Wie KI Betrug, Identitätsmissbrauch und Geldwäschelogistik zu einer automatisierbaren Prozesskette verbindet — und warum die deutsche Aufsicht erst jetzt eine Sprache dafür entwickelt.

Lagebild-Dossier · Stand Mai 2026 · Öffentlich verfügbare Behörden- und Branchenquellen

Der Anruf, den es nie gab

Es war ein Donnerstag im Januar 2024, als ein Mitarbeiter der Hongkonger Niederlassung des britischen Engineering-Konzerns Arup eine Videokonferenz erhielt. Auf dem Bildschirm: der Finanzchef der Gruppe in London, daneben mehrere Kollegen, die der Mitarbeiter wiedererkannte. Es ging um eine vertrauliche Transaktion, mehrere Tranchen, dringend.

In fünfzehn Schritten überwies der Mitarbeiter umgerechnet rund 25,6 Millionen US-Dollar.

Niemand auf dem Bildschirm war echt. Die Hong Kong Police Force bestätigte den Fall im Februar 2024. Die Täter hatten Bildmaterial der Konzernspitze gesammelt, ein Echtzeit-Deepfake-System aufgesetzt und die Übergabe in einer Konferenz inszeniert, in der jeder Teilnehmer außer dem Opfer eine synthetische Imitation war.

Was am Arup-Fall öffentlich belegt ist, ist der Deepfake. Was nicht belegt ist, aber für die Frage dieser Serie zentral: Mit welchen Werkzeugen die Täter die Vorbereitung organisierten. Die E-Mail-Korrespondenz, die das Treffen vorbereitete. Die Personenrecherche, die Stimmproben, die Skripte. Die nachgelagerten Schritte, mit denen 25,6 Millionen US-Dollar durch ein Geflecht aus Konten und Krypto-Wallets bewegt wurden, bevor die Spur abriss.

Genau das ist der Punkt. Die neue Infrastruktur des Finanzbetrugs besteht nicht aus einem einzigen Tool, sondern aus kombinierbaren Bausteinen: synthetische Stimmen, Deepfake-Video, Phishing-Kits, Sprachmodelle ohne Sicherheitsfilter, Mule-Netzwerke, Krypto-Cash-out. Die eigentliche Disruption ist nicht, dass künstliche Intelligenz bessere Phishing-Mails schreibt — sondern dass Betrug, Opferansprache, Identitätsmissbrauch und Geldwäschelogistik zu einer durchgehenden, automatisierbaren Prozesskette werden.

Was wir mit „missbrauchbarer KI“ meinen — und was nicht

Der Begriff ist unscharf. In der Branchenliteratur werden mindestens drei Dinge unter Schlagworten wie Dark LLM, uncensored model oder Crimeware-AI zusammengeworfen, die juristisch und technisch sehr verschieden sind. Wer Aufsicht und Strafverfolgung an dieser Stelle ernst nimmt, muss diese Schichten auseinanderhalten.

An jeder dieser Schichten haben Aufsicht, Strafverfolgung und Gesetzgebung andere Hebel. Pauschale Begriffe wie „ethikfreie KI“ verwischen die Unterscheidung — und treffen damit nicht das, was sie regulieren wollen.

Drei Jahre Marktentwicklung in vier Etappen

Wer heute über missbrauchbare KI im FinCrime-Kontext schreibt, sollte die Geschichte nicht im Sommer 2023 beginnen lassen und mit einem Vendor-Bericht aus dem Frühjahr 2026 enden. Dazwischen liegen vier Etappen, in denen sich die Marktstruktur, die Sichtbarkeit und die regulatorische Reaktion grundlegend verändert haben.

Zwei Falltypen tragen das Volumen

In der internationalen Berichterstattung dominieren spektakuläre Einzelfälle wie Arup. Wer die Aufsichts- und Compliance-Lagebilder nüchtern liest, sieht etwas anderes. Es sind zwei Typen, die das tatsächliche Volumen ausmachen.

Business Email Compromise (BEC)

Ein Angreifer kompromittiert das Postfach eines Geschäftsführers oder Buchhalters — oder simuliert es überzeugend genug. Eine Zahlung wird umgeleitet, eine Rechnung gefälscht, ein Lieferantenkonto geändert. Schadenshöhe pro Vorfall: fünf- bis siebenstellig. Das FBI IC3 verzeichnete für 2023 BEC-Schäden von rund 2,9 Milliarden US-Dollar. Die Statistik unterscheidet nicht zwischen KI-gestützten und konventionellen BEC-Vorfällen — jede Zahl, die genau das behauptet, sollte misstrauisch machen.

