12 Arten von Retouren­betrug, die jeder E-Commerce-Betreiber kennen sollte

Retourenbetrug ist nicht ein Ding. Es sind zwölf einstudierte Spielzüge — die meisten schon aus der Versandhandel-Ära, vom Internet nur billiger gemacht. Wenn Ihrem Team Erstattungen durch die Lappen gehen, die es nicht erklären kann, ist die Lösung fast nie ein neues Tool. Sondern ein Vokabular.

Dieser Guide liefert Ihnen dieses Vokabular. Für jedes Muster beschreiben wir die Signatur (was Sie sehen), den Anreiz (warum jemand das tut), die Abwehr (was tatsächlich funktioniert) und einen Benchmark (wie häufig). Wir verlinken auf die Deep-Dives im Cluster. Am Ende haben Sie eine einseitige Triage-Karte für Ihr Runbook.

Wie wir die zwölf Muster gruppieren

Die Gruppierung ist wichtig, weil die drei Familien unterschiedliche Abwehrmaßnahmen verlangen. Missbrauch braucht Policy-Änderungen. Beweisfälschung braucht forensische Fähigkeiten. Identität/Payment braucht Risikosignale von Ihrem Payment-Provider und Datenanreicherung.

Familie 1 — Missbrauch der Rückgabepolitik

1. Wardrobing

Signatur. Ein einmal getragenes Kleidungsstück — Parfum- oder Deo-Spuren, ein Knick im Futter von einem Abend — retourniert als „nicht wie erwartet". Meist innerhalb von 72 h nach Erhalt, kurz vor Ablauf der Rückgabefrist.

Anreiz. Der Preis, um das äquivalente Kleid oder den Anzug zu mieten. Ein 180-€-Cocktailkleid für Samstag, Montag zurück für 0 € Miete.

Abwehr.

1. Gut sichtbares Tag am Saum, das nicht entfernt werden darf. Wird es entfernt, ist die Rückgabe ausgeschlossen.
2. Wareneingang jedes Kleidungsstücks auf der Bench fotografieren. Schweißflecken, Parfum, Make-up am Kragen — alles auf Nahaufnahmen sichtbar.
3. Geruchsprüfung am Eingang (überraschend billig — eine Lagerkraft, die Innenfutter am Unterarm kurz prüft, erwischt 30 % aller Wardrobing-Fälle).

Benchmark. NRF 2024: Wardrobing macht 1,3–2,8 % der Bekleidungsretouren aus. DTC-Modemarken in unserem Datensatz sehen 3–5 %. Deep-Dive: Getragene Kleidung im Retourenprozess erkennen zeigt die EXIF-Merkmale, wenn Fotos im Spiel sind.

2. Serien-Retournierer

Signatur. Ein Kundenkonto mit >35 % Retourenquote über ein rollendes 90-Tage-Fenster, quer durch Kategorien. Typisch: 3–5 Artikel pro Bestellung, eins behalten, Rest zurück — Try-at-Home auf Ihre Kosten.

Anreiz. Kostenlose Anprobe zu Hause, von Ihren Versandzuschüssen und Arbeitszeit finanziert.

Abwehr. Retouren-Tiering. Nach 90 Tagen bewegt sich ein Kunde über einer Schwelle (wir empfehlen 40 % Rückgabequote bei mindestens 5 Bestellungen) von kostenlosen auf bezahlte Retouren. In der Bestellbestätigung ankündigen. Shopify, Woo und Shopware unterstützen das pro Kundensegment.

Benchmark. Appriss Retail 2023: ~6 % der Kundinnen verantworten 43 % aller Retouren in Bekleidung. Die obersten 1 % machen im Schnitt 18 %.

3. Quittungsbetrug

Signatur. Eine Käuferin reklamiert einen Artikel, den sie nie bei Ihnen gekauft hat. Gefälschte Quittung, Screenshot einer manipulierten Bestell-E-Mail oder eine Quittung aus einer weggeworfenen Tüte. Stationär häufiger, online weniger — aber existent: gefälschte PDF-Rechnungen.

Anreiz. Direkter Diebstahl von Guthaben oder Rückerstattung.

Abwehr. Nie eine Rückgabe ohne interne Bestell-ID in Ihrem System akzeptieren. Eine vom Kunden vorgelegte Quittung ist Sekundär-, nie Primär-Prüfung. Im Retourenportal zuerst die Bestellnummer; das Portal zieht die Bestellung; erst dann die Rückgabe.

Benchmark. NRF 2024 Retail Security Survey: Quittungsbetrug macht ~2,8 % der Retourenbetrug-Euros aus. Niedrig online, hoch in Filialen.

