftlichen Aktivität, die Dokumente widerspiegeln sollen. 7² befähigt Sie, den Assurance-Anbietern, dies im Namen derjenigen zu erreichen:

Erleichtern Sie Ihre Last mit 7².