Ein Refund-Antrag steht und fällt mit seinen Belegen. Du kannst dir sicher sein, dass Bots dein Budget geleert haben. Aber Sicherheit ist kein Beweis und ein Prüfteam der Plattform reagiert nur auf das, was du zeigen kannst. Die eigentliche Frage lautet also nicht "War mein Traffic invalid?" Sondern "Kann ich ihn gut genug dokumentieren, damit jemand anderes sieht, was ich sehe?" 2025 hat der Report Unmasking the Shadows von fraud0 über 1,2 Milliarden Sessions hinweg festgestellt: 21,3 % des Onsite-Traffics waren invalid (Suchmaschinen-Crawler ausgeschlossen). Das ist eine Menge Aktivität, die dokumentiert werden will. Dieser Leitfaden zeigt dir konkret, welche Signale als Beleg zählen. Er erklärt außerdem, wie du sie erfasst und, besonders wichtig, was einen Fall für ein Prüfteam glaubwürdig macht.
Das Wichtigste in Kürze
Glaubwürdige Belege zeigst du, du behauptest sie nicht: Verhalten, IP- und Geräte-Muster, Conversion-Betrug und Zeitstempel.
Der stärkste Verhaltensbeleg ist der Abstand zu deiner eigenen Baseline, keine feste Zahl (fraud0: invalide Nutzer im Schnitt 1,2 Seitenaufrufe, deutlich kürzere Sessions).
First-Party-Erkennung onsite sieht, was Plattform-Dashboards nicht sehen: das Verhalten nach dem Klick.
Starke Belege erhöhen deine Chancen, garantieren aber nichts. Die Plattform entscheidet, Geld kommt meist als Gutschrift zurück, nicht als Auszahlung.
Die meisten Marketer gehen einen Refund-Antrag verkehrt herum an. Sie starten mit der Schlussfolgerung ("dieser Traffic war fake") und hoffen, dass die Plattform zustimmt. Ein Prüfteam arbeitet aber andersherum. Es startet mit deinen Belegen und entscheidet, was sie beweisen. In diesem Beitrag geht es deshalb darum, genau diese Lücke zu schließen: eine Dokumentation zu bauen, die ein Fremder lesen und zur selben Schlussfolgerung kommen kann wie du. Den kompletten Antragsprozess behandeln wir hier nicht. Dafür gibt es den Leitfaden zur Ad-Spend-Rückerstattung. Hier geht es stattdessen um den Deep Dive in die Belege selbst.
Was zählt als Refund-Beleg für invalide Aktivität?
Ein Refund-Beleg ist jedes dokumentierte, überprüfbare Signal dafür, dass Traffic, der deinem Konto berechnet wurde, sich wie ein Bot verhalten hat und nicht wie ein Käufer. Er ist die Brücke zwischen dem, was du vermutest, und dem, was ein Prüfteam bestätigen kann. 2025 hat der Report Unmasking the Shadows von fraud0 über 1,2 Milliarden Sessions hinweg festgestellt: 9,75 % der Conversions waren invalid (7,82 % bestätigte Bots plus 1,92 % vermutet). Belege sind der Weg, diesen unsichtbaren Anteil in etwas zu verwandeln, das ein Prüfteam untersuchen und verifizieren kann.
Ein paar Begriffe verankern alles Folgende. Invalid Traffic (IVT) ist jede Anzeigen-Interaktion, die nicht von einem echten, interessierten Menschen kommt, egal ob durch Bots, Klickfarmen oder versehentliche und betrügerische Klicks. Werbebetrug ist die absichtliche Teilmenge dieser Aktivität, gezielt darauf ausgelegt, Budgets zu leeren oder Ergebnisse für Profit zu fälschen. Conversion-Betrug ist invalide Aktivität, die deine teuerste Kennzahl erreicht und Fake-Leads, Anmeldungen oder Verkäufe erzeugt, die die Daten verfälschen, gegen die du optimierst. Jede dieser Formen wird, einmal dokumentiert, zu einer eigenen Art von Refund-Beleg.
