Betrug bei Bestellungen: Warnsignale in Procure-to-Pay erkennen

Bestellungen (PO) sind ein wesentlicher Bestandteil einer korrekten und vollständigen Finanzdokumentation. Sie dienen als interner Kontrollmechanismus im Procure-to-Pay (P2P)-Prozess. Viele Unternehmen verlassen sich jedoch zu stark auf die Kontrolle, die eine PO bietet.

Zu den Risiken offener Bestellungen (PO) gehören Schwächen in den Einkaufskontrollen, die Fehler begünstigen, zu Cash Leakage führen und Abrechnungssysteme ermöglichen, durch die Betrüger über einen längeren Zeitraum erhebliche Geldbeträge entwenden können. 

In beiden Fällen kann eine ungewöhnliche PO ein Warnsignal sein. Die Fähigkeit, eine PO zu erkennen, die nicht mit der bisherigen Transaktionshistorie übereinstimmt, ist entscheidend, um Risiken im Procure-to-Pay (P2P)-Prozess zu reduzieren.

4 ungewöhnliche Indikatoren für Bestellungen

Sehen wir uns die vier ungewöhnlichen Indikatoren für Bestellungen im Detail an.

1. Ausreißerkäufe

Jede Änderung bei Preisen oder Häufigkeit durch Käufer oder Lieferanten erfordert eine genauere Prüfung. Ausreißerkäufe können auf einen Fehler oder potenziellen Betrug hinweisen. Achten Sie auf:

• Plötzliche Anstiege bei Käufen von einem Lieferanten Käufer
• die POs für Lieferanten außerhalb ihres üblichen Verantwortungsbereichs bearbeiten
• POs für unklare oder unzureichend definierte Dienstleistungen, einschließlich "Blanket Orders“
• Aufeinanderfolgende Käufe, insbesondere solche, auf die Änderungsaufträge folgen

2. Aufteilung von Bestellungen auf mehrere POs

Die Aufteilung großer Bestellungen auf mehrere POs, die keine Aufmerksamkeit erregen, ist ein Warnsignal. Aufgeteilte Käufe umgehen vorhandene Anforderungs- und Genehmigungskontrollen für Käufer, die nicht richtlinienkonforme Käufe verhindern sollen, und ermöglichen Betrügern im schlimmsten Fall, unentdeckt zu bleiben. Achten Sie auf:

• Mehrere POs an denselben Lieferanten mit gleichen oder ähnlichen Beträgen von derselben anfordernden Gruppe Identische Artikel
• die gleichzeitig oder innerhalb kurzer Zeiträume in unterschiedlichen Mengen gekauft werden POs
• POs die nach Art der Arbeit aufgeteilt werden (z. B. eine Bestellung für Arbeitsleistungen und eine weitere für Material)
• Wiederkehrende Käufe, die knapp unter Prüfungs- oder Genehmigungsschwellen liegen, um die für größere Käufe erforderliche Kontrolle zu vermeiden

3. Scheinfirmen

Eine vom Betrüger erstellte fingierte Organisation wird genutzt, um dem Unternehmen gefälschte Bestelldienstleistungen in Rechnung zu stellen. Betrüger in diesem Betrugsfall verlassen sich stark auf gefälschte Bestellaufträge, um den Betrug zu begehen. Achten Sie auf:

• Unbekannte Lieferanten oder Abweichungen vom Namen eines genehmigten Lieferanten
• Lieferanten, die nur eine Postfachadresse haben
• Lieferantenadressen, die mit Mitarbeiteradressen übereinstimmen
• Wiederholte Verwendung eines Einmal-Lieferantendatensatzes für dieselbe Adresse

4. After-the-Fact PO

Wenn eine PO nach Abschluss der Transaktion erstellt wird und der Lieferant bereits eine Rechnung eingereicht hat, erfordert die Transaktion eine weitere Untersuchung. Eine nachträglich erstellte PO weist typischerweise darauf hin, dass ein Anforderer, Käufer oder Lieferant nicht richtlinienkonform handelt, jedoch nicht zwangsläufig in Achten Sie auf:

• Rechnungen, die vor den POs
• die nach Einreichung von Rechnungen geändert wurdenLieferanten
• die Rechnungen mit fehlenden oder falschen PO-Nummern oder mündlichen POs ausstellen

Automatisierte Data Analytics verbessern die P2P-Risikorerkennung

Das menschliche Auge kann nicht alle diese Abrechnungsschemata erkennen. Als Bestandteil eines effektiven Risikomanagementprogramms bieten Data Analytics ein leistungsstarkes Tool zur Betrugsprävention und -erkennung.

Laut dem ACFE 2016 Report to the Nations berichteten Organisationen, die Betrugsbekämpfungskontrollen wie proaktive Data Analytics einsetzen, dass Betrugsschemata bis zu 50 % schneller erkannt wurden und Betrugsverluste bis zu 54 % geringer waren.

Eine automatisierte Analytics-Lösung wie Oversight nutzt Artificial Intelligence (AI), um Beschaffungsbetrug zu stoppen, Cash Leakage zu verhindern und Compliance-Verstöße bei Accounts Payable (AP)-Zahlungen zu erkennen. Sie erkennt die Muster hinter nicht ordnungsgemäßen Transaktionen und behebt das zugrunde liegende Verhalten.

Dies ermöglicht Organisationen, den P2P-Prozess zu optimieren, indem die größten Zahlungsrisiken identifiziert werden, sodass Schulungen durchgeführt werden können, um nicht richtlinienkonforme Ausgaben zu verhindern.