Betrug skaliert schneller. Payment-Fraud-Screening muss mithalten.

Betrug war früher durch Kosten und Aufwand begrenzt: qualifizierte Akteure, gezielte Recherche und überzeugende Täuschungsmanöver im größeren Maßstab – jede dieser Anforderungen begrenzte die Zahl der gleichzeitig durchführbaren Angriffe. KI hebt diese Beschränkungen auf. BCG schätzt, dass die Kosten für einen Finanzbetrug innerhalb von zwei Jahren um 90 % oder mehr sinken werden, was zu einer Verdoppelung oder mehr des Angriffsvolumens führen dürfte.

Wenn Betrug kostengünstig wird, wird das Volumen zur Waffe – und die Verteidigungsarchitektur muss entsprechend aufgestellt sein.

KI-gestützte Betrugsoperationen treiben diesen Wandel voran. Betrugsorganisationen nutzen KI zunehmend, um überzeugendere Köder zu verfassen, Stimmen zu klonen und wochenlange Aufklärungsarbeit in Stunden zu verdichten – wobei ein Mensch die Operation noch lenkt. BCGs Prognose beschreibt den nächsten Schritt: agentenbasierte Systeme (Agentic AI), die Ziele setzen, mehrstufige Abläufe orchestrieren und sich in Echtzeit anpassen – ohne dass ein Mensch jeden einzelnen Schritt steuert.

Die aktuellen Zahlen zeigen bereits eine ernsthafte Kontrolllücke. Laut AFP's 2026 Payments Fraud and Control Survey waren 76 % der US-amerikanischen Unternehmen im vergangenen Jahr von versuchtem oder tatsächlichem Zahlungsbetrug betroffen – während nur 17 % KI zur Erkennung einsetzen. Kyribas globale 2026 CFO Survey zeigt dasselbe Muster von der anderen Seite: 77 % der CFOs weltweit nennen Sicherheit und Datenschutz als Risiko für die finanzielle Gesundheit ihres Unternehmens – doch weniger als jeder Dritte stuft Sicherheit und Betrugsprävention als kritische operative Priorität für 2026 ein.

Die Lücke ist struktureller, nicht informationeller Natur. Das Verständnis dieser Lücke beginnt beim Payment Fraud Screening und der Frage, ob es einer Angriffsfläche standhält, die sich in dieser Geschwindigkeit verändert. Drei zusammenwirkende Fähigkeiten sind notwendig, um sie zu schließen: jede Zahlung prüfen, Verhaltensanomalien in Echtzeit erkennen und die Zahlungsfreigabe anhand des aktuellen Risikos autorisieren.

Volumen macht Treasury-Kontrollen zur Angriffsfläche

Corporate Treasury war schon immer ein attraktives Ziel. Was sich ändert, ist die Kostenstruktur des Angriffs. Betrüger setzen heute bereits KI-Unterstützung ein – und BCGs agentische Prognose deutet auf Betrugsoperationen hin, die noch weniger menschliche Beteiligung benötigen: Sie testen Kontrollen, lernen, was eine Überprüfung auslöst, und passen sich an, bis sich ein Weg öffnet – in einem Volumen, das kein menschliches Team erreichen könnte.

Die Anfälligkeit des Treasurys ergibt sich aus einer bekannten Kombination von Merkmalen: hohe Zahlungsvolumina, mehrstufige Genehmigungsketten mit verschiedenen Gegenparteien und Kreditorenprozesse, die an kritischen Freigabepunkten auf menschliches Urteilsvermögen angewiesen sind. Eine Betrugserkennungsumgebung, die auf das Abfangen eines ausgefeilten Angriffs pro Quartal ausgelegt ist, hält Tausenden adaptiver Versuche pro Woche nicht stand.

Die Kosten-Asymmetrie verstärkt die Gefährdung. Aus meiner Erfahrung kostet eine einzige unentdeckte betrügerische Überweisung häufig mehr als die jährliche Investition in die Erkennungskontrollen, die sie verhindert hätten. Je günstiger Angriffe für die Gegenseite werden, desto größer wird diese Asymmetrie.

