Gefälschter Kassenbon: Retourenbetrug erkennen mit KI

Retourenbetrug mit einem gefälschten Kassenbon liegt vor, wenn eine Person einen manipulierten, komplett erfundenen oder wiederverwendeten Kaufbeleg vorlegt, um eine Rückerstattung, einen Umtausch oder eine Garantieleistung zu erschleichen, auf die kein Anspruch besteht. Der Bon kann vollständig durch generative KI erzeugt, digital nachbearbeitet oder aus einem echten Einkauf für einen zweiten, nicht gedeckten Fall wiederverwendet worden sein. Für Handel und E-Commerce bedeutet das ein Prüfproblem, das mit bloßem Hinsehen an der Kasse oder im Kundenservice kaum noch zu lösen ist.

Dieser Artikel dient ausschließlich Informationszwecken und stellt keine Rechtsberatung dar. Wenden Sie sich für die Anwendung auf Ihren Einzelfall an Ihre Rechtsabteilung.

Warum gefälschte Kassenbons im Handel zunehmen

Deutschland hat im internationalen Vergleich eine außergewöhnlich hohe Retourenquote, und genau dieses Volumen macht gefälschte Belege lukrativ. Mit einer Retourenquote von rund 75 % gilt Deutschland als Spitzenreiter im internationalen Vergleich, bei einem geschätzten wirtschaftlichen Schaden durch Retourenbetrug von über einer Milliarde Euro jährlich allein hierzulande, laut WebID-Whitepaper zu Retourenbetrug. Je mehr Pakete durch ein System laufen, desto mehr einzelne Prüfentscheidungen muss ein Mitarbeiter oder ein automatisierter Prozess treffen — und desto attraktiver wird es für Betrüger, in diesem Volumen unterzutauchen.

Der internationale Vergleichswert bestätigt die Größenordnung: Betrügerische Retouren verursachten Einzelhändlern im Jahr 2024 einen Schaden von 103 Milliarden US-Dollar, wobei 15,14 % aller Retouren als betrügerisch eingestuft wurden, laut dem gemeinsamen Bericht von Appriss Retail und Deloitte, zitiert bei Yahoo Finance. Zu den häufigsten Maschen zählen laut demselben Berichtszyklus die Rückgabe getragener, unbeschädigter Ware ("Wardrobing"), die Rückgabe gestohlener Ware sowie Retouren mit gestohlenen Zahlungsmitteln — Muster, die sich unmittelbar auf den deutschen Markt übertragen lassen, auch wenn belastbare Kassenbon-spezifische Zahlen für Deutschland bislang fehlen.

Auch außerhalb der Retoure trägt der klassische Kassenbon zum Gesamtschaden im Handel bei. Durch Inventurdifferenzen entsteht im deutschen Einzelhandel jährlich ein Schaden von rund vier Milliarden Euro, wie das EHI Retail Institute in seiner laufenden Fachgruppenarbeit zu Inventurdifferenzen und Warensicherung dokumentiert. Ein Teil dieser Differenzen entsteht über Selbstbedienungskassen und manipulierte oder doppelt eingelöste Bons, ein Bereich, den die EHI-Arbeitsgruppe explizit als wachsendes Thema benennt.

Wie gefälschte Kassenbons und Kaufbelege heute entstehen

Drei technische Wege dominieren die Praxis, und sie unterscheiden sich deutlich in Aufwand und Spurenlage.

Vollständig KI-generierte Bons entstehen aus einer einfachen Textbeschreibung heraus — Händlername, Artikel, Betrag, Datum — und ein Bildmodell erzeugt daraus ein Thermodruck-Layout inklusive Logo, Barcode-Optik und typischer Schriftart. Das Ergebnis existiert ohne jede reale Transaktion und lässt sich mit bloßem Auge oft nicht von einem echten Kassenbon unterscheiden.

Digital veränderte echte Bons sind die zweite, technisch einfachere Variante: Ein Kunde fotografiert oder scannt einen echten Kassenbon und ändert per Bildbearbeitung Betrag, Artikelbezeichnung oder Datum, etwa um ein günstigeres Produkt gegen ein teureres auszutauschen oder das Kaufdatum in ein noch gültiges Garantiefenster zu verschieben. Ein Teil der Originalstruktur bleibt erhalten, was die Erkennung über Layoutabgleich erschwert, aber nicht unmöglich macht.

