Vervalste bonnetjes detecteren: hoe herken je ze?

Vervalste bonnetjes zijn ongemerkt uitgegroeid tot één van de grootste bedreigingen voor bedrijven die terugbetalingen verwerken, onkosten vergoeden, loyaliteitsbeloningen uitkeren of garantieclaims afhandelen. Op sommige platforms steeg het aandeel AI-gegenereerde frauduleuze documenten binnen één jaar van niets naar 14%.

Aan de buitenkant kunnen deze nepbonnen volledig authentiek lijken. Het logo staat erop, de prijzen lijken redelijk en de opmaak klopt. Maar van binnen kunnen totalen zijn aangepast, data zijn veranderd of transacties volledig zijn verzonnen.

Het gevolg? Direct financieel verlies, operationele druk, compliance-risico’s en potentiële reputatieschade. En dankzij bewerkingstools die vrij beschikbaar zijn op het internet, kunnen zelfs niet-technische fraudeurs in enkele minuten overtuigende vervalsingen maken.

In dit artikel leer je hoe bonnetjesfraude eruitziet, hoe nepbonnen worden gemaakt en hoe je manipulatie binnen enkele seconden kunt herkennen.

---

Key Takeaways

• Fraudeurs kunnen met minimale moeite overtuigende nepbonnetjes maken met behulp van vrij beschikbare templates, bewerkingstools en AI-generators.
• Handmatige controle kan duidelijke gevallen opsporen, maar subtiele manipulaties blijven vaak onopgemerkt.
• AI-gestuurde gelaagde detectie controleert meerdere factoren, zoals metadata, beeldopbouw, duplicatiepatronen en externe databronnen, om meer fraude te onderscheppen.
• Het combineren van preventiebeleid met technologie zorgt voor zowel schaalbaarheid als betrouwbaarheid.

---

Wat is een vervalst bonnetje?

Een vervalst bonnetje is een gemanipuleerd aankoopbewijs dat bedoeld is om een transactie verkeerd voor te stellen. Bijvoorbeeld: een gefotoshopte kassabon die als afbeeldingsbestand wordt geüpload. Fraudeurs gebruiken zulke bonnetjes om financiële voordelen, goederen, diensten of loyaliteitsbeloningen te verkrijgen waar ze geen recht op hebben.

Veelvoorkomende situaties:

• Onkostenfraude binnen bedrijven: Werknemers dienen verzonnen taxi-, restaurant- of hotelbonnetjes in om vergoedingen te claimen voor reizen of maaltijden die nooit hebben plaatsgevonden.
• Retail-refundfraude: Klanten maken bonnetjes aan voor producten die ze nooit hebben gekocht, om geld terug of vervangende artikelen te krijgen.
• Overfacturering door leveranciers: Aannemers verhogen bestellingen of rekenen dubbel door dubbele bonnetjes voor materialen toe te voegen.
• Misbruik van loyaliteitspunten: Loyaliteitsfraude ontstaat wanneer een klant hetzelfde echte bonnetje meerdere keren uploadt om beloningen op verschillende accounts te innen.

Vormen van vervalste bonnetjes:

1. Volledig vervalst: Van nul af aan ontworpen met templates, websites voor bongeneratie of grafische software zoals Photoshop. Ze bootsen de stijl van een echte kassabon na, maar bevatten valse gegevens.
2. Aangepaste echte bonnetjes: Echte bonnetjes die zijn bewerkt met gewijzigde prijzen, aangepaste data of vervangen winkelinformatie.
3. Gedupliceerde echte bonnetjes: Echte bonnetjes die meerdere keren worden hergebruikt voor verschillende claims.

Al deze vormen van fraude hebben één gemeenschappelijke tactiek: ze misbruiken het vertrouwen in kassabonnen door een document te presenteren dat er op het eerste gezicht legitiem uitziet — in de hoop dat het wordt verwerkt zonder grondige controle.

Hoe vervalste bonnetjes worden gemaakt

Net als vervalste facturen worden vervalste bonnetjes bewust zo ontworpen dat ze geen argwaan wekken. Fraudeurs passen beproefde manipulatiemethoden van documenten toe op de flexibele, nauwelijks gereguleerde wereld van consumententransacties.