Die stärksten Belege teilen ein Merkmal: Sie sind konkret und reproduzierbar. "Mein Traffic hat sich fake angefühlt" beweist zum Beispiel nichts. "Diese 4.200 Sessions kamen aus einem einzigen IP-Bereich eines Hosting-Providers, jede dauerte unter fünf Sekunden und keine hat über den sichtbaren Bereich hinaus gescrollt" ist dagegen etwas, das ein Prüfteam überprüfen kann. Konkretheit ist mit anderen Worten das, was eine Vermutung von einem echten Fall trennt.
2025 hat der Report Unmasking the Shadows von fraud0 1,2 Milliarden Onsite-Sessions und 10,78 Milliarden Ad-Impressions analysiert und dabei 21,3 % des Onsite-Traffics als invalid (Suchmaschinen-Crawler ausgeschlossen) sowie 9,75 % der Conversions als invalid ermittelt. Ein Refund-Beleg verwandelt diese verborgene invalide Aktivität in dokumentierte, überprüfbare Signale, also Verhaltensauffälligkeiten, IP- und Geräte-Muster und Conversion-Daten, die ein Prüfteam der Plattform untersuchen kann.
Es gibt vier Beleg-Familien, die du kennen solltest. Verhaltensauffälligkeiten zeigen, wie sich Traffic verhalten hat. IP- und Geräte-Muster zeigen entsprechend, woher er kam. Conversion-Betrug zeigt Fake-Ergebnisse, die deine Daten verfälschen. Zeitstempel zeigen zusätzlich verdächtiges Timing. Die besten Anträge kombinieren mehrere davon, denn ein schwaches Signal ist ein Zufall und vier überlappende Signale ergeben ein Muster. Nehmen wir sie der Reihe nach durch.
Wie beweisen Verhaltensauffälligkeiten, dass Traffic invalid war?
Verhaltensauffälligkeiten sind der klarste Beleg, weil echte Menschen und Bots sich unterschiedlich verhalten und dieser Abstand messbar ist. 2025 hat der Report Unmasking the Shadows von fraud0 ermittelt, dass invalide Nutzer im Schnitt auf nur 1,2 Seitenaufrufe pro Session kamen und einen Bruchteil der Verweildauer echter Besucher erreichten (siehe Grafik unten). Es geht nicht um eine einzelne magische Zahl. Es geht darum, dass invalide Aktivität weit unter dein eigenes Normalniveau fällt und wenn sie das tut, wird das Verhalten selbst zum Dokument.
Denk daran, was ein echter Besucher tut. Er landet, liest, scrollt, klickt vielleicht auf eine zweite Seite, zögert und konvertiert dann oder geht. Ein Bot, der gebaut wurde, um Werbebudget zu leeren, überspringt das alles. Er landet und springt wieder ab, oder er feuert sofort eine Conversion, ganz ohne Browsing dazwischen. Diesen Kontrast kannst du in schlichten Zahlen erfassen: Verweildauer, Scroll-Tiefe, Seiten pro Session, Mausbewegung und Interaktions-Events.
Quelle: fraud0, Unmasking the Shadows 2025 (1,2 Milliarden Onsite-Sessions; Suchmaschinen-Crawler ausgeschlossen). Werte sind Durchschnitte über den gesamten Datensatz, keine feste Grenze pro Session.
2025 hat der Report Unmasking the Shadows von fraud0 über 1,2 Milliarden Onsite-Sessions hinweg einen großen Verhaltens-Abstand zwischen invaliden und echten Nutzern gemessen: Invalide Nutzer kamen im Schnitt auf 1,2 Seitenaufrufe und deutlich kürzere Sessions (26 Sekunden gegenüber 181 im Gesamtdurchschnitt). Niedriges Engagement, gemessen an deiner eigenen Baseline, gehört zu den aussagekräftigsten Refund-Belegen, weil es sich quantifizieren und reproduzieren lässt.
