Die KI-Bedrohung: Deepfakes, Synthetische Identitäten und Agentischer Betrug
Kapitel 3
Während Versicherer noch mit Budgetzyklen, Initiativen zur Verbesserung der Datenqualität und organisatorischem Change-Management beschäftigt sind, setzen Betrüger KI bereits aktiv als Waffe ein. Sie warten weder auf Governance-Richtlinien noch führen sie Pilotprojekte durch. Sie handeln bereits. Dadurch wächst die Kluft zwischen der Bereitschaft der Branche und der Raffinesse der Bedrohungen, denen sie gegenübersteht.
Der Übergang von opportunistischem Betrug zu KI-gestütztem Betrug ist weniger eine schrittweise Weiterentwicklung als vielmehr ein fundamentaler Wandel der Betrugsarchitektur. Die Werkzeuge, die Betrügern heute zur Verfügung stehen, machen bestehende Methoden nicht nur schneller oder skalierbarer, sie ermöglichen völlig neue Formen des Betrugs.
Dazu gehören synthetische Identitäten, die nie existiert haben, Deepfakes, die von echten Beweisen kaum zu unterscheiden sind, sowie autonome KI-Agenten, die komplexe Betrugsszenarien über mehrere digitalen Kanäle hinweg orchestrieren können, ohne dass für jeden Schritt menschliches Eingreifen erforderlich ist.
Um die Dringlichkeit der aktuellen Adoptionslücke zu verstehen, ist es entscheidend, diese Bedrohungen nicht als Zukunftsszenario zu betrachten. Sie sind bereits Realität, und ihre Entwicklung beschleunigt sich. Das Verständnis dieser neuen Bedrohungslandschaft liefert den notwendigen Kontext, um die wachsende Diskrepanz zwischen den Fähigkeiten vieler Versicherer und den Methoden moderner Betrüger einordnen zu können.
Wie Betrüger KI als Waffe einsetzen werden
Auf die Frage, wie agentische KI von Betrügern eingesetzt werden könnte, nannten die Befragten vier zentrale Bedrohungsszenarien. An erster Stelle steht die Erstellung synthetischer Dokumente und Identitätsnachweise (76 %). Diese stellt einen direkten Angriff auf Schadens- und Identitätsprüfungen dar, die viele Versicherer noch immer manuell oder mithilfe regelbasierter Verfahren durchführen – Verfahren, die entwickelt wurden, bevor KI-generierte Fälschungen diese Qualität erreichten.
An zweiter Stelle folgt die Erstellung von Deepfake-Beweismitteln (71 %). Dazu gehören Bilder, Audioaufnahmen und Videos, die mit ausreichender Präzision gefälscht werden, um herkömmliche Prüfverfahren zu bestehen. Es folgen die Automatisierung von Betrug im großen Maßstab (44 %) sowie die Koordination organisierter Betrugsnetzwerke (33 %).
Besonders gefährlich ist die Kombination aus synthetischen Identitäten und Deepfake-Beweismitteln, da beide Fähigkeiten dieselbe Schwachstelle aus unterschiedlichen Richtungen angreifen. Synthetische Identitäten fälschen die Person am Beginn der Kundenbeziehung und schaffen einen Versicherungsnehmer, der in Wirklichkeit nicht existiert. Deepfake-Beweismittel hingegen erzeugen beim Schadenfall vermeintliche Nachweise für ein Ereignis, das nie stattgefunden hat. Werden beide Methoden kombiniert, kann eine organisierte Tätergruppe einen durchgängigen, schwer überprüfbaren Betrugsfall konstruieren, ohne auf traditionelle Beweismittel angewiesen zu sein.
So könnte eine Versicherungspolice von einer Person abgeschlossen werden, die nie existiert hat, für einen Schadenfall, der nie eingetreten ist, und mit Beweismitteln dokumentiert werden, die vollständig künstlich erzeugt wurden.
Die wirksamste Gegenmaßnahme gegen diese Bedrohungen ist eine KI-gestützte Betrugserkennung. Doch genau hier zeigt sich die Herausforderung für die Branche. Da bislang nur ein kleiner Teil der Versicherer KI oder Machine Learning vollständig in seine Betrugserkennung integriert hat, besteht eine deutliche Asymmetrie zwischen den Fähigkeiten der Angreifer und der Einsatzbereitschaft der Verteidiger.
76%
71%
44%
33%
Erstellung synthetischer Dokumente oder IDs
Erstellung von Deepfake-Beweisen (Bilder, Audio, Video)
Automatisierung groß angelegten Anwendungsbetrugs
Koordination organisierter Betrugsnetzwerke
Die Deepfake-Lücke: Die Bedrohung kennen und versäumen, darauf zu reagieren
Die in dieser Studie sichtbar werdende Diskrepanz zwischen der wahrgenommenen Bedrohung und der operativen Reaktion zählt zu den folgenreichsten Erkenntnissen des gesamten Datensatzes. 58 % der Praktiker erwarten, dass Deepfakes in naher Zukunft zum dominierenden Betrugsinstrument werden. Gleichzeitig betrachten jedoch nur 20 % die Dokumenten- und Medienverifikation als kritische operative Priorität. Weitere 40 % stufen sie zwar als sehr wichtig ein, doch operativ besteht ein wesentlicher Unterschied zwischen „sehr wichtig“ und „kritisch“. Zudem geben 9 % der Befragten an, Medienverifikation derzeit überhaupt nicht einzusetzen.