Wiederverwendete oder mehrfach eingereichte Bons schließlich nutzen aus, dass viele Systeme einen einzelnen Beleg nicht systematisch mit bereits abgewickelten Retouren abgleichen. Derselbe echte Kassenbon wird für mehrere Rückgaben unterschiedlicher, ähnlicher Artikel vorgelegt — eine Masche, die kein Bildforensik-Tool erkennt, sondern nur ein Abgleich über die gesamte Transaktionshistorie hinweg. Ergänzend kursieren im Netz spezialisierte Generator-Websites und -Apps, die gezielt Kassenbon-Vorlagen bekannter Handelsketten anbieten — ein Trend, der die technische Hürde für Fälschung weiter senkt, ähnlich wie es bereits bei gefälschten Spesenbelegen zu beobachten ist. Wie generative Modelle grundsätzlich an gefälschte Dokumente herangehen, erklärt unser Beitrag dazu, wie KI gefälschte Dokumente erstellt.

Typen von Kassenbon-Betrug, ihre Erkennungsmerkmale und wirksame Kontrollen

Eine mehrschichtige Dokumentenanalyse erkennt gefälschte Kassenbons durch die Kombination aus struktureller Bild- und Metadatenprüfung, dokumentenübergreifendem Abgleich zwischen Kassensystem und Retourenportal sowie einer zusätzlichen Analyseschicht für KI-Generierungssignale, die Schriftart-, Layout- und Papierstrukturanomalien aufdeckt. Eine rein visuelle Prüfung an der Kasse oder im Kundenservice bleibt dagegen strukturell blind für Duplikate und Kassensystem-Abweichungen. Eine praktische Checkliste, welche Anzeichen grundsätzlich auf ein KI-generiertes Dokument hindeuten, findet sich in unserer Checkliste für Anzeichen eines KI-generierten Dokuments.

Manuelle versus automatisierte Kassenbon-Prüfung

Saisonale Spitzen zeigen den Unterschied besonders deutlich: US-Einzelhändler rechneten laut NRF und Appriss Retail für die Feiertagssaison mit rund 25 Milliarden US-Dollar an betrügerischen Retouren, was 16,5 % aller Feiertagsretouren entsprochen hätte — genau der Zeitraum, in dem manuelle Prüfteams personell am stärksten unter Druck stehen und automatisierte Systeme ihren größten Mehrwert liefern.

Ein realer Fall: organisierter Retourenbetrug in Deutschland

Die "GermanRefundCrew" zeigt, wie professionell organisierter Retourenbetrug in Deutschland ablaufen kann. Eine Gruppe organisierte über Telegram gewerbsmäßigen Retourenbetrug gegen zwei große Online-Versandhändler und verursachte zwischen Juli und Oktober 2020 einen Schaden von rund 530.000 Euro, bevor das Bundeskriminalamt die Gruppe im Oktober 2020 zerschlug, wie das BKA in seiner Pressemitteilung dokumentiert. Die Beteiligten boten die Retourenmasche gegen eine Provision von 23 bis 27 % des Warenwerts als Dienstleistung an — ein Geschäftsmodell, das zeigt, dass Retourenbetrug längst kein reines Gelegenheitsdelikt einzelner Kunden mehr ist, sondern arbeitsteilig organisiert wird.

Genau diese Professionalisierung ist der Grund, warum punktuelle Stichprobenkontrollen an Servicetheken nicht mehr ausreichen: Eine Gruppe, die hunderte Fälle über mehrere Monate abwickelt, bleibt bei Einzelfallprüfung lange unentdeckt, während ein systematischer Abgleich über Kunden-, Bon- und Artikeldaten Muster bereits nach wenigen auffälligen Fällen sichtbar macht.

