Vaarhaft

Kurzfazit

Vaarhaft ist ein Spezialwerkzeug gegen Bild- und Dokumentenbetrug und macht eine Sache gut: prüfen, ob ein eingereichtes Foto oder ein Beleg manipuliert, KI-generiert oder recycelt ist. Der Fraud Scanner erkennt Deepfakes, nachträgliche Bearbeitungen und gefälschte Metadaten, markiert verdächtige Bildbereiche per Heatmap und liefert das Ergebnis in Sekunden. Für Versicherungen, Reisekostenstellen und Plattformen mit nutzergenerierten Bildern ist das ein echter Hebel, gerade weil KI-Fälschungen heute in jedem zweiten Browser entstehen. Der Tool-Charakter bleibt aber eng: Es ist kein gerichtsfestes Gutachten, sondern ein statistischer Frühwarnindikator, der menschliche Prüfung ergänzt, nicht ersetzt. Und ohne öffentliche Preisliste bleibt der Einstieg für kleine Anwender intransparent.

Für wen ist Vaarhaft?

Versicherungen mit hohem Schadensvolumen: Wer täglich hunderte oder tausende Schadensfotos digital entgegennimmt, kann mit Vaarhaft automatisch eine Vorprüfung vor jede Auszahlung schalten. Verdächtige Bilder werden markiert und zur manuellen Prüfung weitergeleitet, der Rest läuft ungebremst durch. Das ist der Kern-Use-Case und dort spielt das Tool seine Stärke aus.

Reisekosten- und Spesenprüfung: In HR- und Finanzabteilungen tauchen zunehmend KI-generierte oder bearbeitete Belege auf. Vaarhaft prüft hochgeladene Rechnungen und Quittungen auf Manipulationshinweise und doppelte Einreichungen, ein wachsendes Anwendungsfeld neben dem klassischen Versicherungseinsatz.

Plattformen mit nutzergenerierten Bildern: Marktplätze, Dating-Apps oder Sharing-Portale, die Profil- oder Produktbilder prüfen müssen. Hier zählen neben der Fälschungserkennung auch die Content-Moderation-Funktionen: erkannte Telefonnummern, Links, QR-Codes, Nacktheit oder Hinweise auf Minderjährige.

Gutachterbüros: Kfz- und Sachverständige mit regelmäßigen Betrugsverdachtsfällen bekommen ein Werkzeug, das Metadaten-Inkonsistenzen sichtbar macht, die im Routineblick untergehen würden.

Weniger geeignet für: Einzelgutachter mit nur vereinzelten Verdachtsfällen (das Volumenmodell lohnt sich kaum), Anwender, die ein gerichtsfestes forensisches Gutachten brauchen (Vaarhaft liefert ausdrücklich keines), und alle, die reine Textinkonsistenz in Dokumenten prüfen wollen, ohne dass ein Bild im Spiel ist.

Preise im Detail

Modell	Preis	Was du bekommst
Demo / Pilot	Auf Anfrage	Testanalyse mit eigenen Verdachtsfällen, retrospektive Prüfung historischer Bilder
Web-Tool	Auf Anfrage	Drag-and-Drop-Oberfläche, Heatmap-Visualisierung, PDF-Reports
API	Volumenbasiert	Abrechnung pro analysiertem Bild bzw. Dokument, Integration in eigene Workflows

Einordnung: Vaarhaft veröffentlicht keine Preisliste. Die Abrechnung erfolgt volumenbasiert pro analysiertem Bild oder Dokument, die konkreten Konditionen nennt das Unternehmen erst nach einem Demo- bzw. Sales-Gespräch. Für Großkunden mit klarem Volumen ist das üblich und unproblematisch. Für kleinere Anwender ist die fehlende Transparenz aber ein echter Reibungspunkt: Du kannst die Wirtschaftlichkeit nicht selbst abschätzen, ohne erst durch den Vertriebstrichter zu laufen. Wer pro Monat nur wenige Verdachtsfälle hat, wird mit einem volumenbasierten Modell selten glücklich, hier rechnet sich der Einsatz erst ab einer relevanten Stückzahl.

