Etwa 30 Prozent der Zahlen in Ihrem Buchhaltungssystem sollten mit der Ziffer 1 beginnen. Nicht 11 Prozent — 30 Prozent. Und nur etwa 5 Prozent sollten mit 9 beginnen. Wenn das falsch klingt, sind Sie in guter Gesellschaft: Die meisten Menschen gehen davon aus, dass jede führende Ziffer ungefähr gleich häufig auftritt. Genau diese falsche Intuition macht Benfords Gesetz zu einem der günstigsten Betrugserkennungswerkzeuge, die ein kleines Unternehmen einsetzen kann — denn wer auch immer erfundene Zahlen in Ihre Bücher schmuggelt, teilt diese Intuition mit hoher Wahrscheinlichkeit.
Dieser Leitfaden erklärt, was Benfords Gesetz besagt, warum gefälschte Rechnungen und Spesenabrechnungen daran scheitern, welche Ihrer Konten es wert sind, getestet zu werden, und wie Sie mit nichts Ausgefallenerem als einer Tabellenkalkulation einen Erstziffern-Test mit Ihren eigenen Daten durchführen.
Was Benfords Gesetz tatsächlich besagt
Benfords Gesetz beschreibt, wie sich die führenden Ziffern von Zahlen in natürlich vorkommenden Datensätzen verteilen: Kleine führende Ziffern erscheinen weit häufiger als große, und zwar nach einem logarithmischen Muster statt einer gleichmäßigen Aufteilung. Die Wahrscheinlichkeit, dass eine Zahl mit der Ziffer d beginnt, beträgt log10(1 + 1/d), was diese erwartete Verteilung ergibt:
| Erste Ziffer | Erwarteter Anteil |
|---|---|
| 1 | 30,1 % |
| 2 | 17,6 % |
| 3 | 12,5 % |
| 4 | 9,7 % |
| 5 | 7,9 % |
| 6 | 6,7 % |
| 7 | 5,8 % |
| 8 | 5,1 % |
| 9 | 4,6 % |
Das Muster hat sich über eine bemerkenswerte Bandbreite von Daten bewährt: Flusslängen, Hausnummern, Stromrechnungen, Aktienkurse und — am nützlichsten für Sie — Buchhaltungstransaktionen. Der Astronom Simon Newcomb bemerkte es zuerst im Jahr 1881, als er feststellte, dass die frühen Seiten von Logarithmentafeln schneller abgenutzt waren als die späteren. Der Physiker Frank Benford testete es 1938 rigoros an über 20.000 Zahlen aus 20 verschiedenen Datensätzen und veröffentlichte das Ergebnis als „The Law of Anomalous Numbers".
Die Verbindung zur Buchhaltung kam Jahrzehnte später. In den 1990er-Jahren zeigte der Forscher Mark Nigrini, dass Benfords Gesetz als analytisches Verfahren auf Prüfungsdaten angewendet werden kann — eine Arbeit, die das Journal of Accountancy als praktische Betrugserkennungstechnik für Wirtschaftsprüfer behandelt hat. Heute führen externe Prüfer routinemäßig Ziffernanalysen über die Transaktionsdateien ihrer Mandanten durch — und nichts hindert Sie daran, denselben Test zuerst mit Ihren eigenen Büchern durchzuführen.
Warum Betrüger am Ziffern-Test scheitern
Die Stärke des Tests beruht auf menschlicher Psychologie. Wenn Menschen Zahlen erfinden — eine aufgeblähte Spesenabrechnung, eine fiktive Lieferantenrechnung, eine rückdatierte Umsatzzahl —, versuchen sie, die Zahlen „zufällig" erscheinen zu lassen. Aber ihr mentales Modell von Zufall ist annähernd gleichverteilt: Jede Ziffer fühlt sich so an, als sollte sie etwa 11 Prozent der Zeit auftreten. Echte Finanzdaten sehen nie so aus.