Betrugsarten, die unterschiedliche Schwachstellen im Workflow ausnutzen

Jede Angriffsvariante zielt auf einen anderen Punkt im Zahlungsworkflow ab. Zusammen definieren sie die Treasury-Angriffsfläche.

Business Email Compromise (BEC). Im einfachsten Fall umgeht BEC die technische Infrastruktur vollständig: Eine überzeugende Anweisung erreicht jemanden mit der Befugnis, darauf zu handeln. BEC ist häufig auch technischer Natur – über Kontoübernahmen, Domain-Spoofing oder täuschend ähnliche Domains, die eine Anweisung am Mailserver vorbeischleusen, bevor ein Mensch sie zu Gesicht bekommt. KI schärft bereits beide Varianten: durch überzeugendere Täuschungstexte, schnellere Aufklärung aus öffentlichen und kompromittierten Quellen sowie Executive-Impersonation, die präzise auf die richtigen Lieferanten- und Gegenparteidetails verweist. Mit der Weiterentwicklung agentischer Systeme wird das Kampagnenvolumen die Kapazität menschlich gesteuerter Operationen übersteigen.

Zahlungsumleitung und Rechnungsbetrug. Betrügerische Bankverbindungen gelangen in die Kreditorenprozesse genau in dem Moment, in dem die Überprüfungsintensität am geringsten ist. Die Operation bleibt innerhalb normaler Transaktionsparameter, bis sie erfolgreich ist – was die Zahlung für Kontrollen, die auf statischen Regeln basieren, als legitim erscheinen lässt.

Identitätsimitation (Impersonation) im großen Maßstab. Voice Cloning und die Erzeugung synthetischer Identitäten werden zu immer zugänglicheren Werkzeugen. Betrugsorganisationen können simultane Kampagnen fahren und KI nutzen, um jede auf den Kommunikationsstil und den Genehmigungsworkflow eines Ziels abzustimmen. Personalisierung, die früher ein großes, spezialisiertes Team erforderte, wird zunehmend automatisiert. Diese Kampagnen sind darauf ausgelegt, die menschliche Überprüfungsebene zu überwinden, auf die viele Betrugskontrollen angewiesen sind.

Jede Angriffsvariante trifft eine andere Ebene des Workflows. BEC setzt menschliches Urteilsvermögen unter Druck, Rechnungsbetrug nutzt Gegenparteidaten aus, und Impersonation testet die Autorisierungsdisziplin. Alle drei laufen auf denselben Moment zu: eine Zahlung am Freigabepunkt, die auf eine Entscheidung wartet.

Warum ein einzelner Autorisierungspunkt das eigentliche Risiko ist

Als CISO begegne ich am häufigsten einer Autorisierungsarchitektur, die auf operative Effizienz ausgelegt wurde – und die nie gegen einen Angreifer mit der Geduld und den Werkzeugen getestet wurde, sie in großem Umfang auszuloten.

Automatisierte Betrugskampagnen sind darauf ausgelegt, genau diese Schwäche auszunutzen. Workflows mit nur einem Genehmiger für hochwertige Transaktionen sind ein bekannter Angriffspfad. KI-gestützte BEC-Kampagnen helfen Angreifern, diese Workflows zu identifizieren, Anweisungen auf bekannte Zahlungszyklen abzustimmen und Kampagnen in größerem Umfang durchzuführen.

Ein konkretes Beispiel: Das E-Mail-Konto eines Lieferanten wurde drei Wochen zuvor kompromittiert – still und leise, ohne Lösegeldforderung und ohne sichtbaren Schaden. Dieser eine Zugangspunkt macht alles Folgende möglich. Ein Betrugsakteur, der KI-Tools einsetzt, um im kompromittierten Postfach nach Rechnungs-Threads, Zahlungskonditionen und Kalendereinträgen zu suchen, identifiziert eine für Freitag geplante Überweisung von 2,3 Millionen US-Dollar. Bis Mittwoch hat er eine gefälschte CFO-Anweisung erstellt – mit KI verfasst und verfeinert –, die den richtigen Lieferanten, Betrag und die richtige Gegenpartei nennt, und zeitlich so zugestellt, dass sie den einzigen AP-Genehmiger genau dann erreicht, wenn das Zahlungsfenster geöffnet ist.

