Ein Deepfake bei der KYC-Prüfung ist ein KI-generiertes Foto oder Video eines Gesichts, mit dem sich ein Betrüger als echter Kunde ausgibt. Seit Ende 2025 ist das kein Einzelfall mehr — Gesichtsgeneratoren sind billig genug für jeden Betrüger mit einem Laptop geworden. Hier sind fünf Anzeichen, an denen Moderation und Antifraud-System eine Fälschung erkennen können, bevor sie die Verifizierung passiert.
Woher das Problem eigentlich kommt
Vor ein paar Jahren war ein gefälschtes Selfie mit Ausweis in der Hand noch eine grobe Photoshop-Arbeit, die jeder erkannte. Heute reichen ein paar öffentliche Fotos einer Person, damit ein Modell ein Video erzeugt, das blinzelt, den Kopf dreht und den vom Moderator verlangten Satz spricht.
Für einen Exchanger ist das kein abstraktes Risiko. Die Identitätsprüfung entscheidet über große Auszahlungen, neue Zahlungsmethoden, höhere Limits. Eine durchgerutschte Fälschung ist nicht nur eine spätere Rückbuchung — der eigene Dienst wird Teil einer Geldwäschekette, mit den unangenehmen Fragen, die danach vom Zahlungspartner oder von der Bank kommen.
5 Anzeichen für ein Deepfake-Dokument bei der Verifizierung
- Licht verhält sich unnatürlich. In einem echten Video fällt das Licht gleichmäßig auf Gesicht, Hals und Hintergrund. Bei synthetischem Material passt der Lichtreflex in den Augen nicht zur Lichtquelle der Szene, und der Kinnschatten „hinkt" der Kopfbewegung manchmal hinterher.
- Metadaten passen nicht zum Profil. Der Passscan ist von gestern, aber die EXIF-Daten des Fotos stammen von einem Telefon, das vor zwei Jahren aus dem Verkauf genommen wurde. Oder die Ausstellungsregion des Dokuments passt nicht zur IP-Adresse oder Interfacesprache des Antragstellers.
- Das Gesicht ist „zu durchschnittlich". Generative Modelle glätten Züge, um Artefakte zu vermeiden. Echte Gesichter sind asymmetrisch — ungleiche Augenbrauen, Muttermale, ein leicht schiefes Lächeln.
- Dasselbe Gesicht in mehreren Anträgen. Betrüger erstellen Konten im Stapel und ändern nur Haarfarbe oder Hintergrund. Der biometrische Vergleich per Gesichtsvektor erkennt die Wiederholung auch bei unterschiedlichem Bildausschnitt.
- Merkwürdige Reaktion auf eine Live-Aufgabe. Bitten Sie um eine Kopfdrehung statt nur um Blinzeln — viele Deepfake-Modelle aus 2025/2026 haben mit unvorhersehbaren Echtzeit-Kommandos noch sichtbare Probleme.
Wie KI-Tools die Fälschung tatsächlich erkennen
Ein modernes Antifraud-System „schaut" sich das Video nicht einfach an — es gleicht Dutzende Signale gleichzeitig ab: Mikrobewegungen der Gesichtsmuskeln, Blinzelfrequenz, Konsistenz der Beleuchtung von Bild zu Bild, Datei-Metadaten, Verhaltensmuster des gesamten Antrags. Diese Modelle sind gezielt auf Deepfakes trainiert, nicht auf klassische Bildbearbeitung, und erkennen deshalb Generierungsartefakte, die einem menschlichen Moderator entgehen.
Am besten funktioniert das im Duo: Der KI-Detektor vergibt einen Risk-Score, die endgültige Entscheidung bei Grenzfällen trifft ein Mensch. Eine vollautomatische Verifizierung ohne manuelle Prüfung ist für einen Exchanger keine gute Idee — die Kosten einer falschen Freigabe sind zu hoch.
Wo KI-Detektoren an ihre Grenzen stoßen
Ehrlich gesagt: hundertprozentigen Schutz gibt es nicht. Detektor- und Generatormodelle für Deepfakes entwickeln sich parallel, und die Führung wechselt regelmäßig die Seite. Ein neuer Generator kann Detektoren, die auf ältere Artefakte trainiert sind, monatelang überholen.
Ein Deepfake-Detektor hilft auch nicht gegen den alten Trick — ein gestohlenes echtes Dokument kombiniert mit einer echten, lebenden Person, einem bezahlten „Mule", der die Verifizierung selbst durchläuft. Da helfen Verhaltensanalyse und Abgleich mit Sperrlisten, nicht Biometrie.
Häufige Fehler bei der Einführung
Erstens: einen Deepfake-Detektor kaufen und die manuelle Prüfung von Grenzfällen abschalten, um beim Personal zu sparen. Zweitens: das Modell monatelang nicht aktualisieren, obwohl sich Generatoren jedes Quartal weiterentwickeln. Drittens: die werkseitigen Risk-Score-Schwellenwerte beibehalten, statt sie an den eigenen Kundenstrom und die typischen Betrugsmuster der eigenen Region anzupassen.
Fazit
Deepfakes im KYC sind keine hypothetische Zukunftsgefahr, sondern ein Werkzeug, das Betrüger schon heute einsetzen. Sich nur auf das Auge des Moderators zu verlassen ist riskant, blindes Vertrauen in Automatisierung aber auch — es braucht das Zusammenspiel aus KI-Detektor und menschlicher Entscheidung bei Grenzfällen. Wer Verifizierung und Antifraud für den eigenen Exchanger von Grund auf aufbaut, startet leichter auf einer fertigen Plattform — iEXExchanger bietet Produkte für den Start und den Schutz des eigenen Krypto-Exchanger-Geschäfts.
