Deepfakes und synthetische Dokumente 2026

Im Januar 2026 genehmigte ein Fintech-Unternehmen einen Geschäftskredit über 180.000 Euro auf Basis einer vollständigen Antragsakte: Handelsregisterauszug, zwei Jahresabschlüsse, aktuelle Kontoauszüge und Personalausweis des Gründers. Jedes Dokument war gefälscht. Das Ausweisfoto war ein Deepfake. Die Bilanzen wurden von einem Large Language Model generiert. Die gesamte Akte – von der Unternehmensidentität bis zur Finanzhistorie – gehörte einem Unternehmen, das nie existiert hatte. Der Betrug wurde 47 Tage später entdeckt, erst als die erste Ratenzahlung ausblieb.

Dies ist kein Einzelfall mehr. Deepfake-Vorfälle sind seit 2024 um über 700 % gestiegen, laut dem Bericht „The Battle Against AI-Driven Identity Fraud" von Signicat. Europaweit machen digitale Dokumentenfälschungen inzwischen 57,46 % aller erkannten Betrugsversuche aus – erstmals mehr als physische Fälschungen – mit einem Anstieg von 244 % gegenüber dem Vorjahr. KI-generierte Identitätsdokumente speziell sind in den letzten zwölf Monaten um 281 % gestiegen.

Das Ausmaß der Bedrohung durch synthetische Dokumente

Digitale Dokumentenfälschungen machen 2025 erstmals mehr als die Hälfte aller erkannten Betrugsversuche aus — 57,46 % — mit einem Anstieg von 244 % gegenüber 2024, laut Entrust Cybersecurity Institute.

Die EU-Geldwäschebehörde (AMLA), die ab 2025 operative Aufgaben übernimmt, stuft KI-generierte Identitätsdokumente in ihrer Risikoklassifizierung 2024 als emergente Hochrisiko-Bedrohung ein, die verstärkte technologische Gegenmaßnahmen erfordert. (EUR-Lex AMLA-Verordnung 2024/1620)

Von Photoshop-Bearbeitungen zu generativen KI-Fabriken

Die Betrugslandschaft hat sich fundamental verschoben. Vor fünf Jahren erforderte Dokumentenfälschung manuelles Geschick: PDFs in Bildbearbeitungssoftware bearbeiten, Stempel klonen, Schriftarten Pixel für Pixel anpassen. Heute erzeugt generative KI komplette Dokumente von Grund auf – mit realistischen Layouts, kohärenten Daten und visuell überzeugender amtlicher Formatierung – in Sekunden.

Quelle: Entrust Cybersecurity Institute, 2025.

Die Umkehrung ist historisch. Erstmals übersteigen digital fabrizierte Dokumente physisch gefälschte, ein Trend, den wir eingehend in unserem Bericht zu Dokumentenbetrug-Statistiken analysieren.

Deepfakes jenseits von Video: Die Dokumentendimension

Die am schnellsten wachsende Anwendung von Deepfake-Technologie im Betrug ist dokumentenbasiert:

Virtuelle Kamera-Injektion. Betrüger verwenden softwarebasierte virtuelle Kameras, um voraufgezeichnete oder KI-generierte Video-Feeds während biometrischer Verifizierungssitzungen einzuspeisen. Statt eine echte Kamera auf ihr Gesicht zu richten, speisen sie einen Deepfake-Videostrom ein, der die von KYC-Plattformen geforderten Liveness-Checks (Blinzeln, Kopfbewegungen, Lächeln) imitiert.

Synthetische Identitätsdokumente. Generative KI erstellt komplette Personalausweise, Reisepässe oder Führerscheine mit fabrizierten, aber realistischen Fotos, als Bilder gerenderten Hologrammen und korrekt formatierten maschinenlesbaren Zonen (MRZ). Dies sind keine Modifikationen gestohlener Dokumente – es sind vollständig erfundene Identitäten.

KI-generierte Begleitdokumente. Über Ausweise hinaus generieren Betrüger jetzt komplette Antragsunterlagen: Gehaltsabrechnungen mit realistischen Arbeitgeberdetails und Steuerabzügen, Handelsregisterauszüge mit plausiblen Gesellschafterstrukturen, Kontoauszüge mit Transaktionshistorien, die normalen Mustern folgen, und Rechnungen mit gültig aussehenden USt-IdNrn.

Am stärksten betroffene Sektoren

E-Commerce, EdTech und Kryptowährungsplattformen verzeichnen die höchsten Zuwachsraten bei Deepfake-Angriffen; traditionelle Banken sind stärker durch KI-generierte Begleitdokumente als durch Videoidentitäts-Angriffe exponiert.

