Betrugserkennung 2026 - Die Trends in Thesen
Teil 3: Wie funktioniert die Bildanalyse?

Wenn wir digitale Dokumente mit menschlichen Augen prüfen, werden Manipulationen oft nicht mehr erkannt. Und überhaupt wäre das bei all den durchdigitalisierten Antragsstrecken mit Millionen von Seiten nicht mehr zu bewältigen. In unserer losen Serie zur Betrugserkennung geht es in Teil 3 daher um Bildanalyse. Denn wo eine Linie um einen Pixelpunkt verschoben ist, da ist vielleicht auch aus einer drei- eine vierstellige Rechnungssumme geworden...

Wie lassen sich gefälschte Dokumente mittels modernster Image Based Fraud Detection aka Computer Vision-Technologie entlarven? Unsere Trends und Thesen verraten es:

 

Was gilt es zu beachten?
 

1. Es klingt fast wie Archäologie: Kompressionsartefakte analysieren. Kompressionsartefakte stecken in JPEG- oder PDF-Dateien und verraten, ob ein Bild nachträglich bearbeitet worden ist. Kompressionsartefakte zu analysieren, ist eine zentrale Aufgabe der Bildanalyse, denn wo sich Pixelstrukturen plötzlich ändern, waren meist Fälschende am Werk.

2. Von der digitalen Archäologie zur digitalen Gentechnik? Quasi, denn sogenannte „geklonte Bereiche“ (Copy-Paste von Zahlen/Begriffen) erscheinen für das menschliche Auge konsistent mit dem restlichen Text, aber ein Analysetool erkennt divergierende Muster.

3. Mithilfe einer Technik, die sich Hauptkomponentenanalyse (PCA) nennt, können Farbabweichungen sichtbargemacht werden, die nachträglich eingefügte Bildteile oder Unterschriften aufspürt.

4. Stichwort Massenvergleiche: Wenn nur Menschen Dokumente prüfen würden, dauerte es ewig - und es wäre es beinahe unmöglich Duplikate, Layout-Abweichungen oder fehlende Inhalte zu erkennen. Welcher Mensch legt schon 100 Dokumente vor sich aus, um winzige Details zu vergleichen? Für eine automatisierte Lösung wie unsere Dokumentforensik ICO.Fraud ist das binnen Sekunden erledigt.

Und weiter?

5. Es gibt auch Grenzen der reinen Bildanalyse als Instrumentarium der Betrugserkennung. Ausgedruckte und anschließend abfotografierte Fälschungen bedürfen inhaltlicher oder robuster Layout-Prüfregeln, um überführt zu werden.

6. Die Kunst der modernen Betrugserkennung ist daher: Methodenvielfalt! Deswegen verknüpfen wir bei unserem Produkt ICO.Fraud bewusst viele verschiedene Prüfmethoden.

7.  Einzelne Auffälligkeiten für sich genommen lassen sich manchmal erklären und begründen noch keinen Betrugsverdacht. Erst durch die Kombination mehrerer Indizien in einem intelligenten Scoring lassen sich Betrugsfälle zielsicher finden und aussteuern.

8. Ein letzter Punkt: Der Faktor Mensch. Aber Stop, heute nur acht, keine zehn Punkte? Ja genau, denn hier denken und schreiben echte Menschen mit Expertise in der Betrugserkennung, keine AI-Tools, die auf Biegen und Brechen die zehn vollkriegen, weil man ihnen das in einem Prompt so gesagt hat.

Und somit sei gleich doppelt auf den Faktor Mensch verwiesen. Denn er bleibt auch in der Betrugserkennung extrem wichtig: Nur Menschen treffen die abschließenden Entscheidungen. Unsere Betrugserkennungssoftware stellt eine hochkarätige Hinweisgeber-Basis dar.

Was bedeutet das zusammenfassend?
 

Metadatenanalyse und Bildanalyse sind wichtige Komponenten der modernsten Betrugserkennung. Im letzten Teil freuen wir uns auf das Thema "inhaltliche Prüfung“ und wir werdne noch etwas detaillierter auf den EU AI-Act und die Zusammenarbeit von Mensch und Maschine eingehen, wenn es darum geht, Betrügern softwaregestützt einen Schritt voraus zu sein.

 

Bild: gepromptet von ICO-LUX in Perplexity.ai.