Bei unserer Arbeit mit Onsite-Sessions ist der überzeugendste Verhaltensbeleg nicht ein einzelner merkwürdiger Besuch. Es ist ein Cluster nahezu identischer Besuche: Hunderte Sessions mit derselben unmöglichen Signatur, etwa eine Absprungrate von 100 % aus einer bezahlten Quelle, die eigentlich dein am stärksten engagierter Traffic sein sollte. Ein einzelner Ausreißer sagt wenig aus. Ein sich wiederholendes Muster ist dagegen ein klarer Beleg.
Welche Verhaltenssignale lohnt es sich zu erfassen?
Erfasse die Kennzahlen, die am stärksten von deiner menschlichen Baseline abweichen. Diese Signale erzählen die Geschichte am deutlichsten:
Verweildauer gegen deinen eigenen normalen Durchschnitt, wobei invalide Besuche weit unter deine menschliche Baseline fallen. Zur Einordnung: Der Durchschnittswert von fraud0 lag bei invaliden Nutzern bei rund 26 Sekunden gegenüber 181 im Gesamtdurchschnitt, aber das entscheidende Signal ist der Abstand zu deiner Baseline, kein fester Schwellenwert.
Scroll-Tiefe, da viele Bots nie über den sichtbaren Bereich hinauskommen.
Seiten pro Session, wo invalide Nutzer im Schnitt bei nur 1,2 lagen.
Engagement-Events wie Klicks, Formular-Fokus und Video-Wiedergaben.
Mausbewegung und Timing, die echte Menschen erzeugen und die skriptgesteuerte Bots selten gut fälschen.
Und hier der Teil, den die meisten Refund-Ratgeber übersehen: Dein Beleg ist nur so stark wie deine Baseline. Anders gesagt: Du kannst nicht zeigen, dass Traffic anormal war, ohne vorher zu dokumentieren, wie normal für deine eigene Seite aussieht. Zieh dir also einen sauberen Referenzzeitraum und lass die Auffälligkeiten sich dann davon abheben.
Welche IP- und Geräte-Belege stützen einen Refund-Antrag?
IP- und Geräte-Muster sind ein starker Beleg, weil invalider Traffic sich oft um gemeinsam genutzte Infrastruktur ballt. 2024 kam Imperva's Bad Bot Report zu dem Schluss, dass Bots 51 % des gesamten Web-Traffics ausmachten, das erste Jahr, in dem automatisierte Aktivität den Menschen überholt hat. Ein Großteil dieser Automatisierung läuft aus Rechenzentren und von Hosting-Providern, nicht über Heimanschlüsse und diese Herkunft hinterlässt deshalb eine dokumentierbare Spur.
Echte Kunden surfen aus privaten und mobilen Netzen, verteilt über Regionen, die zu deinem Targeting passen. Bot-Traffic tut das häufig nicht. Stattdessen konzentriert er sich in IP-Bereichen von Hosting-Providern, recycelt einen engen Satz an Adressen oder zeigt Geräte- und Browser-Signaturen, die nicht zusammenpassen, etwa einen veralteten Headless-Browser oder eine Bildschirmauflösung, die kein echtes Handy nutzt. Jede davon ist ein Datenpunkt, den du protokollieren kannst.
2024 stellte Impervas Bad Bot Report fest, dass Bots 51 % des gesamten Web-Traffics ausmachten, wobei ein Großteil der automatisierten Aktivität aus Rechenzentrums- und Hosting-Infrastruktur stammte statt aus privaten Anschlüssen. Die Ballung von IP-Herkünften, wiederkehrende Adressen, IP-Bereiche von Hosting-Providern und nicht zusammenpassende Geräte-Signaturen sind dokumentierbare Belege dafür, dass der einer Kampagne berechnete Traffic wahrscheinlich nicht-menschlich war.