Erfundene Zahlen zeigen in der Regel einige verräterische Signaturen:
Zu gleichmäßige Verteilung. Erfundene Beträge verteilen die führenden Ziffern weit gleichmäßiger als die steile Steigung von 30 zu 5, die Benford vorhersagt. Zu viele 7en, 8en und 9en als führende Ziffern sind ein klassisches Zeichen dafür, dass jemand getippt hat, was „richtig aussah".
Zu viele runde Zahlen. Echte Rechnungen landen bei krummen Summen — 1.847,20 €, 312,55 € —, weil Mengen mit Stückpreisen multipliziert werden und Steuern hinzukommen. Eine Häufung sauberer Beträge von 500 € oder 1.000 €, insbesondere von einem Lieferanten oder einem Mitarbeiter, verdient einen zweiten Blick.
Schwellenwert-Clustering. Dies ist das praktischste Muster für ein kleines Unternehmen. Wenn Ihre Richtlinie eine zweite Unterschrift ab 500 € verlangt, achten Sie auf das Band von 400 € bis 499 €. Mitarbeiter, die Einkäufe aufteilen, um die Genehmigung zu umgehen, oder ein Buchhalter, der betrügerische Rechnungen unter dem Prüflimit hält, häufen zusätzliche Transaktionen mit der führenden Ziffer 4 an. Der Ziffern-Test verwandelt Ihren Genehmigungsschwellenwert von einer Kontrolle in einen Stolperdraht.
Wiederkehrende Favoriten. Menschen verwenden unbewusst Ziffernkombinationen wieder, die ihnen gefallen. Ein Test der ersten beiden Ziffern (bei dem das führende Paar, 10 bis 99, gegen erwartete Häufigkeiten geprüft wird) kann einen Mitarbeiter aufdecken, dessen „zufällige" Beträge immer mit demselben Paar beginnen.
Keines dieser Muster beweist Betrug. Jedes ist ein Grund, die zugrunde liegenden Belege für einen genaueren Blick herauszuziehen — genau das, was ein gutes Screening-Verfahren leisten sollte.
Welche Konten es wert sind, getestet zu werden
Benfords Gesetz funktioniert nur bei der richtigen Art von Daten. Die Faustregel: Die Zahlen müssen natürlich vorkommen, mehrere Größenordnungen umfassen und frei von eingebauten Mindestwerten, Höchstwerten oder zugewiesenen Sequenzen sein. So sortieren sich typische Daten kleiner Unternehmen.
Gute Kandidaten
Kreditorenbuchhaltung und Lieferantenrechnungen. Das mit Abstand beste Ziel. Rechnungssummen entstehen durch das Zusammenwirken von Mengen, Sätzen und Steuern über Lieferanten sehr unterschiedlicher Größe — Lehrbuchbedingungen für Benford. Führen Sie diesen Test zuerst durch.
Spesenabrechnungen von Mitarbeitern. Mahlzeiten, Kilometergeld, Unterkunft und Materialien variieren stark und werden von vielen Händen erfasst. Erfundene oder überhöhte Spesen verzerren das Ziffernmuster schnell.
Umsatz- und Erlöstransaktionen. Kundenrechnungen und Kassensummen entsprechen im Allgemeinen gut dem Muster, was sie nützlich macht, um rückdatierte oder erfundene Verkäufe aufzuspüren — oder einen Mitarbeiter, der Barverkäufe abschöpft und die Lücke mit erfundenen Zahlen kaschiert.
Gutschriften und Rückerstattungen. Geringes Volumen, aber hohes Risiko: Gefälschte Rückerstattungen auf eine private Karte sind ein Dauermuster im Kleinunternehmensbetrug, und die Beträge sind genau das, was der Täter eingetippt hat.
Schlechte Kandidaten — überspringen Sie diese
Lohn- und Gehaltsabrechnung. Nettolöhne ballen sich um Gehaltsbänder und Stundensätze, sodass der Test aus harmlosen Gründen scheitern wird. Prüfen Sie die Lohnabrechnung mit anderen Kontrollen (Abgleich der Mitarbeiterzahl, Überprüfung auf Geistermitarbeiter), nicht mit Ziffernanalyse.
Zugewiesene Nummern. Schecknummern, Rechnungsnummern, Bestellnummern und Kontonummern sind konstruktionsbedingt fortlaufend. Sie zu testen ist sinnlos.
