Synthetischer Identitätsbetrug: Wie KI KYC-Dokumente fälscht

Synthetischer Identitätsbetrug ist die Konstruktion eines fiktiven Profils durch die Kombination echter personenbezogener Daten — eine gültige Steuer-ID, ein echtes Geburtsdatum, eine verifizierbare Adresse — mit erfundenen Informationen, um eine Identität zu schaffen, die keiner real existierenden Person entspricht. Generative KI-Modelle haben die Zeit für die Erstellung eines überzeugenden synthetischen Profils von mehreren Wochen auf wenige Stunden verkürzt. Die weltweiten jährlichen Verluste durch synthetischen Identitätsbetrug werden auf über 20 Milliarden Dollar geschätzt, wobei der Finanzsektor am stärksten betroffen ist, laut dem Gemeinschaftsbericht von Europol und Interpol aus dem Jahr 2024 (Europol, IOCTA 2024).

Dieser Artikel dient ausschließlich Informationszwecken und stellt keine rechtliche, finanzielle oder regulatorische Beratung dar. Regulatorische Referenzen entsprechen dem Rechtsstand vom 13. Mai 2026.

Im Bankensektor weisen 5,1 % der von unserer Plattform verarbeiteten KYC-Vorgänge Indikatoren für Identitätsbetrug auf — ein Wert, der in achtzehn Monaten um fast zwei Prozentpunkte gestiegen ist, angetrieben durch die Verfügbarkeit generativer KI-Tools ohne besondere technische Kenntnisse. Das Verständnis der Herstellungsmechanismen, der Warnsignale und des anwendbaren regulatorischen Rahmens ist für verpflichtete Unternehmen heute eine operative Notwendigkeit.

Was ist synthetischer Identitätsbetrug?

Synthetischer Identitätsbetrug unterscheidet sich klar von klassischem Identitätsdiebstahl. Beim klassischen Diebstahl gibt sich der Betrüger als eine reale Person aus, die direkt finanziellen und reputationsbezogenen Schaden erleidet. Beim synthetischen Betrug erschafft er eine neue Entität, die monatelang eine Finanzgeschichte aufbauen kann, bevor sie entdeckt wird — gerade weil kein direktes Opfer Anzeige erstattet.

Die häufigsten Typologien sind:

Rein synthetische Identität: alle Daten sind erfunden — fiktive Steuer-ID, Name, Adresse, Geburtsdatum. Diese Profile sind am anfälligsten für die Kreuzvalidierung mit amtlichen Registern, können aber monatelang in Systemen mit unzureichenden Kontrollen bestehen.

Hybride synthetische Identität: der Betrüger verwendet eine echte Identifikationsnummer — die einem Minderjährigen, einem Verstorbenen oder einem Nicht-Ansässigen gehört — und verknüpft sie mit einem fiktiven Namen und KI-generierter Begleitdokumentation. Die Nummer besteht Formatprüfungen; die Identität entspricht nicht dem eigentlichen Inhaber. Dies ist die häufigste Variante beim Onboarding-Betrug im Finanzbereich.

Manipulierte Identität: ein echtes Dokument wird mit KI-Inpainting oder Bildbearbeitungstools verändert, um Namen, Foto oder Geburtsdatum zu ändern, während authentifizierende Merkmale wie Hologramme, Mikrodruck und Dokumentnummern erhalten bleiben.

Die Financial Action Task Force (FATF) identifiziert synthetischen Identitätsbetrug als vorrangige Typologie in ihrer Leitlinie 2024-2025 zur digitalen Identität und hebt seine zentrale Rolle bei Geldwäschekonstruktionen über aus der Ferne eröffnete Konten hervor (FATF, Digital Identity Guidance 2024).

Wie KI überzeugende KYC-Dokumente fälscht

Die Zugänglichkeit hochwertiger generativer Modelle hat die Raffinesse von Dokumentenbetrug wesentlich erhöht.

Durch GAN und Diffusionsmodelle generierte Ausweisdokumente

Generative Adversarial Networks (GAN) und latente Diffusionsmodelle erzeugen Bilder von Reisepässen, Führerscheinen und Personalausweisen, die offizielle deutsche Dokumentformate, Typografien, Sicherheitszonen und synthetische Passfotos mit hoher visueller Treue nachbilden. Die Agentur der Europäischen Union für Cybersicherheit (ENISA) katalogisierte 2024 mehr als 40 Varianten von Tools zur Erstellung gefälschter Ausweisdokumente, die auf Darknet-Märkten zugänglich sind (ENISA Threat Landscape 2024).

