Im Onlinehandel ist Vertrauen die wichtigste Währung – und gleichzeitig die größte Schwachtselle für Betrug. Immer häufiger sehen sich Händler mit einer perfiden Masche konfrontiert: Kundinnen und Kunden beanspruchen Rückerstattungen oder Ersatzlieferungen, indem sie vorgeblich beschädigte Produkte reklamieren. Doch das vermeintliche Beweisfoto zeigt in Wirklichkeit gar keinen echten Schaden – es wurde mithilfe generativer KI täuschend echt manipuliert.
Das Risiko für Onlinehändler steigt dramatisch. Kostenlose GenAI-Tools ermöglichen es Betrügern in wenigen Minuten, Kratzer, Brüche oder Transportschäden virtuell in ein Produktbild zu zaubern. Für den Shopbetreiber ist es nahezu unmöglich, solche Fälschungen mit bloßem Auge zu erkennen. Besonders bei Waren mit geringem Warenwert lohnt sich eine Rückholung oder manuelle Prüfung nicht – Rückerstattung und Ersatz werden fast automatisch gewährt. Doch kumuliert über tausende Bestellungen können diese kleinen Beträge schnell zu einem erheblichen Verlust werden.
Gleichzeitig schadet diese Art von Betrug langfristig der Reputation: Wenn Onlinehändler oder Plattformen nicht nachweislich gegen Manipulationen vorgehen, wächst das Misstrauen ehrlicher Käuferinnen und Käufer. Genau hier setzt Vaarhaft an: Mit hochentwickelten Bildanalyseverfahren prüft das Unternehmen Fotos auf Authentizität und deckt KI-generierte oder manipulierte Inhalte zuverlässig auf. Die Lösung lässt sich sowohl über ein Webtool als auch als API nahtlos in bestehende Prozesse integrieren – und bietet Onlinehändlern damit eine wirksame Verteidigungslinie gegen den Missbrauch von Rückgabe- und Erstattungsrichtlinien.
Wir wollten es genauer wissen und haben Linus Kameni, dem CEO und Co-Founder von Vaarhaft gefragt, wie ihre Technologie funktioniert und wie sich die Zukunft von Betrugsversuchen im E-Commerce entwickelt:
Interview mit Vaarhaft
Was sind die größten Herausforderungen, mit denen Onlinehändler bei betrügerischen Schadensansprüchen konfrontiert sind, und wie hilft Ihr KI-Tool dabei, manipulierte Bilder aufzudecken?
Wenn Produkte online bestellt werden, liegt die Verantwortung für die einwandfreie Lieferung teils beim Händler, teils beim Zusteller. Genau hier entsteht eine Sicherheitslücke, die Betrüger gezielt ausnutzen: Sie behaupten, ihr bestelltes Produkt sei beschädigt angekommen – entweder durch einen Produktionsfehler oder durch Transportschäden. In vielen Fällen erhalten sie daraufhin unkompliziert eine Rückerstattung. Gerade bei Waren mit geringem Wert lohnt es sich schlicht nicht, das Produkt zurückzuholen und eingehend zu prüfen – es ist kostengünstiger, Ersatz zu liefern oder das Geld zu erstatten.
Da der einzige erforderliche Nachweis ein Foto ist, haben Betrüger heute leichteres Spiel als je zuvor: Mit frei verfügbaren GenAI-Tools können sie in kürzester Zeit realistisch wirkende Schäden in Bilder einfügen, die mit bloßem Auge kaum mehr zu erkennen sind – teilweise sogar mithilfe von ChatGPT.
Genau an dieser Stelle kommt unser Fraud Scanner zum Einsatz. Es handelt sich um ein einfaches Webtool, das digitale Bilder innerhalb von Sekunden auf Manipulationen oder KI-Generierung prüft – unterstützt von modernen KI-Modellen, die Bilddaten auf Pixelebene analysieren. Die Lösung ist auch als API verfügbar, sodass sie sich problemlos in automatisierte Workflows integrieren lässt.
Wie kann KI-gestützte Betrugserkennung Onlinehändlern helfen, Zeit und Geld zu sparen? Gibt es dazu Daten oder Fallstudien?
Onlinehändler profitieren vor allem dadurch, dass sie ihren Ruf schützen können. Wenn Betrüger gefälschte Produkte auf Marktplätzen platzieren, kann dies langfristig den Vertrauensverlust bei den Kundinnen und Kunden nach sich ziehen. Das Erstellen gefälschter Produkte war noch nie so einfach – Produktfotos von nahezu allem lassen sich binnen Sekunden generieren, von Luxusuhren über Designerhandtaschen bis hin zu völlig fiktiven Artikeln. Für Käufer ist es visuell unmöglich zu überprüfen, ob die Produktabbildungen vertrauenswürdig sind.
