Werbebetrug / Ad Fraud

Ad Fraud bezeichnet die absichtliche Manipulation digitaler Werbung, um Zahlungen für vorgetäuschte Werbeleistungen auszulösen, Provisionen unberechtigt zu erhalten oder fremde Anzeigenbudgets zu belasten. Betroffen sein können Anzeigenaufrufe, Klicks, App-Installationen, Kontaktanfragen und gemeldete Käufe. Die Manipulation kann durch Software, kompromittierte Geräte oder organisierte menschliche Klickaktivitäten erfolgen.

Der deutsche Begriff Werbebetrug beschreibt diese Vorgänge im Online-Marketing. Die Bezeichnung allein ist noch keine strafrechtliche Bewertung. Für eine solche müssen die Voraussetzungen des jeweiligen Gesetzes erfüllt sein. Schlechte Kampagnenergebnisse oder auffällige Zugriffszahlen beweisen ebenfalls keinen Betrug.

Wie Ad Fraud im Online-Werbesystem entsteht

Bei digitaler Werbung bezahlen Unternehmen abhängig vom vereinbarten Abrechnungsmodell: pro Klick (CPC), pro tausend erfasste Anzeigenkontakte (CPM), pro vermittelter Anfrage (CPL), pro Aktion (CPA) oder pro App-Installation (CPI). Werbenetzwerke und Vermarkter führen Werbetreibende mit den Websites, Apps oder anderen Werbeumfeldern zusammen, auf denen Anzeigen erscheinen.

Eine Manipulation setzt dort an, wo ein Kontakt gemessen, einem Werbeplatz zugeordnet oder vergütet wird. Beispielsweise kann Software Anzeigen ohne echtes Nutzerinteresse aufrufen. Bei anderen Verfahren werden reale Menschen zu Klicks veranlasst, Anzeigen auf unsichtbaren Flächen ausgeliefert oder tatsächliche Käufe einer fremden Werbequelle zugeschrieben. Je nach Abrechnung kann so ein unberechtigter Zahlungsanspruch entstehen. Ob die Werbeplattform den Vorgang erkennt und herausfiltert, muss gesondert geprüft werden.

Welche Arten von Ad Fraud gibt es?

Klickbetrug (Click Fraud): Bots oder organisierte Klickgruppen betätigen Anzeigen, ohne sich für das Angebot zu interessieren. Ein mögliches Motiv ist die Vergütung eines betrügerischen Anzeigenanbieters. Bei Angriffen auf Wettbewerber soll unter Umständen deren Anzeigenbudget belastet werden. Näheres erklärt der Wiki-Eintrag Click Fraud und Klickbetrug.

Impression Fraud: Werbekontakte werden künstlich erzeugt oder so gemessen, als sei eine Anzeige ordnungsgemäß ausgeliefert worden. Beim Ad Stacking liegen mehrere Anzeigen übereinander, beim Pixel Stuffing wird eine Anzeige in einem winzigen, praktisch unsichtbaren Element untergebracht. Solche Verfahren können die Zahl abgerechneter Kontakte verfälschen. Siehe Impression Fraud und Pixel Stuffing.

Domain Spoofing: In programmatischen Werbeauktionen wird ein Werbeplatz unter einer falschen Website- oder App-Identität angeboten. Käufer können dadurch für vermeintlich attraktive Werbeumfelder bezahlen, obwohl die Anzeige anderswo erscheint. Die bloße Verwendung eines fremden Domainnamens in technischen Daten beweist für sich noch keine bestimmte Täterabsicht.

Attribution Fraud: Ein Akteur manipuliert die Zuordnung einer tatsächlichen Installation, Bestellung oder anderen Aktion zu einer Werbequelle. Beim Click Spamming werden massenhaft Klicksignale erzeugt, um später eine Provision für fremdvermittelte Aktionen zu erhalten. Click Injection betrifft manipulierte Klickereignisse im Umfeld von App-Installationen. Der Fachbeitrag Attribution Fraud erklärt diese Verfahren.

Lead Fraud und Conversion Fraud: Formulare werden mit erfundenen Angaben ausgefüllt, Anfragen durch automatisierte Abläufe erzeugt oder abgeschlossene Aktionen fälschlich gemeldet. Besonders bei Kampagnen mit Vergütung je Anfrage oder Abschluss kann dies die Abrechnung verfälschen. Ein ungültiger Kontakt ist aber nicht zwangsläufig das Ergebnis einer vorsätzlichen Manipulation.

Install Fraud und Mobile Ad Fraud: Bei Werbung für Apps können künstliche Installationsereignisse, automatisierte Geräteumgebungen oder falsche Zuordnungen von Installationen zu Provisionen führen, die dem tatsächlichen Werbebeitrag nicht entsprechen.

Die einzelnen Verfahren überschneiden sich. Ein Botnetz kann Anzeigenaufrufe und Klicks erzeugen. Ein weiterer Beteiligter kann dabei die Herkunft des Werbeplatzes verschleiern.

Ad Fraud und Invalid Traffic sind unterschiedliche Begriffe

Invalid Traffic (IVT) bezeichnet Werbeaktivitäten, die festgelegte Qualitäts- oder Messanforderungen nicht erfüllen. Dazu gehören absichtliche Manipulationen, aber auch versehentliche Klicks, bekannte automatisierte Abrufe oder fehlerhaft erfasste Interaktionen. Ad Fraud setzt eine absichtliche Täuschung oder Manipulation voraus. Deshalb darf eine IVT-Messung nicht ohne weitere Prüfung als Betrugsnachweis ausgegeben werden.

Der Media Rating Council (MRC) unterscheidet bei der Erkennung ungültiger Aktivitäten zwischen General Invalid Traffic (GIVT) und Sophisticated Invalid Traffic (SIVT). GIVT umfasst unter anderem Muster, die sich mit bekannten Listen oder standardisierten Kontrollen herausfiltern lassen. Bei SIVT sind aufwendigere Untersuchungen nötig, etwa bei manipulierten Messereignissen, missbrauchten Geräten oder koordinierten Klickgruppen. Diese Einteilung beschreibt Mess- und Prüfverfahren, keine strafrechtlichen Tatbestände.

Auch die Abrechnung ist getrennt zu betrachten. Google Ads meldet in der Spalte „Ungültige Klicks“ bereits automatisch erkannte und herausgefilterte Klicks. Diese werden nach Angaben von Google nicht berechnet. Eine hohe Zahl dort zeigt daher nicht automatisch einen finanziellen Schaden an. Abweichungen zwischen Werbekonto, Webanalyse und Drittanbieter-Software können darauf beruhen, dass die Systeme unterschiedliche Ereignisse zählen.

Welche Hinweise auf Werbebetrug können Unternehmen feststellen?

• Ungewöhnliche Klick- oder Kontaktspitzen: Die Anzeigeninteraktionen steigen deutlich, während qualifizierte Anfragen ausbleiben.
• Auffällige Werbeplätze: Ein Teil der Auslieferung stammt aus Apps oder Websites, die nicht zu den gebuchten Umfeldern passen.
• Wiederkehrende technische Muster: Viele Zugriffe weisen eng beieinanderliegende Zeitpunkte, identische technische Merkmale oder unplausible Abläufe auf.
• Verdächtige Anfragen: Kontaktformulare enthalten unzustellbare E-Mail-Adressen, wiederholte Texte oder nachweislich falsche Angaben.
• Abweichungen bei Herkunft und Zuordnung: Werbeplattform, Serverprotokolle und interne Geschäftsdatensätze ergeben kein stimmiges Bild.

Keines dieser Merkmale genügt allein. Eine geänderte Gebotsstrategie, saisonale Nachfrage, unpassende Keywords oder eine fehlerhafte Landingpage können ebenfalls auffällige Kampagnenwerte auslösen. Auch Zugriffe aus Rechenzentren sind kein pauschaler Betrugsbeleg: Legitime Nutzer können über Unternehmensnetze, VPN-Verbindungen oder technische Vermittlungsstellen zugreifen.

Wie wird ein Verdacht auf Ad Fraud geprüft?

Eine Untersuchung beginnt mit der Sicherung vorhandener Daten. Sinnvoll sind Kampagnenberichte mit Zeiträumen, Werbeplätzen, Suchbegriffen, Kosten und Conversions sowie Abrechnungen und vorhandene Korrekturbuchungen. Serverprotokolle können Zeitstempel, technische Anfragemerkmale und die Zuordnung zu bestimmten Anzeigenkontakten enthalten. Bei Google Ads lassen sich hierfür gegebenenfalls Google Click IDs (GCLIDs) heranziehen.

Danach folgt der Abgleich der Datenquellen. Er zeigt, welche auffälligen Klicks tatsächlich in Rechnung gestellt, welche von der Plattform ausgeschlossen und welche Platzierungen entsprechend der Buchung ausgeliefert wurden. Angebliche Leads werden mit den Einträgen im CRM und den Ergebnissen der Kontaktprüfung verglichen. Änderungen an Kampagnen, Tracking und Website gehören in dieselbe Untersuchung.

Ein fiktives Beispiel zeigt die Abgrenzung: Eine B2B-Kampagne erhält an zwei Tagen auffällig viele Klicks aus bisher kaum gebuchten App-Platzierungen. Das Vertriebsteam meldet keine zusätzlichen Gespräche. Erst der Vergleich von Platzierungsberichten, Website-Zugriffen und Rechnungsdaten zeigt, ob verdächtige Kontakte angefallen, vom Anbieter herausgefiltert oder tatsächlich berechnet worden sind. Eine schwache Abschlussquote allein lässt die Ursache offen.

Besteht ein belastbarer Verdacht, kann das Unternehmen beim Werbeanbieter eine Prüfung beantragen und die dokumentierten Auffälligkeiten übermitteln. Google Ads nennt dafür derzeit eine Prüfung von Aktivitäten innerhalb der vergangenen 60 Tage. Eine Gutschrift hängt vom jeweiligen Prüfungsergebnis und den Bedingungen des Anbieters ab. Auch ein Bericht einer externen Bot-Erkennung ersetzt keinen Nachweis über unberechtigt berechnete Kontakte.

Welche Maßnahmen begrenzen Werbebetrug?

Bei Suchanzeigen helfen die Kontrolle von Suchbegriffen, Standortausrichtung und Kampagnenänderungen sowie der Ausschluss klar unpassender Zugriffe. In Display- und App-Kampagnen sollten Werbeplätze, Partnernetzwerke und Auslieferungsberichte getrennt ausgewertet werden. Sperrungen ohne belastbare Prüfung können echte Interessenten ausschließen.

Für den programmatischen Einkauf gibt es zusätzliche Branchenstandards. Mit ads.txt und app-ads.txt benennen Website- oder App-Anbieter autorisierte Verkäufer ihrer Werbeflächen. sellers.json und das SupplyChain Object geben Einkäufern Hinweise auf beteiligte Verkäufer und Vermittler. Diese Standards helfen, falsch deklarierte Werbeplätze zu erkennen. Sie verhindern weder jede Form von Ad Fraud noch ersetzen sie eine Prüfung der ausgelieferten Kontakte.

Bei Lead-Kampagnen können serverseitige Formularprüfungen, Plausibilitätskontrollen und der Abgleich mit tatsächlichen Kundenkontakten gefälschte Anfragen reduzieren. Automatische Sperrregeln sollten regelmäßig auf Fehlentscheidungen untersucht werden. Für eine Bewertung des wirtschaftlichen Schadens sind die tatsächlich abgerechneten Kontakte und der vertraglich vereinbarte Leistungsumfang wichtiger als eine bloße Zahl verdächtiger Website-Besuche.

Welche rechtlichen Folgen kann Ad Fraud haben?

Je nach Sachverhalt können Vorschriften des Strafrechts, des Wettbewerbsrechts oder vertragliche Ansprüche betroffen sein. § 263 StGB kommt bei einer nachweisbaren Täuschung mit den gesetzlichen Voraussetzungen des Betrugs in Betracht. § 263a StGB betrifft bestimmte unbefugte Einwirkungen auf Datenverarbeitungsvorgänge mit Vermögensschaden und Bereicherungsabsicht. Nicht jede automatisierte Werbeinteraktion erfüllt diese Tatbestände.

Täuschende geschäftliche Handlungen können nach § 5 UWG unzulässig sein. Eine gezielte Behinderung von Mitbewerbern kann unter den Voraussetzungen des § 4 Nr. 4 UWG erfasst sein. Werden geschützte Marken oder Unternehmenskennzeichen in Anzeigen oder Täuschungsseiten ohne Erlaubnis verwendet, kommt eine Prüfung nach § 14 oder § 15 MarkenG in Betracht. Die bloße Nennung eines Markennamens reicht für eine Rechtsverletzung nicht aus.

Bei der Auswertung von IP-Adressen, Klickkennungen und Nutzungsdaten gelten die anwendbaren Datenschutzregeln. Soweit Informationen auf Endgeräten gespeichert oder von dort ausgelesen werden, ist auch § 25 TDDDG einschließlich seiner gesetzlichen Ausnahmen zu berücksichtigen. Eine Betrugsvermutung ersetzt weder eine datenschutzrechtliche Rechtsgrundlage noch die Anforderungen an eine zulässige Beweissicherung.

Häufige Fragen zu Ad Fraud

Ist jeder ungültige Klick ein Betrugsversuch?

Nein. Ein Klick kann versehentlich entstehen oder durch einen nicht ordnungsgemäßen technischen Ablauf erfasst werden. Erst zusätzliche Anhaltspunkte können eine absichtliche Manipulation nahelegen.

Kann Ad Fraud durch echte Menschen stattfinden?

Ja. Organisierte Klickgruppen können gegen Bezahlung Anzeigen betätigen. Auch echte Käufe können durch gefälschte Zuordnungen zu unberechtigten Provisionen führen.

Sind verdächtige Klicks automatisch ein finanzieller Verlust?

