Zu viele 4er in der Bilanz

Das Benford-Gesetz besagt, dass bei einer Sammlung von Daten etwa 30% der aufgelisteten Zahlen eine 1 als vorderste Ziffer aufweisen sollten, 17,6% eine führende 2 und so weiter bis zur führenden 9, die nur in weniger als 5% der Fälle auftreten sollte.

Merken
Drucken
Teilen

Das Benford-Gesetz besagt, dass bei einer Sammlung von Daten etwa 30% der aufgelisteten Zahlen eine 1 als vorderste Ziffer aufweisen sollten, 17,6% eine führende 2 und so weiter bis zur führenden 9, die nur in weniger als 5% der Fälle auftreten sollte. Eine Abweichung von dieser Normalverteilung indiziert einen möglichen Betrug.

Die Prüfgesellschaft KPMG machte sich diese Gesetzmässigkeit bei der Buchprüfung eines Callcenters in den USA zunutze. Dessen Mitarbeiter durften Geld bis zu einem Betrag von 50 $ zurückerstatten. Jede höhere Summe bedurfte der Zustimmung eines Vorgesetzten. Bei der Revision der Rückerstattungen fiel den KPMG-Prüfern auf, dass auffällig viele Zahlen eine 4 als vorderste Ziffer aufwiesen – mehr, als die Benford-Verteilung erwarten liess. Und tatsächlich: Die weitere Untersuchung ergab, dass Dutzende Mitarbeiter unrechtmässig Rückerstattungen an sich selbst, Freunde oder Verwandte auszahlten – Beträge im 40-$-Bereich, die gerade noch ohne Erlaubnis ausbezahlt werden durften.

Gewiss, die Zauberformel ist damit nicht gefunden. Mihaly Fazekas etwa forscht an der Universität Cambridge an objektiven Korruptionsindikatoren. Mithilfe einer Data-Mining-Technik sollen Märkte durchleuchtet und illegale Absprachen erkannt werden. Das Verfahren könnte etwa helfen, Betrug bei öffentlichen Ausschreibungsverfahren zu erkennen. Big Data hat dennoch Grenzen – und kann Kriminalität nur punktuell bekämpfen. Betrüger und Falschmünzer wird es auch weiterhin geben. (A. L.)