Die E-Mail-Kompromittierung schafft die Gelegenheit. Das Risiko liegt in dem, was danach passiert: Kompromittierte Informationen treffen auf einen Workflow mit nur einem Genehmigungspunkt – und dieser eine Genehmiger hat die Macht, eine betrügerische Anweisung in eine autorisierte Zahlung umzuwandeln. Keine noch so ausgefeilte Technik hinter der gefälschten Anweisung spielt eine Rolle, wenn eine zweite, unabhängige Prüfung zwischen ihr und dem Abfluss der Mittel steht.

Ein menschlicher Betrugsakteur steuert hier noch jeden Schritt. BCGs agentische Prognose beschreibt dasselbe Szenario ohne einen solchen – in Echtzeit angepasst, ohne Operator in der Schleife. Die Autorisierungsarchitektur ist die Kontrolle, die unabhängig davon standhalten muss, wer – oder was – den Angriff steuert.

Das Prüfen-Erkennen-Autorisieren-Modell: Was wirksames Payment Fraud Screening erfordert

Diese Lücke zu schließen erfordert mehr als eine einzelne Kontrolle. Das Prüfen-Erkennen-Autorisieren-Modell kombiniert drei Fähigkeiten, von denen jede einen Schwachpunkt abdeckt, den die anderen verpassen.

Jede Zahlung prüfen. Regelbasierte Kontrollen bleiben unverzichtbar, und kein ausgereiftes Programm sollte auf sie verzichten – sie erkennen bekannte Muster zuverlässig und kosteneffizient. Ihre Schwäche ist die Vorhersagbarkeit. Eine Regel flaggt, was sie zu flaggen konfiguriert wurde – und ein automatisiertes Betrugssystem, das auf sie trifft, passt seinen Ansatz an, bis es einen Weg findet, den die Regel nicht abdeckt. Genau darauf sind Tausende adaptiver Testversuche ausgelegt. Wirksames Payment Fraud Screening beseitigt dieses Vorhersagbarkeitsproblem, indem es Gegenparteidaten, Verhaltenssignale und kontextuelle Anomalien gleichzeitig auswertet – für jede Transaktion, vor der Zahlungsfreigabe, nicht danach.

Abnormales Verhalten erkennen. Die Erkennung von Verhaltensanomalien erfasst, was Screening allein nicht kann: eine Zahlung, die nach jeder einzelnen Regel normal aussieht, aber außerhalb des etablierten Musters für die Gegenpartei, das Konto oder den Zahlungstyp liegt. In Kontrollumgebungen, die ich überprüft habe, kann das Zeitfenster zwischen dem Eingang einer betrügerischen Anweisung in einem Workflow und dem Abfluss der Mittel kürzer sein als der Überprüfungszyklus, der sie abfangen soll – was die erste Erkennungsentscheidung zur kritischsten im gesamten Workflow macht. Auch die Verhaltenserkennung ist nicht unfehlbar: Angreifer, die wissen, dass sie analysiert werden, können ihr Verhalten schrittweise so anpassen, dass es in eine Baseline eingeht. Deshalb muss sie gemeinsam mit Regeln und Autorisierungskontrollen funktionieren – nicht als Ersatz für diese.

Freigabe dynamisch autorisieren. Zahlungsautorisierungskontrollen verhindern einseitige Freigaben durch Funktionstrennung. Ab definierten Schwellenwerten sollte keine Einzelperson unilaterale Befugnis besitzen – der Workflow sollte Dual Control (Vier-Augen-Prinzip) vorschreiben. Diese Struktur muss dabei handlungsfähig bleiben: Autorisierungsketten sollten sich an Zahlungsgröße, Gegenparteihistorie und Echtzeit-Risikosignalen orientieren – und nicht als feste Abfolge operieren, die eine ausgefeilte Betrugsoperation kartieren kann.