Nein. Plattformen filtern einen Teil der ungültigen Interaktionen vor der Abrechnung. Für eine Schadensberechnung müssen tatsächliche Kosten, Korrekturen und die vertraglich vereinbarte Leistung geprüft werden.

Wie lässt sich Ad Fraud von schlechtem Kampagnenmanagement unterscheiden?

Ein unpassendes Keyword, eine schwache Anzeige oder eine fehlerhafte Landingpage können hohe Kosten ohne Anfragen verursachen. Ad Fraud setzt dagegen Anhaltspunkte für eine absichtliche Verfälschung von Werbeereignissen oder deren Zuordnung voraus.

Wo können betroffene Unternehmen Hilfe erhalten?

Ansprechpartner ist zuerst der jeweilige Werbeanbieter mit seinem Verfahren zur Prüfung ungültiger Aktivitäten. Bei begründeten Verdachtsmomenten kann ergänzend eine fachliche Untersuchung der Daten und gegebenenfalls eine rechtliche Bewertung sinnvoll sein. Informationen zum Leistungsangebot finden sich bei BRANDPROTECTIONNOW zum Werbebetrug.

Fachquellen

• Google Ads-Hilfe zu ungültigen Zugriffen – Erkennung, Abrechnung und Prüfung verdächtiger Werbeinteraktionen.
• Media Rating Council, IVT Detection and Filtration Standards Addendum – Einteilung in GIVT und SIVT sowie Anforderungen an die Messung, Ausgabe von Juni 2020.
• IAB Tech Lab, Security & Fraud – technische Branchenstandards zur Transparenz bei programmatischer Werbung.
• IAB Tech Lab, sellers.json – Offenlegung der Verkäufer und Vermittler in der Werbelieferkette.
• § 263 StGB, § 263a StGB, § 4 UWG, § 5 UWG, § 14 MarkenG, § 15 MarkenG und § 25 TDDDG – gesetzliche Vorschriften für die rechtliche Einordnung des Einzelfalls.

Ad Stacking bezeichnet das übereinanderliegende Platzieren mehrerer digitaler Anzeigen auf derselben Werbefläche. Häufig verdeckt die oberste Anzeige die darunterliegenden Werbemittel vollständig. Werden für die verdeckten Anzeigen dennoch Kontakte verkauft oder als sichtbare Werbeleistung ausgewiesen, kann diese Technik für Ad Fraud missbraucht werden. Die wörtliche Übersetzung lautet Anzeigenstapelung.

Der bloße Umstand, dass mehrere grafische Elemente übereinanderliegen, belegt noch keinen Betrug. Webseiten verwenden regulär Ebenen für Navigation, Dialogfenster und Werbung. Für die Bewertung zählen die beabsichtigte Anordnung, die tatsächlich gemessenen Anzeigenkontakte und die vereinbarte Leistung. Besonders bei programmatisch eingekaufter Display- und App-Werbung können diese Informationen über verschiedene Plattformen verteilt sein.

Wie funktioniert Ad Stacking?

Eine Website oder App verfügt über einen Anzeigenplatz mit festgelegten Abmessungen. Anstatt ein Werbemittel an dieser Stelle zu zeigen, werden mehrere Anzeigen in separaten Elementen geladen, aber so positioniert, dass sie dieselbe Fläche beanspruchen. Besucher sehen dann beispielsweise nur die zuletzt gerenderte Anzeige, während darunter weitere Werbemittel verdeckt bleiben. Technisch können mehrere Anfragen und Impressionen entstehen, obwohl keine entsprechend große sichtbare Werbefläche vorhanden ist.

Ob die Anfragen zu vergüteten Impressionen führen, hängt von den Messverfahren der beteiligten Adserver und Verifikationsdienste ab. Moderne Systeme erkennen zahlreiche ungültige Anzeigenkontakte und können diese vor der Abrechnung filtern. Deshalb ist die Behauptung, sämtliche gestapelten Anzeigen würden zwangsläufig bezahlt, fachlich nicht haltbar.

Eine Manipulation kann im Code einer Website angelegt sein, über ein Werbenetzwerk ausgeliefert werden oder durch ein fehlerhaftes Skript entstehen. Für die Zuordnung von Verantwortung muss geprüft werden, wer die Elemente erzeugt und welche Partei die Werbeeinblendungen gemeldet hat.

Welche Unterschiede gibt es zwischen Ad Stacking und anderen Anzeigenmanipulationen?

Ad Stacking und Pixel Stuffing

Bei Pixel Stuffing wird ein Werbemittel in einen extrem kleinen, praktisch unsichtbaren Container geladen. Ad Stacking verwendet dagegen mehrere überlagerte Werbeflächen. In beiden Fällen können technische Anzeigenkontakte ohne entsprechende Wahrnehmungsmöglichkeit entstehen, der konkrete Aufbau ist aber verschieden.

Ad Stacking und Viewability Fraud

Viewability Fraud richtet sich gegen die Messung oder Angabe von Sichtbarkeit. Eine verdeckte Anzeige sollte nach üblichen Messstandards nicht wie eine frei sichtbare Fläche bewertet werden. Werden gestapelte Anzeigen dennoch absichtlich als sichtbar gemeldet, überschneiden sich beide Verfahren. Eine sichtbare oberste Anzeige kann dabei durchaus regulär sein, während die darunterliegenden Kontakte beanstandet werden.

Ad Stacking und Impression Fraud

Impression Fraud ist die weitere Bezeichnung für die absichtliche Verfälschung von Werbekontakten. Ad Stacking beschreibt einen möglichen technischen Mechanismus. Eine fehlerhafte Darstellung infolge eines CSS-Problems ist nicht automatisch derselbe Sachverhalt wie eine absichtliche Manipulation zu Abrechnungszwecken.

Warum entstehen durch gestapelte Anzeigen wirtschaftliche Schäden?

Bei CPM-Kampagnen wird regelmäßig auf Basis einer bestimmten Zahl von Impressionen abgerechnet. Werden für nicht vertragsgemäß ausgelieferte Kontakte Zahlungen fällig, kann ein Teil des Werbebudgets ohne die geschuldete Gegenleistung verbraucht werden. Besonders bei hochwertigen gebuchten Werbeumfeldern kann eine falsch dargestellte Sichtbarkeit die Einschätzung von Kampagnenqualität und Preis verändern.

Nicht jeder Kontakt ohne Klick ist wertlos. Reichweiten- und Markenkampagnen sollen häufig Sichtkontakte erzielen, ohne sofortige Reaktionen auszulösen. Eine niedrige Klickrate ist daher kein geeigneter alleiniger Nachweis für Ad Stacking. Dasselbe gilt für ausbleibende Käufe oder geringe Verweildauer auf der Landingpage.

Wer einen Schaden beziffern will, muss die tatsächlichen Rechnungsdaten mit den auffälligen Anzeigenkontakten abgleichen. Plattformen können ungültige Impressionen bereits ausgeschlossen oder später korrigiert haben. Die Anzahl vermeintlich unsichtbarer Anzeigen darf deshalb nicht unmittelbar mit einer entsprechenden Geldsumme gleichgesetzt werden.

Ein fiktiver Fall aus einer mobilen Anzeigenkampagne

Ein Unternehmen kauft Anzeigenplätze in einem Netzwerk aus mobilen Apps. Die gemeldeten Impressionen liegen über den Erwartungen, obwohl ein unabhängiger Dienst für einige Platzierungen sehr geringe Sichtbarkeit meldet. Das Marketingteam untersucht zunächst, ob die Kampagne andere Formate oder App-Umfelder als zuvor erreicht hat.

Bei einem autorisierten Test einer betroffenen App werden mehrere Werbemittel an derselben Position geladen. Sichtbar bleibt nur das oberste Element. Anschließend prüft der Werbetreibende, welche dieser Kontakte tatsächlich gezählt und bezahlt wurden. Erst damit lässt sich ein möglicher Abrechnungsfehler beschreiben. Die technische Beobachtung allein beweist noch nicht, welcher beteiligte Dienstleister die Überlagerung eingerichtet hat.

Welche Indikatoren können auf Ad Stacking hinweisen?

Ein auffälliges Verhältnis von gemeldeten Impressionen zu sichtbaren Werbeflächen kann eine Untersuchung auslösen. Weitere Hinweise sind ungewöhnlich niedrige Sichtbarkeitswerte bei einzelnen Placements oder technische Aufzeichnungen, die verdeckte Werbemittel zeigen. Auch wiederkehrende zeitgleiche Anzeigenaufrufe aus derselben App können für die Analyse interessant sein.

• Placement-Berichte: Welche App- oder Website-Platzierungen melden die fraglichen Kontakte?
• Browser- und App-Darstellung: Welche Werbemittel sind tatsächlich sichtbar, welche liegen unter anderen Elementen?
• Messdaten: Wie unterscheiden sich ausgelieferte, messbare und sichtbare Impressionen?
• Lieferkette: Welcher Verkäufer und welches Werbenetzwerk waren an der Auslieferung beteiligt?
• Abrechnung: Welche Kontakte wurden als ungültig herausgefiltert und welche tatsächlich berechnet?

Ein niedriger Viewability-Wert kann auch bei regulär ausgelieferten Anzeigen entstehen, die sich außerhalb des sichtbaren Bildschirmbereichs befinden. Erst der Nachweis einer Überlagerung macht aus einer allgemeinen Sichtbarkeitsauffälligkeit einen konkreten Ad-Stacking-Verdacht.

Wie wird eine vermutete Anzeigenstapelung geprüft?

Zunächst werden Kampagnenzeitraum, Werbeplätze, Anzeigenformate und die vereinbarte Messdefinition dokumentiert. Danach erfolgt die technische Prüfung ausgewählter Seiten oder Apps. Dabei können die tatsächlich gerenderten Elemente, ihre Ebenenanordnung und verfügbare Netzwerkanfragen untersucht werden. Der Test sollte die verwendeten Geräte und Bildschirmgrößen berücksichtigen, weil Layouts dynamisch aufgebaut werden.

Der untersuchte Seitenstand ist mit den Mess- und Abrechnungsdaten abzugleichen. Ein einziger Screenshot kann die zeitliche Entwicklung einer Werbeeinblendung nicht vollständig abbilden. Zudem können Werbeplätze durch A/B-Tests und wechselnde Kampagnen unterschiedliche Inhalte ausliefern. Eine nachvollziehbare Beweissicherung hält deshalb Zeitpunkt, Testbedingungen, Anzeige-ID und Quelle fest.

Besteht ein begründeter Verdacht auf ungültig berechnete Impressionen, sollte der Werbeanbieter über seinen vorgesehenen Meldeweg einbezogen werden. Dabei ist die Abgrenzung zwischen technischen Auffälligkeiten, automatisch ausgeschlossenen Kontakten und tatsächlich abgerechneten Leistungen wichtig.

Wie lässt sich Ad Stacking bei Werbekampagnen begrenzen?

Transparente Platzierungsberichte und geeignete Sichtbarkeitskontrollen erleichtern die Erkennung. Bei programmatischer Werbung helfen die IAB-Tech-Lab-Standards ads.txt, app-ads.txt, sellers.json und das SupplyChain Object, Verkäufer und Vermittler nachzuvollziehen. Diese Verfahren verhindern jedoch nicht unmittelbar, dass eine Anzeige im Browser durch ein anderes Element verdeckt wird.

• Bei der Buchung festlegen, welche Anzeigenkontakte abrechnungsfähig sind und wie Sichtbarkeit gemessen wird.
• Berichte auf Ebene einzelner Apps, Websites und Anzeigenplätze auswerten.
• Für geeignete Kampagnen eine unabhängige Viewability- und Invalid-Traffic-Messung einsetzen.
• Auffällige Werbeumfelder nach einem dokumentierten technischen Befund ausschließen.
• Rechnungsdaten mit bereits gefilterten ungültigen Impressionen und Korrekturbuchungen abgleichen.
• Neue Werbepartner auf nachvollziehbare Inventarherkunft und verlässliche Berichtswege prüfen.

Eine umfassende IP-Sperre oder der pauschale Ausschluss sämtlicher Apps wäre kein sachgerechter Ersatz für die Ursachenprüfung. Solche Maßnahmen können auch legitime Werbekontakte verhindern.

Ist Ad Stacking strafbar oder wettbewerbswidrig?

Eine absichtliche Täuschung über verkaufte Anzeigenkontakte kann unter den gesetzlichen Voraussetzungen des § 263 StGB strafrechtlich relevant sein. Falsche Angaben über die Art oder Qualität einer angebotenen Werbeleistung können unter den Voraussetzungen des § 5 UWG eine irreführende geschäftliche Handlung darstellen. Vertragliche Ansprüche hängen von den konkret vereinbarten Leistungsmerkmalen ab.

Eine ungewollte Überlagerung infolge eines Darstellungsfehlers erfüllt diese Tatbestände nicht automatisch. Ebenso begründet ein Verstoß gegen einen Branchenstandard ohne weitere Voraussetzungen keine strafrechtliche Schuld. Technische Messung, Vertragsabweichung und Rechtsverletzung müssen getrennt bewertet werden.

Häufige Fragen zu Ad Stacking

Werden bei Ad Stacking alle überlagerten Anzeigen bezahlt?

Nicht zwangsläufig. Messsysteme und Werbeplattformen können ungültige Kontakte erkennen und aus der Abrechnung entfernen. Der tatsächliche finanzielle Effekt ist gesondert zu prüfen.

Ist eine sehr niedrige Klickrate ein Beleg?

Nein. Reichweitenanzeigen können auch bei regulärer Auslieferung wenige Klicks erzeugen. Bei Ad Stacking kommt es auf die technische Überlagerung und die gemeldeten Werbekontakte an.

Kann Ad Stacking auch unbeabsichtigt entstehen?

Ja. Fehlerhafte CSS-Regeln oder unpassende Werbeformate können Elemente überlagern. Ein Betrugsvorwurf setzt eine weitergehende Prüfung möglicher Absicht und Täuschung voraus.

Wo können betroffene Unternehmen Hilfe erhalten?

