Fast jede interne Diskussion zum Retourenbetrug-Budget startet mit demselben Fehler: „Wir verlieren X Euro pro Monat durch Betrugs-Erstattungen, also lohnt jede Abwehr, die weniger als X Euro pro Monat kostet." Die Zahl ist auf beiden Seiten der Gleichung falsch. Die sichtbare Erstattung unterschätzt den realen Schaden um Faktor zwei bis drei, und viele der nicht-offensichtlichen Kosten sind genau jene, die sich über Zeit aufstapeln.
Dieser Artikel beziffert, was tatsächlich verloren geht, wenn ein betrugsnaher Anspruch durchläuft. Die Zahlen basieren auf gepoolten Daten mittelgroßer DTC-Brands, mit denen wir gearbeitet haben (2–50 Mio. € Online-Umsatz), und sind gegen öffentliche NRF- und bevh-Benchmarks abgeglichen. Ihre tatsächlichen Multiplikatoren werden abweichen; das Modell ist der Punkt.
Das Eisberg-Modell
| Kosten-Topf | Typischer Betrag | % der wahren Kosten | Sichtbarkeit |
|---|---|---|---|
| 1. Direkte Erstattung + Rücksende-Versand | 100 € + 8 € | 54 % / 4 % | Sichtbar — GuV-Position |
| 2. Support- und Wareneingangs-Zeit | 18 € | 9 % | Sichtbar bei Zeitaufnahme |
| 3. Wiederverkaufswert-Verlust (wenn Ware zurück) | 22 € | 11 % | Meist unsichtbar |
| 4. Marken-Drift (Social / Review) | 15 € | 8 % | Unsichtbar |
| 5. Chilling-Effect auf legitime Retouren | 18 € | 9 % | Tief unsichtbar |
| 6. Chargeback-Gebühr (bei Eskalation) | 15–30 € × 10 % | 2 % | Sichtbar, aber woanders zugeordnet |
| Wahre Kosten | 182 € (Median) | 100 % | Selten addiert |
Die 100-€-Erstattung landet im Finanzbericht. Die 82 € zusätzlicher Schaden sind auf vier Teams verteilt (Kundenservice, Operations, Marke, Marketing) und werden selten zu einer Retourenbetrug-Zeile zusammengeführt. Das ist der größte Einzelgrund, warum Retourenbetrug-Abwehr unterfinanziert ist: Die GuV zeigt nur die Hälfte des Problems.
Topf 1 — Erstattung und Rücksende-Versand
Die einfache Zahl. Die Erstattung fließt zum Ticket-Betrag an die Kundin zurück; der Rücksende-Versand wird entweder vom Händler getragen (typisch in der EU gemäß §357 BGB bei Ware über 40 €) oder als „Free Returns" aus Marken-Gründen geschluckt. In unserem Datensatz liegt die Erstattung durchschnittlich beim Bestellwert, Rücksende-Versand bei 6–10 %.
Für einen 100-€-Betrugsfall ist Topf 1 = 108 €. Unstrittig.
Topf 2 — Support- und Wareneingangs-Zeit
Jeder Betrugsfall frisst Support-Zeit. Die Zeit verteilt sich auf mehrere Kontaktpunkte:
Das Arbeits-Profil eines betrugsnahen Schaden-Anspruchs
Typische Minuten pro Kontaktpunkt. Mit geladenem Stundensatz des Supports multiplizieren (Gehalt + Overhead, ~35 €/Stunde EU-Support).
- Ersttriage des Tickets3–5 Minuten. Die Support-Kraft liest den Anspruch, prüft den Bestelldatensatz und klassifiziert das Ticket. Selbst eine schnelle Triage kostet 2 €.
- Foto-Prüfung (bei Betrugs-Verdacht)5–12 Minuten. Sorgfältiger Blick auf Metadaten, sichtbare Manipulations-Zeichen, Cross-Check gegen Rückwärtssuche. Topf mit höchster Varianz — Software senkt auf 1 Minute, manuelle Prüfung auf 15+.
- Kunden-Mail-Schleifen (Stufe 1–2 Ablehnung)8–20 Minuten über zwei bis drei E-Mails. Vorlagen-Ansatz senkt dies, selten unter 8 Minuten — die Kraft muss Platzhalter füllen und die Anrede personalisieren.
- Wareneingangs-Prüfung (bei physischer Retoure)5–10 Minuten. Eine Lager-Mitarbeiterin prüft, fotografiert und erfasst den Artikel-Zustand. Bei geladenen 22 €/Stunde Lager-Arbeit sind das 2–4 € pro Fall.