Stärken im Detail

Spezialisierung statt Bauchladen. Vaarhaft macht nicht “irgendwas mit Bildern”, sondern genau eine Aufgabe: Echtheitsprüfung. Diese Fokussierung zahlt sich aus. Generische Computer-Vision-Tools erkennen Objekte, Vaarhaft erkennt Manipulationen, und das ist eine grundlegend andere Disziplin mit eigener Modellarchitektur.

Breites Erkennungsspektrum. Der Fraud Scanner deckt drei Fälschungstypen ab: vollständig KI-generierte Bilder (etwa aus Midjourney, DALL-E oder Stable Diffusion), nachträglich KI-bearbeitete Bilder und klassische Manipulationen. Verdächtige Bereiche werden per farbiger Heatmap direkt im Bild markiert, das macht das Ergebnis nachvollziehbar statt zu einem reinen Ja/Nein-Urteil.

Mehr als nur Pixelanalyse. Neben der reinen Bildforensik prüft Vaarhaft Metadaten (Zeitstempel, Kameraparameter), erkennt Duplikate über einen eigenen Foto-Hash-Algorithmus und führt eine Rückwärts-Internetsuche durch, um recycelte Bilder aus dem Netz aufzuspüren. Gerade die Duplikat- und Rückwärtssuche fängt eine ganze Betrugsklasse ab, die reine Manipulationserkennung übersieht.

Zwei Integrationswege. Du musst nicht entwickeln, um zu starten: Das Web-Tool mit Drag-and-Drop, Heatmap-Visualisierung und automatischem PDF-Report funktioniert sofort. Wer skalieren will, bindet die API in das bestehende Schadenserfassungs- oder Prüfsystem ein. Unterstützt werden JPEG, PNG, TIFF, HEIC und PDF, auch als Batch-Upload (zum Beispiel als ZIP) mit Einzelbewertung pro Bild.

Deutsche Herkunft, DSGVO-konform. Vaarhaft ist ein deutsches Unternehmen mit deutschsprachigem Support und wirbt mit DSGVO-konformer Verarbeitung. Bilder werden während der Analyse nur temporär gespeichert und danach vollständig gelöscht, ein wichtiger Punkt für regulierte Branchen.

Schwächen ehrlich betrachtet

Nicht gerichtsfest. Vaarhaft sagt es selbst klar: Die Ergebnisse beruhen auf statistischen Modellen und sind ausdrücklich nicht gerichtsfest. Eine 100-prozentige Genauigkeit gibt es nicht. Wer einen Betrugsfall vor Gericht beweisen muss, braucht zusätzlich ein klassisches forensisches Sachverständigengutachten. Vaarhaft ist Frühwarnindikator, nicht Beweismittel, und das sollte man intern sauber kommunizieren.

Konfidenzwert, kein Urteil. Das System liefert pro Bild einen Wahrscheinlichkeitswert, keine Entscheidung. Die Schwellenwert-Kalibrierung (“ab wann zur manuellen Prüfung?”) liegt bei dir und entscheidet über das Verhältnis von erkannten Fällen zu Fehlalarmen. Schlecht kalibriert produziert das Tool entweder zu viele Fehlalarme oder verpasst Fälle, der menschliche Prüfschritt bleibt zwingend.

Keine Preistransparenz. Ohne öffentliche Preisliste lässt sich die Wirtschaftlichkeit nicht vorab einschätzen. Das ist im B2B-Vertrieb nicht ungewöhnlich, hält aber kleinere Interessenten ab und macht den Vergleich mit Alternativen mühsam.

Bilder, nicht Text. Der Fokus liegt auf Bild- und Dokumentenbildern. Reine Textinkonsistenzen in einem Schadensbericht (widersprüchliche Angaben, unplausible Schadenshöhe) deckt Vaarhaft nicht ab, dafür brauchst du andere Werkzeuge oder eine separate Textanalyse.

