KI, die Kreative Intelligenz jetzt in der neuesten Folge SMART&nerdy! Podcastfolge #23.
Michael Born, PXL Vision AG
(Titelbild: © Adobe Stock | 1388898868 | bestforbest )
Deepfakes greifen beim digitalen Onboarding nicht nur die Gesichtserkennung an. Werden biometrische Daten und Ausweisdokumente gemeinsam manipuliert, kann selbst ihre perfekte Übereinstimmung Teil der Täuschung sein. Belastbare Identitätsprüfung braucht deshalb mehrere voneinander unabhängige Sicherheitsschichten, von kryptografisch überprüfbarer Dokumentenechtheit über Deepfake-Erkennung bis zum Schutz des Kamerastroms. Bei Grenzfällen ergänzt menschliche Prüfung die technische Verifikation.
Das Gesicht passt zum Foto im Ausweis. Mimik und Bewegungen wirken natürlich. Für ein automatisiertes Onboarding könnte der Fall damit eindeutig erscheinen. Aber genau diese Übereinstimmung lässt sich heute gezielt konstruieren: Ein synthetisches Ausweisbild und das dazu passende Deepfake-Video stammen schlicht aus derselben Fälschung. Für Banken, Versicherungen und Fintechs verschiebt sich damit die entscheidende Frage: Es geht nicht mehr allein darum, ob Gesicht und Dokument zusammenpassen, sondern darum, ob beide unabhängig voneinander ihre Echtheit beweisen können.
Digitales Onboarding oder digitale Kontoeröffnung ist zum Standard geworden. Die Kundschaft erwartet, sich innerhalb weniger Minuten per Smartphone identifizieren zu können, ohne Gang zur Filiale und ohne Wartezeit. Für Banken, Versicherungen und Fintechs ist dieses automatisierte Onboarding ein wichtiger Wettbewerbsfaktor. Doch genau die Bequemlichkeit, die Kundinnen überzeugt, öffnet Betrügerinnen neue Türen. Denn wenn kein Mensch mehr gegenübersitzt, entscheidet allein die Technik darüber, ob ein Gesicht echt und ein Ausweis gültig ist. Und diese Technik wird heute in einem Ausmaß angegriffen, das noch vor wenigen Jahren undenkbar war.
Die Zahlen für das Jahr 2026 sprechen eine deutliche Sprache. Laut dem „Identity Fraud Report 2026” von Entrust, der auf über einer Milliarde Verifikationen in 195 Ländern basiert, steckt inzwischen hinter jedem fünften biometrischen Betrugsversuch ein Deepfake. Gartner geht davon aus, dass im Jahr 2026 rund 30 Prozent der Unternehmen die Identitätsprüfung für sich allein genommen nicht mehr als verlässlich betrachten werden – gerade wegen synthetischer Medien. Auch Injection-Angriffe über virtuelle Kameras haben sich zuletzt im Jahresvergleich vervielfacht. Was früher Spezialwissen und teure Ausrüstung erforderte, ist heute als App für wenig Geld verfügbar. Ein einzelnes Foto der Zielperson genügt, um daraus in Sekunden ein realistisch bewegtes Video zu erzeugen. Generative KI hat die Eintrittshürde für Identitätsbetrug faktisch abgeschafft.
Die Aufsicht in der DACH-Region reagiert. In ihrer Aufsichtsmitteilung Anfang 2026 hat die FINMA unmissverständlich klargemacht, dass digitale Onboarding-Prozesse nicht nur den geldwäscherechtlichen Sorgfaltspflichten genügen müssen, sondern auch neuen Betrugsformen wie Deepfakes standhalten sollen. In Deutschland warnen die BaFin und das BKA seit Frühjahr 2026 vor KI-generierten Echtzeit-Deepfakes, nachdem mehr als 200 Bankkunden Opfer von Deepfake-Phishing geworden sind. Für Video-Ident-Verfahren gelten ab 2027 verschärfte Anforderungen an die biometrische Gesichtserkennung und Lebenderkennung. Für Finanzinstitute bedeutet das: Der belastbare Nachweis, eine reale Person mit einem authentischen Dokument verifiziert zu haben, gewinnt regulatorisch weiter an Bedeutung.
Angriffe auf die biometrische Gesichtsprüfung lassen sich grundsätzlich in zwei Typen einteilen. Bei einer sogenannten Präsentationsattacke wird der Kamera beispielsweise ein ausgedrucktes Foto, ein abgespieltes Video oder eine Silikonmaske vorgehalten. Das Ziel besteht darin, die Lebenderkennung (Liveness-Detection), die sicherstellen soll, dass eine reale Person vor der Kamera sitzt, zu täuschen. Deutlich gefährlicher ist der zweite Typ, die sogenannte Injection-Attacke. Hierbei wird das gefälschte Bild nicht mehr vor eine Kamera gehalten, sondern über virtuelle Kameras, manipulierte Treiber oder abgefangene Schnittstellen direkt in den Datenstrom des Verifikationssystems eingespeist. Das System glaubt, ein Live-Bild zu empfangen, während in Wahrheit ein synthetisches Deepfake-Video oder Bild eingeschleust wird.