- Chargeback-Verteidigung (in 10 % der Fälle)30–45 Minuten. Eskaliert der Anspruch, sammelt jemand die Nachweise, schreibt die Erzählung und lädt in das Dispute-Portal des Payment-Providers hoch.
- Management-Review (hochwertige oder eskalierte Fälle)10–30 Minuten Teamleitung-Zeit. Passiert in rund 20 % der abgelehnten Fälle.
Gepoolt liegt der typische Betrugsfall bei 15–25 € Support- und Wareneingangs-Zeit. Für unser 100-€-Beispiel: Median 18 €. Die Arbeitskosten sind höher, als Händler annehmen, weil die Zeit verteilt ist — das Ticket fühlt sich wie „nur zehn Minuten" an, aber die nachgelagerte Foto-Prüfung, Eingangs-Begutachtung und gelegentliche Chargeback-Arbeit gehören alle zum selben Fall.
Topf 3 — Wiederverkaufswert-Verlust
Relevant nur, wenn eine physische Ware zurückkommt. Zwei Unterfälle:
Artikel in nicht verkaufsfähigem Zustand zurück. Ein wardrobed Kleid, das parfümiert zurückkommt, eine getragene Badehose, ein geöffnetes Beauty-Produkt — nicht als Neuware wiederverkaufbar. Typische Abschreibung: 60–100 % des UVP. Sie haben die Erstattung gezahlt UND den Lagerbestand verloren.
Artikel in B-Grade-Zustand zurück. Elektronik geöffnet und getestet, Bekleidung mit leichten Handling-Spuren. Wiederverkauf über Outlet-Kanäle zu 30–60 % des UVP. Abschreibung: 40–70 %.
Für einen 100-€-Mode-Auftrag, wardrobed und unverkäuflich, ist Topf 3 locker 30–40 €. Bei einem Leerkarton-Fall ohne Rückware ist Topf 3 = 0 — aber dann ist Topf 1 100 € gegen 0 € wiedergewonnener Ware. So oder so: gleiche Größenordnung.
Topf 4 — Marken-Drift
Der am wenigsten greifbare Topf und der, gegen den am schwersten zu budgetieren ist. Zwei Mechanismen:
Public-Review-Blast-Radius. Eine Kundin, deren berechtigter Anspruch abgelehnt wurde, weil das Support-Team zu aggressiv war, schreibt eine Ein-Stern-Bewertung. Eine Interessentin, die Ihr Trustpilot-Profil ansieht, entscheidet gegen den Kauf. Der Euro-Effekt ist real, aber diffus. Studien der UCLA Anderson School und Harvard Business Review beziffern den typischen Umsatz-Einfluss einer Ein-Stern-Bewertung mit 60–300 € entgangenem Neukunden-Umsatz, je nach Review-Volumen und Conversion-Elastizität.
Social-Media-Ausbreitung von Betrugs-Taktiken. Wenn TikTok- und Reddit-Posts einen erfolgreichen Anspruch gegen Ihre Marke feiern, breitet sich das Playbook aus. Unsere Daten zeigen einen messbaren Spike ähnlich-gemusterter Ansprüche innerhalb von 72 Stunden nach einem viralen TikTok, konzentriert auf die im Video genannte Marke.
Für unser 100-€-Beispiel liegt Topf 4 bei 12–18 € im Durchschnitt. Topf mit der größten Range; manche Fälle null, manche dreistellig.
Topf 5 — Der Chilling-Effect auf legitime Retouren
Der am wenigsten diskutierte Topf — und der, der sich am übelsten akkumuliert. Jede Policy-Straffung gegen Betrüger bremst auch legitime Kundinnen. Messbare Effekte in unseren Daten:
| Policy-Änderung | Reduktion Betrug | Reduktion legit. Wiederkauf | Netto-Effekt |
|---|---|---|---|
| Fenster 30 → 14 Tage verkürzen | -15 % Betrug | -4 % Wiederkauf | Leicht positiv |
| Restocking-Fee (10 %) einführen | -22 % Betrug | -11 % Wiederkauf | Mild negativ je nach Mix |
| Foto vor Erstattung verlangen | -35 % Betrug | -8 % Wiederkauf | Positiv |
| Retoure nach einer vorherigen sperren | -48 % Betrug | -19 % Wiederkauf | Stark negativ |
| Rücksende-Versand in Rechnung stellen | -30 % Betrug | -15 % Wiederkauf | Meist negativ |
Der Chilling-Effect ist der Topf, der CFOs überrascht. Das Finance-Team genehmigt eine Policy-Änderung, die Betrugsfälle um 30 % senkt; sechs Monate später kaufen loyale Kundinnen 15 % seltener. Die Betrugs-Zeile ist gefallen, der LTV aber auch. Diesen Topf zu bepreisen verlangt eine kontrollierte A/B- oder Kohorten-Analyse — wir setzen 15–20 € auf 100-€-Basis als grobe Annahme an, es ist aber die weicheste Zahl im Modell.