Bonnetjes klonen

De fraudeur begint met een echte kassabon van een winkel. Alles wordt gekopieerd: de lay-out, lettertype, spatiëring, productbeschrijvingen en logo-positie. Alleen de kerngegevens worden aangepast, zoals datum, totaalbedrag of betaalmethode. Omdat de structuur exact overeenkomt met een echte bon, doorstaan deze vervalsingen vaak moeiteloos een visuele controle.

Voorbeeld: Een taxibon van februari wordt gekopieerd, de datum in Photoshop aangepast naar maart en het bedrag verhoogd om een hogere onkostenvergoeding te rechtvaardigen.

Geconstrueerde bonnetjes

Deze worden volledig vanaf nul gemaakt met online generatoren (zoals ChatGPT) of kant-en-klare templates. Hoewel een getraind oog opmaakfouten kan herkennen, hebben veel bedrijven geen referentie-templates om mee te vergelijken. Daardoor glippen zelfs duidelijk valse bonnetjes door ondanks inconsistenties.

Voorbeeld: Een verzoek tot terugbetaling bij een elektronicawinkel bevat een perfect uitziend, vers geprint bonnetje. Bij vergelijking met de standaard POS-uitvoer van de winkel blijkt het lettertype anders en ontbreekt het verkopers-ID — een duidelijk teken van een gegenereerde vervalsing.

Sociale manipulatie om beleid uit te buiten

Naast de bon zelf profiteren fraudeurs van retour- of onkostenbeleid. Ze kunnen grote aantallen vervalste bonnetjes tegelijk indienen, in de hoop dat de meeste zonder controle worden goedgekeurd, of druk uitoefenen op medewerkers met urgentie (“de terugbetaling moet vandaag nog verwerkt worden”).

Prijsverhoging en selectieve bewerking

In plaats van de hele bon te vervangen, bewerken sommigen alleen specifieke numerieke velden — zoals dure artikelen of het totaalbedrag — met bewerkingstools. Dit is bijzonder effectief bij loyaliteitsprogramma’s of interne onkostensystemen, waar een correcte artikelomschrijving vaak al voldoende is om een beloning of terugbetaling te krijgen.

Duplicaten

Zodra een bon eenmaal is goedgekeurd, wordt deze vaak hergebruikt. Dezelfde bon wordt maanden later opnieuw ingediend, onder een ander account of op meerdere platforms tegelijk.

Waarom dit belangrijk is: Elke vorm van documentfraude kent een eigen risicoprofiel. Gekloonde en subtiel gewijzigde bonnetjes glippen langs menselijke controles die op visuele vergelijking vertrouwen. Volledig geconstrueerde of gedupliceerde bonnetjes misbruiken zwakke plekken in beleid en systeemregistratie. Het resultaat blijft hetzelfde: de bon lijkt geldig, de fraude blijft onopgemerkt en het bedrijf lijdt financieel verlies.

Hoe herken je vervalste bonnetjes: “The red flags“

Voordat we ingaan op geavanceerde detectiemethoden, is het belangrijk je team te trainen om de signalen te herkennen die tijdens een controle aanleiding moeten geven tot twijfel. Bonnetjesfraude laat vaak terugkerende “vingerafdrukken” achter — afwijkingen in lay-out, data of context — die niet overeenkomen met hoe echte documenten worden aangemaakt.

Hieronder vind je de meest voorkomende en opvallende “red flags” die wij tegenkomen bij het analyseren van vervalste bonnetjes, met voorbeelden.

Onverwachte of onbekende bonnetjes

Als je team de winkel, de aankoop of het type producten niet herkent, is dat een waarschuwing. Onkostenfraude bevat vaak uitgaven bij onbekende leveranciers, vooral in sectoren waar medewerkers reizen of aankopen doen bij uiteenlopende verkopers.

Leveranciersgegevens die niet overeenkomen

Echte bonnetjes bevatten de juiste naam, adres- en contactgegevens van de winkel. Fraudeurs gebruiken vaak gedeeltelijke informatie of subtiele wijzigingen om ze echt te laten lijken. Soms wordt het verkeerde logo ingevoegd of een verouderd adres gebruikt.

Voorbeeld: Een terugbetalingsverzoek bij een bouwmarkt bevat het oude adres van een filiaal dat drie jaar geleden is gesloten. Een eenvoudige controle in het Handelsregister bevestigt dat de winkel is verhuisd — en dat de bonlay-out sindsdien gewijzigd had moeten zijn.