Begrenzter öffentlicher Praxisnachweis. Als junges Produkt fehlen breit dokumentierte, unabhängige Erfolgsmessungen außerhalb der vom Anbieter genannten Anwendungsfälle. Die Erkennungsrate im eigenen Portfolio sollte man im Pilotbetrieb selbst messen, statt sich auf allgemeine Versprechen zu verlassen.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Aktuelle Web-Recherche mit Quellen brauchst (kein Betrugsfokus)
Allgemeine multimodale Bildanalyse und Beschreibung willst
Lange Dokumente inhaltlich analysieren willst

Vaarhaft hat im deutschen Markt wenig direkte, mit eigener Tool-Seite hinterlegte Konkurrenz, der Bereich Bild-Echtheitsprüfung ist eng. Erwähnenswert ohne eigene Tool-Seite sind spezialisierte Forensik-Anbieter wie Sensity AI oder Reality Defender (beide stärker auf Deepfake-Erkennung im Video- und Identitätsbereich), sowie generische Bilderkennungs-APIs großer Cloud-Anbieter, die aber keine forensische Manipulationserkennung leisten. Für den konkreten Use-Case “Schadensfoto und Beleg auf Fälschung prüfen” gibt es im deutschsprachigen Raum derzeit kaum eine vergleichbar fokussierte Lösung. Die oben verlinkten Tools sind keine echten Ersatzprodukte, sondern decken angrenzende Aufgaben ab.

So steigst du ein

Schritt 1: Kontakt über die Vaarhaft-Website aufnehmen und ein Pilotprojekt mit eigenen Verdachtsfällen anfordern. Vaarhaft bietet retrospektive Analysen historischer Bilder an, das gibt sofort ein realistisches Bild der Erkennungsrate in deinem konkreten Portfolio, bevor du eine Entscheidung triffst.

Schritt 2: Mit dem Web-Tool starten, bevor du integrierst. Drag-and-Drop, Heatmap und PDF-Report funktionieren ohne Entwicklungsaufwand und eignen sich, um das Team mit der Bewertungslogik vertraut zu machen. Erst wenn der Nutzen klar ist, lohnt der nächste Schritt.

Schritt 3: API-Integration in das bestehende Schadenserfassungs- oder Prüfsystem einrichten. Die API gibt für jedes Bild einen Konfidenzwert zurück, Fälle über einem definierten Schwellenwert werden automatisch zur manuellen Prüfung markiert. Batch-Upload (auch als ZIP) erlaubt die Verarbeitung ganzer Stapel.

Schritt 4: Interne Schwellenwerte kalibrieren. Ab welchem Konfidenzwert geht ein Fall in die vertiefte Prüfung? Diese Kalibrierung entscheidet über das Verhältnis von erkannten Fällen zu Fehlalarmen und sollte nach den ersten Wochen anhand echter Treffer nachjustiert werden.

Ein konkretes Beispiel

Ein Kfz-Gutachterbüro mit 15 Mitarbeitenden in Hamburg verarbeitet monatlich rund 300 Schadensbilder bei Betrugsverdachtsfällen. Nach Einführung von Vaarhaft werden alle eingereichten Fotos automatisch auf Manipulationshinweise geprüft, das Web-Tool markiert verdächtige Bereiche per Heatmap und liefert einen PDF-Report. In drei Monaten identifiziert das System sechs Fälle mit auffälligen Metadaten-Inkonsistenzen, zwei davon bestätigen sich bei manueller Nachprüfung als echte Fälschungen: ein gefälschter Zeitstempel und nachträglich bearbeitete GPS-Daten. Ohne das System wären beide in der Routinedurchsicht nicht aufgefallen. Wichtig: Die beiden bestätigten Fälle wurden anschließend an einen klassischen Sachverständigen übergeben, weil der Vaarhaft-Befund als Indikator dient, nicht als gerichtsfestes Gutachten. Effekt: zwei verhinderte Fehlauszahlungen und eine spürbar gestiegene Aufmerksamkeit im Team für manipulierte Einreichungen.