Ein Wort der Vorsicht an dieser Stelle. Eine einzelne IP, die zweimal auftaucht, ist kein Betrug und du solltest sie nie so darstellen. Der Beleg ist das Muster: eine Ballung von Klicks aus einem engen Bereich, ein unmögliches Volumen von einer Adresse oder ein Geräteprofil, das sich über Hunderte "unterschiedlicher" Nutzer wiederholt. Dokumentiere das Cluster, nicht den Zufall.
Wie erfasst du IP- und Geräte-Daten verantwortungsvoll?
Protokolliere Herkunftsdaten auf Session-Ebene und aggregiere sie: IP-Bereich, autonomes System oder Hosting-Provider, Gerätetyp, Browser und User-Agent. Such dann nach Ballung. Behalte dabei aber eines im Kopf: In der EU können IP-Adressen personenbezogene Daten nach DSGVO sein, geh also rechtmäßig damit um und lege keine Dossiers über einzelne Personen an. Das Ziel ist konkret, ein Muster invalider Aktivität zu zeigen, nicht Menschen zu tracken. Eine EU-ansässige Detection-Plattform übernimmt diese Einordnung deshalb für dich.
Wie wird Conversion-Betrug zum Refund-Beleg?
Conversion-Betrug gehört zu den wertvollsten Belegen, weil er die Kennzahl trifft, für die du tatsächlich zahlst. 2025 hat der Report Unmasking the Shadows von fraud0 festgestellt, dass 9,75 % der Conversions invalid waren (7,82 % bestätigte Bots plus 1,92 % vermutet). Wenn Fake-Conversions deine Ergebnisse aufblähen, verschwenden sie nicht nur Budget. Sie verfälschen zudem die Daten, mit denen du optimierst, sodass sich der Schaden aufsummiert.
Wie sieht Conversion-Betrug in deinen Daten aus? Zum Beispiel Formulare mit Kauderwelsch oder schablonenhaften Einträgen. Leads mit Wegwerf-E-Mail-Domains und Telefonnummern, unter denen nie jemand rangeht. Anmeldungen, die in unter einer Sekunde konvertieren, ganz ohne Browsing vor der Aktion. Schübe identischer Conversions, zeitlich geballt, fallen ebenso auf. Jeder Fake-Lead, den du isolieren und beschriften kannst, ist deshalb ein konkretes Beweisstück, keine abstrakte Behauptung.
2025 stellte der Report Unmasking the Shadows von fraud0 über 1,2 Milliarden Sessions hinweg fest, dass 9,75 % der Conversions invalid waren (7,82 % bestätigte Bots und 1,92 % vermutet). Dokumentierter Conversion-Betrug, also Fake-Formulare, Wegwerf-Kontaktdaten und sofortige Conversions ohne jedes Engagement, ist ein hochwertiger Refund-Beleg, weil er invalide Aktivität direkt mit den Ergebnissen verknüpft, die einem Advertiser in Rechnung gestellt werden.
Belege auf Conversion-Ebene überzeugen oft dort, wo Belege auf Klick-Ebene ins Stocken geraten. Ein Prüfteam kann argumentieren, dass ein billiger Klick ein neugieriger Mensch war. Deutlich schwerer lässt sich dagegen ein "Lead" wegerklären, der einen Fake-Namen, ein Wegwerf-Postfach und eine Conversion in unter einer Sekunde hat, bei der nie eine zweite Seite geladen wurde. Kurz: Je näher dein Beleg am Geld sitzt, desto schwerer lässt er sich abtun.
Warum schlagen First-Party-Daten die von der Plattform gemeldeten Kennzahlen?
First-Party-Erkennung onsite liefert stärkere Belege, weil sie beobachtet, was Plattform-Dashboards strukturell nicht sehen können. Deine Ad-Plattform misst den Klick. Sie kann die nahezu leere Session, das Kauderwelsch-Formular oder das Scrollen, das nie stattfand, nicht messen, weil all das auf deiner Seite passiert, nach dem Klick. 2025 hat der Report Unmasking the Shadows von fraud0 21,3 % des Onsite-Traffics als invalid (Suchmaschinen-Crawler ausgeschlossen) gemessen, und zwar genau durch die Beobachtung dieses Onsite-Verhaltens.