Opmaak- en lettertypeverschillen

Echte kassasystemen gebruiken consistente lettertypen en groottes voor alle velden. Op vervalste bonnetjes vallen bewerkte bedragen vaak op: scherper, donkerder of iets groter dan de omliggende tekst, omdat ze zijn overgetypt of ingevoegd.

Voorbeeld: Het totaalbedrag op een hotelbon is vetgedrukt en zwaarder dan de rest van de tekst. Forensische beeldanalyse bevestigt later dat het bedrag uit een andere bron is geplakt.

Rekenfouten

Echte bonnetjes tellen subtotaal, btw en totaal correct op. Wanneer fraudeurs bedragen aanpassen, vergeten ze soms de berekening te corrigeren. Afwijkende of afgeronde totalen die niet overeenkomen met de verwachte berekening kunnen een duidelijk signaal zijn.

Verdachte data en tijdstippen

Data buiten openingstijden, service tijdens feestdagen of aankooptijden die botsen met bekende werkroosters moeten aanleiding geven tot extra controle.

Ontbrekende of algemene identificatienummers

Echte bonnetjes bevatten unieke gegevens zoals een bonnummer, transactiecode of terminal-ID. Vervalste bonnetjes missen deze vaak volledig of gebruiken algemene aanduidingen.

Dubbele bonnetjes bij inzendingen

Wanneer hetzelfde bonnetje meer dan eens in het systeem verschijnt — zelfs met kleine wijzigingen — moet het worden onderzocht. Kleine fraudegevallen vertrouwen vaak op het hergebruiken van eerder goedgekeurde documenten, in de veronderstelling dat eerdere goedkeuring gelijkstaat aan geldigheid.

Niet-standaard betaalinformatie

Kaartbetalingen zonder afgeschermde cijfers, contante betalingen met onrealistisch precieze decimalen of tegenstrijdige beschrijvingen van betaalmethoden kunnen wijzen op vervalsing.

Het trainen van beoordelaars om deze signalen te herkennen is de eerste verdedigingslaag. Maar waar handmatige waakzaamheid stopt, kan technologie het overnemen — vooral bij het opsporen van subtiele afwijkingen en fraude op grote schaal.

Test jezelf in onze video en raad welk bonnetje nep is:

Hoe je je bedrijf beschermt tegen vervalste bonnetjes

Het herkennen van rode vlaggen is slechts stap één. Echte bescherming ontstaat pas door een controlesysteem op te bouwen dat menselijke beoordeling combineert met automatisering. Zo kan je team echte bonnetjes snel verwerken en frauduleuze exemplaren onderscheppen voordat ze schade veroorzaken.

1. Ga verder dan handmatige controles – Vervalste bonnetjes zijn juist ontworpen om visuele controles te omzeilen. Een bewerkt PDF-bestand met perfect logo en consistente opmaak kan zelfs de meest ervaren beoordelaar misleiden.

2. Bouw een bibliotheek van echte bonnetjes op – Voor belangrijke of terugkerende leveranciers in je netwerk is het nuttig om voorbeelden van echte bonnetjes te bewaren, zoals uitgegeven door hun kassasystemen. Vergelijk verdachte bonnetjes met deze referentie.

3. Implementeer duplicaatdetectie – Volg bongegevens over verschillende inzendingen heen. Genereer een digitale vingerafdruk (hash) voor elke bon op basis van totaalbedrag, datum en transactiecode. Een match activeert een duplicaatwaarschuwing.

4. Vergelijk bongegevens met transactiedata – Koppel de boncontrole aan betalingslogboeken, POS-data of ERP-inkooporders. Als een bon een datum en tijd vermeldt zonder overeenkomstige transactie in je administratie, is dat een teken van fraude.

5. Vraag om originele digitale bronbestanden – Waar mogelijk moeten bonnetjes rechtstreeks afkomstig zijn van het kassasysteem van de winkel of via een officiële e-mailbevestiging — niet via screenshots of ingescande printjes.

6. Combineer menselijke en AI-controle – Mensen zijn goed in contextuele beoordeling, bijvoorbeeld inschatten of een uitgave redelijk is gezien de omstandigheden. AI blinkt uit in grootschalige anomaliedetectie, patroonherkenning en beeldanalyse op pixelniveau. Door beide te combineren, worden zowel duidelijke als subtiele vormen van fraude gedetecteerd.