Entscheidend ist eine oft unterschätzte Tatsache: Moderne Deepfakes sind für das menschliche Auge kaum noch als Fälschung zu erkennen. Selbst geschulte Prüfer*innen stoßen an ihre Grenzen, wenn Mimik, Beleuchtung und Bewegung stimmig wirken. Spezialisierte Algorithmen sind hier verlässlicher, da sie feinste Artefakte in Pixelmustern, Kompressionsspuren oder Frequenzbereichen erkennen, die für den Menschen nicht wahrnehmbar sind. Eine einfache Liveness-Prüfung, die etwa Blinzeln als Echtheitssignal nutzt, kann bei einem guten Deepfake hingegen ins Leere laufen, denn auch ein synthetisches Gesicht kann entsprechende Bewegungen reproduzieren
Parallel dazu steht das Ausweisdokument im Fokus der Angreiferinnen. Neben der klassischen physischen Fälschung, bei der ein echtes Dokument mit ausgetauschtem Foto manipuliert wird, treten zunehmend rein digitale Varianten auf. Betrügerinnen nutzen frei verfügbare Vorlagen, um täuschend echte Ausweisbilder zu generieren. Eine weitere Methode ist das sogenannte Morphing, bei dem die Gesichtsmerkmale zweier Personen in einem einzigen Dokumentfoto kombiniert werden, sodass sich ein Ausweis mehreren Personen zuordnen lässt. Besonders heikel wird es, wenn ein manipuliertes Gesicht mit einem gefälschten Dokument kombiniert wird. Erstellt eine Betrügerin ein synthetisches Ausweisbild und dazu ein passendes Deepfake-Video, ist die Übereinstimmung von Selfie und Dokumentfoto perfekt, da beide aus derselben Fälschung stammen.
Die Übereinstimmung von Selfie und Dokumentfoto allein reicht deshalb nicht mehr aus, um eine Identität verlässlich zu bestätigen.
Die Stärke automatisierter Verfahren – ihre Skalierbarkeit und Geschwindigkeit – ist zugleich ihre Achillesferse. Angreifer*innen können ihre Fälschungen so lange gegen ein System testen, bis sie die Schwelle zuverlässig überwinden. Den erfolgreichen Angriff können sie anschließend automatisiert vervielfachen. So entstehen aus einem gelungenen Deepfake Dutzende betrügerisch eröffnete Konten. Ein Beispiel hierfür ist ein Fall bei einer europäischen Großbank, bei dem über einen ausgehebelten Verifikationspfad zahlreiche Konten auf falsche Identitäten eröffnet wurden. Hinzu kommt, dass automatisierte Prozesse rund um die Uhr und von überall aus angreifbar sind, ohne dass die angreifende Person je physisch in Erscheinung tritt.
Den neuen Angriffen ist automatisierte Verifikation jedoch nicht schutzlos ausgeliefert. Entscheidend ist ein mehrschichtiger Ansatz, der nicht auf einer einzigen Prüfmethode beruht. Ein zentraler Ansatzpunkt ist das Auslesen des im Ausweis verbauten Chips per NFC: Dabei werden die Daten und das Foto direkt aus dem Dokument gelesen und kryptografisch gegen die Ausgabestelle geprüft. Ein manipuliertes oder frei erzeugtes Dokumentbild scheitert an dieser Hürde, da es keinen gültigen, signierten Chip vorweisen kann.
Ebenso unverzichtbar sind Technologien, die Deepfakes im Rahmen der Identitätsverifikation zuverlässig erkennen. Der gemeinsam mit dem Idiap Research Institute entwickelte Deepfake Detector von PXL Vision ist beispielsweise darauf ausgelegt, verschiedene Manipulationsarten zu erkennen: Gesichtstausch, die Manipulation von Mimik und Bewegung einer realen Person sowie vollständig synthetische, KI-generierte Gesichter. Ergänzt um passive Lebenderkennung und einen dedizierten Injection-Schutz, der die Integrität des Kamerastroms überwacht, entsteht ein Netz, in dem das Überwinden einer einzelnen Schicht nicht gleich den ganzen Prozess kompromittiert.
Bei Grenzfällen kann zusätzlich eine menschliche Prüfung sinnvoll sein. Nicht weil Menschen Deepfakes grundsätzlich zuverlässiger erkennen, sondern weil sie Kontext und Plausibilität in die Bewertung einbeziehen können.
Oft wird angenommen, dass mehr Sicherheit zwangsläufig mehr Reibung für die Kundschaft bedeutet. Doch passive Verfahren laufen unbemerkt im Hintergrund, sauber integriertes NFC-Auslesen dauert nur Sekunden und eine verlässliche automatische Prüfung kann manuelle Nachkontrollen reduzieren. Sicherheit und eine komfortable Nutzung müssen sich deshalb nicht ausschließen.
Deepfakes und manipulierte Dokumente haben die Spielregeln des digitalen Onboardings verändert. Der einfache Abgleich von Selfie und Ausweisfoto genügt nicht mehr und das menschliche Auge ist als alleinige Kontrollinstanz überfordert.
Wer heute automatisiert verifizieren möchte, sollte deshalb auf mehrere voneinander unabhängige Sicherheitsschichten setzen: Dokumentenechtheit, algorithmische Deepfake-Erkennung, Injection-Schutz und bei Bedarf eine zusätzliche menschliche Prüfung.
Ergänzende Sicherheitsmaßnahmen wie Device Fingerprinting können zudem dazu beitragen, skalierte Angriffe zu erkennen und einzudämmen. So entsteht trotz einer dynamischen Deepfake-Bedrohung eine belastbare Infrastruktur für sichere digitale Identitätsprüfung