Diese Lücke ist nicht das Ergebnis mangelnden Bewusstseins. Vielmehr entsteht sie durch begrenzte Ressourcen und organisatorische Trägheit, dieselben Faktoren, die auch die Einführung von KI insgesamt bremsen. Die meisten Praktiker wissen, dass Deepfakes eine wachsende Bedrohung darstellen, und viele erkennen auch, dass Medienverifikation eine zentrale technische Gegenmaßnahme ist. Doch Erkenntnis und Priorisierung sind nicht dasselbe. In einem Umfeld, das von Budgetdruck und konkurrierenden Anforderungen geprägt ist, verlieren selbst wichtige Initiativen häufig gegen diejenigen, die als unmittelbar kritisch eingestuft werden. Das Problem besteht darin, dass diese Fehleinschätzung zunehmend schwerer zu korrigieren sein wird, je besser und leichter zugänglich Deepfake-Technologien werden.
Jeder Schadenprozess, unabhängig von Sparte oder Bearbeitungsphase, sollte die Authentizitätsprüfung von Dokumenten und Medien als Standard und nicht als Ausnahme behandeln. Die erforderlichen Technologien für eine skalierbare Verifikation existieren bereits. Das Zeitfenster, sie einzusetzen, bevor Deepfakes von authentischen Beweisen kaum noch zu unterscheiden sind, steht heute offen. Es wird jedoch nicht unbegrenzt offen bleiben.
20%
40%
31%
9%
Kritisch
Sehr wichtig
Einigermaßen wichtig
Nicht benutzt
Die Bereitschaftslücke bei agentischer KI
Die Daten zur Vorbereitung auf agentische KI zählen zu den klarsten und zugleich alarmierendsten Ergebnissen dieser Studie. 78 % der Befragten gehen davon aus, dass agentische KI-Versicherungsbetrug innerhalb der nächsten zwei Jahre zumindest in gewissem Maße, wenn nicht sogar erheblich, beeinflussen wird. Unter den Praktikern an vorderster Front besteht damit nahezu Einigkeit darüber, dass es sich um eine kurzfristige und relevante Bedrohung handelt. Gleichzeitig fühlen sich jedoch nur 2 % der Befragten sehr gut darauf vorbereitet, sich dagegen wirksam zu verteidigen.
Die Zahlen sprechen für sich. Nach Einschätzung der Praktiker beträgt das Zeitfenster, bis agentischer KI-gestützter Betrug zum Mainstream wird, etwa zwei Jahre oder weniger. Zugleich stufen sich 38 % der Befragten als „nicht sehr vorbereitet“ oder schlechter ein. Doch selbst eine Einstufung als „einigermaßen vorbereitet“ ist angesichts einer Bedrohung, deren volle Auswirkungen noch nicht vollständig verstanden werden, kaum beruhigend.
Agentische KI unterscheidet sich grundlegend von früheren Betrugstechnologien. Frühere Generationen von Betrugswerkzeugen – selbst hochentwickelte Systeme – erforderten bei jedem Schritt menschliche Steuerung. Ein Betrüger konnte beispielsweise Software zur Erstellung gefälschter Dokumente nutzen, musste jedoch weiterhin selbst entscheiden, wann, wo und wie diese eingesetzt werden.
Agentische KI-Systeme hingegen können eigenständig planen, handeln und sich über verschiedene digitale Umgebungen hinweg anpassen. Sie sind in der Lage, potenzielle Ziele zu identifizieren, unterstützende Nachweise zu erzeugen, Einreichungs- und Prüfprozesse zu durchlaufen, Reaktionen zu überwachen und ihre Vorgehensweise auf Basis neuer Erkenntnisse kontinuierlich anzupassen – ohne dass jede einzelne Aktion von einem Menschen gesteuert werden muss.
Dies ist nicht einfach eine schnellere oder effizientere Form des bekannten Betrugs. Es handelt sich um eine neue Kategorie von Bedrohungen. Entsprechend erfordert sie auch eine neue Dimension der Vorbereitung und Verteidigung. Die entscheidende Frage ist nicht, ob agentische KI den Versicherungsbetrug verändern wird, viele Praktiker gehen bereits davon aus. Die eigentliche Frage ist, ob die Branche ihre Fähigkeiten schnell genug weiterentwickeln kann, um mit dieser Entwicklung Schritt zu halten.
2%
29%
29%
31%
7%
Sehr gut vorbereitet
Einigermaßen vorbereitet
Neutral
Nicht sehr vorbereitet
Überhaupt nicht vorbereitet