Wer verdächtige Anzeigenplätze entdeckt, sollte zunächst die Kampagnenberichte sichern und den zuständigen Werbeanbieter um Prüfung auffälliger Impressionen bitten. BRANDPROTECTIONNOW begleitet Unternehmen als Partner bei der technischen Einordnung möglicher Anzeigenstapelungen, der Dokumentation betroffener Platzierungen und der Prüfung von Abrechnungsabweichungen. Auf dieser Grundlage können Ausschlüsse und weitere Kontrollen abgestimmt werden. Der passende Leistungsbereich ist BRANDPROTECTIONNOW zum Werbebetrug und Ad Fraud.

Fachquellen

• IAB Tech Lab – Security & Fraud: Verfahren zur Transparenz im programmatischen Werbehandel.
• IAB Tech Lab – ads.txt und app-ads.txt: autorisierte Verkäufer von Werbeinventar.
• Google Ads-Hilfe – Ungültige Zugriffe: Prüfung und Filterung ungültiger Anzeigenkontakte.
• § 5 UWG und § 263 StGB: mögliche rechtliche Einordnung nach dem Einzelfall.

Ein Onlineshop erhält eine Bestellung von einem bestehenden Kunden. Kurz vor dem Kauf wird jedoch eine Affiliate-Kennung gesetzt, obwohl der Kunde keine erkennbare Empfehlung des betreffenden Partners geöffnet hat. Der Partner verlangt dafür eine Provision. Ein solcher Vorgang kann Affiliate Fraud sein: die absichtliche Erschleichung oder falsche Zuordnung vergütungspflichtiger Leistungen innerhalb eines Partnerprogramms.

Affiliate-Marketing selbst ist ein reguläres Vertriebsmodell. Betreiber von Fachportalen, Preisvergleichsseiten und anderen Werbeangeboten können gegen eine vereinbarte Provision Kunden vermitteln. Problematisch werden falsche Herkunftsbehauptungen, künstliche Kundenaktionen oder nicht erlaubte Trackingverfahren. Eine niedrige Bestellquote oder ein großer Provisionsbetrag beweisen allein noch keinen Betrug.

Wie funktionieren Affiliate-Provisionen?

Ein Händler vereinbart mit einem Partnerprogramm, welche Handlung vergütet wird. Das kann ein bestätigter Kauf, eine Registrierung oder ein qualifizierter Lead sein. Nach dem Klick auf einen Partnerlink wird die Herkunft der späteren Kundenaktion nach den jeweiligen Trackingregeln zugeordnet.

Die tatsächliche Vergütung hängt unter anderem von Attributionsfenster, Provisionsmodell und der Behandlung stornierter Bestellungen ab. Awin beschreibt für bestimmte Trackingangebote ein Modell, in dem der letzte geeignete Partnerklick innerhalb eines vorgesehenen Zeitfensters die Zuordnung beeinflusst. Andere Netzwerke und Verträge können abweichende Regeln verwenden.

Das Trackingereignis ist deshalb nicht automatisch ein Nachweis für eine wirkliche Vermittlungsleistung. Ein falscher Klick, ein künstlicher Lead oder eine nachträglich eingefügte Kennung kann unter bestimmten Bedingungen die Zuordnung verändern.

Welche Arten von Affiliate Fraud gibt es?

Cookie Stuffing

Bei Cookie Stuffing wird eine Partnerkennung ohne die erwartete bewusste Werbeinteraktion eines Nutzers gesetzt. Ein späterer echter Kauf kann dann dem falschen Affiliate zugeschrieben werden. Awin beschreibt solche Fälle als Cookie Dropping oder unzulässige Klickzuordnung. Die tatsächliche Auswirkung hängt vom Trackingmodell ab.

Click Forcing und unbemerkte Umleitungen

Ein technischer Vorgang kann einen Partnerklick vortäuschen, ohne dass der Nutzer den beworbenen Link freiwillig ausgewählt hat. Solche Verfahren können die Attribution verändern. Nicht jede Weiterleitung ist jedoch missbräuchlich: Partnerprogramme verwenden selbst reguläre Tracking-Redirects.

Gefälschte Leads

Bei Lead Fraud können nicht existierende oder unberechtigt verwendete Kontaktdaten als neue Interessenten gemeldet werden. Die versprochene Leistung hängt vom Vertrag ab. Ein echter Lead, der später keinen Kauf abschließt, ist nicht automatisch ungültig.

Künstliche Kauf- oder Conversionereignisse

Ein Partner kann versuchen, Bestellungen oder Registrierungen zu melden, die nicht tatsächlich stattgefunden haben. Conversion Fraud beschreibt diese Art der Täuschung über den Werbeerfolg. Technische doppelte Events können ähnliche Berichte verursachen, ohne dass jemand absichtlich täuscht.

Missbrauch ähnlicher Markendomains

Ein Betreiber kann verwechselbare Domains verwenden, um Nutzer vor einem Kauf über einen Partnerlink umzuleiten. Das kann mit Typosquatting verbunden sein. Nicht jede ähnliche Domain verletzt automatisch Markenrechte; die tatsächliche Verwendung und mögliche Herkunftstäuschung müssen geprüft werden.

Falsches Brand Bidding

Ein Partner kann bezahlte Suchanzeigen für Markenbegriffe schalten, obwohl der Affiliate-Vertrag diese Praxis ausschließt. Awin nennt unerlaubtes Brand Bidding als einen möglichen Complianceverstoß. Der Einkauf eines fremden Markennamens als Keyword ist aber weder nach allen Plattformregeln noch nach dem Markenrecht pauschal verboten. Vertragsverletzung und gesetzliche Rechtsverletzung sind getrennt zu untersuchen.

Manipulierte Browsererweiterungen

Einige Erweiterungen können den Kaufprozess beobachten und unter bestimmten Umständen eine fremde Affiliate-Kennung einbringen. Eine nützliche Coupon- oder Shopping-Erweiterung ist nicht automatisch betrügerisch. Zu klären ist, ob sie die tatsächlich vereinbarte Vermittlungsleistung erbracht und die geltenden technischen Regeln eingehalten hat.

Affiliate Fraud und Attribution Fraud unterscheiden

Attribution Fraud bezeichnet eine falsche Zuordnung eines echten oder nur behaupteten Werbeerfolgs. Affiliate Fraud ist stärker mit der Abrechnung eines Partnerprogramms verbunden. Eine reale Bestellung kann dem falschen Partner zugewiesen werden, ohne dass der Kunde selbst betrogen wurde.

CPC Fraud bezieht sich auf die Vergütung von Anzeigenklicks. Im Affiliate-Marketing kann ein Partner dagegen erst bei einer bestätigten Bestellung bezahlt werden. Die wirtschaftliche Wirkung hängt vom konkret vereinbarten Vergütungstatbestand ab.

Eine hohe Provisionsquote allein ist kein Beleg. Ein spezialisierter Fachblog kann mit wenigen geeigneten Kontakten viele echte Kaufabschlüsse vermitteln. Dessen Leistung darf nicht allein wegen einer auffälligen Conversion-Rate beanstandet werden.

Welche wirtschaftlichen Folgen können Händler treffen?

Wird eine Provision an einen Partner ausgezahlt, der die vereinbarte Leistung nicht erbracht hat, kann das Marketingbudget fehlverteilt werden. Andere berechtigte Partner erhalten möglicherweise eine geringere oder keine Provision für dieselbe echte Kundenhandlung. Auch Reports über erfolgreiche Vertriebskanäle können dadurch verzerrt werden.

Für die Schadensberechnung müssen tatsächlich bezahlte Provisionen, bereits abgelehnte Events und die konkreten Vertragsregeln abgeglichen werden. Eine auffällige Partnerkennung in einem Trackingbericht ist noch kein finanzieller Verlust. Auch eine spätere Stornierung ist nicht automatisch ein Betrugsfall.

Bei nachgeahmten Markendomains können weitere Probleme für die digitale Marke entstehen. Ein falsches Affiliate-Angebot kann Kunden irritieren, ohne dass die Originalwebsite kompromittiert wurde.

Ein fiktiver Fall aus einem Mode-Onlineshop

Ein Händler erhält viele Bestellungen seiner Stammkunden. Im Partnerreport beansprucht ein neuer Affiliate auffällig viele dieser Käufe, obwohl der Händler kaum nachprüfbare Werbeplatzierungen dieses Partners findet. Der Affiliate verweist auf eine Browsererweiterung, die angeblich Kaufinteressenten vermittelt.

Die technische Prüfung untersucht, wann die Affiliate-Kennung gesetzt wurde und welche sichtbare Nutzerinteraktion ihr vorausging. Ein Teil der Kunden hatte den Shop direkt aufgerufen. Es muss nun geklärt werden, ob die Erweiterung die laut Vertrag erforderliche Vermittlungsleistung erbracht hat.

Der Händler sichert die betreffenden Transaktions- und Trackingdaten. Er gleicht ab, welche Provisionen tatsächlich ausgezahlt und welche Ereignisse bereits beanstandet wurden. Eine Täterbehauptung folgt aus dem statistischen Muster allein noch nicht.

Welche Warnsignale verdienen eine Prüfung?

• Unklare Partnerleistung: Hohe Provisionsforderungen stehen wenigen nachvollziehbaren Werbeplatzierungen gegenüber.
• Ungewöhnliche Zeitabstände: Klick und Kauf liegen auffällig eng beieinander, ohne erkennbare bewusste Klickhandlung.
• Doppelte Transaktionen: Derselbe tatsächliche Kauf erscheint mehrfach im Abrechnungsreport.
• Unberechtigte Markennutzung: Ein Partner verwendet Domains oder Werbeanzeigen entgegen den vereinbarten Regeln.
• Fehlende Leads: Vergütete Anmeldungen besitzen keinen passenden realen Kontaktvorgang.
• Erklärungsalternativen: Reguläre Last-Click-Attribution oder eine echte Publisher-Kampagne können scheinbar ungewöhnliche Muster erklären.

Wie wird ein Affiliate-Fraud-Verdacht untersucht?

Die Prüfung beginnt mit dem Partnervertrag. Welche Trafficquellen, Werbeformen und Zuordnungen sind erlaubt? Danach werden die konkreten Klick- und Conversiondaten mit bestätigten Geschäftsvorgängen verglichen. Awin beschreibt dafür eigene Kontrollen bei Publisherprüfung, Tracking und Transaktionsfreigabe.

Ein belastbarer Bericht unterscheidet zwischen bestätigten Vertragsverstößen, rein technischen Messfehlern und möglichen Straftaten. Ein Cookie kann technisch gesetzt worden sein, ohne dass daraus eine bezahlte Provision entstanden ist.

Bei Server-to-Server-Tracking kann eine sorgfältige Prüfung der Ereigniskennungen und der Berechtigung des sendenden Partners sinnvoll sein. Offene, ungesicherte Conversion-Schnittstellen können manipulierte Ereignisse begünstigen. Auch dabei darf eine falsche Meldung nicht automatisch einer bestimmten Person zugeordnet werden.

Welche Gegenmaßnahmen können Partnerprogramme einsetzen?

Ein Händler kann bereits bei der Aufnahme eines Partners festlegen, welche Werbeformen er zulässt. Authentische Trafficquellen und die Fähigkeit, eine tatsächliche Werbeplatzierung nachzuweisen, sind wichtiger als reine Provisionszahlen.

• Erlaubte Werbeformen, Brand Bidding und Trackingverfahren ausdrücklich vertraglich regeln.
• Publisher und ihre angegebenen Trafficquellen vor der Freischaltung prüfen.
• Bestellungen und Leads anhand tatsächlicher Geschäftsdaten bestätigen.
• Ungewöhnliche Attributionen und Klick-zu-Conversion-Zeiten untersuchen.
• Nicht gültige Ereignisse vor der Auszahlung nach den Vertragsregeln behandeln.
• Unberechtigte Markendomains und nachgeahmte Partnerseiten getrennt dokumentieren.

Ein reiner IP-Filter kann echte Käufer ausschließen und erkennt nicht jede Form der Attributionsmanipulation. Das Regelwerk sollte die konkrete Missbrauchsmethode behandeln, ohne rechtmäßige Publisher pauschal zu benachteiligen.

Welche rechtlichen Fragen stellen sich?

Wer bewusst falsche Angaben zur Erschleichung einer Provision macht, kann unter den Voraussetzungen von § 263 StGB handeln. Nicht jede vertragswidrige Werbeform erfüllt diesen Tatbestand. Bei irreführenden geschäftlichen Aussagen kann gegebenenfalls § 5 UWG betroffen sein.

Für Trackingcookies und ähnliche Endgerätezugriffe sind die jeweils geltenden Voraussetzungen des § 25 TDDDG einschließlich der gesetzlichen Ausnahmen zu beachten. Der technische Einsatz einer Affiliate-Kennung begründet keine allgemeine Erlaubnis zum Setzen unbemerkter Trackinginformationen.

Warum eine spätere Affiliate-Zuordnung nicht automatisch falsch ist

Ein Kunde kann zuerst eine Herstellerwebsite besuchen und erst später über einen tatsächlich gefundenen Gutscheinlink zurückkehren. Manche Partnerprogramme vergüten nach der letzten erlaubten Partnerinteraktion, andere verwenden gesonderte Regeln für Coupon-, Cashback- oder Vergleichsseiten. Deshalb kann eine Provisionszuordnung nach einer echten späten Kundenhandlung vertragsgemäß sein, auch wenn die erste Produktrecherche an anderer Stelle stattfand.

Eine Manipulation entsteht erst, wenn eine solche späte Interaktion nicht vom Nutzer veranlasst wurde oder gegen die vereinbarten Teilnahmebedingungen verstößt. Für die Untersuchung ist festzuhalten, wann der Kontakt erfasst wurde, welche Website oder Erweiterung beteiligt war und welche Handlung des Kunden tatsächlich erkennbar ist.