Das ist kein Seitenhieb auf irgendeine Plattform. Es ist eine Frage des Blickwinkels. Eine Plattform sieht ihre eigene Oberfläche: Impressions, Klicks und die Signale, die sie an ihrem Rand erkennen kann. Sie sitzt aber nicht auf deiner Seite und zeichnet auf, wie sich jeder Besucher danach verhält. Onsite-Erkennung tut genau das und dieses nachgelagerte Verhalten liefert die aussagekräftigsten Belege. Die beiden Blickwinkel ergänzen sich deshalb, aber nur einer von beiden erfasst die Geschichte nach dem Klick.
2025 hat der Report Unmasking the Shadows von fraud0 21,3 % des Onsite-Traffics als invalid (Suchmaschinen-Crawler ausgeschlossen) gemessen, indem er das Verhalten nach dem Klick, onsite, über 1,2 Milliarden Sessions hinweg beobachtet hat. Plattform-Dashboards messen den Klick; die First-Party-Erkennung onsite misst, was der Besucher als Nächstes tut und genau dort entstehen die Verhaltens-, Conversion- und Engagement-Belege für einen Refund-Antrag.
fraud0s eigener Datensatz ist genau so aufgebaut, auf 1,2 Milliarden Onsite-Sessions und 10,78 Milliarden Ad-Impressions, beobachtet dort, wo der Klick landet, statt dort, wo er entsteht. Dieser Onsite-Blickwinkel ist der Grund, warum der Report Verweildauer, Seitenaufrufe und Conversion-Validität überhaupt quantifizieren kann, Signale, die ein Blick auf Klick-Ebene schlicht nicht hält.
Hier die ehrliche Grenze. Onsite-Erkennung reduziert, wie viel invaliden Traffic du bezahlst, aber sie kann nicht jeden Bot vorab blocken. Der allererste Klick eines brandneuen Bots trifft zum Beispiel ein, bevor irgendein System ihn je gesehen hat, also rutscht immer etwas invalide Aktivität durch. Genau dieser Rest ist der Grund, warum Dokumentation und Refunds essenziell bleiben, nicht optional. Erkennung und Recovery arbeiten mit anderen Worten zusammen: Die eine reduziert die Verschwendung, die andere holt zurück, was durchkommt.
Wie ordnest du Belege so, dass ein Prüfteam sie ernst nimmt?
Geordnete Belege gewinnen, weil die Zeit eines Prüfteams begrenzt ist und seine Grundhaltung Skepsis ist. Mach das Muster deshalb in Sekunden erkennbar, nicht vergraben in einem Rohexport. Die Struktur zählt genauso viel wie die Daten: Eine aufgeräumte Zusammenfassung mit belegenden Details schlägt zum Beispiel eine Tabelle mit 50.000 Zeilen ohne jede Erzählung. Konkret: Führe mit dem Befund und lass die Belege ihn dann stützen.
Ein glaubwürdiges Beleg-Paket hat meist vier Ebenen. Erstens eine kurze Zusammenfassung, die festhält, was du gefunden hast und in welchem Zeitfenster. Zweitens ein Satz aggregierter Kennzahlen (betroffene Sessions, Klicks oder Conversions und die beteiligten Kampagnen). Dazu die konkreten Signale (Verhalten, IP und Gerät, Conversion, Zeitstempel) mit Beispielen. Schließlich die Rohdaten, verfügbar, aber nicht die Schlagzeile. Denk an Beweisstücke in einer Fallakte, mit anderen Worten, nicht an einen Daten-Dump.
Quelle: fraud0 Framework zur Beleg-Aufbereitung, Unmasking the Shadows 2025.
