Fraud Conference 2026: Wie KI und mobile Netzwerkinformationen moderne Betrugsbekämpfungssysteme neu gestalten

Fraud Conference 2026：Wie KI und mobile Netzwerkintelligenz die moderne Betrugsbekämpfung neu gestalten

Die im Mai 2026 in London abgehaltene Fraud Conference 2026 stellte einen realen Wendepunkt in der Bekämpfung von Finanzkriminalität in den Mittelpunkt: Betrug ist nicht mehr nur ein „Erkennungsproblem“, sondern eine systemische Herausforderung, die Identität, Geräte, Kommunikationsnetzwerke, Zahlungsprozesse und regulatorische Verantwortung umfasst. Mit der fortschreitenden Eskalation von KI-gestützten Angriffen, Social Engineering, mehrstufigem Betrug, Datenlecks und organisierter Kriminalität werden Banken und Zahlungsinstitute zunehmend gezwungen, von der nachträglichen Abwehr zu einem früheren, Echtzeit- und koordinierten Verteidigungsmodell überzugehen. Die Diskussionen auf der Konferenz zeigten, dass die Sicherheitsinfrastruktur von digital payments neu definiert wird und dass AI in finance sowie mobile Netzwerkintelligenz zu wichtigen Bestandteilen moderner Betrugsbekämpfung werden.

Branchenhintergrund

Vor dem Hintergrund der rasanten Verbreitung digitaler Zahlungen hat sich auch der Betrug industrialisiert. Der klassische Betrug durch unbefugte Transaktionen besteht zwar weiterhin, doch in den letzten Jahren ist der autorisierte Push-Payment-Betrug (APP fraud) zur größeren Herausforderung geworden: Die Opfer werden nicht zwangsweise belastet, sondern veranlassen die Überweisung selbst – beeinflusst durch Social Engineering, gefälschte Identitäten, falschen Kundendienst, Anlagebetrug oder Romance-Scams.

Die Schwierigkeit dieser Betrugsform liegt darin, dass die Transaktion aus Sicht des Zahlungssystems oft „legitim“ erscheint. Genau deshalb reicht es nicht mehr aus, sich allein auf Transaktionssperren oder statische Identitätsprüfungen zu verlassen, um moderne Betrugsketten abzudecken. Mehrere Konferenzteilnehmer betonten, dass sich die Betrugsbekämpfung von der Erkennung auf Konto- oder Transaktionsebene hin zu einer kombinierten Beurteilung von Identität, Gerät und Kommunikation verlagert.

Auch die Veränderungen im britischen Regulierungsumfeld verstärken diesen Trend. Im Zusammenhang mit den verpflichtenden Erstattungsregeln für APP fraud müssen Banken nicht nur die Opfer entschädigen, sondern auch nachweisen, dass sie über wirksamere Präventionsfähigkeiten verfügen. Das bedeutet, dass Betrugsbekämpfung nicht länger nur eine Frage von Compliance-Kosten ist, sondern eine Kernkompetenz, die Finanzinstitute im Rahmen von financial regulation langfristig aufbauen müssen.

Aktuelle Entwicklungen

Eines der auffälligsten Themen der Konferenz war die Beziehung zwischen „Identitätsverifizierung“ und „mobiler Netzwerkintelligenz“.

Nach Einschätzung der Teilnehmenden bleibt digitale Identität zwar eine Grundlage, doch Angreifer passen sich sehr schnell an und nutzen dieselben Kontrollmechanismen, die auf Verhaltensdaten, Gerätemerkmalen und Login-Signalen beruhen, um Erkennungen zu umgehen. Daher setzen immer mehr Organisationen auf Signale auf Telekommunikationsnetzwerk-Ebene, um blinde Flecken der Identitätsverifizierung zu schließen, etwa SIM-Swap-Erkennung, die Analyse der Verknüpfung zwischen Gerät und Rufnummer sowie Echtzeitprüfungen der Leitungsintegrität. Solche Fähigkeiten erfordern in der Regel keine zusätzliche Handlung des Nutzers und tragen daher nicht nur zur Verringerung von Reibung bei, sondern auch zur Verbesserung der Echtzeit-Risikobewertung.Ein im Treffen erwähntes Beispiel ist, dass eine auf Echtzeitdaten aus dem Telefonnetz basierende Lösung zur Betrugserkennung nach ihrer Einführung bei einigen Banken eine Verbesserung der Erkennung von APP fraud zeigte. Auch wenn die Wirkung je nach Institut und Szenario unterschiedlich ausfiel, spiegelt dies eine breitere Branchenentwicklung wider: Die Sicherheitskontrollen der payment infrastructure erstrecken sich zunehmend von den internen Systemen der Banken hin zu Kommunikationsnetzen, Geräte-Ökosystemen und gemeinsam genutzten Intelligence-Ebenen.