Eingeschränkte Beträge. Pauschalvergütungen mit festem Satz, Abonnements in einer einzigen Preisstufe oder Lagerbestände zu 9,99-€-Preispunkten tragen alle künstliche Untergrenzen, Obergrenzen oder Spitzen. Ein Katalog mit vielen 9,99 € wird einen mysteriösen Überschuss an 9en zeigen, der die Preisstrategie widerspiegelt, nicht Betrug.
Kleine Dateien. Ein paar Dutzend Transaktionen können keine statistisch aussagekräftige Verteilung erzeugen. Streben Sie mindestens mehrere hundert Datensätze über mehrere Größenordnungen hinweg an — von zig Euro bis zu zig Tausenden —, damit jede führende Ziffer Raum hat, in ihrer natürlichen Häufigkeit aufzutreten.
So führen Sie einen Erstziffern-Test in einer Tabellenkalkulation durch
Sie brauchen keine Prüfungssoftware. Das gesamte Verfahren dauert beim ersten Mal weniger als eine Stunde und danach nur noch Minuten, sobald Sie eine Vorlage haben.
Schritt 1: Exportieren Sie ein volles Jahr einer Transaktionsart
Ziehen Sie 12 Monate Kreditorenbuchhaltung (oder Spesen oder Umsatz) aus Ihrem Buchhaltungssystem: Datum, Lieferant oder Kunde, Beschreibung und Betrag. Eine Transaktionsart pro Test — das Mischen von Kreditoren mit Löhnen verwässert die Verteilung. Exportieren Sie jeden Datensatz, einschließlich Stornierungen und Korrekturen; vorheriges Filtern kann genau das verbergen, wonach Sie suchen.
Schritt 2: Bereinigen Sie die Beträge
Arbeiten Sie an einer Kopie. Nehmen Sie Absolutwerte, damit Gutschriften und Rückerstattungen die Ziffernextraktion nicht stören, und entfernen Sie Zeilen mit Betrag null. Wenn Ihr Export einige wenige enorme Ausreißer enthält (zum Beispiel einen Gebäudekauf in der Kreditorenbuchhaltung), notieren Sie sie, aber lassen Sie sie für den ersten Durchgang drin — Daten zu entfernen, bevor man sie versteht, ist der Weg, wie Befunde wegerklärt werden.
Schritt 3: Extrahieren Sie die führende Ziffer
Fügen Sie eine Spalte mit einer Formel hinzu, die die erste Ziffer jedes Betrags erfasst. In Excel oder Google Sheets, wenn die Beträge in Zelle A2 beginnen:
LEFT(TEXT(ABS(A2),"0"),1)
Dies entfernt das Vorzeichen, lässt Dezimalstellen fallen und gibt die führende Ziffer als Text zurück. Füllen Sie sie über die gesamte Spalte nach unten.
Schritt 4: Zählen und vergleichen
Zählen Sie, wie viele Beträge mit jeder Ziffer von 1 bis 9 beginnen (COUNTIF erledigt das in Sekunden), rechnen Sie jede Anzahl in einen Prozentsatz der Gesamtsumme um und stellen Sie die Ergebnisse neben die erwarteten Benford-Anteile aus der obigen Tabelle. Ein einfaches Balkendiagramm — Ihre Prozentsätze gegen die erwartete Kurve — lässt Abweichungen sofort ins Auge springen. Prüfer formalisieren den Vergleich mit statistischen Tests, aber für einen ersten Durchgang reicht es, ein Diagramm mit mehreren hundert Transaktionen anzusehen, um eine Ziffer zu erkennen, die weit über ihrem erwarteten Anteil liegt.
Schritt 5: Bohren Sie in die Spitzen hinein
Angenommen, die Ziffer 4 kommt auf 18 Prozent statt der erwarteten 9,7 Prozent. Filtern Sie Ihren Export auf Beträge, die mit 4 beginnen, und schauen Sie, was tatsächlich da ist: Welche Lieferanten? Welche Mitarbeiter haben sie erfasst? Häufen sich die Beträge knapp unter einem Genehmigungslimit? Wiederholen sich dieselben Summen? Jede Antwort entkräftet die Spitze (ein legitimer Großlieferant, der monatlich Rechnungen im 400-€-Bereich stellt) oder vertieft sie (elf Rechnungen über 480 € von einem Lieferanten, von dem niemand gehört hat).