Familie 2 — Fälschung von Beweisen

4. Photoshop-Schäden

Signatur. Die Käuferin schickt ein Foto eines Schadens, der entweder (a) beim Versand nicht da war oder (b) gar nicht existiert. Der Schaden ist mit Photoshop, Apple Clean Up, Samsung Object Eraser oder einem vergleichbaren Consumer-Tool hineingemalt.

Anreiz. Erstattung einstreichen, Produkt behalten. Bei Waren unter 100 € erstatten die meisten Händler, ohne die Rücksendung zu verlangen.

Abwehr. Drei-Schichten-Forensik. Metadaten-Check (EXIF Software, DateTimeOriginal, MakerNote), Pixel-Forensik (ELA, Rauschverteilung) und KI-Content-Erkennung für neuere Inpainting-Edits. Deep-Dive in der Photoshop-Erkennungs-Checkliste.

Benchmark. Unser Datensatz: 2,8 % aller Schadensfotos zeigen explizite Photoshop-/KI-Editor-Marker. Weitere 4–6 % zeigen überzeugende Sekundärsignale (Schatten-Inkonsistenz, fehlende MakerNote).

5. KI-generierte Schadensansprüche

Signatur. Ein Foto eines Schadens, der nie passiert ist. Nicht auf ein echtes Produktbild gemalt, sondern komplett generiert — Midjourney, Firefly, Stable Diffusion. Subtil: Schatten-Physik stimmt, Textur stimmt, aber die Szene existiert nicht.

Anreiz. Wie bei Photoshop-Schäden — aber schwerer visuell zu widerlegen, weil die physikalischen Gesetze eingehalten werden.

Abwehr. Spezialisierte KI-Content-Detection-APIs. Sub-Sekunde pro Bild, 10–20× billiger als ein Vision-LLM. Der Vorteil der Verteidiger: KI-generierte Bilder strippen MakerNote vollständig — die Metadaten-Signatur ist oft der entscheidende Treffer.

Benchmark. In der Claimscan-Pipeline sahen wir KI-generierte Schadensansprüche von unter 0,5 % Anfang 2024 auf ~3 % in Q1 2026. Steile Kurve. Diese Kategorie wächst schnell.

6. Leerkarton-Rückgaben

Signatur. Das Paket kommt retour mit Original-Verpackung, aber ohne Produkt — oder mit gleich schwerem Ersatz (Sandsäckchen, Altelektronik, Steine). Begründung: „kam leer an" oder „falsch geschickt".

Anreiz. Produkt behalten, Erstattung erhalten, Lager bekommt die Diskrepanz zugeschoben.

Abwehr. Ausgehend wiegen + eingehend wiegen, jede Retoure mit fester Kamera filmen, bei „kam leer an"-Ansprüchen Fotos aller sechs Paketseiten verlangen. Workflow im Leerkarton-Playbook.

Benchmark. Appriss 2023: 3–5 % aller Retouren bei Warenwerten >100 €. Spitze am Black-Friday-Wochenende, wenn Lager-Durchsatz die Lücke kaschiert.

Familie 3 — Identität und Payment

7. Friendly Fraud

Signatur. Der Karteninhaber bestreitet einen Kauf, den er tatsächlich getätigt hat. In der Payment-Branche „First-Party-Fraud". Erstattung wird bei der kartenausgebenden Bank (Chargeback) verlangt, nicht bei Ihnen.

Anreiz. Kaufreue, vergessener Kauf, oder bewusste Täuschung mit der Annahme, dass der Händler den Streitfall schluckt.

Abwehr. Starke KYC im Checkout (3DS2 in der EU, Device-Fingerprinting weltweit), Versandbestätigungs-E-Mails mit Zustellfoto (DHL, UPS bieten das an), schnelle und beweislastige Chargeback-Reaktionen. Mollie, Stripe und PayPal erlauben Beweis-Uploads im Dispute-Flow.

Benchmark. Visa 2024: Friendly Fraud macht >60 % aller Chargebacks im DTC-E-Commerce aus, 2020 waren es 35 %. Unser Guide Was ist Friendly Fraud geht tiefer.

8. Chargeback-Betrug

Signatur. Variante von Friendly Fraud, bei der die Käuferin absichtlich einen Chargeback statt einer Retoure startet — oft nach Ablauf der Rückgabefrist oder um eine Nicht-Erstattungsgebühr zu umgehen. Die Ware bleibt beim Kunden.

