Künstliche Intelligenz hilft Banken, Millionen einzusparen, indem sie die Betrugsprävention im Zahlungsverkehr transformiert.

• Laut einer Studie von Mastercard haben Unternehmen im vergangenen Jahr durchschnittlich 60 Millionen Dollar durch Zahlungsbetrug verloren.  
• Der Betrug mit synthetischen Identitäten und die damit einhergehende Identitätsfälschung nehmen rasant zu, angetrieben durch generative KI (gen AI). 
• KI-Tools, die Echtzeitdaten und Verhaltensanalysen nutzen, können dazu beitragen, Betrug zu verhindern, bevor er geschieht – und Verluste zu reduzieren. 
• 83 % der Branchenführer geben an, dass KI Fehlalarme und Kundenabwanderung reduziert hat und damit eine neue Ära in der Betrugsprävention einläutet.

Die geschätzten globalen finanziellen Auswirkungen von Betrug stiegen im Jahr 2023 auf mehr als 485 Milliarden US-Dollar[1] – eine erschreckende Zahl, die in den kommenden Jahren voraussichtlich noch weiter steigen wird. 

Ein Katalysator? Betrüger nutzen Gen-KI, um schnell überzeugende Deepfakes, synthetische Stimmen und gefälschte Dokumente herzustellen und damit Social-Engineering-Betrug in großem Umfang durchzuführen. Laut einem Bericht von Deloitte könnten durch KI der ersten Generation bis 2027 Betrugsverluste in den USA in Höhe von 40 Milliarden US-Dollar entstehen – mehr als das Dreifache der 12,3 Milliarden US-Dollar im Jahr 2023.

Aber auch die Banken reagieren verstärkt – sie nutzen KI, um schneller Gegenmaßnahmen zu ergreifen. In der Vergangenheit legten Betrugspräventionsteams manuelle Regeln fest, um zu entscheiden, welche Transaktionen genehmigt oder blockiert werden sollten. Künstliche Intelligenz kann nun Daten analysieren, um ungewöhnliche Muster zu erkennen und intelligentere Autorisierungsentscheidungen in Echtzeit zu treffen. 

Dieser Wandel zahlt sich bereits aus. Der Mastercard-Bericht zur Betrugsprävention im Zahlungsverkehr 2025, der in Zusammenarbeit mit Financial Times Longitude erstellt wurde, ergab, dass 42 % der Emittenten und 26 % der Acquirer dank KI in den letzten zwei Jahren mehr als 5 Millionen Dollar an Betrugsversuchen eingespart haben. Um KI optimal zur Betrugsprävention einzusetzen, benötigen Organisationen jedoch qualitativ hochwertige Daten, die in Modelle eingespeist werden, um bessere Risikoentscheidungen treffen zu können.

Eine Studie von Mastercard ergab, dass Unternehmen im vergangenen Jahr durchschnittlich 60 Millionen Dollar durch Zahlungsbetrug verloren haben. Und da KI Betrügern hilft, immer überzeugendere Betrugsmaschen zu entwickeln, ist mit einem weiteren Anstieg dieser Verluste zu rechnen:

• Kriminelle nutzen KI, um große Mengen öffentlich zugänglicher Daten zu analysieren und hochgradig zielgerichtete Verhaltensbetrügereien zu entwickeln. 
• Mit erschwinglichen KI-Tools können Betrüger überzeugende Phishing-Nachrichten, synthetische Stimmklone und Deepfake-Videos in großem Umfang erstellen, was es ihnen erleichtert, Opfer zur Zustimmung zu betrügerischen Transaktionen zu manipulieren.