Technische Unterschiede können auch aus verschiedenen Attributionsfenstern und Trackingkonfigurationen entstehen. Ein plötzlicher Wechsel der Partnerzuordnung nach einer Systemumstellung belegt keinen Betrug. Die alten und neuen Regeln sollten vor der wirtschaftlichen Bewertung dokumentiert werden.

Wie werden Provision und tatsächlicher Kauf getrennt geprüft?

Ein Affiliate-Dashboard kann bereits eine vorgemerkte Provision anzeigen, obwohl die Bestellung noch nicht bezahlt oder endgültig bestätigt ist. Später können Stornierungen, Retouren oder andere vertragsgemäß ausgeschlossene Vorgänge zur Ablehnung führen. Die Statistik der vorläufigen Conversions muss daher nicht mit den tatsächlich ausgezahlten Provisionen übereinstimmen.

Für eine mögliche Reklamation werden Bestellkennung, Datum, Partner-ID, tatsächlich zugeschriebener Kontakt und Status der Vergütung verknüpft. Bei mehreren Partnern kann derselbe Kauf in verschiedenen Berichten auftauchen, ohne dass er mehrfach vergütet wird. Eine doppelte Auszahlung muss anhand der konkreten Buchungen belegt werden.

Diese Trennung betrifft auch Cookie Stuffing: Selbst wenn eine unerlaubte Trackingkennung nachgewiesen wurde, muss geprüft werden, ob sie überhaupt zu einer bezahlten Provision geführt hat oder vor der Freigabe verworfen wurde. Eine reine Zahl gesetzter Cookies reicht nicht für die Berechnung eines Vermögensschadens.

Google-Linkkennzeichnung und Provisionsregeln sind zwei verschiedene Themen

Google empfiehlt, bezahlte Links und Affiliate-Verweise für Suchmaschinen als rel="sponsored" zu kennzeichnen. Diese Information hilft dem Suchsystem, die kommerzielle Beziehung beim Verlinken einzuordnen. Sie entscheidet aber nicht darüber, ob die konkrete Partnerprovision nach dem Händlervertrag verdient wurde.

Auch ein korrekt gekennzeichneter Link kann zu irreführenden Produktangaben führen; das ist dann ein eigener rechtlicher und redaktioneller Sachverhalt. Umgekehrt ist die fehlende Kennzeichnung für die Suchmaschine noch kein Nachweis einer vorgetäuschten Vermittlungsleistung. Bei der fachlichen Prüfung sollten SEO-Konformität, Werbetransparenz, Trackingrechte und Provisionsabrechnung einzeln bewertet werden.

Wird eine Browsererweiterung eingesetzt, sind ihre tatsächlichen Berechtigungen und die vom Nutzer verlangte Funktion zu untersuchen. Ein legitimes Cashback-Programm kann Affiliate-Kennungen verwenden; eine heimliche Veränderung ohne passende Nutzerhandlung oder entgegen dem Vertrag benötigt eine andere Bewertung.

Häufige Fragen zu Affiliate Fraud

Kann eine echte Bestellung falsch einem Affiliate zugeordnet werden?

Ja. Die Kundenhandlung kann real sein, während eine unberechtigte Trackingkennung eine fremde Provision beansprucht.

Ist jede Brand-Bidding-Kampagne rechtswidrig?

Nein. Vertragsregeln, Plattformvorgaben und Markenrecht müssen getrennt geprüft werden.

Ist eine auffällig hohe Affiliate-Conversion-Rate ein Beweis?

Nein. Eine spezialisierte Zielgruppe kann sehr gut zum Angebot passen. Der tatsächliche Vermittlungsweg ist zu prüfen.

Wo können betroffene Unternehmen Hilfe erhalten?

Bei unplausiblen Affiliate-Abrechnungen sollten Unternehmen zuerst die Partnervereinbarungen, Trackingkennungen und tatsächlich vergüteten Geschäftsvorgänge vergleichen. BRANDPROTECTIONNOW begleitet Unternehmen bei der Untersuchung möglicher Provisions- und Attributionsmanipulationen, der Dokumentation missbräuchlicher Trafficquellen und der Abstimmung technischer Prüfungen mit spezialisierten Partnern. Informationen bietet BRANDPROTECTIONNOW zum Schutz vor Werbebetrug; bei nachgeahmten Markendomains kann der digitale Markenschutz hinzukommen.

Fachquellen

• Awin – Affiliate-Fraud-Methoden: Cookie Dropping, Fake Leads und Brand Bidding.
• Awin – Tracking-FAQ: Partnerzuordnung und Attributionsfenster.
• impact.com – Affiliate Fraud: technische Muster und Prüfungen.
• § 5 UWG, § 263 StGB und § 25 TDDDG: rechtliche Einordnung.

App Spoofing bezeichnet im digitalen Werbehandel die falsche Darstellung der App, in der ein Werbeplatz angeboten wird. Ein Anbieter kann dabei eine bekannte App-Kennung in einer Werbeanfrage angeben, obwohl die Anzeige tatsächlich in einer anderen Anwendung oder in einem nicht vertragsgemäßen Umfeld erscheint. Ziel kann sein, Werbeinventar unter einer wertvoller erscheinenden Identität zu verkaufen. Die deutsche Beschreibung lautet Vortäuschen einer App-Identität.

Die Bezeichnung wird auch für gefälschte Apps in App-Stores verwendet. Dabei handelt es sich um einen anderen Sachverhalt: Eine Fake App täuscht gegenüber Endnutzern über die Herkunft oder Funktion einer Anwendung. App Spoofing im programmatischen Werbehandel betrifft primär die Informationen, die zwischen Verkäufern, Werbeplattformen und Käufern über das Anzeigeninventar ausgetauscht werden.

Wie werden Apps im programmatischen Werbehandel identifiziert?

Wenn eine App einen Anzeigenplatz anbietet, werden im automatisierten Handelsprozess technische Informationen über das Werbeumfeld übertragen. Dazu können eine App-ID beziehungsweise ein Store-Identifier, der Name der Anwendung, die Plattform und weitere Angaben gehören. Ein Werbekäufer kann anhand dieser Merkmale entscheiden, ob er die Anzeige dort ausliefern lassen will und welchen Preis er zu zahlen bereit ist.

App-IDs dienen als Anhaltspunkt zur Identifikation, sind aber nicht in jeder Werbeanfrage automatisch ein unabhängiger Eigentumsnachweis. Wenn ein beteiligter Akteur Kennungen unzutreffend übermittelt oder Informationen über mehrere Zwischenstationen verändert werden, kann das beworbene Inventar einer anderen Anwendung zugeordnet werden als der tatsächlich verwendeten.

Vertraut der Einkauf allein auf die behauptete Identität, können Anzeigen auf unbekannten oder ungeeigneten Apps landen. Ein gefälschter Name in einem Bericht beweist allerdings nicht ohne Weiteres, dass eine bestimmte App tatsächlich geladen oder ein bestimmter Verkäufer verantwortlich war. Dafür sind weitere Angaben zur Lieferkette erforderlich.

Welche Varianten von App Spoofing sind zu unterscheiden?

Vortäuschen einer bekannten App

Ein unbekannter oder missbräuchlich betriebener Werbeplatz kann sich als bekannte Anwendung ausgeben. In der Werbeanfrage erscheinen dann Kennungen oder Namen, die der Käufer mit einer etablierten App verbindet. Die tatsächliche Auslieferung erfolgt jedoch anderswo. Eine solche falsche Deklaration kann den Einkaufspreis und die Bewertung des Werbeumfelds beeinflussen.

Ungerechtfertigter Weiterverkauf von App-Inventar

Ein Akteur kann behaupten, für eine App Anzeigen verkaufen zu dürfen, obwohl der App-Betreiber ihn nicht autorisiert hat. Ein Nachweis über autorisierte Verkäufer hilft dabei, solche Angaben zu prüfen. Nicht jeder Weiterverkauf ist unzulässig: Er kann Bestandteil legitimer Vermarktungsverträge sein.

Verknüpfung mit künstlichem App-Traffic

Eine gefälschte App-Identität kann mit Bots, Emulatoren oder künstlich ausgelösten Anzeigenkontakten verbunden sein. Der Betrug betrifft dann sowohl die Herkunftsangabe als auch die Echtheit der Werbekontakte. Dass eine App unter einer ungewöhnlichen Kennung auftaucht, belegt aber weder automatisierten Traffic noch absichtliche Manipulation.

Falsche Berichterstattung über Auslieferungsorte

Manche Auffälligkeiten werden erst in nachgelagerten Berichten sichtbar. Ein Messsystem kann verschiedene App-Kennungen zusammenfassen oder veraltete Store-Metadaten verwenden. Das ist von einer absichtlich falschen Gebotsanfrage zu unterscheiden. Für den Betrugsnachweis müssen die tatsächlichen technischen Signale geprüft werden.

App Spoofing, Domain Spoofing und Fake Apps unterscheiden

Domain Spoofing betrifft unter anderem die falsche Angabe einer Website-Domain im Anzeigenhandel. App Spoofing betrifft die Identität einer mobilen oder anderen App. Die Grundidee einer unzutreffenden Inventarherkunft ist ähnlich; die verfügbaren Kennungen und Kontrollwege sind unterschiedlich.

Eine App-Kopie oder Fake App kann Nutzer unmittelbar täuschen, etwa indem sie Logo und Aufmachung eines bekannten Anbieters nachahmt. Eine solche Nachahmung muss nicht zwingend Werbung über eine falsche App-ID verkaufen. Umgekehrt kann ein manipuliertes Werbeinventar vorliegen, ohne dass Endnutzer eine eigenständige gefälschte App installieren.

Auch Device Spoofing ist zu unterscheiden. Dabei werden technische Merkmale eines Geräts falsch dargestellt. App Spoofing bezieht sich primär auf die vorgebliche Anwendung als Werbeumfeld.

Warum kann eine gefälschte App-Identität Kosten verursachen?

Die Attraktivität einer bekannten App kann ein Werbebudget beeinflussen. Werbetreibende buchen möglicherweise gezielt ein Umfeld mit bestimmtem Publikum, einer erwarteten Qualität oder einem entsprechenden Preis. Wird die Anzeige in einer anderen App ausgeliefert, kann die vereinbarte Leistung fehlen. Daraus können Abrechnungsstreitigkeiten und gegebenenfalls ein wirtschaftlicher Schaden entstehen.

Für legitime App-Betreiber kann der Missbrauch ihres Namens ebenfalls problematisch werden, wenn Werbekäufer den Eindruck erhalten, die App verkaufe nicht vertragsgemäße Werbung. Ob der Betreiber selbst geschädigt ist, hängt von der Vermarktungsstruktur und den Auswirkungen ab.

Die exakte Schadenssumme lässt sich nicht aus allen gemeldeten Impressionen einer verdächtigen App-ID ableiten. Es muss geprüft werden, welche Kontakte tatsächlich abgerechnet, bereits gefiltert oder korrigiert wurden.

Ein fiktives Beispiel aus einer Sportkampagne

Ein Getränkehersteller bucht Anzeigen in mobilen Apps und bevorzugt bekannte Sportangebote. Der Kampagnenbericht weist viele Impressionen in einer Sport-App aus. Der Betreiber dieser App bestätigt auf Nachfrage, dass das betreffende Werbenetzwerk nicht zu seinen autorisierten Verkaufspartnern gehört.

Damit liegt ein Widerspruch vor, der untersucht werden muss. Der Werbetreibende prüft die verwendete App-Kennung, die Verkäuferidentität und die Dokumentation des Gebotswegs. Zusätzlich wird versucht, die tatsächliche Auslieferung technisch zu belegen. Eine fehlende direkte Vertragsbeziehung zwischen Publisher und einem einzelnen Zwischenhändler beweist noch keine Täuschung, denn mehrere rechtmäßige Vermittlungsstufen sind möglich.

Woran können Werbetreibende App Spoofing erkennen?

Eine nicht zum gebuchten Inventar passende App-Kennung, auffällige Verkäufer oder unerwartete Veränderungen im Mix der Auslieferungsorte können Anlass für eine Prüfung sein. Auch Meldungen des legitimen App-Betreibers können helfen, unberechtigte Verkäufe einzuordnen.

• App-Kennungen: Stimmen übermittelte IDs und Store-Einträge zur behaupteten Anwendung?
• Verkäufer: Ist die betroffene Verkaufsplattform im app-ads.txt-Bestand des App-Anbieters autorisiert?
• Lieferkette: Stimmen Angaben aus sellers.json und dem SupplyChain Object zusammen?
• Auslieferung: Gibt es technische Belege, in welcher App die Werbung tatsächlich erschien?
• Messdaten: Treten auffällige Invalid-Traffic-Muster auf, die unabhängig vom Identitätssignal untersucht werden müssen?
• Abrechnung: Welche Kontakte wurden bezahlt und welche bereits als ungültig ausgeschlossen?

Ein App-Store-Eintrag kann umbenannt oder regional unterschiedlich verfügbar sein. Eine Abweichung zwischen Anzeigenbericht und aktuellem Store-Namen ist deshalb noch kein ausreichender Betrugsnachweis.

Was leisten app-ads.txt, sellers.json und das SupplyChain Object?

Der IAB-Tech-Lab-Standard app-ads.txt ermöglicht App-Publishern die Veröffentlichung autorisierter Verkäufer. Die technische Zuordnung erfolgt über die dafür vorgesehenen Informationen im App-Store und auf der Website des Entwicklers. Käufer können prüfen, ob ein Anbieter zur Vermarktung der behaupteten App berechtigt ist.

sellers.json macht die Identität bestimmter Verkäufer und Vermittler nachvollziehbar. Das SupplyChain Object beschreibt die Beteiligten an einer Gebotsanfrage. In Verbindung mit den autorisierten Verkäuferangaben kann dies die Herkunft der angebotenen Werbeplätze transparenter machen.

Diese Standards prüfen nicht sämtliche Eigenschaften eines Werbekontakts. Eine autorisierte Lieferkette kann weiterhin fehlerhafte Messdaten enthalten. Umgekehrt ist eine unvollständige Konfiguration nicht automatisch ein Beweis absichtlicher Täuschung.