Sobald eine Plattform Vertrauen verliert, kann das gravierende Folgen haben. Deshalb sind automatisierte Hintergrundprüfungen aller hochgeladenen Produktbilder ein wertvoller Schutz vor Reputationsschäden – und helfen dabei, Opportunitätskosten zu senken. Angesichts rasant zunehmender Deepfakes wird dieser Ansatz zur neuen Standardanforderung.
Zudem können Händler schnell prüfen, ob eingereichte Schadensfotos in Rückgabe- oder Beschwerdefällen vertrauenswürdig sind – und Betrugsversuche gegebenenfalls abwehren. Auch wenn wir noch keine konkreten Fallstudien aus dem Onlinehandel haben, wissen wir aus der Versicherungsbranche, dass mindestens 1,4 % aller Schadensmeldungen auf Bildmanipulationen zurückzuführen sind. Weitere Einblicke gibt es auf unserer Website (www.vaarhaft.com).
Wie unterscheidet Ihre KI zwischen echten und KI-generierten oder manipulierten Bildern?
Wir haben bei Vaarhaft den Fraud Scanner entwickelt – eine Deep-Tech-KI-Lösung, die digitale Bilder in Sekundenschnelle auf ihre Echtheit überprüft. Unser System basiert auf mehreren proprietären KI-Erkennungsmodellen, die gemeinsam folgende Fälle identifizieren:
• KI-generierte Bilder
• Bilder, die (durch KI) manipuliert wurden
• Bilder, die aus dem Internet wiederverwendet wurden
Was unsere Technologie besonders macht, ist die Kombination verschiedener Verfahren:
• Pixelebene-Segmentierung: Wir lokalisieren manipulierte Bereiche im Bild bis auf einzelne Pixel, was eine präzise forensische Analyse ermöglicht.
• Metadaten- und Duplikatsprüfung: Wir analysieren Bildmetadaten und gleichen das Bild mit anderen Quellen ab, um Wiederverwendungen zu erkennen.
• Erklärbarkeit & DSGVO-Konformität: Das System liefert visuelles Feedback (z. B. Heatmaps manipulierter Zonen), Vertrauenswerte und arbeitet vollständig DSGVO-konform – die Bilder werden weder gespeichert noch zur Modellnachschulung genutzt.
Dank dieses mehrschichtigen Ansatzes erreichen wir eine sehr hohe Genauigkeit von über 95 % – maßgeschneidert für Versicherer, aber ebenso einsetzbar in allen Branchen, in denen Bildauthentizität entscheidend ist. Wichtig ist dabei, dass die Prüfung vor allem auf Pixelebene stattfindet und daher besonders robust und unabhängig von Metadaten funktioniert.
Warum ist KI-gestützte Betrugserkennung zuverlässiger als herkömmliche manuelle Prüfprozesse?
Traditionelle Prüfverfahren sind hochgradig manuell. Der Verdacht muss dabei zunächst vom prüfenden Menschen selbst ausgehen, und die Bildfälschungen müssen so schlecht sein, dass sie dem Auge auffallen. Da GenAI-Technologien mittlerweile so ausgereift sind, dass Fälschungen optisch nicht mehr zu erkennen sind, bleiben viele Betrugsfälle bei manueller Prüfung unentdeckt. Zudem dauert die manuelle Sichtprüfung um ein Vielfaches länger als die automatisierte Analyse mit Vaarhaft.
Wie wird sich Ihrer Einschätzung nach der Betrug im E-Commerce entwickeln, und wie kann KI mit immer raffinierteren Manipulationstechniken Schritt halten?
Ich sehe Potenzial für KI-gestützten Betrug in verschiedenen Bereichen des E-Commerce. Einerseits wird es einfacher, gefälschte Produkte zu erstellen, um Käufer zu täuschen. Realistische Produktbilder entstehen heute auf Knopfdruck, auch wenn die Ware gar nicht existiert. Andererseits können Käufer selbst leichter betrügen, indem sie Schäden an Produkten vortäuschen, die in Wirklichkeit unversehrt sind.
Da KI aus Daten lernt, können Technologien wie Vaarhafts Fraud Scanner in diesem Wettrüsten immer besser werdender Bildfälschung Schritt halten und zuverlässige Erkennung ermöglichen.
Welche Innovationen erwarten Sie in der KI-Betrugserkennung in den nächsten Jahren?
Ich könnte mir vorstellen, dass in Zukunft auch das Nutzerverhalten auf Websites – also wann und wie schnell etwas angeklickt wird, wie lange man nachdenkt usw. – in Millisekunden von KI ausgewertet wird, um psychologisch Rückschlüsse auf potenziell betrügerisches Verhalten zu ziehen.