Gleichzeitig gewinnen Echtzeitzahlungen immer mehr an Popularität, sodass Finanzinstitute nur ein kurzes Zeitfenster haben, um KI-gestützte Betrugsversuche zu erkennen und zu blockieren. Deshalb behalten führende Unternehmen der Zahlungsbranche eine Vielzahl von Betrugsrisiken genau im Auge:

• Führungskräfte sehen in Identitätsbetrug mit synthetischen Identitäten (61%), Betrug durch Identitätsdiebstahl (60%) und grenzüberschreitendem Betrug (54%) die am schnellsten wachsenden Bedrohungen im nächsten Jahr. Der Betrug mit synthetischen Identitäten, bei dem gestohlene persönliche Daten mit erfundenen Angaben kombiniert werden, um eine gefälschte Identität zu erstellen, nimmt immer weiter zu, da Betrüger KI einsetzen, um riesige Datensätze zu durchsuchen und überzeugendere Profile zu erstellen.
• Zu den weiteren wachsenden Risiken zählen Betrug im E-Commerce (47%), Missbrauch von „Jetzt kaufen, später zahlen“ (BNPL) (42%) und Deepfakes (21%). Bedenken hinsichtlich Betrugs im E-Commerce und des Missbrauchs von BNPL-Angeboten, bei denen Betrüger unautorisierte BNPL-Konten erstellen oder Transaktionen durchführen, unterstreichen die Notwendigkeit eines stärkeren Kundenschutzes im gesamten Bereich der digitalen Zahlungen.

Neunzig Prozent der führenden Köpfe im Zahlungsverkehr erwarten in den nächsten drei Jahren höhere finanzielle Verluste, wenn sie den Einsatz von KI zur Betrugsprävention nicht verstärken. 

Glücklicherweise gibt es verschiedene Möglichkeiten, KI zur Betrugsprävention einzusetzen, von der Analyse von Transaktionsmustern bis hin zur Reduzierung manueller Prüfungen. Viele Institutionen erzielen dadurch bereits eine hohe Kapitalrendite (ROI):

• 85 % der Befragten berichten von positiven Ergebnissen durch den Einsatz von KI bei der Priorisierung und Untersuchung von Betrugsfällen, der Erkennung von Transaktionsmustern und der Echtzeit-Erkennung verdächtiger Transaktionen.
• 83 % geben an, dass KI ihre Prozesse zur Betrugsaufklärung und Fallbearbeitung deutlich beschleunigt hat.

​​​Dennoch sollte man nicht vergessen, dass nachhaltige Investitionen die größten Gewinne bringen. Organisationen, die KI seit über fünf Jahren einsetzen, berichten von Einsparungen in Höhe von 4,3 Millionen US-Dollar an entgangenen Einnahmen, fast doppelt so viel wie die durchschnittlichen Einsparungen von 2,2 Millionen US-Dollar. 

Gleichzeitig ist den Verantwortlichen bewusst, dass es eine erhebliche Herausforderung darstellt, die KI auf dem neuesten Stand zu halten, während sich die Betrugstaktiken weiterentwickeln. Um sich gegen neue und aufkommende Bedrohungen zu verteidigen, müssen KI-Tools in Echtzeit lernen und sich anpassen können. 

Mithilfe von KI-Tools, die Echtzeitdaten und Verhaltensanalysen einbeziehen, können Unternehmen effizientere Autorisierungsentscheidungen treffen, um die Genehmigungsraten zu erhöhen und die Kundenzufriedenheit zu steigern.

Das Problem: Traditionell nutzen Banken regelbasierte Systeme, um Transaktionen zu genehmigen oder zu blockieren. Eine Bank kann beispielsweise eine Regel festlegen, um Käufe über einem bestimmten Dollarbetrag zu kennzeichnen oder Transaktionen abzulehnen, die von ungewöhnlichen Standorten stammen. Das Problem ist jedoch: Starre, manuelle Prozesse können die Betrugserkennung verlangsamen, insbesondere da Betrugsmaschen immer schneller und komplexer werden.

Die Lösung: KI-Lösungen können diese Einschränkung problemlos überwinden, indem sie Millionen von Datenpunkten analysieren, um das Transaktionsrisiko schnell zu bewerten und Echtzeit-Einblicke zu bieten. Dies bedeutet, dass Banken aufkommende Bedrohungen frühzeitig erkennen und schnell fundierte Entscheidungen treffen können, wodurch Verzögerungen bei der Erkennung minimiert werden.