Jede Fähigkeit adressiert eine spezifische Schwachstelle. Screening erfasst das Volumen, Verhaltensanomalieerkennung erfasst die Adaptation, und Zahlungsautorisierungskontrollen eliminieren die einzelnen Fehlerpunkte, die die anderen beiden überhaupt erst notwendig machen. Keine einzelne Ebene stoppt eine gut ausgestattete Betrugsoperation – die Kombination schließt, was Regeln allein offen lassen.

Die Kontrollen testen, bevor die nächste Zahlung freigegeben wird

Fünf Dimensionen, die jedes Finance-Team im Prüfen-Erkennen-Autorisieren-Modell evaluieren sollte:

1. Abdeckung des Payment Fraud Screenings: Wird jede Transaktion geprüft – oder nur Stichproben und markierte Zahlungen? Automatisierter Betrug ist darauf kalibriert, unter Stichprobenschwellen zu bleiben. Eine auf Stichproben beschränkte Abdeckung schafft einen bekannten blinden Fleck.

2. Anpassungsfähigkeit der Erkennung: Kann die Verhaltensanomalieerkennung ein neues Angriffsmuster identifizieren, ohne eine manuelle Regeländerung? Wenn nicht, wird die Erkennung hinter dem Betrug zurückbleiben, den sie abfangen soll. Diese Verzögerung macht sich häufig in Schadensereignissen und erhöhtem Ausnahmevolumen bemerkbar, bevor sie anderswo sichtbar wird.

3. Architektur der Zahlungsautorisierungskontrollen: Enthalten Genehmigungsworkflows einzelne Fehlerpunkte, die eine gezielte BEC- oder Impersonation-Kampagne ausnutzen könnte? Die Identifizierung dieser Punkte ist der Ausgangspunkt für die Überarbeitung der Kontrollen.

4. Kontinuität des Monitorings: Funktioniert die Betrugsüberwachung in Echtzeit – oder führt sie eine Überprüfungslatenz ein, die ein automatisiertes System umgehen kann? Erkennungsgeschwindigkeit ist eine Kontrollanforderung.

5. Prüfbarkeit: Kann die Organisation auf Anfrage einen vollständigen Prüfpfad für jede Zahlungsautorisierung innerhalb des definierten Umfangs vorlegen – einschließlich Zeitstempel? Der Prüfpfad ist sowohl ein Erkennungsinput als auch das erste Dokument, das ein Prüfungsausschuss nach einem Schadensereignis anfordert.

Fazit

Das Risikoprofil für Zahlungsbetrug im Corporate Treasury wird sich nicht stabilisieren. BCG gibt Finance-Teams ein Zwei-Jahres-Prognosefenster, bevor agentische Systeme die Wirtschaftlichkeit von Finanzbetrügereien grundlegend verändern – und die 17 % der Unternehmen, die bereits KI zur Betrugserkennung einsetzen, sammeln Erfahrungen, die der Rest des Marktes noch nicht hat.

Unternehmen, die Zahlungsbetrug als periodisches Überprüfungsproblem behandeln, werden feststellen, dass es sich in Wirklichkeit um ein Echtzeit-Bilanzproblem handelt. Wenn ich nächstes Quartal Ihr Board briefen würde, wäre meine Kernbotschaft folgende: Bevor Geld bewegt wird, müssen drei Dinge zutreffen: Die Zahlung wurde geprüft, die Aktion wurde autorisiert, und der Pfad ist prüfbar. Finance-Teams, die Payment Fraud Screening, Verhaltensanomalieerkennung und Zahlungsautorisierungskontrollen in ihre Kontrollarchitektur integrieren, können genau das nachweisen. Das Prüfen-Erkennen-Autorisieren-Modell ist das, was ich vor jeden Prüfungsausschuss bringen würde – und es gehört auch vor Ihren.

Derselbe Ansatz prägt die Art und Weise, wie wir Zahlungssicherheit bei Kyriba handhaben.