Auch die Rolle von KI verändert sich. In der Diskussion wurde KI nicht als bloße Bedrohung betrachtet, sondern als eine „Fähigkeit, die von beiden Seiten eingesetzt wird“. Betrüger nutzen zunehmend Automatisierungstools, um Nachrichten in großem Umfang zu erzeugen, Sprache zu fälschen und Opfer zu manipulieren; die Verteidiger setzen KI dagegen ein, um Muster schneller zu erkennen, Anomalien zu detektieren und verdächtige Nachrichten zu klassifizieren.

Eine bemerkenswerte Richtung sind verbrauchernahe Echtzeit-Unterstützungstools. Eine auf der Konferenz diskutierte Lösung setzt KI ein, um verdächtige Nachrichten sofort zu analysieren und dem Nutzer in entscheidenden Momenten der Interaktion mit Betrügern Hinweise zu geben. Der Wert solcher Tools liegt nicht darin, das bankeigene Risikomanagement zu ersetzen, sondern den Schutz auf den Entscheidungspunkt „bevor das Opfer überhaupt überweist“ vorzuziehen.

Ein weiterer Schwerpunkt der Diskussion waren agentische Zahlungen (agentic payments) und programmierbare Zahlungen. Mit der Reife von A2A-Zahlungen, Open Banking und Echtzeit-Zahlungsnetzen werden Zahlungen nicht mehr nur manuell ausgelöst, sondern können auch von Systemen, Regelwerken oder KI-Agenten initiiert und gesteuert werden. Die Konferenz vertrat die Ansicht, dass solche neuen Zahlungserlebnisse, wenn sie mit starker Authentifizierung, Verhaltensüberwachung und Regelbeschränkungen kombiniert werden, theoretisch die Zahlungshürden senken und zugleich die Echtzeitkontrolle über auffällige Transaktionen stärken können. Dies ist von großer Bedeutung für die Architekturen von open banking, embedded finance und künftigen real-time payments.

Auswirkungen auf das Finanzsystem

1. Zahlungseffizienz

Wenn Betrugsprävention von der Nach- zur Vor-Transaktionsphase verlagert wird und von einer Einzelprüfung zu einer mehrsignaligen Gesamtbeurteilung übergeht, kann das Zahlungssystem mit weniger manuellen Eingriffen eine höhere Freigabequote aufrechterhalten. Für Verbraucher bedeutet das weniger zusätzliche Bestätigungen und ein reibungsloseres Zahlungserlebnis; für Unternehmen hilft es, Transaktionsverluste durch Fehlblockierungen zu reduzieren.

2. Finanzielle Inklusion

Ein intelligenteres Betrugspräventionssystem könnte auch einen breiteren Zugang zu digitalen Finanzdienstleistungen unterstützen. Für Nutzer ohne traditionelle Bonitätshistorie oder langfristige Kontoverhaltensdaten können Signale aus dem Mobilfunknetz, Gerätebeziehungen und Verhaltensmuster als ergänzende Risikokriterien dienen und es Instituten ermöglichen, ihre خدمات unter vorsichtigeren Rahmenbedingungen auszuweiten.

3. Wettbewerb im BankwesenDer Unterschied in den Fähigkeiten zur Betrugsbekämpfung zwischen Banken und Zahlungsinstituten wird allmählich zu einem Teil des Wettbewerbs um Dienstleistungen. Wer Telekommunikationsinformationen, KI-Modelle und branchenübergreifende Daten schneller integrieren kann, hat bei gleichzeitiger Einhaltung der Compliance die größere Chance, die Abwanderung von Nutzern zu verringern. Dies ist besonders wichtig für digital banking-Plattformen und Zahlungsabwickler, da Nutzer in der Regel nicht lange bereit sind, sicherheitsrelevante Prozesse mit hoher Reibung und geringer Transparenz zu tolerieren.

4. Compliance-Kosten

In einem strengeren regulatorischen Umfeld werden Investitionen in die Betrugsbekämpfung zu wiederkehrenden Betriebsausgaben und nicht zu einmaligen Projekten. Banken müssen nachweisen, dass sie nicht nur über Modelle verfügen, sondern auch über prüfbare Prozesse, mechanisms der teamübergreifenden Zusammenarbeit und klare Fähigkeiten zur Reaktion auf Vorfälle. Dadurch ähneln Kooperationen zwischen financial technology-Anbietern und Finanzinstituten eher dem Einkauf von Infrastruktur als einer bloßen Softwarebereitstellung.