Es überrascht daher nicht, dass 80 % der Unternehmen angaben, dass KI dazu beigetragen habe, unnötige manuelle Überprüfungen zu eliminieren. Da KI es Emittenten und Acquirern ermöglicht, Bedrohungen früher zu erkennen, kommt sie auch Betrugsteams zugute, indem sie Kapazitäten für komplexere Untersuchungen freisetzt.

Das Problem: Da statische Autorisierungsregeln keine Nuancen aufweisen, kommt es häufig zu Fehlalarmen, d. h. legitimen Transaktionen werden fälschlicherweise als betrügerisch eingestuft und abgelehnt oder zur Überprüfung markiert. Dies führt nicht nur zu Mehrarbeit für die internen Teams, sondern beeinträchtigt auch das Kundenerlebnis. 

Die Lösung: Fortschrittliche KI-Modelle können diverse Datenpunkte analysieren, um das Betrugsrisiko präzise zu bewerten. Wenn beispielsweise ein Kunde, der regelmäßig Kleidung im mittleren Preissegment kauft, plötzlich während eines saisonalen Ausverkaufs mehrere Luxusmodeartikel erwirbt, können hochentwickelte KI-Modelle Faktoren wie das bisherige Kaufverhalten, die Glaubwürdigkeit des Händlers und den Zeitpunkt analysieren, um festzustellen, ob dieser Ausgabenanstieg ein legitimes Verhalten darstellt.

Diese kontextbezogene Intelligenz ermöglicht präzisere Autorisierungsentscheidungen, die Betrug verhindern, ohne den Aufwand für die Kunden zu erhöhen. Tatsächlich berichten 83 % der Befragten, dass KI die Anzahl falsch positiver Ergebnisse und die Kundenabwanderungsrate im vergangenen Jahr deutlich reduziert hat.

Das Problem: Künstliche Intelligenz kann zwar Betrugserkennung in Echtzeit unterstützen, benötigt aber qualitativ hochwertige Daten, um effektiv zu bleiben. Führungskräfte verstehen diese Forderung: 64 % der Befragten gaben an, dass sie den Zugang zu neuen, glaubwürdigen Datenquellen beschleunigen müssen, um mit den sich wandelnden Bedrohungen Schritt halten zu können.

Die Lösung: Effektive KI-Betrugserkennungsmodelle integrieren Daten aus dem gesamten Zahlungsökosystem, darunter Informationen aus Kartennetzwerken, Händlerdaten und Erkenntnisse aus der digitalen Identität der Verbraucher. 

Ein KI-Tool könnte beispielsweise das Risiko eines Händlers anhand historischer Betrugsraten bewerten und gleichzeitig die Kundenaktivitätsrate analysieren, die erfasst, wie häufig Aktionen wie Käufe oder Kontoänderungen innerhalb eines kurzen Zeitraums stattfinden.

Zukünftig wird der Erfolg von Organisationen bei der KI-gestützten Betrugserkennung von zwei Faktoren abhängen: der Fähigkeit eines Modells, große Datenmengen zu analysieren, und seiner Fähigkeit, historische Muster und aktuelle Informationen zu kombinieren, um die Entscheidungsfindung zu unterstützen.

Generative KI verändert die Betrugslandschaft. Betrüger sind mit KI schneller und anpassungsfähiger – und Finanzinstitute müssen es auch sein.

Die Decision Intelligence- Lösung von Mastercard nutzt KI und Netzwerk-Insights, um Transaktionen anhand des Risikoniveaus zu analysieren und zu bewerten. Dank umfassender Echtzeit-Einblicke können Sie fundierte Autorisierungsentscheidungen treffen, mehr echte Transaktionen genehmigen und Ihre Einnahmen schützen, während sich Betrugstaktiken ständig weiterentwickeln. 

Sind Sie bereit, Ihre Betrugsabwehr mithilfe von KI zu revolutionieren? Erfahren Sie, wie Mastercard Sie dabei unterstützen kann, oder lesen Sie unseren Bericht, um alle Erkenntnisse der Umfrage zu erhalten.