Das Passfoto wird durch spezialisierte Modelle — StyleGAN3, DALL-E 3, Stable Diffusion — generiert und erzeugt ein fotorealistisches Gesicht, das niemandem gehört. Prüfziffern-Algorithmen für deutsche Ausweisdokumente (Steuer-ID-Prüfziffer, Reisepass-Prüfziffern) werden von den Fälschungswerkzeugen korrekt berechnet und umgehen damit Formatvalidierungen.

Durch Sprachmodelle generierte Finanzdokumente

Große Sprachmodelle (LLM) generieren Gehaltsabrechnungen, Kontoauszüge, Steuerbescheide und Jahresabschlüsse, die syntaktisch korrekt sind und deutschen amtlichen Formatierungsstandards entsprechen. Ein Darknet-LLM-Dienst, der Ende 2025 für weniger als 200 Euro pro Monat verfügbar war, erstellt in weniger als drei Minuten eine Gehaltsabrechnung mit korrekten Sozialversicherungsbeitragsklassen, richtigen Steuerklassenangaben und einer plausiblen Handelsregisternummer.

Die hauptsächliche Schwäche aktueller synthetischer Dossiers ist die Kohärenz zwischen Dokumenten: die Aufrechterhaltung perfekter Konsistenz über Gehaltsabrechnung, Kontoauszug und Steuerbescheid für dasselbe fiktive Profil übersteigt die Fähigkeiten nicht-spezialisierter Generatoren.

Erkennungsindikatoren nach KYC-Dokumenttyp

Erkennung synthetischer Identitäten: Methoden und Schwellenwerte

Die Identifizierung einer synthetischen Identität erfordert geschichtete technische, semantische und verhaltensbezogene Prüfungen. Keine einzelne Methode ist für sich ausreichend.

Forensische Dokumentenanalyse

Die CheckFile-Plattform analysiert jedes Dokument auf fünf Ebenen: technische Metadaten (Erstellungssoftware, Komprimierungskette), visuelle Artefakte (GAN-periodische Muster, Diffusionsrauschsignaturen), Integrität von Sicherheitszonen (MRZ-Prüfsummen, Formatvalidierung), Echtheit des Passfotos und Kreuzreferenz mit amtlichen Registern. Die CheckFile-Plattform erkennt 94,8 % der eingereichten gefälschten Dokumente bei einer Falsch-Positiv-Rate von 3,2 %. Für Finanzinstitute mit hohem Onboarding-Volumen verringert diese Genauigkeit die Betriebskosten für manuelle Prüfeskalationen erheblich.

Die semantische Kreuzanalyse zwischen Dokumenten bildet das zweite Sicherheitsnetz: eine Gehaltsabrechnung mit einem Arbeitgeber ohne Handelsregistereintrag, kombiniert mit einem Kontoauszug einer ausländischen Bank und einer im Melderegister nicht auffindbaren Adresse, muss eine verstärkte Sorgfaltspflicht auslösen, unabhängig von der visuellen Qualität der einzelnen Dokumente.

Verhaltens- und Profilkohärenzprüfungen

Synthetische Identitäten zeigen charakteristische Nutzungsmuster: kein vorheriger Kreditverlauf, Verhalten des progressiven Kreditaufbaus, Telefonnummern ohne zugehörige Kontohistorie, Adressen, die nicht in Postleitzahldatenbanken erscheinen. Die BaFin hat in ihrem Rundschreiben zu AML-Compliance aus 2024 die Profilkohärenz als wesentliche Komponente einer wirksamen Kundenidentifizierung bei digitalen Onboarding-Prozessen hervorgehoben (BaFin Auslegungs- und Anwendungshinweise GwG 2024).

Compliance-Fachleute fragen in professionellen Foren regelmäßig, wie man einen Dateneingabefehler von einem Betrugssignal unterscheidet. Die Antwort ist kumulativ: ein schwaches Signal — ein Arbeitgeber nicht im Handelsregister auffindbar — rechtfertigt eine Klärung. Drei konvergierende Signale — nicht existierender Arbeitgeber, nicht verifizierbares Wohnsitz, Steuer-ID ohne Steuerhistorie — müssen die verstärkte Sorgfaltspflicht auslösen und gegebenenfalls eine Verdachtsmeldung beim LKA/BKA oder der Zentralstelle für Finanztransaktionsuntersuchungen (FIU).