Topf 6 — Chargeback-Gebühren
Wenn ein Betrugsfall abgelehnt wird und die Kundin zum Karten-Dispute eskaliert, zahlt der Händler eine Provider-Gebühr unabhängig vom Ausgang. Stripe, Adyen und Mollie berechnen 15–30 € pro disputed Transaktion. Gewinnen Sie den Dispute, kommt der Transaktionsbetrag zurück — die Gebühr nicht.
Rund 10 % der abgelehnten Fälle eskalieren zum Chargeback. Auf 100-€-Basis: 0,10 × 20 € = 2 € Durchschnitt. Wenig pro Fall, meaningful im Aggregat für hochvolumige Händler.
Das Rechenbeispiel
Zusammen für einen 100-€-Mode-Auftrag, wardrobed und in Stufe 2 abgelehnt (kein Chargeback):
| Topf | Berechnung | Betrag |
|---|---|---|
| 1. Erstattung (anteilig, §357a mit 50 % Abzug) | 100 € - 50 € Abzug = 50 € erstattet | 50 € |
| 1b. Rücksende-Versand | Vom Händler getragen | 8 € |
| 2. Support-Zeit | 22 min × 35 €/Stunde geladen | 13 € |
| 2b. Wareneingangs-Inspektion | 8 min × 22 €/Stunde Lager | 3 € |
| 3. Wiederverkaufs-Abschreibung | Kleid zu 40 % UVP = 40 € wiedererlangt aus 100-€-Artikel | 60 € - 40 € = 20 € |
| 4. Marken-Drift | Gering — kein öffentlicher Dispute | 6 € |
| 5. Chilling-Effect auf Wiederkauf | Kleine Zuweisung | 10 € |
| 6. Chargeback-Gebühr (10 % Wahrscheinlichkeit × 20 €) | Erwartungswert | 2 € |
| Wahre Kosten (mit Stufe-2-Ablehnung) | 112 € |
Der Kontrast zur vollen Erstattung ohne §357a-Abzug:
| Topf | Betrag |
|---|---|
| 1. Volle Erstattung + Versand | 108 € |
| 2. Support (kleiner, schnell genehmigt) | 8 € |
| 3. Abschreibung (voll, Artikel unverkäuflich) | 60 € |
| 4. Marken-Drift | 3 € |
| 5. Chilling-Effect | 0 € — keine Policy-Friction |
| 6. Chargeback | 0 € |
| Wahre Kosten bei voller Erstattung | 179 € |
Anteilige Erstattung mit Eingangs-Inspektion ist nicht nur moralisch besser verteidigbar — sie kostet 67 € weniger pro Fall. Bei einem mittelgroßen DTC mit 500 betrugsnahen Fällen pro Jahr sind das 33.500 € zurückgewonnene Marge.
Was das für das Abwehr-Budget bedeutet
Zwei operative Implikationen.
Erstens: Die Business-Case für foto-forensische Software oder geschultes Support-Zeit-Budget ist auf der vollen 182-€-Kostenbasis gebaut, nicht auf der 108-€-Erstattung. Ein Tool, das 18k €/Jahr kostet und 200 erfolgreiche Betrugsfälle verhindert, ist eine 36k €-Ersparnis allein bei der Erstattung — plus 12k €+ bei Support-Zeit und 4k €+ bei Abschreibung, für 52k € jährlichen Vorteil gegen 18k € Kosten. Das reframed das ROI-Gespräch.
Zweitens: Der Chilling-Effect (Topf 5) setzt eine Obergrenze auf reine Policy-Abwehr. Ab einer bestimmten Straffungs-Intensität kostet jede zusätzliche Betrugs-Einheit mehr in entgangenem Loyalty-Umsatz als sie einspart. Unsere grobe Schwelle liegt bei rund 30 % Betrugs-Reduktion aus reiner Policy; darüber muss Investition auf Detektion umsteigen (reduziert Betrug ohne Kunden-Friction) statt Policy (reduziert Betrug mit Kunden-Friction).