Für eine feinere Betrachtung erweitern Sie den Test auf die ersten beiden Ziffern — das führende Paar jedes Betrags, von 10 bis 99 — und suchen Sie nach einzelnen Paaren, die heiß laufen. Paare wie 48 und 49, die gemeinsam aufleuchten, sind die klassische Signatur der Aufteilung unterhalb der Schwelle.
Die Ergebnisse lesen: Warnsignale vs. Fehlalarme
Eine Abweichung ist eine Spur, kein Urteil. Bevor Sie jemanden konfrontieren, schließen Sie die harmlosen Erklärungen aus, die Prüfer am häufigsten sehen:
Genehmigungsschwellen, die Sie vergessen haben. Jedes Richtlinienlimit — 500 € mit Manager-Freigabe, 1.000 € mit Ihrer — formt das Verhalten darum herum. Auch legitime Mitarbeiter bündeln Einkäufe knapp unter Limits. Die Spitze sagt Ihnen, wo Sie suchen sollen, nicht was Sie finden werden.
Preispunkte und Tarifkarten. Wenn Ihr Katalog auf Preispunkten von 19 €, 29 € und 99 € basiert, erwarten Sie zusätzliche 1en, 2en und 9en. Wenn ein Lieferant ein Ziffernband mit einer standardmäßigen monatlichen Gebühr dominiert, ist das Konzentration, nicht Fabrikation.
Dünne Daten. Dateien mit weniger als ein paar hundert Datensätzen oder Beträge, die nur eine Größenordnung umfassen (alles zwischen 100 € und 999 €), schwanken zufällig um die erwartete Kurve. Führen Sie den Test quartalsweise erneut durch, während die Datei wächst, statt eine kleine Stichprobe zu überinterpretieren.
Ein ehrlicher Riese. Eine einzelne wiederkehrende Zahlung — eine Monatsmiete von 4.200 €, die zwölfmal die Ziffer 4 trifft — kann eine kleine Datei kippen. Segmentieren Sie wiederkehrende feste Zahlungen heraus und testen Sie den variablen Rest separat.
Wenn eine Spitze alle vier Erklärungen übersteht, behandeln Sie sie als Ausgangspunkt einer echten Untersuchung: Ziehen Sie die Rechnungen heran, überprüfen Sie unabhängig von der erfassenden Person, ob die Lieferanten existieren, prüfen Sie auf Duplikate und fortlaufende Rechnungsnummern desselben Lieferanten und bestätigen Sie, dass die Waren oder Dienstleistungen tatsächlich empfangen wurden.
Was zu tun ist, wenn die Ziffern falsch aussehen
Einen verdächtigen Befund zu entdecken, bringt Sie an den Anfang eines Prozesses, nicht an dessen Ende. Arbeiten Sie ihn sorgfältig ab:
- Erst sichern, später befragen. Speichern Sie eine Kopie des Exports und der zugrunde liegenden Belege, bevor irgendetwas „korrigiert" werden kann. Wenn Ihre Bücher in einer Versionskontrolle liegen, ist dieser Schritt bereits erledigt.
- Lieferanten unabhängig verifizieren. Suchen Sie unbekannte Lieferanten außerhalb Ihres Buchhaltungssystems nach — eine Websuche, ein Anruf bei einer Nummer, die Sie selbst finden, eine Prüfung, ob die Zahlungsadresse nicht die Wohnung von jemandem ist. Fiktive-Lieferanten-Schemata gehören gerade deshalb zu den häufigsten Betrugsformen im Kleinunternehmen, weil das Anlegen eines Lieferantendatensatzes einfach ist.