Anreiz. Die Käuferschutz-Regeln des Kartennetzwerks nutzen, um die Rückgabepolitik des Händlers zu umgehen.

Abwehr. End-to-End-Dokumentation der Transaktion: IP beim Checkout, Device-Fingerprint, Versandbestätigung, Zustell-Scan, E-Mail-Korrespondenz. Auf PayPal und Mollie werden damit 30–40 % der Chargebacks gekippt. Siehe Gegenüberstellung: Retourenbetrug vs. Chargeback-Betrug.

Benchmark. Chargeback Gurus 2024: Händler verlieren im Schnitt 0,6–1,2 % des Umsatzes an Chargeback-Betrug. Elektronik und Luxus doppelt so viel.

9. Bricking

Signatur. Ein Kunde kauft ein Elektronikgerät, tauscht es gegen ein kaputtes oder älteres Gerät desselben Modells und schickt das kaputte als „defekt geliefert" zurück.

Anreiz. Kostenloser Ersatz des eigenen kaputten Geräts oder Erstattung in Höhe der Differenz zum Neupreis.

Abwehr. Seriennummer beim Versand erfassen. Jedes Gerät verlässt das Lager mit einer Seriennummer, die der Bestellung zugeordnet ist; keine Rückgabe ohne Seriennummer-Match. Kostet einen Barcodescanner und 5 s pro Ausgang.

Benchmark. NRF 2024: Bricking macht 11 % des Elektronik-Retourenbetrugs in Euro aus. Extrem häufig bei Refurbs und Marketplace-Sellern, die Seriennummern nicht loggen.

10. Preis-Arbitrage

Signatur. Käuferin kauft denselben SKU bei zwei Händlern (oder zu zwei Preisen) und retourniert den teureren zum billigeren, kassiert die Differenz. Skaliert mit dynamischer Preisgestaltung.

Anreiz. Preisschwankungen ausnutzen. Je promotionaler Ihre Preise, desto mehr davon sehen Sie.

Abwehr. „Return to origin" durchsetzen — Artikel aus Ihrem Direktkanal nur dort zurück. Filial-Retouren von Online-Promos-SKUs ablehnen. Braucht Koordination zwischen Online-Shop und Retail/Marketplace-Präsenz.

Benchmark. Retail Dive 2024: Preis-Arbitrage wuchs 180 % YoY in Q4 2023 bei Fashion, getrieben von automatisierten Preistracking-Tools.

11. Artikel-Tausch / Substitution

Signatur. Käuferin schickt „den Artikel" in Originalverpackung zurück — der Inhalt ist aber eine Fälschung, eine defekte Version oder ein anderer SKU. Cousin des Leerkarton-Betrugs: Der Karton ist nicht leer, er enthält nur das Falsche.

Anreiz. Echten Artikel behalten, wertlosen Ersatz für volle Erstattung zurück.

Abwehr. Die Bench-Kamera fängt das. Zweite Verteidigung: SKU-Barcode-Rescan am Eingang. Jeder zurückgehende SKU wird gescannt; Abgleich mit der Bestellung; Mismatch blockiert die Rückerstattung.

Benchmark. Appriss 2023: 8 % der hochwertigen Retouren (>500 €) zeigen SKU-Diskrepanz.

12. Cross-Retailer-Rückgaben

Signatur. Käuferin kauft bei Shop A, retourniert an Shop B, weil B eine lockerere Policy hat. Am häufigsten bei Marktplätzen: Der „gleiche" SKU mehrerer Seller wird bei einem gekauft und beim anderen retourniert.

Anreiz. Einfacherer Erstattungspfad.

Abwehr. Marktplatz-Seriennummer- und Transaktions-ID-Checks. Auf Amazon und eBay sollte jede Rückgabe gegen die ursprüngliche Bestell-ID im gleichen Seller-Account geprüft werden, bevor sie akzeptiert wird. Amazon erzwingt das automatisch; Third-Party-Seller außerhalb des Marktplatzes nicht.

Benchmark. Ungefähr 4–7 % der Marktplatz-Retouren fallen durch den Order-Match-Test, wenn er aktiv ist. Meist ist er abgeschaltet.

Einseitige Triage-Karte

Eine Abwehr, die skaliert

Typischer Fehler: Ein Shop löst ein Muster und nimmt an, der Rest folge automatisch. Tut er nicht. Wardrobing ist ein Policy-Problem. Chargeback-Betrug ist ein Payment-Daten-Problem. Photoshop-Schäden sind ein Forensik-Problem. Die drei Lösungen teilen sich kein Werkzeug.

Aber sie teilen sich einen Prozess:

Häufige Fragen