Wie sollte ein Verdacht untersucht werden?

Zunächst werden die betroffenen Kampagnen, Zeiträume, App-Kennungen, Verkäufer und Abrechnungsunterlagen gesichert. Danach erfolgt der Abgleich mit den veröffentlichten autorisierten Verkäufern und gegebenenfalls mit Angaben des App-Betreibers. Bei erheblichen Abweichungen kann eine fachliche Prüfung des tatsächlichen Werbeumfelds erforderlich sein.

Die Ergebnisse sollten sauber unterscheiden, ob eine falsche App-Identität, eine unzulässige Vermarktungsbeziehung oder lediglich ein Dokumentationsfehler vorliegt. Für eine Rückforderung oder ein Plattformverfahren sind konkrete Nachweise besser geeignet als die pauschale Behauptung, sämtlicher Traffic einer App sei gefälscht.

Welche Schutzmaßnahmen sind sinnvoll?

Werbetreibende können eine Inventarprüfung in ihren Einkauf aufnehmen und geeignete Transparenzstandards verwenden. Bei wiederholten Auffälligkeiten kann eine restriktivere Auswahl von Werbeplätzen helfen. Dabei sollten legitime Verkaufsbeziehungen und zugelassene Vermittler erhalten bleiben.

• App-IDs und Storeinformationen regelmäßig gegen die tatsächlichen Buchungsberichte prüfen.
• app-ads.txt und Verkäufertransparenz bei programmatischen App-Kampagnen berücksichtigen.
• Unplausible Vermarktungsketten gezielt untersuchen und dokumentiert ausschließen.
• Invalid-Traffic-Prüfung getrennt von der Authentizität der App-Identität vornehmen.
• Abrechnungsabweichungen über die vorgesehenen Verfahren des Werbeanbieters prüfen lassen.

Welche rechtlichen Folgen kann App Spoofing haben?

Absichtlich falsche Herkunfts- und Leistungsangaben können unter den Voraussetzungen des § 5 UWG irreführend sein. Bei einer nachgewiesenen Vermögenstäuschung kann § 263 StGB in Betracht kommen. Wird ein geschütztes Kennzeichen unbefugt in einer verwechslungsgeeigneten Weise verwendet, kann gegebenenfalls § 14 MarkenG betroffen sein.

Die falsche App-Kennung allein entscheidet nicht über die rechtliche Bewertung. Technische Abweichungen und Vorsatz müssen anhand des tatsächlichen Sachverhalts getrennt beurteilt werden.

Häufige Fragen zu App Spoofing

Ist App Spoofing dasselbe wie eine gefälschte App im Store?

Nein. Im Werbehandel wird meist die Identität eines angebotenen Werbeinventars verfälscht. Eine gefälschte Store-App richtet ihre Täuschung unmittelbar an Nutzer.

Kann app-ads.txt jede Manipulation verhindern?

Nein. Der Standard macht autorisierte Verkäufer überprüfbar, ersetzt aber keine Kontrolle tatsächlicher Auslieferung und gültiger Werbekontakte.

Beweisen niedrige Anzeigenpreise eine gefälschte App?

Nein. Preise hängen von vielen legitimen Angebots- und Nachfragebedingungen ab. Die Herkunft des Inventars muss direkt geprüft werden.

Wo können betroffene Unternehmen Hilfe erhalten?

Bei verdächtigen App-Platzierungen sollten zunächst die Berichte der Werbeplattform, die App-Kennungen und die autorisierten Verkäufer gesichert und abgeglichen werden. BRANDPROTECTIONNOW begleitet Unternehmen als Partner bei der Untersuchung möglicher App-Spoofing-Fälle, der Rekonstruktion der Werbelieferkette und der Bewertung möglicher Abrechnungsabweichungen. Passende Maßnahmen können Inventarausschlüsse und eine weitere Prüfung der Auslieferung umfassen. Weitere Informationen bietet BRANDPROTECTIONNOW zum Schutz vor Werbebetrug.

Fachquellen

• IAB Tech Lab – app-ads.txt: autorisierte Verkäufer von App-Inventar.
• IAB Tech Lab – sellers.json und SupplyChain Object: Transparenz beteiligter Verkäufer.
• IAB Tech Lab – Security & Fraud: technische Standards gegen Inventarmissbrauch.
• § 5 UWG und § 263 StGB: mögliche Rechtsfolgen bei entsprechender Täuschung.

Attribution Fraud bezeichnet die absichtliche Manipulation der Zuordnung eines tatsächlichen oder vorgetäuschten Geschäftsergebnisses zu einer Werbequelle. Betroffen sein können App-Installationen, Registrierungen, Käufe oder andere Conversions. Ein Betrugsversuch soll beispielsweise erreichen, dass ein Werbepartner eine Provision erhält, obwohl seine Anzeige die betreffende Aktion nicht oder nicht wie behauptet verursacht hat.

Die Bezeichnung ist nicht mit jeder fehlerhaften Attributionsmessung gleichzusetzen. Unterschiedliche Messmodelle können einen Kauf rechtmäßig verschiedenen Kontaktpunkten zuordnen. Ebenso können technische Fehler oder fehlende Einwilligungen Messlücken verursachen. Für einen Betrugsvorwurf sind daher eine absichtliche Verfälschung und die tatsächlichen Auswirkungen auf die Vergütung gesondert zu prüfen.

Wie funktioniert Attribution im Online-Marketing?

Werbetreibende möchten wissen, welcher Anzeigenkontakt zu einer gewünschten Handlung beigetragen hat. Dafür verbinden Messsysteme beispielsweise einen Klick mit einer späteren App-Installation oder einem Kauf. Abhängig vom Modell können der erste geeignete Kontakt, der letzte Klick oder mehrere Touchpoints berücksichtigt werden.

Ein Attributionsfenster legt fest, wie lange eine Werbeinteraktion für eine spätere Aktion berücksichtigt werden kann. Adjust dokumentiert für seine Lösungen unterschiedliche Fenster und Methoden. Die konkrete Zuordnung ist somit keine universelle Eigenschaft der Conversion, sondern hängt auch vom jeweils verwendeten Messmodell ab.

Ein Betrugsversuch kann versuchen, falsche Kontaktpunkte einzuspeisen oder tatsächliche Ereignisse einer unberechtigten Quelle zuschreiben zu lassen. Das kann wirtschaftlich bedeutsam sein, wenn Provisionen und Werbebudgets auf Attributionsdaten beruhen.

Welche Formen von Attribution Fraud gibt es?

Click Spamming und Click Flooding

Bei Click Spamming werden viele unberechtigte Klicksignale gemeldet, sodass eine spätere echte Installation möglicherweise einem falschen Werbepartner zugeschrieben wird. Die Anwendung kann vollständig regulär installiert worden sein; falsch ist der behauptete Werbekontakt.

Click Injection

Bei Click Injection wird versucht, ein angebliches Klickereignis sehr nah an einen bereits begonnenen App-Installationsvorgang zu legen. Unter bestimmten Attributionsverfahren kann dadurch ein unberechtigter Zuschlag entstehen. Die technischen Voraussetzungen hängen von Betriebssystem und Messsystem ab.

SDK Spoofing

SDK Spoofing kann vorgetäuschte Installations- oder Nutzungsereignisse an einen Messanbieter übermitteln. In solchen Fällen ist möglicherweise nicht nur die Quelle, sondern das zugrunde liegende Event selbst falsch.

Cookie Stuffing und Affiliate-Manipulation

Beim Cookie Stuffing können Affiliate-Kennungen ohne eine entsprechende bewusste Nutzerinteraktion gesetzt werden. Später wird möglicherweise eine Provision für einen Kauf beansprucht, der gar nicht über den behaupteten Partner vermittelt wurde.

Falsche Conversion-Signale

Gefälschte Bestellungen, Registrierungen oder andere angebliche Aktionen können die Attributionsdaten verfälschen. Ein solcher Fall überschneidet sich mit Conversion Fraud. Vor der Betrugsannahme ist zu klären, ob die behauptete Aktion überhaupt stattgefunden hat.

Attribution Fraud und Install Fraud unterscheiden

Install Fraud beschreibt im weiteren Sinn den Missbrauch von App-Installationen als vergütungspflichtige Leistung. Attribution Fraud betrifft genauer die Frage, welchem Werbekanal ein Ereignis zugeschrieben wird. Eine echte Installation kann falsch zugeordnet sein, während eine vollständig simulierte Installation auch ohne reale App-Nutzung gemeldet werden kann.

Für die Analyse ist diese Unterscheidung notwendig. Bei einer falschen Zuordnung muss die Herkunft des Nutzers geprüft werden. Bei einem erfundenen Installationsereignis ist zuerst nachzuweisen, dass keine entsprechende reale Aktion existiert.

Welche wirtschaftlichen Folgen entstehen?

Werbetreibende können Provisionen für nicht erbrachte Vermittlungsleistungen zahlen. Dadurch wird die Leistung eines Kanals überschätzt, während andere Kanäle oder organische Nutzergewinnung in Berichten zu schlecht erscheinen. Auch automatische Gebotsentscheidungen können auf solchen Daten beruhen.

Ein tatsächlicher Geldschaden lässt sich nicht pauschal aus dem Anteil technisch auffälliger Attributionen ableiten. Manche Messanbieter filtern bestimmte Ereignisse vor der Vergütung heraus. Andere Abweichungen entstehen durch normale Unterschiede zwischen mehreren Attributionsmodellen.

Für die wirtschaftliche Bewertung müssen tatsächliche Geschäftsvorgänge, gemeldete Werbequellen, bereits gefilterte Ereignisse und vereinbarte Provisionsregeln zusammen betrachtet werden.

Fiktives Beispiel einer Mobile-App-Kampagne

Ein Anbieter einer Einkaufs-App arbeitet mit mehreren Netzwerken zusammen. Ein Werbepartner erhält plötzlich einen deutlich größeren Teil der Installationen, während die Zahl organisch zugeschriebener Nutzer zurückgeht. Die tatsächliche App-Nutzung verändert sich dagegen kaum.

Das Marketingteam prüft die Messdefinitionen, das Attributionsfenster und die Verteilung von Klick-zu-Installations-Zeiten. Danach werden verdächtige Klicksignale und bereits vom Messdienst abgelehnte Zuschreibungen untersucht. Eine technische Umstellung des Attributionsmodells könnte eine alternative Erklärung darstellen.

Erst wenn falsche Kontaktpunkte oder künstliche Ereignisse nachvollziehbar bestätigt werden, lässt sich ein konkreter Manipulationsverdacht begründen. Die verdächtige Werbequelle identifiziert nicht automatisch den persönlich verantwortlichen Täter.

Welche Warnsignale sind aussagekräftig?

Attributionsbetrug zeigt sich häufig in der Beziehung zwischen Kontaktpunkten und realen Aktionen. Einzelne hohe Klickzahlen oder kurze Installationszeiten reichen nicht aus. Entscheidend sind Muster, die sich anhand mehrerer Datenquellen nachvollziehen lassen.

• Ungewöhnliche Zuordnung: Eine Quelle beansprucht plötzlich viele Conversions ohne entsprechende Veränderung der echten Nutzergewinnung.
• Auffällige Klickmengen: Viele gemeldete Werbekontakte führen zu wenigen tatsächlich plausiblen Abschlüssen.
• Zeitliche Abweichungen: Klick- und Installationszeitpunkte passen nicht zur behaupteten Vermittlung.
• Fehlende Geschäftsvorgänge: Angebliche Käufe oder Registrierungen besitzen keinen entsprechenden Datensatz im Backend.
• Technische Unstimmigkeiten: Geräte-, SDK- oder Ereignisinformationen weichen von der regulären App-Nutzung ab.
• Filterergebnisse: Der Messdienst hat bereits einen Teil der Zuschreibungen wegen ungültiger Aktivität abgelehnt.

Eine Conversion, die mehrere Anzeigenkontakte hatte, ist nicht automatisch manipuliert. Unterschiedliche Attributionsmodelle können denselben Kauf bewusst unterschiedlich bewerten.

Wie wird Attribution Fraud untersucht?

Zunächst werden die tatsächlich verwendeten Messmethoden dokumentiert. Dazu gehören Attributionsfenster, Prioritäten zwischen Klicks und Impressionen sowie die Regeln für bestimmte Werbenetzwerke. Anschließend werden die gemeldeten Ereignisse nach Quelle, Zeitraum und Gerätetyp aufgeteilt.

Adjust und AppsFlyer dokumentieren Prüffunktionen, mit denen auffällige Klick- und Installationsmuster aus der Attribution ausgeschlossen werden können. Die konkrete Wirkung hängt von der Integration und den verfügbaren Daten ab. Solche Filterentscheidungen sollten für eine Abrechnungsprüfung berücksichtigt werden.

Für eine belastbare Bewertung ist die Trennung zwischen verdächtigen, bereits abgelehnten und tatsächlich vergüteten Ereignissen erforderlich. Andernfalls können automatische Schutzmaßnahmen fälschlich als zusätzlich erlittene Verluste dargestellt werden.

Welche Maßnahmen helfen gegen manipulierte Attribution?

Ein geeignetes Messsystem sollte nachvollziehbare Regeln zur Identifikation gültiger Werbekontakte verwenden. Werbetreibende können zusätzlich tatsächliche Geschäftsereignisse mit den gemeldeten Conversions vergleichen und die Qualität der Werbepartner regelmäßig prüfen.

• Attributionsregeln und ihre Änderungen dokumentieren.
• Vorgegebene Fraud-Detection-Funktionen des Messdienstleisters passend einsetzen.
• Reale App- oder Bestellereignisse als unabhängige Kontrollquelle verwenden.
• Unplausible Klick- und Installationsmuster nach Werbepartner untersuchen.
• Provisionsabrechnungen mit bereits herausgefilterten Ereignissen abgleichen.
• Falschpositive Filterentscheidungen kontrollieren, damit echte Nutzer nicht unnötig ausgeschlossen werden.