- Der Genehmigungsspur folgen. Wer hat den Lieferanten angelegt, wer hat die Rechnung erfasst, wer hat sie genehmigt? Betrug konzentriert sich dort, wo eine Person zu viele dieser Schritte kontrolliert.
- Die Kontrolle reparieren, nicht nur den Einzelfall. Trennen Sie die Aufgaben, damit die Person, die einen Lieferanten hinzufügen kann, nicht auch Zahlungen an ihn genehmigen kann. Senken oder staffeln Sie Genehmigungsschwellen, wenn Aufteilung das Muster ist. Verlangen Sie Originalbelege — keine Fotokopien — für Spesen über einem festgelegten Betrag.
- Wissen, wann zu eskalieren ist. Wenn die Beträge wesentlich sind oder das Muster auf jemanden mit Systemzugriff deutet, ziehen Sie Ihren Steuerberater oder einen Betrugsprüfer hinzu, bevor Sie jemanden warnen. Berufsbedingter Betrug läuft im Durchschnitt Monate, bevor er entdeckt wird, daher ist eine sorgfältige Woche stiller Verifizierung besser als eine voreilige Anschuldigung.
Und denken Sie an die Basisraten, die das lohnenswert machen: Im Report to the Nations 2024 der Association of Certified Fraud Examiners trat Vermögensveruntreuung — Abrechnungsschemata, Abschöpfen, gefälschte Rückerstattungen — in 89 Prozent der untersuchten Fälle von Berufsbetrug auf, mit einem Medianverlust von 120.000 Dollar. Kleine Unternehmen, mit weniger getrennten Aufgaben und dünnerer Aufsicht, tragen diese Verluste am härtesten.
Saubere Bücher machen den Test erst möglich
Hier ist die stille Voraussetzung, ohne die keiner der obigen Schritte funktioniert: vollständige, konsistent kategorisierte Transaktionsdaten. Ein Ziffern-Test, der auf halb erfassten Spesen, pauschalen „Sonstiges"-Buchungen und drei Monaten nicht abgeglichener Bankfeeds läuft, erzeugt Rauschen, nicht Signal. Jede nicht kategorisierte Transaktion ist ein Ort, an dem sich eine erfundene verstecken kann.
Das ist das tiefere Argument dafür, Ihre Bücher das ganze Jahr über aktuell und granular zu halten — nicht nur zur Steuerzeit. Wenn jede Rechnung zeitnah erfasst, dem richtigen Konto zugeordnet und mit einem echten Lieferantendatensatz verknüpft wird, greifen analytische Prüfungen wie Benfords Gesetz tatsächlich: Anomalien stechen hervor, weil die Grundlage vertrauenswürdig ist. Kombinieren Sie den Ziffern-Test mit einer regelmäßigen visuellen Überprüfung — die Ausgaben nach Lieferant oder Kategorie als Diagramm darstellen, die Art von Dashboard-Ansicht, die Favas Berichte bieten, macht einen neuen Zahlungsempfänger oder eine anschwellende Kategorie auf einen Blick sichtbar. Und wenn Sie neu anfangen, führt Sie die Beancount-Dokumentation durch die Einrichtung eines Plain-Text-Hauptbuchs, in dem jede Transaktion explizit, datiert und überprüfbar ist.
Machen Sie Ihre Bücher von Anfang an betrugsresistent
Einmal im Jahr einen Erstziffern-Test durchzuführen kostet Sie einen Nachmittag und kann das Abrechnungsschema oder die aufgeblähten Spesen aufdecken, die sonst jahrelang still weiterlaufen würden. Aber der Test ist nur so gut wie die Daten darunter — und diese Daten sind nur so gut wie Ihre Buchhaltungsgewohnheit. Klare, vollständige Finanzunterlagen zu pflegen ist die Kontrolle, auf der jede andere Kontrolle ruht. Beancount.io bietet Plain-Text-Buchhaltung, die Ihnen vollständige Transparenz und Kontrolle über Ihre Finanzdaten gibt — keine Blackbox, keine Anbieterbindung. Starten Sie kostenlos und bauen Sie die Art sauberer, prüfbarer Bücher auf, die Betrug leicht zu erkennen und schwer zu verbergen machen.