Quelle: Entrust Cybersecurity Institute, 2025.

Warum traditionelle Kontrollen gegen synthetische Dokumente versagen

Manuelle Erkennungsraten für KI-generierte Dokumente liegen nach ACFE-Schätzungen unter 35 % — verglichen mit 35–45 % für traditionelle Fälschungen.

Die Grenzen der visuellen Prüfung

Ein menschlicher Prüfer, der ein synthetisches Dokument untersucht, steht vor einer fundamental anderen Herausforderung als bei einer traditionellen Fälschung. Klassische Fälschungen enthalten physische Artefakte: fehlausgerichteter Text, inkonsistente Schriftarten, sichtbare Bearbeitungsspuren. KI-generierte Dokumente enthalten nichts davon. Sie sind digital geboren, als kohärente Ganzheiten erstellt, ohne Änderungshistorie, die erkannt werden könnte.

Manuelle Erkennungsraten, bereits auf nur 35–45 % für traditionelle Fälschungen geschätzt (ACFE), sinken bei synthetischen Dokumenten weiter.

Die Grenzen der Automatisierung erster Generation

Einfache OCR- und regelbasierte Systeme sind ebenso verwundbar. Synthetische Dokumente bestehen jede strukturelle Regel, weil sie dafür entworfen sind.

Erkennungstechniken, die funktionieren

Keine Einzeltechnik erreicht zuverlässige Erkennungsraten gegen synthetische Dokumente — wirksame Abwehr erfordert mindestens drei komplementäre Schichten: Kreuzvalidierung, KI-Mustererkennung und externe Registerverifizierung.

1. Dokumentenübergreifende Kreuzvalidierung

Die wirksamste Einzelverteidigung gegen Antragsunterlagen-Betrug. Ein Betrüger kann mit KI eine überzeugende Gehaltsabrechnung generieren. Fünf Dokumente zu generieren – Gehaltsabrechnung, Steuererklärung, Kontoauszug, Arbeitgeberbescheinigung und Personalausweis – die über Dutzende Datenpunkte perfekt konsistent sind, ist exponentiell schwieriger.

Kreuzvalidierungsprüfungen umfassen:

• Identitätskonsistenz: Stimmen Name, Geburtsdatum und Adresse über alle Dokumente überein?
• Finanzielle Kohärenz: Passt das deklarierte Einkommen auf der Gehaltsabrechnung zu Steuererklärungen, Kontoeingängen und der gemeldeten Belegschaftsgröße des Arbeitgebers?
• Zeitliche Konsistenz: Sind Dokumentendaten logisch geordnet? Wurde der Handelsregisterauszug vor der ersten Rechnung ausgestellt?
• Entitätsverifizierung: Existiert der Arbeitgeber auf der Gehaltsabrechnung im Handelsregister? Verwendet die Bank auf dem Kontoauszug tatsächlich dieses IBAN-Format?

2. KI-Mustererkennung

Machine-Learning-Modelle, trainiert auf authentischen und synthetischen Dokumenten, lernen subtile statistische Signaturen zu identifizieren:

• Werteverteilungs-Anomalien: KI-generierte Finanzzahlen folgen oft leicht unterschiedlichen Rundungsmustern und Ziffernverteilungen (Benford'sches Gesetz-Abweichungen).
• Sprachmodell-Fingerabdrücke: Von Large Language Models generierter Text weist erkennbare statistische Eigenschaften in Wortwahl und Satzstruktur auf.
• Layout-Mikromuster: Synthetische Dokumente zeigen oft auf Mikroebene Abstands-Regularitäten – zu perfekte Ausrichtung, unnatürlich konsistente Ränder.

3. Metadaten- und Strukturforensik

Selbst bei gefälschten Metadaten offenbart tiefere Strukturanalyse von Dokumentdateien Anomalien in der PDF-Objektstruktur, den Schrifteinbettungsmustern und Bildkomprimierungssignaturen.

4. Externe Registerverifizierung

Kreuzreferenzierung extrahierter Daten gegen autoritative externe Quellen bietet einen Realitätscheck:

• HRB-Nummern verifiziert gegen das Handelsregister.
• IBAN-Gültigkeit gegen Bankreferenzdatenbanken geprüft.
• Steueridentifikationsnummern gegen Finanzbehörden-Daten validiert.
• USt-IdNrn. über VIES bestätigt.

Ein synthetisches Dokument kann perfekt aussehen. Es kann nicht ändern, was in einer amtlichen Datenbank eingetragen ist.