Welche rechtlichen Fragen entstehen?

Absichtlich falsche Angaben über vergütete Vermittlungsleistungen können je nach Voraussetzungen unter § 263 StGB fallen. Irreführende geschäftliche Angaben können gegebenenfalls § 5 UWG betreffen.

Ein unplausibler Attributionswert allein beweist weder eine vorsätzliche Täuschung noch einen konkreten Schaden. Auch die Verarbeitung gerätebezogener Nutzungsdaten muss den geltenden Datenschutzanforderungen entsprechen.

Häufige Fragen zu Attribution Fraud

Kann eine echte Installation falsch zugeordnet werden?

Ja. Einige Betrugsformen manipulieren den angeblichen Werbekontakt, während die Installation tatsächlich stattgefunden hat.

Sind unterschiedliche Berichte verschiedener Werbenetzwerke automatisch Betrug?

Nein. Verschiedene Attributionsfenster und Messmethoden können normale Unterschiede erzeugen.

Kann ein Messanbieter ungültige Attributionen herausfiltern?

Ja. Entsprechende Prüfverfahren existieren, garantieren aber keine vollständige Erkennung jedes Missbrauchs.

Wo können betroffene Unternehmen Hilfe erhalten?

Bei auffälligen Attributionsdaten sollten Unternehmen zunächst den Messanbieter und die beteiligten Werbenetzwerke einbeziehen. BRANDPROTECTIONNOW begleitet Unternehmen bei der Analyse möglicher Attribution-Fraud-Muster, der Dokumentation unberechtigt beanspruchter Conversions und der Abstimmung geeigneter Schutz- und Abrechnungsprüfungen. Die tatsächliche Vermittlungsleistung wird dabei von bloßen Messabweichungen getrennt. Weitere Informationen: BRANDPROTECTIONNOW zum Werbebetrug.

Fachquellen

• Adjust – Attribution Overview: Methoden und Zuordnungsregeln.
• Adjust – Attribution Windows: Bedeutung der Messfenster.
• AppsFlyer – Protect360 Anti-Fraud Guide: Erkennung und Filterung.
• § 263 StGB und § 5 UWG: mögliche Rechtsgrundlagen.

Bot Traffic bezeichnet Zugriffe auf Websites, Apps oder digitale Dienste, die durch automatisierte Programme statt durch unmittelbare menschliche Bedienung ausgelöst werden. Solche Programme können Webseiten abrufen, Informationen sammeln, Formulare ausfüllen, Schnittstellen ansprechen oder andere technische Abläufe übernehmen. Der Begriff ist neutral: Automatisierte Zugriffe können erwünscht, toleriert oder missbräuchlich sein.

Suchmaschinen-Crawler, Verfügbarkeitsmonitoring und autorisierte Sicherheitstests sind Beispiele für legitimen Bot Traffic. Problematisch wird Automatisierung, wenn sie Dienste überlastet, Zugangssysteme angreift, Inhalte unberechtigt ausliest oder Werbeereignisse vortäuscht. Eine ungewöhnlich hohe Besucherzahl oder eine kurze Sitzungsdauer beweist allein weder Automatisierung noch einen Angriff.

Welche Aufgaben übernehmen legitime Bots?

Suchmaschinen rufen öffentlich zugängliche Seiten ab, um deren Inhalte für Suchergebnisse auszuwerten. Monitoringprogramme prüfen regelmäßig, ob eine Website erreichbar ist. Andere automatisierte Dienste kontrollieren defekte Links, technische Barrierefreiheit oder bestimmte Sicherheitsmerkmale. Auch Bibliotheken, Archivinstitutionen und autorisierte Analysewerkzeuge können automatische Anfragen stellen.

Der Betreiber sollte deshalb nicht jeden automatisierten Zugriff ungeprüft sperren. Besonders bei Suchmaschinen kann eine falsche Sperre die Auffindbarkeit von Seiten beeinträchtigen. Ob eine Anfrage tatsächlich vom behaupteten Crawler stammt, sollte anhand der offiziellen Verifikationsmöglichkeiten beurteilt werden. Ein User-Agent mit dem Text „Googlebot“ ist dafür allein nicht ausreichend.

Welche missbräuchlichen Bot-Arten treten auf?

Automatisierte Anmeldeversuche

Bots können Login-Endpunkte mit zahlreichen Zugangsdaten ansprechen. Beim Credential Stuffing werden bekannte Benutzername-Passwort-Kombinationen getestet, beim Brute Force mehrere Passwortkandidaten ausprobiert. Ein erfolgreicher Kontozugriff muss gesondert nachgewiesen werden.

Content- und Datenscraping

Content Scraping bezeichnet automatisiertes Abrufen und gegebenenfalls Kopieren von Websiteinhalten. Scraping ist nicht in jedem Fall unzulässig. Die rechtliche Bewertung hängt unter anderem von Nutzungsart, Zugriffsrechten, urheberrechtlichem Schutz und betroffenen Daten ab.

Formular- und Kommentarspam

Bots können Kontaktformulare, Newsletter-Anmeldungen oder Kommentarbereiche mit unerwünschten Einträgen füllen. Dadurch entstehen Bearbeitungsaufwand und unbrauchbare Kundendaten. Gefälschte Anfragen können bei bestimmten Abrechnungsmodellen auch einen finanziellen Schaden verursachen.

Werbebetrug

Wenn automatisierte Systeme Anzeigenkontakte oder Klicks absichtlich vortäuschen, kann Ad Fraud vorliegen. Allerdings gilt nicht jeder automatische Seitenabruf als vergüteter Werbekontakt. Die betroffene Werbeplattform kann ungültige Kontakte bereits vor einer Abrechnung herausfiltern.

Überlastungsangriffe

Bei DoS- oder DDoS-Angriffen können automatisierte Anfragen die Verfügbarkeit eines Dienstes beeinträchtigen. Nicht jeder Traffic-Anstieg ist ein solcher Angriff: Eine erfolgreiche Marketingaktion oder ein zeitlich begrenztes öffentliches Interesse kann ähnliche Lastspitzen erzeugen.

Was unterscheidet einen Bot von einem menschlichen Besucher?

Technische Systeme können anhand von Anfragefolgen, Zugriffsgeschwindigkeit und weiteren Verhaltensmerkmalen Hinweise auf Automatisierung ableiten. Die Grenze ist jedoch nicht absolut. Menschen können Assistenztechnologien oder spezielle Browser verwenden; Bots können dagegen reguläre Browser automatisieren und Pausen zwischen Anfragen einbauen.

Ein Zugriff aus einem Rechenzentrum ist daher ein Indikator und kein abschließender Beweis. Ebenso kann ein sehr kurzer Besuch mit hoher Wahrscheinlichkeit legitime Gründe haben. Die zuverlässigsten Prüfungen stellen mehrere Beobachtungen zusammen und berücksichtigen die angegriffene Funktion.

Wie beeinflusst Bot Traffic die Webanalyse?

Automatisierte Abrufe können Seitenaufrufe, Sitzungszahlen oder bestimmte Interaktionsereignisse beeinflussen, wenn sie von einem Messsystem als Besucher erfasst werden. Manche Webanalyseprogramme filtern bekannte Bots bereits heraus oder erfassen bestimmte nicht browserbasierte Abrufe gar nicht. Ein Vergleich zwischen Server-Logs und Webanalyse ist deshalb nicht zwingend identisch.

Auch Conversion- und Kampagnenberichte können betroffen sein, wenn Bots Formulare ausfüllen oder Trackingereignisse auslösen. Der Anteil unbrauchbarer Anfragen ist jedoch getrennt von einem tatsächlichen Betrugsnachweis zu beurteilen. Eine hohe Absprungrate oder geringe Verweildauer kann ebenso auf eine unpassende Landingpage oder eine fehlerhafte Messkonfiguration zurückgehen.

Ein fiktives Beispiel aus einem Fachportal

Ein Fachverlag beobachtet eine starke Zunahme von Seitenabrufen. In der Webanalyse erscheinen allerdings kaum zusätzliche Newsletter-Anmeldungen. Die IT prüft Server-Logs und erkennt, dass ein erheblicher Teil der neuen Abrufe in gleichmäßigen Intervallen stattfindet.

Bevor der Verlag die Anfragen blockiert, gleicht er sie mit eigenen Monitoringdiensten und bekannten Crawlern ab. Ein Teil stammt tatsächlich von einem neuen autorisierten Prüfdienst. Ein anderer Teil ruft wiederholt dieselben Suchergebnisse und Datenendpunkte ab, ohne dass ein entsprechender Dienst bekannt ist. Dieser zweite Teil wird weiter untersucht. Auch hier entscheidet erst der Zweck und die konkrete Wirkung über geeignete Gegenmaßnahmen.

Welche Warnsignale sind aussagekräftig?

Bot Traffic kann sich durch gleichförmige Abrufe, hohe Anfragezahlen oder auffällige Verteilung auf einzelne Endpunkte zeigen. Solche Signale sind jedoch nur im Zusammenhang mit der Funktion der Website sinnvoll zu interpretieren.

• Anfragehäufigkeit: Werden einzelne Pfade deutlich häufiger als im normalen Betrieb aufgerufen?
• Verhalten: Folgen Anfragen einem wiederkehrenden Muster ohne plausiblen Zusammenhang mit einer Bedienoberfläche?
• Konten und Sitzungen: Werden Anmelde- oder Formularfunktionen in ungewöhnlicher Weise angesprochen?
• Herkunft: Lassen sich behauptete Suchmaschinen- oder Monitoringdienste technisch verifizieren?
• Ressourcenwirkung: Steigen Serverlast, Datenbankanfragen oder Antwortzeiten erkennbar an?
• Geschäftsfolgen: Entstehen unbrauchbare Leads, verzerrte Werbeereignisse oder Probleme bei echten Nutzern?

Wie wird Bot Traffic technisch untersucht?

Ausgangspunkt sind geeignete Server- und Sicherheitsprotokolle. Sie können Pfade, Zeitpunkte, Antwortcodes und bestimmte technische Merkmale enthalten. Ein Vergleich mit Webanalyse und Anwendungssignalen zeigt, welche Anfragen tatsächlich einen messbaren Geschäftsprozess auslösen. Bei einem Login-Angriff sind andere Merkmale aussagekräftig als bei einem automatisierten Katalogabruf.

Die Untersuchung sollte bekannte und berechtigte Bots zuerst identifizieren. Danach werden verbleibende Auffälligkeiten nach Zielendpunkt und möglicher Wirkung beurteilt. Ein allgemeiner Bot-Score kann hilfreich sein, ersetzt aber keinen überprüfbaren technischen Befund für einen konkreten Vorfall.

Die bei der Bot-Erkennung verarbeiteten IP-, Geräte- und Nutzungsdaten können personenbezogen sein. Eine rechtlich zulässige, zweckgebundene Protokollierung ist deshalb Bestandteil der technischen Planung.

Welche Schutzmaßnahmen helfen?

OWASP empfiehlt, zunächst die betroffenen Funktionen und automatisierten Missbrauchsarten zu unterscheiden. Ein Login benötigt andere Schutzregeln als eine öffentliche Informationsseite. Rate Limits, Schutz vor automatisierten Kontoanmeldungen und eine Begrenzung teurer Suchabfragen können an den jeweiligen Zweck angepasst werden.

• Rate Limits pro sinnvoller Identität oder Funktion einrichten.
• Für Anmeldefunktionen starke MFA und Erkennung wiederkehrender Angriffsversuche vorsehen.
• Öffentliche APIs mit geeigneten Berechtigungen und Nutzungsgrenzen versehen.
• Bekannte legitime Crawler nach verifizierter Herkunft berücksichtigen.
• Formulare mit passenden Validierungs- und Missbrauchsprüfungen schützen.
• Schutzregeln so testen, dass legitime Nutzer nicht dauerhaft ausgesperrt werden.

CAPTCHAs und Web Application Firewalls können einzelne Angriffe erschweren. Sie verhindern nicht jede Form automatisierter Nutzung. Auch pauschale Länder- oder IP-Sperren können echte Kunden und erwünschte technische Dienste treffen.

Welche rechtlichen Fragen sind betroffen?

Automatisierte Zugriffe sind nicht pauschal illegal. Bei unberechtigtem Zugriff auf besonders gesicherte Daten kann unter den entsprechenden Voraussetzungen § 202a StGB relevant sein. Bei einer schwerwiegenden Störung bestimmter Datenverarbeitungen ist gegebenenfalls § 303b StGB zu prüfen. Auch Nutzungsbedingungen, Datenbankrechte und Datenschutz können je nach Sachverhalt betroffen sein.

Eine pauschale Gleichsetzung von Scraping, Crawling und Cybercrime wäre fachlich und rechtlich falsch. Die konkrete Handlung und ihre Wirkungen müssen getrennt beurteilt werden.

Häufige Fragen zu Bot Traffic

Ist jeder Bot schädlich?

Nein. Suchmaschinen, technische Überwachung und autorisierte Prüfdienste verwenden Bots für legitime Aufgaben.

Zeigt ein hoher Traffic-Anstieg einen Bot-Angriff?

Nicht zwangsläufig. Auch Kampagnen oder öffentliche Aufmerksamkeit können reguläre Besucherspitzen auslösen.

Kann ein Bot einen normalen Browser vortäuschen?

Ja. User-Agent-Kennungen und einzelne Verhaltensmerkmale können verändert werden. Eine Erkennung sollte mehrere technische Hinweise berücksichtigen.

Wo können betroffene Unternehmen Hilfe erhalten?

Bei ungewöhnlichem Traffic sollten zunächst Webserver-, Anwendungs- und Marketingdaten verglichen werden. BRANDPROTECTIONNOW begleitet Unternehmen als Partner bei der Analyse verdächtiger Bot-Muster, der Abgrenzung legitimer Crawler und der Dokumentation möglicher Angriffe auf Website oder Werbekampagnen. Abhängig vom Befund können Schutzmaßnahmen zusammen mit spezialisierten Security-Partnern umgesetzt werden. Informationen bietet BRANDPROTECTIONNOW zum Bot- und Server-Schutz.