DSGVO & Datenschutz

• Anbieter: Vaarhaft GmbH, deutsches Unternehmen mit deutschsprachigem Support. Der genaue Firmensitz ließ sich in diesem Rechercheschritt nicht abschließend gegen das Impressum verifizieren.
• Datenhaltung: Vaarhaft wirbt mit DSGVO-konformer Verarbeitung und EU-Datenhaltung. Bilder werden laut Anbieter während der Analyse nur temporär gespeichert und danach vollständig gelöscht.
• Verarbeitungszweck: Die hochgeladenen Bilder dienen der Echtheitsprüfung. Für sensible personenbezogene Daten (Schadensfotos können Personen, Kennzeichen oder Adressen enthalten) ist die temporäre Verarbeitung relevant, kläre die Details im AVV.
• Auftragsverarbeitung (AVV): Für den produktiven Einsatz mit personenbezogenen Daten ist ein Auftragsverarbeitungsvertrag erforderlich. Die konkreten Bedingungen und die Liste etwaiger Sub-Prozessoren solltest du direkt mit Vaarhaft im Sales-Gespräch klären.
• Empfehlung für Unternehmen: Vor dem produktiven Einsatz die aktuelle Datenschutzerklärung und den AVV prüfen, Speicherdauer und Löschkonzept schriftlich bestätigen lassen und in regulierten Branchen eine Datenschutz-Folgenabschätzung durchführen.

Gut kombiniert mit

• Bestehendes Schadenserfassungssystem, Vaarhaft ist als Vorfilter gedacht: Die API hängt sich in den vorhandenen Workflow, prüft jedes eingereichte Bild und markiert Verdachtsfälle, ohne dass Sachbearbeiter ein zusätzliches Tool öffnen müssen.
• , für die inhaltliche Analyse der zugehörigen Schadensberichte und Texte. Vaarhaft prüft das Bild, Claude prüft die Plausibilität der schriftlichen Angaben, gemeinsam decken sie Bild- und Textbetrug ab.
• Klassisches Sachverständigengutachten, da Vaarhaft nicht gerichtsfest ist, gehört für bestätigte Verdachtsfälle ein menschlicher Forensiker oder Gutachter in den Prozess. Vaarhaft beschleunigt das Aussortieren, das Gutachten liefert die belastbare Beweisgrundlage.

Unser Testurteil

Vaarhaft verdient 3 von 5 Sternen. Das Produkt löst ein reales, wachsendes Problem (KI-generierte und manipulierte Bilder im Schaden- und Belegprozess) und tut das fokussiert und technisch durchdacht: Heatmap-Lokalisierung, Metadaten-Analyse, Duplikatprüfung und Rückwärtssuche ergeben ein rundes Werkzeug, dazu deutsche Herkunft und DSGVO-konforme Verarbeitung. Der vollen Bewertung stehen zwei Dinge im Weg: die fehlende Preistransparenz, die den Einstieg für kleinere Anwender intransparent macht, und der ausdrücklich nicht gerichtsfeste, statistische Charakter der Ergebnisse, der eine menschliche Prüfung zwingend voraussetzt. Hinzu kommt ein noch begrenzter öffentlicher Praxisnachweis. Für Versicherungen, Reisekostenstellen und Plattformen mit hohem Bildvolumen ist Vaarhaft trotzdem eine ernsthaft prüfenswerte Spezialisierung, im engen Markt der Bild-Echtheitsprüfung gibt es im deutschsprachigen Raum kaum vergleichbar fokussierte Alternativen.

Was wir bemerkt haben

• Juni 2026, Vaarhaft hat sein Anwendungsspektrum erkennbar verbreitert: Neben dem ursprünglichen Versicherungsfokus stehen jetzt Reisekosten- und Spesenprüfung und Plattformen mit nutzergenerierten Bildern (etwa Online-Dating) als gleichwertige Use-Cases auf der Website.
• Juni 2026, Der Fraud Scanner enthält Content-Moderation-Funktionen, die über reine Betrugserkennung hinausgehen: Erkennung von Telefonnummern, Links, QR-Codes, Nacktheit und Hinweisen auf Minderjährige. Das positioniert Vaarhaft auch als Werkzeug für Trust-and-Safety-Teams, nicht nur für Schadenprüfung.
• Juni 2026, Vaarhaft kommuniziert transparent, dass die Ergebnisse nicht gerichtsfest sind und auf statistischen Modellen beruhen. Diese Offenheit ist positiv zu werten, viele Forensik-Anbieter verschweigen die Grenzen ihrer Modelle.
• Juni 2026, Eine öffentliche Preisliste fehlt weiterhin. Konditionen gibt es nur nach Demo-Gespräch, die Wirtschaftlichkeit lässt sich vorab nicht selbst abschätzen.