2025 hat der Report Unmasking the Shadows von fraud0 invalide Aktivität quantifiziert: 21,3 % des Onsite-Traffics (Suchmaschinen-Crawler ausgeschlossen), 9,75 % der Conversions und einen großen Verhaltens- und Engagement-Abstand zwischen invaliden und echten Nutzern. Ein Refund-Beleg ist am glaubwürdigsten, wenn er in Ebenen geordnet ist: ein zusammenfassender Befund, aggregierte Kennzahlen, konkrete benannte Signale mit Beispielen und unterstützende Rohdaten, die ein Prüfteam verifizieren kann.
Wir haben festgestellt, dass der mit Abstand häufigste Fehler Masse statt Klarheit ist. Marketer schicken alles, in der Hoffnung, dass mehr Daten überzeugender wirken. Tatsächlich bewirkt das das Gegenteil. Ein Prüfteam, das deinen Punkt erst suchen muss, findet ihn meist nicht. Mach das Muster deshalb zuerst lesbar und halte die Tiefe dann für alle bereit, die es überprüfen wollen.
Ein ehrlicher Vorbehalt, der sich durch all das zieht. Selbst eine wasserdichte Dokumentation garantiert keinen Refund. Das Ergebnis hängt von der tatsächlich erkannten invaliden Aktivität und vom Prüfprozess der jeweiligen Plattform ab und Plattformen wie Google geben Geld in der Regel als Konto-Gutschrift für künftige Ausgaben zurück, nicht als Auszahlung. Wie sich dieser Unterschied auswirkt, liest du unter Guthaben für invalide Aktivitäten gegenüber Refunds. Starke Belege verbessern trotzdem deine Chancen. Sie nehmen nur die Entscheidung der Plattform nicht aus der Schleife.
Bau die Belege, die Filterung nicht sehen kann
Das Muster über alle vier Beleg-Familien hinweg ist einheitlich. Die Signale, die invaliden Traffic beweisen, leere Sessions, IP-Cluster, Fake-Conversions, verdächtiges Timing, zeigen sich alle darin, wie sich Traffic nach dem Klick verhält. Und genau das sieht das Dashboard deiner Ad-Plattform nicht. 2025 hat der Report Unmasking the Shadows von fraud0 21,3 % des Onsite-Traffics als invalid (Suchmaschinen-Crawler ausgeschlossen) und 9,75 % der Conversions als invalid gemessen, und zwar genau durch die Beobachtung dieses Onsite-Verhaltens. Dokumentation ist deshalb der Weg, es in einen Fall zu verwandeln.
Zwei ehrliche Erinnerungen zum Schluss. Erstens: Starke Belege verbessern deine Chancen, garantieren aber nie einen Refund und zurückgeholtes Geld kommt meist als Konto-Gutschrift, nicht als Auszahlung. Zweitens: Dokumentation und Prävention sind keine Wahl zwischen zwei Dingen; sie sind vielmehr zwei Hebel für dasselbe Ziel: die Verschwendung künftig reduzieren und den Rest zurückholen, der durchkommt.
fraud0s Onsite-Erkennung auf First-Party-Basis ist genau darauf gebaut, diese Belege zu erzeugen, die Verhaltens-, IP- und Conversion-Signale nach dem Klick, die ein Blick auf Klick-Ebene nicht erfassen kann, mit EU-ansässiger Datenverarbeitung. Um ein Gefühl für den Umfang zu vermitteln: Unsere Bot-Erkennung führt in Echtzeit mehr als 2.000 verschiedene Checks durch. Je mehr Warnsignale dabei erkannt werden, desto zuverlässiger können wir feststellen, ob es sich um einen Bot handelt. Wenn du sehen willst, was dein eigener Traffic verbirgt, ist das der Startpunkt. Fürs große Ganze zeigen wir dir, wie du verschwendetes Werbebudget zurückholst und wenn du ein Detection-Tool auswählst, findest du hier Kaufberatung für Klickbetrug-Schutz.