5. Risikomanagement

KI hat zwar die Effizienz der Abwehr verbessert, bringt aber auch neue Modelrisiken, Fehlklassifizierungsrisiken und Risiken durch adversariale Angriffe mit sich. Da Betrüger beginnen, KI-Entscheidungssysteme zu testen und zu manipulieren, müssen Finanzinstitute Modell-Governance, Datenqualität und manuelle Prüfmechanismen in ihren Risikosteuerungsrahmen integrieren. Künftige Betrugserkennungssysteme müssen nicht nur „intelligenter“ sein, sondern auch „erklärbarer und auditierbarer“.

Herausforderungen

Datenschutz

Nach der Einbindung von Mobilfunk-Intelligenz und Verhaltensdaten treten Fragen zu Datenabgrenzungen noch deutlicher hervor. Wie Institutionen reichhaltigere Risikosignale nutzen können, ohne die Anforderungen des Datenschutzes zu verletzen, ist eine Kernfrage bei der Umsetzung.

Cybersicherheit

Ein größerer Datenaustausch bedeutet eine größere Angriffsfläche. Ob Kommunikationsdaten, Identitätsdaten oder Zahlungsdaten: Sobald sie in dieselbe Entscheidungskette integriert werden, sind stärkere Zugriffskontrollen, Verschlüsselung und Überwachungsmechanismen erforderlich.

Technische Integration

Viele Betrugserkennungssysteme von Banken bestehen noch aus Komponenten unterschiedlicher Generationen und verschiedener Anbieter, die zusammengestückelt wurden. Um KI, Echtzeit-Risikosteuerung, Identitätsprüfung und telco-nahe Signale wirklich in einen gemeinsamen Entscheidungsrahmen zu integrieren, sind oft hohe Kosten für die technische Neugestaltung erforderlich.

Regulatorische Unsicherheit

Die regulatorischen Rahmenwerke rund um KI, Datenaustausch und Zahlungshaftung entwickeln sich weiterhin. Aufsichtsbehörden unterstützen in der Regel einen stärkeren Verbraucherschutz und mehr branchenweite Zusammenarbeit, achten aber auch auf Datensparsamkeit, Modellverzerrungen und die Zuteilung von Verantwortlichkeiten. Bei der Betrugsprävention in Szenarien mit digital identity, stablecoins, CBDC oder grenzüberschreitenden Zahlungen werden die regulatorischen Grenzen noch komplexer.

Zukunftsausblick

In den nächsten drei bis fünf Jahren wird sich die Betrugsbekämpfung höchstwahrscheinlich weiter in drei Richtungen entwickeln.

Erstens, Echtzeitfähigkeit. Da Echtzeit-Zahlungsnetze und A2A-Transaktionen weiter wachsen, muss das Risikomanagement mit dem Tempo der sofortigen Abwicklung Schritt halten; der Spielraum für eine nachträgliche Rückholung wird immer kleiner.Zweitens, Intelligenzfusion. Die Zusammenarbeit zwischen Banken, Zahlungsinstituten, Telekommunikationsanbietern, Identitätsdienstleistern und branchenweiten Intelligence-Netzwerken wird enger werden; Betrugsprävention wandelt sich damit von einer Fähigkeit innerhalb einzelner Institutionen zu einer branchenübergreifenden Infrastrukturfunktion.

Drittens, zweiseitige KI. Angreifer werden KI weiterhin nutzen, um Betrugsinhalte in großem Maßstab zu erzeugen, während Verteidiger KI für die Erkennung abnormalen Verhaltens, die Unterstützung von Verbraucherentscheidungen und automatisierte Maßnahmen einsetzen. Wer Modelle besser steuern, Daten integrieren und Fehlalarme kontrollieren kann, wird mit größerer Wahrscheinlichkeit in der nächsten Phase des digitalen Finanzwettbewerbs im Vorteil sein.

Insgesamt vermittelt Fraud Conference 2026 nicht die Botschaft, dass „KI Betrug lösen wird“, sondern dass die Finanzbranche bereits in eine neue Phase eingetreten ist: Betrugsprävention ist nicht mehr nur die Aufgabe eines einzelnen Werkzeugs oder Teams, sondern ein systemisches Vorhaben, das gemeinsam von Identität, Mobilfunknetzwerken, Zahlungsinfrastruktur, regulatorischer Compliance und Kundenaufklärung getragen wird. Für Institute, die banking innovation und digital payments vorantreiben, wird diese Veränderung ihre Risikosteuerung, das Nutzererlebnis und das langfristige Betriebsmodell direkt beeinflussen.