Einen vollständigen Überblick über Erkennungsmethoden finden Sie in unserem Artikel über KI-Techniken zur Dokumentenbetrugserkennung.

Regulatorischer Rahmen: Pflichten in Deutschland

GwG und verstärkte Sorgfaltspflichten

Das Geldwäschegesetz (GwG) in der Fassung vom 23. Juni 2017, zuletzt geändert durch das Finanzkriminalitätsbekämpfungsgesetz (FKBG) vom Oktober 2024, verpflichtet meldepflichtige Unternehmen gemäß § 10 zur Identifizierung und Überprüfung der Identität von Kunden vor Begründung einer Geschäftsbeziehung. § 15 schreibt verstärkte Sorgfaltspflichten in Situationen erhöhten Risikos vor, einschließlich ausdrücklich der Fälle, in denen die Identität nicht persönlich verifiziert werden kann und Anhaltspunkte für Inkohärenzen in den vorgelegten Angaben vorliegen.

Die BaFin hat in ihren Auslegungs- und Anwendungshinweisen zum GwG aus 2024 spezifisch auf die Risiken von Identitätsbetrug bei digitalen Onboarding-Kanälen hingewiesen und die Notwendigkeit adaptiver Kontrollen bei der Weiterentwicklung von Dokumentenfälschungstechniken betont (BaFin AuA GwG 2024).

AMLD6 und der neue europäische Rahmen

Richtlinie (EU) 2024/1640 (AMLD6), angenommen im Mai 2024 mit einer Umsetzungsfrist bis Juli 2027, setzt strengere Standards für die Identitätsüberprüfung durch europäische Verpflichtete. Artikel 22 verlangt verstärkte Sorgfaltspflichten in Situationen mit erhöhtem Risiko, einschließlich der Fälle, in denen Identitätsdaten Inkonsistenzen aufweisen. Die neue AMLA-Verordnung (Verordnung (EU) 2024/1620) wird ab 2025 eine direkte Aufsicht über grenzüberschreitende Finanzinstitute mit hohem Risiko einrichten (Verordnung (EU) 2024/1620).

Verdachtsmeldungen an die FIU Deutschland

Wenn ein Verpflichteter bei Onboarding oder periodischer Überprüfung Indikatoren für Identitätsbetrug identifiziert, muss er gemäß § 43 GwG eine Verdachtsmeldung bei der Zentralstelle für Finanztransaktionsuntersuchungen (FIU) einreichen, wenn die Indikatoren Geldwäsche- oder Terrorismusfinanzierungsverdacht begründen. Synthetischer Identitätsbetrug, der zur Kontoeröffnung und für betrügerische Transaktionen eingesetzt wird, bildet ein typisches Geldwäscheschema gemäß den von der FIU veröffentlichten Typologien (FIU Typologienpapier 2024).

Das Unterlassen einer Meldung, wenn die Indikatoren ausreichend waren, setzt das Unternehmen gemäß § 56 GwG Bußgeldern von bis zu fünf Millionen Euro oder zehn Prozent des Jahresumsatzes aus.

EU KI-Verordnung und KYC-Systeme mit hohem Risiko

Verordnung (EU) 2024/1689 (EU-KI-Gesetz), die seit August 2024 schrittweise Anwendung findet, klassifiziert Identitätsüberprüfungssysteme für das finanzielle Onboarding als KI-Systeme mit hohem Risiko (Anhang III, Punkt 1.b). Anbieter und Verwender solcher Lösungen — einschließlich Dokumentenprüflösungen — müssen technische Dokumentation führen, Konformitätsbewertungen durchführen und menschliche Aufsicht gewährleisten.

Aufbau einer effektiven organisatorischen Reaktion

KYC-Verfahren für generative KI aktualisieren

Ein robustes KYC-Verfahren für synthetische Identitäten muss vier Elemente enthalten, die in veralteten Prozessen häufig fehlen: Validierung strukturierter Daten (MRZ-Prüfsummen, Steuer-ID-Logik, IBAN-Validierung), Kreuzreferenzierung mit amtlichen Registern (Handelsregister, Melderegister, Postleitzahldatenbank), semantische Kreuzdokumentkohärenzprüfungen und periodische Überprüfung bestehender Akten.