Fachquellen

• OWASP – Bot Management and Anti-Automation: Einteilung automatisierter Missbrauchsarten und Abwehr.
• Google Search Central – Verify Googlebot: Erkennung legitimer Google-Crawler.
• IAB Tech Lab – Security & Fraud: automatisierte Werbemanipulation.
• § 303b StGB: mögliche Strafbarkeit einer Computersabotage nach den gesetzlichen Voraussetzungen.

Click Fraud (Klickbetrug) bezeichnet gefälschte Klicks auf bezahlte Anzeigen, die nicht aus echtem Interesse entstehen. Sie werden meist von Bots, Klickfarmen oder manipulierten Geräten erzeugt. Ziel ist es, fremdes Werbebudget zu verbrauchen oder Werbeeinnahmen und Provisionen zu erschleichen.

So funktioniert Click Fraud

Bei klickbasierter Abrechnung kostet jeder Klick Geld. Betrügerische Seitenbetreiber lassen Anzeigen auf ihren eigenen Seiten anklicken, um ihren Anteil an den Werbeeinnahmen zu erhöhen. Andere Täter zielen darauf, das Tagesbudget eines Wettbewerbers früh aufzubrauchen, damit dessen Anzeigen nicht mehr erscheinen. Der Schaden: bezahlte Klicks ohne Kundschaft, verzerrte Kennzahlen und Gebotsstrategien, die auf falschen Daten lernen.

Beispiel

Ein regionaler Handwerksbetrieb stellt fest, dass sein Tagesbudget regelmäßig schon vormittags aufgebraucht ist. Die Klicks kommen aus wenigen IP-Bereichen, die Besucher verlassen die Seite sofort, Anfragen bleiben aus.

Warnsignale und Schutz

• Klickspitzen ohne passende Anfragen oder Verkäufe
• Sehr kurze Verweildauer und wiederkehrende IP-Bereiche
• Auffällige Placements oder Uhrzeiten

Schützen Sie sich durch regelmäßige Klick- und Placement-Analysen, IP- und Placement-Ausschlüsse sowie Erstattungsanträge beim Werbenetzwerk. Mehr dazu im Schutzbereich Werbebetrug (Ad Fraud).

Wie wir Klickbetrug in Ihren Kampagnen aufdecken und stoppen, lesen Sie unter Klickbetrug bei Ads.

Click Spamming bezeichnet im Mobile Marketing die absichtliche Übermittlung vieler Klicksignale, obwohl die behaupteten Werbeinteraktionen nicht in der angegebenen Form stattgefunden haben. Das Ziel kann sein, eine spätere App-Installation einem bestimmten Werbepartner zuzuordnen und eine Provision zu erhalten. Der Begriff wird häufig gleichbedeutend mit Click Flooding verwendet.

Eine große Klickzahl allein beweist kein Click Spamming. Ein beliebtes Werbemittel kann viele echte Nutzer anziehen. Die Betrugshypothese setzt zusätzliche Hinweise voraus, etwa unglaubwürdige Klickmuster, fehlende Nutzerabsicht oder systematisch falsche Attributionszuordnungen. Auch bereits vom Messdienst ausgeschlossene Klicks dürfen nicht automatisch als bezahlter Schaden dargestellt werden.

Wie entstehen Klicksignale bei App-Kampagnen?

Bei mobilen Werbekampagnen melden Werbenetzwerke oder Trackinglinks bestimmte Anzeigenkontakte an einen Attributionsdienst. Dieser bewertet anschließend, welcher Kanal mit einer App-Installation oder einer anderen Aktion in Verbindung steht. Für eine zulässige Attribution muss das gemeldete Ereignis die Bedingungen des jeweiligen Messmodells erfüllen.

Einige Modelle bevorzugen einen geeigneten Klick vor einer Installation. Eine tatsächliche Installation kann dadurch einem Werbepartner zugeschrieben werden, dessen gemeldeter Klick innerhalb eines festgelegten Attributionsfensters liegt. Das System muss jedoch prüfen, ob der Klick ein zulässiges Werbeereignis darstellt.

Ein Betrugsversuch setzt genau an dieser Verbindung an. Es werden unberechtigte Klickmeldungen erzeugt, in der Hoffnung, dass eine von ihnen bei einer späteren echten Installation berücksichtigt wird. Die Installation kann also vollständig real sein, obwohl die zugeschriebene Werbequelle falsch ist.

Welche Muster treten bei Click Spamming auf?

Massenhaft übermittelte Klickereignisse

Eine Werbequelle meldet ungewöhnlich viele Klicks, während nur wenige tatsächlich zu einer Installation führen. In einem solchen Fall kann der Anteil gemeldeter Klicks ohne nachvollziehbare Nutzerinteraktion hoch sein. Eine geringe Klick-zu-Installations-Rate ist aber kein alleiniger Betrugsnachweis, da auch schlecht passende Werbung geringe Conversion-Raten erzeugt.

Unberechtigte Klicks aus mobilen Apps

Adjust beschreibt Fälle, in denen Anwendungen Klicksignale erzeugen, obwohl Nutzer keine entsprechende Anzeige betätigt haben. Solche Aktivitäten können im Hintergrund oder über nicht erkennbare Werbeelemente stattfinden. Die genaue technische Variante hängt vom verwendeten SDK und der App-Umgebung ab.

Falsch gemeldete Impressionen als Klicks

Ein weiterer Missbrauch besteht darin, weniger verbindliche Anzeigenkontakte als tatsächliche Klickinteraktionen auszugeben. Dadurch kann ein Attributionssystem eine höhere Nutzerabsicht annehmen, als real vorhanden war. Die Daten müssen anhand der tatsächlichen Messdefinitionen geprüft werden.

Automatisierte wiederkehrende Klickserien

Unnatürlich viele Klickereignisse mit sich wiederholenden zeitlichen Mustern können auf eine automatisierte Erzeugung hinweisen. Allerdings können reguläre Messfehler oder mehrfach ausgeführte Trackingaufrufe ähnliche Serien verursachen.

Missbrauch organischer Installationen

Eine organische Installation findet ohne einen entsprechend zurechenbaren bezahlten Werbekontakt statt. Click Spamming kann versuchen, solche Installationen durch zuvor übermittelte künstliche Klicks einem bezahlten Partner zuzuschreiben. Das wird auch als Organic Poaching beschrieben.

Click Spamming, Click Flooding und Click Injection unterscheiden

Click Flooding wird häufig als Synonym für Click Spamming verwendet. Beide Ausdrücke beschreiben das breite Streuen unberechtigter Klicksignale, um im Attributionsfenster eine passende Zuordnung zu erhalten.

Bei Click Injection wird dagegen versucht, einen Klick gezielt in einen sehr engen zeitlichen Zusammenhang mit einer bereits laufenden Installation zu bringen. Die Ursache und die Signalmuster können deshalb anders aussehen.

SDK Spoofing kann sogar Installations- oder Nutzungsereignisse vortäuschen, die nicht von einer echten App stammen. Bei Click Spamming sind die später zugeschriebenen Installationen häufig real, während die Werbeklicks falsch sind.

Welche wirtschaftlichen Folgen können entstehen?

Ein Werbetreibender kann Provisionen für Installationen zahlen, die tatsächlich über andere Quellen oder organisch entstanden sind. Dadurch wird das Budget zugunsten eines unberechtigt vergüteten Partners verschoben. Gleichzeitig erscheinen echte Werbekanäle möglicherweise weniger leistungsfähig als sie tatsächlich waren.

Ein zusätzlicher Schaden entsteht, wenn automatisierte Kampagnensysteme auf diesen verfälschten Daten Entscheidungen treffen. Die angeblichen Installationskosten eines Partners können günstig wirken, obwohl seine tatsächliche Vermittlungsleistung gering war.

Für eine Schadensberechnung muss jedoch geklärt werden, welche Ereignisse tatsächlich vergütet wurden und welche der Attributionsdienst bereits herausgefiltert hat. Die bloße Summe aller verdächtigen Klicks entspricht nicht einem Geldschaden.

Ein fiktives Beispiel aus einer App-Werbekampagne

Ein Anbieter einer Fitness-App arbeitet mit mehreren mobilen Werbenetzwerken. Ein Partner meldet innerhalb kurzer Zeit ungewöhnlich viele Klicks. Später erscheinen bei ihm zusätzliche Installationen, obwohl sich die eigentliche Werbekampagne nicht verändert hat. Die Klick-zu-Installations-Abstände verteilen sich auffällig über das gesamte zulässige Attributionsfenster.

Die Analyse vergleicht die gemeldeten Klicks mit den tatsächlichen Installs, der App-Nutzung und den bereits durch den Messdienst abgelehnten Ereignissen. Parallel werden andere Ursachen geprüft, etwa ein neues Werbeformat, Änderungen der Attributionsfenster oder eine technische Doppelerfassung.

Ein begründeter Verdacht entsteht erst aus dem Zusammenhang mehrerer Hinweise. Die technische Einstufung eines Werbekanals identifiziert noch nicht die Person, die die Manipulation veranlasst hat.

Welche Warnsignale sind bei Click Spamming aussagekräftig?

Adjust und AppsFlyer verwenden unter anderem das zeitliche Muster zwischen gemeldetem Klick und Installation, die Klickmenge und den Zusammenhang mit echten Nutzerereignissen. Diese Werte müssen im jeweiligen Kampagnenkontext betrachtet werden. Eine einzelne Schwelle ist nicht für alle Apps, Betriebssysteme und Werbeformate gültig.

• Hohe Klickmengen: Ein Partner meldet auffällig viele Klicks bei vergleichsweise wenigen echten Installationen.
• Ungewöhnliche CTIT-Verteilung: Die Click-to-Install Time weicht deutlich von plausiblen Kampagnenmustern ab.
• Viele assistierende Klicks: Ein Kanal erscheint überdurchschnittlich häufig in der Nähe späterer Installationen, ohne eine nachvollziehbare eigene Vermittlungsleistung zu zeigen.
• Unplausible Quellen: Klicks stammen aus Werbeplätzen oder App-Abläufen, für die keine passende Nutzerhandlung dokumentiert ist.
• Wiederholte Trackingereignisse: Identische oder auffällig ähnliche Klickmeldungen treten in regelmäßigen Abständen auf.
• Bereits abgelehnte Attributionen: Der Messdienst klassifiziert bestimmte Klickserien als unzulässig.

Ein langer Abstand zwischen Klick und Installation ist für sich nicht beweiskräftig. Menschen können eine App erst Stunden oder Tage später installieren. Außerdem beeinflussen App-Größe und Werbeformat die übliche Verteilung.

Wie wird Click Spamming untersucht?

Zu Beginn werden das Attributionsmodell und die verwendeten Zeitfenster dokumentiert. Ein Klick innerhalb des Messfensters kann ein Kandidat für die Zuschreibung sein, muss aber die weiteren Prüfbedingungen erfüllen. Danach werden Ereignisdaten nach Partner, Kampagne und Zeitraum aufgeteilt.

Adjust beschreibt für seine Anti-Fraud-Erkennung unter anderem Hyper Engagement und Verfahren zur Bewertung der Click-to-Install-Verteilung. Auffällige Klickserien können aus der Attribution ausgeschlossen werden. Die konkrete Schutzwirkung richtet sich nach dem verwendeten Messsystem und dessen Konfiguration.

Ein Untersuchungsbericht sollte die Zahl verdächtiger Klicks, abgelehnter Zuschreibungen und tatsächlich vergüteter Installationen getrennt aufführen. Nur dann lässt sich der mögliche wirtschaftliche Schaden nachvollziehen.

Welche Maßnahmen begrenzen Click Spamming?

Werbetreibende können einen Attributionsdienst einsetzen, der künstliche Klickmuster erkennt und betroffene Signale bei der Zuordnung berücksichtigt. Zusätzlich sollten die Qualität der vermittelten Nutzer und reale Geschäftsergebnisse beobachtet werden. Eine niedrige Klick-zu-Installations-Rate allein rechtfertigt keine pauschale Betrugsbeschuldigung.

• Verdächtige Klick- und Installationsmuster nach Werbepartner getrennt prüfen.
• Attributionsfenster und Messregeln nachvollziehbar dokumentieren.
• Bereits herausgefilterte Klicks und Installationen in Berichten gesondert betrachten.
• Unplausible Werbequellen anhand konkreter Daten untersuchen.
• Vergütungsstreitigkeiten mit dem zuständigen Werbenetzwerk und Attributionsanbieter klären.
• Automatische Ausschlüsse regelmäßig auf fälschlich abgelehnte echte Nutzer prüfen.

Welche rechtlichen Fragen können entstehen?

Das absichtliche Erschleichen von Provisionen durch falsche Werbeklicks kann unter den gesetzlichen Voraussetzungen § 263 StGB betreffen. Täuschende Angaben zu geschäftlichen Leistungen können gegebenenfalls nach § 5 UWG relevant sein.

Ein auffälliges CTIT-Muster oder eine Plattformwarnung erfüllt diese Tatbestände nicht automatisch. Die betroffene Vergütung, der tatsächliche Ablauf und die Täuschungsabsicht müssen gesondert geprüft werden.

Häufige Fragen zu Click Spamming

Sind alle Klicks bei Click Spamming von echten Menschen?

Nein. Die gemeldeten Klicks können automatisiert erzeugt oder anderweitig falsch dargestellt werden.

Kann eine echte Installation falsch zugeordnet werden?

Ja. Gerade darauf zielen bestimmte Formen von Click Spamming ab.

Ist jede niedrige Click-to-Install-Rate ein Betrugshinweis?

Nein. Eine schlecht passende Anzeige oder ein komplexer Installationsprozess kann ebenfalls wenige Abschlüsse erzeugen.

Wo können betroffene Unternehmen Hilfe erhalten?