Pro tip: Bonnetjesfraudepreventie is geen statisch proces. Evalueer je detectiebeleid regelmatig aan de hand van nieuwe fraudetrends. Wat vorig kwartaal nog onopgemerkt bleef, mag dit kwartaal niet meer doorheen glippen.

Hoe je vervalste bonnetjes herkent met AI

Handmatige controles pakken de meest opvallende fraudegevallen aan. Maar geavanceerdere fraude (vooral die met hoogwaardige templates, generatieve AI of professionele bewerkingstools) is juist bedoeld om menselijke beoordelaars te misleiden.

Hier komt gelaagde AI-gestuurde fraudedetectie in beeld. In plaats van te vertrouwen op één enkele controle, voert Klippa DocHorizon een reeks onafhankelijke tests uit op elke bon. Elke laag richt zich op een andere manipulatiemethode — als de ene niets vindt, doet de andere dat wel.

Hier lees je hoe deze lagen samenwerken om vervalste bonnetjes te identificeren.

Metadata- en EXIF-analyse

Elk digitaal bestand bevat verborgen metadata: tijd en datum van aanmaak, laatste wijziging, de gebruikte software en soms zelfs GPS-locatie bij foto’s.

Fraudeurs verwijderen zelden alle sporen. Een bon die beweert van 10 februari 2025 te zijn, kan metadata bevatten die toont dat het document twee weken later in Adobe Photoshop is aangemaakt. Of een foto gemaakt met een smartphone kan GPS-coördinaten bevatten die niet overeenkomen met de locatie van de winkel.

Klippa DocHorizon haalt deze metadata systematisch op en vergelijkt ze met de zichtbare gegevens op de bon. Eventuele inconsistenties worden direct gemarkeerd voor controle.

Copy-Move-detectie

Deze techniek herkent gekopieerde pixelgroepen binnen één afbeelding. Op bonnetjes wijst dit vaak op herhaald gebruik van cijfers of logo’s die zijn gekopieerd en op meerdere plaatsen zijn geplakt.

Voorbeeld: Bij loyaliteitsfraude wordt het cijfer “3” gekopieerd om bedragen te verhogen — €13,20 wordt €33,20 — terwijl de rest van de opmaak gelijk blijft. Voor het menselijk oog lijkt het prima, maar Klippa DocHorizon herkent de identieke pixelpatronen direct en legt de manipulatie bloot.

Image Splicing-detectie

Splicing ontstaat wanneer elementen uit externe bronnen (zoals een ander bonnetje, een logobestand of een “Betaald”-stempel) in de afbeelding worden ingevoegd.

De AI van Klippa comprimeert het bestand om subtiele grensmarkeringen rond ingevoegde onderdelen zichtbaar te maken. Deze randen zijn onzichtbaar voor het blote oog, maar precies waar het model op getraind is.

Voorbeeld: Een terugbetalingsverzoek bevat het juiste winkel­logo, maar de image-splicingdetectie toont aan dat het logo afkomstig is uit een marketingflyer, niet uit het kassasysteem van de winkel.

Duplicaatdetectie (hash-controle)

Klippa genereert een hash voor elke bon op basis van kernvelden zoals totaalbedrag, aankoopdatum en bonnummer. Elke nieuwe inzending met een identieke hash wordt gemarkeerd als duplicaat, zelfs als de resolutie of het bestandstype verschilt.

Wiskundige validatie

Bonnetjes bevatten regels, subtotaal, btw en totaal. Klippa berekent deze waarden opnieuw en vergelijkt de uitkomst met de cijfers op het document.

Voorbeeld: Een reisbon vermeldt vier regels die optellen tot €236,00 met 21% btw. De opgegeven btw is €25,00 in plaats van het correcte €49,56 — een duidelijk teken van manipulatie.

Lettertype-anomaliedetectie

Wanneer fraudeurs bonnetjes aanpassen, voegen ze cijfers of tekst toe met lettertypen die niet exact overeenkomen met het origineel. Zelfs kleine verschillen in dikte, spatiëring of letterstijl zijn detecteerbaar.

Klippa analyseert de lettertypeconsistentie op de hele bon en markeert afwijkingen in gedeelten waar alle tekst identiek hoort te zijn.

