Fraud Detection ist aus meiner Sicht eines der spannendsten Einsatzgebiete für KI-Agenten im Finanz- und Rechnungswesen.
Ich habe in meiner Odoo-Testumgebung mit Claude Code ein Basisszenario mit über 100 Kreditorenrechnungen aufgebaut und darin gezielt typische Fraud-Muster integriert.
Folgende Szenarien habe ich eingebaut:
➡️ 3 Doppelte Rechnungen: Identischer Lieferant, identischer Text, identischer Betrag, identische Referenz, aber unterschiedliches Rechnungsdatum
➡️ 3 Related-Party Fraud: Zahlungsempfänger bzw. Kontoinhaber mit Bezug zu internen Personen wie Mitarbeitenden oder Verwaltungsräten
➡️ 1 Gleiche IBAN bei unterschiedlichen Lieferanten: Ein klassisches Warnsignal für mögliche Unregelmässigkeiten
Danach erhielt OpenClaw zusammen mit einer CSV-Datei von Mitarbeitern den Auftrag, sämtliche Kreditorenrechnungen des Jahres 2025 auf obige Risiken zu analysieren:
🔍 Duplikate erkennen
🔍 Bank-Kontoinhaber der Kreditoren mit einer CSV-Datei von Mitarbeitenden und Verwaltungsräten abgleichen
🔍 Bankkonten identifizieren, die auf Privatpersonen statt auf Firmennamen laufen
🔍 Lieferanten mit identischer IBAN finden
🔍 Einen Risiko-Bericht mit Rechnungsnummern, Lieferanten und Beträgen erstellen
Das Ergebnis war wiederum einfach bemerkenswert:
🎯 7 von 7 Fällen erkannt = 100 % Trefferquote, Keine False Positives
Besonders stark fand ich:
💡 Die Related-Party-Analyse hat den Abgleich mit der CSV-Datei korrekt durchgeführt
💡 Die Risiko-Einstufung war nachvollziehbar und praxisnah zum Beispiel hoch bei klaren internen Treffern, mittel bei Auffälligkeiten wie Privatperson als Kontoinhaber ohne internen Match
💡 Die ausgewiesene Gesamtexposition und die empfohlenen Massnahmen waren direkt verwendbar
Einfach beeindruckend.
Und ja:
Nach dem Test habe ich OpenClaw wieder eingesperrt.