Fragen aus Handels- und Verbraucherforen

Wiederkehrende Fragen in Verbraucher- und Händlerforen betreffen vor allem die Beweislast und die Grauzone zwischen Kulanz und Betrug. Eine häufig gestellte Frage lautet sinngemäß, ob die Rückgabe eines Artikels mit einem fremden oder für einen anderen Kauf ausgestellten Kassenbon überhaupt strafbar ist, wenn der Artikel selbst tatsächlich im selben Geschäft gekauft wurde — hier zeigt sich in Foren häufig Unsicherheit darüber, wo genau die Grenze zwischen kulanter Kassenpraxis und strafbarer Täuschung verläuft. Eine zweite, aus Sicht von Online-Händlern wiederkehrende Frage betrifft die Beweisführung: Wie belegt ein Shop überhaupt, dass ein eingereichter Kaufbeleg nachträglich verändert wurde, wenn der Kunde auf einer plausiblen, scheinbar unauffälligen Kopie besteht? Diese Unsicherheit auf Händlerseite — sichtbar etwa in Diskussionen im sellerforum.de-Bereich zu Retourenbetrug — erklärt, warum viele Unternehmen erst nach einem konkreten Schadensfall in systematische Prüfwerkzeuge investieren, statt präventiv.

Rechtlicher Rahmen in Deutschland

Betrug nach § 263 StGB ist der zentrale Straftatbestand bei erschlichenen Rückerstattungen

Wer durch Vorlage eines gefälschten oder inhaltlich falschen Kassenbons eine Rückerstattung, einen Umtausch oder eine Garantieleistung erlangt, auf die kein Anspruch besteht, erfüllt in der Regel den Tatbestand des Betrugs nach § 263 StGB: Freiheitsstrafe bis zu fünf Jahren oder Geldstrafe, in besonders schweren Fällen — etwa bei gewerbsmäßigem oder bandenmäßigem Vorgehen wie im Fall der GermanRefundCrew — bis zu zehn Jahren.

Urkundenfälschung nach § 267 StGB greift bei technischer Veränderung des Bons

Wird der Kassenbon selbst technisch verändert, neu erzeugt oder eine echte Vorlage inhaltlich manipuliert, kommt zusätzlich § 267 StGB (Urkundenfälschung) in Betracht, ebenfalls mit einer Freiheitsstrafe bis zu fünf Jahren. Ein Kassenbon gilt dabei als Urkunde im strafrechtlichen Sinn, und bereits ein echtes Dokument mit nachträglich falschem Inhalt — etwa einem geänderten Betrag — fällt unter den Tatbestand.

Das Widerrufsrecht nach § 355 BGB ist von Retourenbetrug klar zu unterscheiden

Das gesetzliche Widerrufsrecht bei Fernabsatzverträgen nach § 355 BGB erlaubt Verbrauchern, sich ohne Angabe von Gründen fristgerecht von einem Vertrag zu lösen — ein legitimes, in der Regel 14-tägiges Recht, das die gesamte Retourenkultur im deutschen Online-Handel erst ermöglicht. Retourenbetrug missbraucht dieses Recht als Deckmantel, etwa durch vorgetäuschte Mängel oder gefälschte Nachweise, unterscheidet sich rechtlich aber fundamental davon: Ein fristgerechter, unbegründeter Widerruf ohne Täuschung ist zulässig, die Täuschung über den Zustand der Ware oder die Vorlage eines gefälschten Belegs ist es nicht.

Empfohlenes Prüfprotokoll für Handel und E-Commerce

Stufe 1 — Automatisierte Erstprüfung jedes eingereichten Bons: OCR-Extraktion der Bondaten, Abgleich der Bonnummer und des Barcodes gegen die POS-Datenbank, arithmetische Prüfung von Einzelposten und Gesamtsumme, Metadatenanalyse bei digital eingereichten Fotos oder PDFs.

Stufe 2 — Kontext- und Duplikatsabgleich bei Auffälligkeiten: Abgleich mit der Kundenhistorie über alle Kanäle (Filiale, Online-Shop, Marktplatz), Prüfung auf mehrfach eingereichte identische Bonnummern, Abgleich des Kaufdatums mit Lagerbestands- und Garantiedaten.

Stufe 3 — Manuelle Untersuchung bei Verdachtsfällen: vollständige forensische Prüfung durch Loss-Prevention- oder Compliance-Team, physische Wareneingangskontrolle bei zurückgesendeter Ware, Dokumentation für eine mögliche Strafanzeige bei eindeutigen Anhaltspunkten.