KvK-verificatie

Bonnetjesfraude omvat vaak verzonnen bedrijven of inactieve handelsnamen. Klippa controleert de bedrijfsgegevens in officiële registers om te bevestigen dat:

• het bedrijf daadwerkelijk bestaat
• het adres overeenkomt met de registratie
• de bedrijfsstatus actief is (niet failliet of opgeheven)

Een mismatch maakt de bon automatisch verdacht en triggert verdere controle.

AI-prijsvalidatie

Voor bonnetjes met producten of diensten doorzoekt Klippa’s AI agent voor fraudedetectie automatisch de actuele catalogus of openbare prijslijsten van de winkel. Prijzen die hoger liggen dan de officiële tarieven worden gemarkeerd als mogelijke prijsinflatie.

Voorbeeld: Een bouwmarktbon vermeldt een elektrische boormachine voor €215,00. Klippa’s AI vindt hetzelfde model op de officiële website van de winkel voor €165,00 — een teken van overfacturering of vervalsing.

Waarom een gelaagde aanpak het beste werkt

Fraudeurs veranderen meestal één element — bijvoorbeeld een totaalbedrag, bedrijfsnaam of datum — in de hoop dat een handmatige controle het niet opmerkt. Gelaagde detectie haalt dit voordeel weg door meerdere onafhankelijke controles uit te voeren op elke bon:

• Als de visuele inspectie niets oplevert, kan metadata alsnog manipulatie onthullen.
• Als de metadata schoon lijkt, kan duplicaatdetectie of prijsvalidatie het toch onderscheppen.
• AI scant elke bon op grote schaal, zodat geen enkel document door menselijke fouten wordt gemist.
• Ingebouwde duplicaatmatching voorkomt herhaalde claims en misbruik van loyaliteitsprogramma’s.
• Realtime verwerking zorgt ervoor dat echte bonnetjes direct doorgaan, terwijl verdachte exemplaren onmiddellijk worden gemarkeerd.

Kort samengevat: fraudeurs kunnen één fout verbergen, maar nooit allemaal. Klippa DocHorizon controleert ze allemaal — binnen enkele seconden.

Bekijk onze webinar “Voorkom documentfraude met AI-afbeeldingen en Photoshop bewerkingen” om dit in actie te zien.

Klippa DocHorizon: De beste software voor het detecteren van bon fraude

Fraudeurs stappen over van opvallende, gemakkelijk te herkennen vervalsingen naar subtiele, door AI-bewerkte manipulaties die naadloos opgaan in legitieme processen. De enige betrouwbare verdediging is een systeem dat weet hoe het moet controleren wat mensen niet kunnen zien — en dat realtime doet.

Klippa DocHorizon is een volledig AI-gestuurd documentverwerkingsplatform dat automatisch authenticiteit verifieert, manipulaties detecteert en het risico op bonnetjesfraude vermindert — of je nu honderden of duizenden bonnetjes per maand verwerkt.

Klippa DocHorizon biedt een complete Intelligent Document Processing (IDP)-oplossing die datavalidatie, beeldforensica en compliance-automatisering naadloos combineert. Met onze oplossing kun je:

• Data extraheren en valideren met 99% nauwkeurigheid dankzij AI-gestuurde OCR
• Onmiddellijk vervalste of gemanipuleerde bonnetjes detecteren via geavanceerde beeldforensica (copy-move- en splicinganalyse)
• Metadata en EXIF-gegevens analyseren om verborgen aanmaak- en bewerkingssporen te ontdekken
• Duplicaten opsporen met hash-matching om te voorkomen dat hetzelfde bonnetje meerdere keren wordt geclaimd
• Totalen en btw-berekeningen valideren met wiskundige controles
• Verborgen opmaakwijzigingen opsporen met lettertype-anomaliedetectie
• Bedrijfsgegevens verifiëren via officiële KvK-registers om authenticiteit te bevestigen
• Eenvoudig integreren via API, SDK, SFTP of meer dan 200 vooraf gebouwde systeemkoppelingen
• Zekerheid garanderen met ISO 27001-gecertificeerde servers en AVG-conforme gegevensverwerking

Wil je zien hoe het werkt? Boek een demo of neem contact met ons op, en ons team laat je zien hoe Klippa DocHorizon fraude in jouw sector opspoort — aan de hand van echte praktijkvoorbeelden.

FAQ