Die regulatorische Antwort

Regulatorische Rahmenbedingungen verschärfen sich in Reaktion auf den Anstieg synthetischer Dokumente — sowohl durch eIDAS 2.0 auf EU-Ebene als auch durch AMLD6-Anforderungen an technologiegestützte Verifizierung.

eIDAS 2.0 und die EU-Brieftasche für digitale Identität

Die eIDAS-2.0-Verordnung verpflichtet EU-Mitgliedstaaten, Bürgern bis 2026 eine digitale Identitätsbrieftasche anzubieten. Deutschland setzt dies mit der Weiterentwicklung des elektronischen Personalausweises (eID-Funktion) und der AusweisApp um. Durch die Verankerung der Identitätsprüfung in kryptografisch signierten Nachweisen, die von Behörden ausgestellt werden, soll eIDAS 2.0 synthetische Identitätsdokumente strukturell unmöglich machen.

Verstärkte KYC unter AMLD6

Die 6. Geldwäscherichtlinie verlangt ausdrücklich, dass verpflichtete Unternehmen technologiegestützte Verifizierungsmaßnahmen einsetzen. Die Verordnung erkennt an, dass manuelle Prüfungen gegen KI-gestützten Betrug unzureichend sind.

Die BaFin-Auslegungs- und Anwendungshinweise zum GwG (aktualisiert März 2025 gemäß Finanzmarktdigitalisierungsgesetz vom 27. Dezember 2024) verlangen verschärfte Sorgfaltspflichten bei digitalen Verifikationsprozessen, insbesondere im Hinblick auf synthetische Identitätsrisiken. (BaFin GwG-Hinweise 2025)

Der CheckFile-Ansatz: Kohärenz statt Inspektion

Traditionelle Dokumentenprüfung fragt: „Sieht dieses Dokument echt aus?" Gegen synthetische Dokumente reicht diese Frage nicht mehr. Die richtige Frage ist: „Erzählt diese gesamte Akte eine kohärente, verifizierbare Geschichte?"

CheckFile ist um dieses Prinzip gebaut. Statt sich allein auf visuelle Inspektion einzelner Dokumente zu verlassen, analysiert unsere Plattform die logische Kohärenz vollständiger Antragsunterlagen. Kreuzvalidierung über jedes Dokument in einer Einreichung – Identitäten abgleichen, finanzielle Konsistenz prüfen, Existenz von Entitäten bestätigen und zeitliche Logik validieren – schafft eine Erkennungsschicht, die Generatoren synthetischer Dokumente nicht leicht überwinden können.

Kombiniert mit Metadaten-Forensik, KI-Mustererkennung und externer Registerverifizierung erreicht dieser mehrschichtige Ansatz Erkennungsraten, die jede Einzeltechnik bei weitem übertreffen.

Entdecken Sie unsere Preise, um den Plan zu finden, der zu Ihrem Dokumentenvolumen passt, oder fordern Sie eine Demo an.

FAQ

Wie erkenne ich, ob ein Dokument von KI generiert wurde?

Die zuverlässigsten Erkennungsmethoden sind dokumentenübergreifende Validierung, statistische Analyse von Werteverteilungen und Verifizierung extrahierter Daten gegen externe Register. KI-gestützte Plattformen wie CheckFile automatisieren diese Prüfungen und erreichen Erkennungsraten über 90 % bei synthetischen Dokumenten durch Mehrschichtanalyse.

Sind Deepfakes nur ein Risiko für die Identitätsprüfung?

Nein. Das breitere Risiko liegt in synthetischen Begleitdokumenten – Gehaltsabrechnungen, Jahresabschlüsse, Handelsregisterauszüge und Rechnungen, die vollständig von KI generiert werden. Jeder Prozess, der auf eingereichten Dokumenten für Entscheidungen beruht, ist exponiert.

Wird eIDAS 2.0 synthetischen Dokumentenbetrug beseitigen?

eIDAS 2.0 wird synthetischen Identitätsbetrug durch kryptografisch verifizierbare Nachweise erheblich reduzieren. In Deutschland bieten der elektronische Personalausweis und die AusweisApp bereits eine konkrete Vorschau dieses Wandels. Vollständige Adoption wird jedoch Jahre dauern, und die Verordnung deckt nicht alle Dokumententypen ab (Jahresabschlüsse, Rechnungen und privatwirtschaftliche Bescheinigungen bleiben außerhalb des Wallet-Systems). Mehrschichtige Dokumentenvalidierung bleibt während der Übergangsphase und für nicht durch die digitale Wallet-Infrastruktur abgedeckte Dokumentenkategorien unverzichtbar.