Dieses dreistufige Modell folgt derselben Logik, die sich bereits bei anderen Dokumenttypen bewährt hat, von Gehaltsabrechnungen bis zu Kontoauszügen. Unternehmen, die eine Prüfstrategie über mehrere Branchen und Dokumenttypen hinweg aufbauen wollen, finden einen strukturierten Einstieg in unserem Leitfaden zur Branchenverifizierung.

Sicherheit und Skalierung der Prüfung

CheckFile deckt mehr als 3.200 Dokumenttypen in 32 Jurisdiktionen ab — eine Infrastrukturbasis, die sich auch auf Kassenbons und Kaufbelege unterschiedlichster Handelsketten und Formate übertragen lässt, von der Thermodruckquittung im Ladengeschäft bis zur PDF-Rechnung im Online-Shop. Details zu Datenschutz und technischer Absicherung der Prüfprozesse finden sich auf unserer Sicherheitsseite, Preisoptionen für unterschiedliche Unternehmensgrößen auf der Tarifseite. Für eine Einschätzung, welcher Prüfumfang zu Ihrem Retourenvolumen passt, erreichen Sie unser Team über die Kontaktseite.

CheckFile analysiert eingereichte Belege und meldet KI-Generierungssignale als Ergänzung zu Ihren bestehenden Kontrollen — als zusätzliche, systematische Prüfschicht, nicht als Ersatz für die fachliche Beurteilung durch Ihr Loss-Prevention- oder Compliance-Team, und ohne den Anspruch, jede denkbare Fälschung zu hundert Prozent zu erfassen. Mehr zur Erkennung KI-generierter und veränderter Dokumente insgesamt finden Sie auf unserer Seite zur Erkennung von Deepfakes und KI-generierten Dokumenten.

Häufig gestellte Fragen

Ist die Rückgabe von Ware mit einem gefälschten Kassenbon strafbar, auch wenn der Betrag klein ist?

Ja, die Höhe des erschlichenen Betrags ändert nichts am grundsätzlichen Vorliegen von Betrug nach § 263 StGB, beeinflusst aber die Strafzumessung im Einzelfall. Bereits ein niedriger Betrag kann bei Wiederholung oder gewerbsmäßigem Vorgehen zu einem besonders schweren Fall führen.

Wie erkennt ein System einen komplett KI-generierten Kassenbon, der optisch echt wirkt?

Automatisierte Systeme prüfen nicht nur das Bild, sondern gleichen Bonnummer und Barcode mit der tatsächlichen Kassensystem-Datenbank ab — ein rein generierter Bon hat dort schlicht keine Entsprechung. Ergänzend erkennt forensische Bildanalyse untypische Kompressionsmuster und fehlende Metadaten, die bei einer echten Kassenausgabe vorhanden wären.

Muss ein Händler einen Kassenbon als Nachweis akzeptieren, oder reicht auch eine Kontoauszugsbuchung?

Rechtlich verlangt § 355 BGB für den Widerruf keinen Kassenbon, ein Nachweis des Vertragsschlusses genügt grundsätzlich. Für die freiwillige Kulanzregelung bei Umtausch außerhalb des Widerrufsrechts können Händler jedoch eigene, strengere Nachweisanforderungen festlegen, solange diese nicht diskriminierend angewendet werden.

Was unterscheidet Wardrobing von klassischem Retourenbetrug mit gefälschtem Bon?

Wardrobing bezeichnet die Rückgabe getragener, aber äußerlich unbeschädigter Ware unter Vorlage eines echten Kaufbelegs — der Bon selbst ist also nicht gefälscht, die Täuschung betrifft den Zustand der Ware. Klassischer Retourenbetrug mit gefälschtem Bon manipuliert dagegen den Beleg selbst, etwa durch geänderten Betrag, Datum oder Mehrfachverwendung.

Lohnt sich automatisierte Kassenbon-Prüfung schon für kleinere Einzelhändler mit wenigen Filialen?

Der Aufwand skaliert mit dem Retourenvolumen, nicht zwingend mit der Filialanzahl — auch ein kleiner Online-Shop mit hohem Retourenanteil profitiert von automatisiertem Duplikats- und Metadatenabgleich. Bei sehr geringem Volumen kann eine Stichprobenprüfung vorerst ausreichen, verliert aber an Wirksamkeit, sobald organisierte Betrugsversuche wie im Fall der GermanRefundCrew gezielt kleinere Händler ins Visier nehmen.