Bei verdächtigen mobilen Klickmustern sollten Unternehmen zunächst die Attribution, Filterentscheidungen und tatsächlichen Vergütungen mit ihrem Messanbieter prüfen. BRANDPROTECTIONNOW begleitet Unternehmen bei der Analyse möglicher Click-Spamming-Angriffe, der Dokumentation verfälschter Werbezuordnungen und der Abstimmung von Maßnahmen zur Abwehr und weiteren Beobachtung. Die passende Leistungsseite ist BRANDPROTECTIONNOW zum Schutz vor Werbebetrug.

Fachquellen

• Adjust – Distribution Modeling: Erkennung von Click Spam anhand von Klickmenge und CTIT-Verteilung.
• AppsFlyer – Click Flooding: Definition und Warnsignale.
• Adjust – Click Spam: Abgrenzung zu Click Injection und SDK Spoofing.
• § 263 StGB und § 5 UWG: mögliche rechtliche Grundlagen.

Conversion Fraud bezeichnet die absichtliche Erzeugung oder Meldung von angeblichen Werbeerfolgen, die nicht der vereinbarten tatsächlichen Kundenhandlung entsprechen. Dazu können vorgetäuschte Bestellungen, künstliche Registrierungen, nicht echte Kontaktanfragen oder manipulierte App-Ereignisse gehören. Im erfolgsabhängigen Marketing kann ein Beteiligter dadurch eine Provision beanspruchen, obwohl die geschuldete Leistung nicht erbracht wurde.

Ein Lead, der später nicht kauft, ist noch kein Betrugsfall. Auch eine stor­nierte Bestellung oder eine versehentlich doppelt gezählte Conversion muss nicht auf einer Täuschung beruhen. Für eine Einordnung sind die Vertragsdefinition des Zielereignisses, seine tatsächliche Herkunft und die behauptete Leistung zu prüfen.

Welche Bedeutung hat eine Conversion im Marketing?

Eine Conversion ist ein zuvor definiertes Ereignis, das als Ergebnis einer Kampagne gemessen wird. Bei einem Onlineshop kann dies ein Kauf sein, bei einem Dienstleister eine Formularanfrage und bei einer mobilen App die Registrierung oder eine später ausgeführte Aktion. Die Messung selbst sagt noch nicht, wie wertvoll die betreffende Person für das Unternehmen ist.

Viele Werbeverträge koppeln eine Zahlung an eine bestimmte Handlung. So kann ein Partner für qualifizierte Leads oder für bestätigte Installationen vergütet werden. Ein Betrugsversuch kann an der Lücke zwischen technischem Trackingereignis und tatsächlich erbrachter Kundenleistung ansetzen.

Eine werbliche Conversion und ein realer Geschäftsvorgang müssen deshalb in den verwendeten Systemen ausreichend eindeutig verbunden sein. Ein beliebiger Eventname wie purchase beweist keinen bezahlten Kauf, wenn das Zahlungs- oder Bestellsystem keinen passenden Vorgang enthält.

Welche Formen von Conversion Fraud gibt es?

Künstlich erzeugte Leads

Automatisierte Programme können Kontaktformulare mit erfundenen Namen und nicht erreichbaren Adressen ausfüllen. Werden diese Anfragen als qualifizierte Interessenten verkauft, kann ein Fall von Lead Fraud entstehen. Ein echter Interessent, der seine Entscheidung später ändert, darf davon nicht allein aufgrund der geringen Abschlusswahrscheinlichkeit erfasst werden.

Gefälschte App-Registrierungen

In mobilen Kampagnen können virtuelle Geräte oder nachgeahmte Nachrichten an Attributionsdienste zu künstlichen Installationen und Registrierungen führen. SDK Spoofing und Fake In-App Events beschreiben verschiedene technische Varianten. Die gemeldete Aktion muss dabei mit dem tatsächlichen Zustand der Anwendung abgeglichen werden.

Vorgetäuschte Bestellungen

Eine Bestellung kann als Werbeerfolg gezählt werden, obwohl sie nicht bezahlt, unmittelbar wieder storniert oder unter unberechtigten Angaben aufgegeben wurde. Ein normaler Widerruf ist jedoch kein Beweis für eine manipulierte Conversion. Die Frage lautet, ob der Vorgang gezielt erzeugt wurde, um eine Vergütung zu erschleichen.

Falsche Transaktionsbestätigungen

Bei bestimmten Integrationen können serverseitige Events an den Werbeanbieter gemeldet werden. Eine absichtlich falsche Meldung kann eine nicht stattgefundene Geschäftshandlung vortäuschen. Ein versehentlich doppelt gesendetes Event ist zuerst ein Trackingproblem und muss technisch von einer vorsätzlichen Falschmeldung getrennt werden.

Organisierte Aktionen ohne echte Kaufabsicht

Ein Partner kann reale Personen dafür einsetzen, vergütungspflichtige Registrierungen oder Anfragen nur zum Zweck der Provision durchzuführen. Ob das die vereinbarte Leistung verletzt, hängt von den Vertragsbedingungen und den tatsächlich behaupteten Merkmalen ab. Ein Nutzer ohne späteren Kaufabschluss ist dagegen nicht schon deshalb betrügerisch.

Conversion Fraud, Conversion Pollution und Attribution Fraud unterscheiden

Conversion Pollution beschreibt unzuverlässige Conversion-Daten. Darunter fallen sowohl Messfehler als auch absichtlich manipulierte Ereignisse. Conversion Fraud setzt hingegen einen Täuschungsversuch voraus, bei dem angebliche Kundenhandlungen gezielt vorgetäuscht werden.

Bei Attribution Fraud kann ein echter Kauf oder eine echte Installation der falschen Werbequelle zugeschrieben werden. Beim Conversion Fraud kann das Ereignis selbst gefälscht sein. Beide Fälle müssen unterschiedlich untersucht werden, auch wenn das Werbekonto anschließend ähnliche Fehlzahlen zeigt.

Welche wirtschaftlichen Folgen sind möglich?

Ein Unternehmen kann Provisionen für nicht erbrachte Leads oder andere angebliche Handlungen bezahlen. Daneben können Vertriebsmitarbeiter Zeit mit erfundenen Kontakten verbringen. Bei automatischer Kampagnenoptimierung können die falschen Ereignisse bestimmte Werbequellen zu gut erscheinen lassen.

Die tatsächliche Schadenshöhe hängt von Abrechnungsmodell, Korrekturen und den vertraglich vereinbarten Qualitätsmerkmalen ab. Ein Werbeanbieter kann ungültige Kontakte bereits vor der Rechnung filtern. Auch nachträgliche Conversion-Anpassungen können möglich sein. Eine Zahl verdächtiger Events darf deshalb nicht ungeprüft mit bezahlten Provisionen gleichgesetzt werden.

Selbst bei einer großen Zahl echter, aber wenig kauffreudiger Nutzer kann ein Kanal schwache Geschäftsergebnisse erzielen. Diese Beobachtung allein beweist keinen Conversion Fraud.

Ein fiktiver Vorfall bei einem Weiterbildungsanbieter

Ein Unternehmen kauft über ein Partnernetzwerk qualifizierte Anfragen für berufliche Weiterbildungen. Ein Vermittler meldet binnen weniger Tage ungewöhnlich viele Registrierungen. Bei Rückfragen zeigen sich wiederkehrende Telefonnummern, nicht erreichbare Kontaktadressen und Formulare mit sehr ähnlichen Zeitstempeln.

Die Vertriebsleitung prüft zuerst, was im Vertrag als gültige Anfrage vereinbart wurde. Danach werden Formularereignisse, Einwilligungsnachweise und die tatsächlichen Kundendatensätze abgeglichen. Ein Teil der Einträge kann durch einen technischen Importfehler entstanden sein, während für andere ein begründeter Verdacht auf automatisierte Erzeugung besteht.

Eine öffentliche Täterzuschreibung wäre zu diesem Zeitpunkt unangebracht. Der Netzwerkpartner kann selbst Kontakte aus einer weiteren Quelle erhalten haben. Für Vertrags- und Zahlungsfragen müssen die nachweisbaren Vorgänge getrennt erfasst werden.

Woran lässt sich möglicher Conversion Fraud erkennen?

Besonders hilfreich ist der Abgleich zwischen Trackingdaten und tatsächlichen Geschäftsereignissen. Eine einzelne Kennzahl kann eine Untersuchung auslösen, liefert jedoch selten einen abschließenden Beweis.

• Fehlende reale Konten: Gemeldete Registrierungen besitzen keinen passenden Datensatz im Anwendungssystem.
• Kontaktmuster: Viele Leads enthalten wiederkehrende oder offenkundig unzutreffende Angaben.
• Ungewöhnliche Ereignisfolgen: Käufe werden gemeldet, bevor die dafür vorgesehenen Prozessschritte stattgefunden haben.
• Partnerkonzentration: Ein Vermittler liefert auffällig viele angebliche Erfolge ohne nachvollziehbaren Geschäftskontakt.
• Technische Wiederholungen: Einzelne Bestell- oder Eventkennungen erscheinen mehrfach.
• Bereits gefilterte Ereignisse: Der Messanbieter hat Kontakte als ungültig klassifiziert und nicht in die Vergütung übernommen.

Wiederholte Kontaktdaten können auch reguläre Unternehmenszentralen oder gemeinsame Haushalte betreffen. Die Untersuchung darf solche Erklärungen nicht pauschal ausschließen.

Wie wird der Verdacht untersucht?

Die Untersuchung beginnt mit einer klaren Definition der vergütungspflichtigen Conversion. Anschließend werden Partnerberichte, Werbesystem, CRM und Geschäftsbackend auf vergleichbare Vorgänge abgeglichen. Die unterschiedliche Verarbeitung von Zeitstempeln und Conversion-Fenstern kann normale Abweichungen erklären.

Google Ads dokumentiert technische Prüfungen für importierte Conversions, einschließlich doppelter Bestell-IDs. Seine Conversion-Anpassungen erlauben unter bestimmten Voraussetzungen das nachträgliche Zurückziehen oder Ändern erfasster Ereignisse. Diese Korrekturen sind von einer Täuschung über den Ursprung des Ereignisses zu unterscheiden.

Für den Bericht sollten bestätigte Falschmeldungen, ungeklärte Auffälligkeiten und tatsächlich vergütete Aktionen getrennt dargestellt werden. Ein bloßer automatischer Fraud-Score genügt nicht für die Feststellung einer bestimmten Täterschaft.

Welche Gegenmaßnahmen sind sinnvoll?

Die Messung sollte möglichst nahe am tatsächlich vereinbarten Geschäftsergebnis liegen. Für Käufe können Bestell- und Zahlungsdaten verlässlichere Kontrollpunkte sein als ein rein browserseitiger Klick auf den Kaufbutton. Bei Leads kann eine nachgelagerte Qualifizierung für die Bewertung des Werbekanals hilfreich sein.

• Vergütungspflichtige Conversions und deren Mindestmerkmale vertraglich festlegen.
• Bei wertvollen Ereignissen Backenddaten als unabhängigen Kontrollpunkt verwenden.
• Formulare und Registrierungsprozesse gegen massenhaft automatisierte Eingaben absichern.
• Doppelte oder fehlerhafte Trackingereignisse anhand von Kennungen erkennen.
• Partnerabrechnungen auf bereits gefilterte oder korrigierte Ereignisse prüfen.
• Fehlentscheidungen der Betrugsfilter bei echten Kundenanfragen kontrollieren.

Ein möglichst strenger technischer Filter ist kein Selbstzweck. Wenn echte Interessenten blockiert werden, können daraus eigene geschäftliche Nachteile entstehen.

Welche rechtlichen Fragen sind betroffen?

Wer vorsätzlich nicht erbrachte Werbeleistungen als abrechnungsfähige Conversions ausgibt, kann unter den gesetzlichen Voraussetzungen § 263 StGB erfüllen. Täuschende Angaben über geschäftliche Leistungen können im konkreten Fall auch § 5 UWG betreffen.

Bei der Untersuchung von Kundendaten und technischen Nutzermerkmalen gelten die einschlägigen Datenschutzregeln. Ein berechtigter Vertragsstreit oder ein fehlerhafter Conversion-Import erfüllt die Voraussetzungen des Betrugs nicht automatisch.

Häufige Fragen zu Conversion Fraud

Ist jeder Lead ohne Kaufabschluss betrügerisch?

Nein. Auch echte Interessenten können eine Anfrage abbrechen oder sich gegen einen Kauf entscheiden.

Kann eine echte Bestellung als Conversion Fraud gelten?

Unter bestimmten Umständen ja, wenn sie bewusst nur als vorgetäuschte abrechnungsfähige Leistung erzeugt und so gemeldet wird. Ein normaler Kauf mit späterem Widerruf genügt dafür nicht.

Ist Conversion Fraud dasselbe wie eine fehlerhafte Conversion-Messung?

Nein. Eine fehlerhafte Messung kann unbeabsichtigt sein. Conversion Fraud setzt einen Täuschungsversuch voraus.

Wo können betroffene Unternehmen Hilfe erhalten?

Bei zweifelhaften Leads oder Conversions sollten Unternehmen zuerst die tatsächlichen Geschäftsereignisse, Partnervereinbarungen und Abrechnungen abgleichen. BRANDPROTECTIONNOW begleitet Unternehmen bei der Untersuchung manipulierter Werbeerfolge, der Dokumentation künstlicher Kontakt- und App-Ereignisse sowie der Abstimmung geeigneter Prüf- und Schutzmaßnahmen mit spezialisierten Partnern. Weitere Informationen finden sich bei BRANDPROTECTIONNOW zum Werbebetrug.

Fachquellen

• Google Ads API – Conversion Troubleshooting: doppelte Importereignisse und Diagnose.
• Google Ads-Hilfe – Conversion-Anpassungen: nachträgliche Korrekturen.
• OWASP – Automated Threats to Web Applications: OAT-016 Skewing und automatisierte Messmanipulation.
• Adjust – Fake Installs: vorgetäuschte Ereignisse im Mobile Marketing.