Die periodische Überprüfung ist besonders wichtig: Synthetische Identitäten werden häufig nicht beim Onboarding entdeckt, sondern bei einer jährlichen Überprüfung, bei der die Kohärenz zwischen den ursprünglichen Dokumenten und den seither gemachten Angaben Abweichungen aufweist.

Teams für KI-Dokumentensignale schulen

Compliance-Teams weisen in professionellen Foren regelmäßig darauf hin, dass konkrete Kriterien fehlen, um ein schlecht gescanntes Dokument von einem KI-generierten zu unterscheiden. Technische forensische Tools lösen dies automatisch, aber Mitarbeitende, die manuelle Prüfungen durchführen, profitieren vom Verständnis von Second-Order-Signalen: ungewöhnlich glatte Bildränder (Fehlen von Scannerrauschen), unnatürlich gleichmäßige Hintergrundbeleuchtung, Schriftarten, die zu exakt mit amtlichen Vorlagen übereinstimmen.

Die Prävention von Identitätsbetrug erfordert sowohl geschultes Personal als auch automatisierte Tools, die die aktuellen Onboarding-Volumina bewältigen können. Die CheckFile-Lösung integriert Dokumentenforensik, Registerkreu-Referenzierung und Verhaltensscoring in einer einzigen API-Integration mit einer durchschnittlichen Verifikationszeit von 4,2 Sekunden.

Für Informationen zu Preisen und ROI der automatisierten KYC-Verifikation im Vergleich zu Verlusten durch unentdeckten Betrug bietet unser Team auf Anfrage personalisierte Analysen.

Häufig gestellte Fragen

Was genau ist synthetischer Identitätsbetrug?

Synthetischer Identitätsbetrug ist die Erstellung eines fiktiven Profils durch die Kombination echter Daten — wie einer echten Steuer-ID oder einem echten Geburtsdatum — mit erfundenen Informationen. Im Gegensatz zum klassischen Identitätsdiebstahl gibt es kein direktes Opfer, was die Erkennung erschwert und die Wahrscheinlichkeit einer Anzeige monatelang verringert.

Wie macht KI diesen Betrug gefährlicher?

Generative KI-Modelle erzeugen fotorealistische Gesichtsfotos nicht existierender Personen, generieren Gehaltsabrechnungen und Kontoauszüge mit korrekter Formatierung und plausiblen Zahlenwerten und berechnen gültige Dokumentprüfziffern. Was früher spezialisierte Fälschungskenntnisse erforderte, erfordert heute nur noch Zugang zu einem Darknet-Dienst für weniger als 200 Euro pro Monat.

Welche gesetzlichen Pflichten gelten für Unternehmen in Deutschland?

Verpflichtete nach dem GwG müssen die Identität des Kunden vor Begründung einer Geschäftsbeziehung überprüfen, verstärkte Sorgfaltspflichten in Situationen erhöhten Risikos einschließlich Identitätsinkohärenzen anwenden und Verdachtsmeldungen bei der FIU einreichen. KI-Systeme in diesen Prozessen müssen den anwendbaren Anforderungen der EU-KI-Verordnung entsprechen.

Wie kann eine synthetische Identität beim KYC erkannt werden?

Die wirksame Erkennung kombiniert forensische Dokumentenanalyse (GAN-Artefakte, Metadaten-Anomalien, MRZ-Prüfsummenvalidierung), Kreuzreferenzierung mit amtlichen Registern (Handelsregister, Melderegister), semantische Kreuzdokumentkohärenzprüfungen und Verhaltensprofilierung. Keine einzelne Schicht ist ausreichend; ihre Kombination erhöht die Erkennungsrate erheblich.

Was sind die Konsequenzen für ein Unternehmen, das diesen Betrug nicht erkennt?

Über direkte finanzielle Verluste hinaus ist das Unternehmen gemäß § 56 GwG Bußgeldern der BaFin für Verstöße gegen die Sorgfaltspflichten ausgesetzt (bis zu fünf Millionen Euro oder zehn Prozent des Jahresumsatzes), droht Reputationsschäden und ist möglicherweise strafrechtlich verantwortlich, wenn die Täuschung zur Finanzierung krimineller Aktivitäten genutzt wurde.