Was sich verändert hat, ist nicht die Schadenshöhe pro Fall, sondern die Skalierung und Sprachqualität. Wo früher schlechtes Deutsch und holpernde Fachsprache 60 bis 70 Prozent der Versuche an der Inbox-Schwelle filtern halfen, fehlen diese Marker heute systematisch. Diese Beobachtung steht zwischen den Zeilen mehrerer BaFin-Hinweise seit 2024.

Pig Butchering und Anlagebetrug

Der zweite Typus ist die langfristige Vertrauenskampagne, oft mit Krypto-Bezug. Opfer werden über Wochen oder Monate in eine vermeintliche Liebesbeziehung oder Investmentfreundschaft verstrickt, dann zur Einzahlung auf eine gefälschte Plattform überredet. Chainalysis schätzt das globale Krypto-Volumen aus dieser Masche für 2023 auf mindestens 4,4 Milliarden US-Dollar.

Die operative Logik solcher Kampagnen ist arbeitsintensiv. Ein Operator betreut typischerweise mehrere Dutzend Opfer parallel, oft in mehreren Sprachen. Genau hier entfalten Sprachmodelle ihre verheerende Wirkung — sie übersetzen in Echtzeit, halten Persona-Konsistenz über Wochen, generieren glaubwürdige emotionale Reaktionen. Der UN-Bericht zur Verbreitung von Scam-Compounds in Südostasien aus dem Jahr 2024 dokumentiert den systematischen Einsatz solcher Werkzeuge in Operationen in Myanmar, Kambodscha und Laos.

Das deutsche Lagebild: Mules, Konten, Videoident

Wer das Phänomen aus deutscher Aufsichtsperspektive betrachtet, landet schneller als erwartet bei einer ganz konkreten Figur: dem Money Mule. Die BaFin hat in den vergangenen anderthalb Jahren mehrfach öffentlich gemacht, was seit längerem in den Aufsichtsstatistiken auffällt. Privatpersonen werden über sozial geteilte Stellenanzeigen, Telegram-Gruppen oder Direct Messages für scheinbar legitime Tätigkeiten angeworben — Finanzagent, Logistikkoordinator, Produkttester — und sollen dafür ein Konto eröffnen. Per Post-Ident oder Video-Ident, oft begleitet von angeblichen Onboarding-Anrufen. Wenig später laufen über das Konto Beträge ein, die unter fadenscheinigen Vorwänden weitergeleitet werden, häufig in Krypto-Werte.

Was an diesem Muster neu ist, sind nicht die Mules. Das System ist Jahrzehnte alt. Neu ist die Qualität der Anwerbung, die Plausibilität der Onboarding-Kommunikation, die Compliance-tauglichen Erklärungen, wenn die Bank Rückfragen stellt. Genau an diesen Stellen greifen Sprachmodelle ein — nicht als Tatmittel im strafrechtlichen Sinne, sondern als Werkzeug, das die Prozesskette glättet, an der Banken-AML klassischerweise Reibung erkannt hat.

Warum es so wenige Strafverfahren gibt

Wer nach gerichtsfest dokumentierten Verfahren sucht, in denen ein missbrauchbares Sprachmodell als zentrales Beweismittel benannt ist, findet wenig. Drei strukturelle Gründe machen die Lücke verständlich.

Verfahrenslogik. Strafverfolger klagen die Tat an, nicht das Werkzeug. In einer Anklageschrift taucht „WormGPT“ so wenig auf wie der Hersteller eines Feuerzeugs in einer Brandanklage. Das gilt selbst dann, wenn das Werkzeug forensisch beim Tatverdächtigen sichergestellt wurde.

Dauer. Strafverfahren in Wirtschafts- und Cybersachen laufen typischerweise drei bis fünf Jahre. Die Welle der missbrauchbaren Sprachmodelle hat Mitte 2023 begonnen. Erste Verfahren mit forensisch dokumentiertem KI-Anteil dürften 2026 und 2027 öffentlich werden.

Beweisbarkeit. Auch wenn ein Ermittler weiß, dass eine Phishing-Mail von einem Sprachmodell stammt — wie weist er das vor Gericht nach? Aktuelle Detektionsverfahren sind unsicher und werden in Hauptverhandlungen regelmäßig erschüttert. Ohne Beschlagnahmung der Tat-Infrastruktur bleibt die KI-Komponente in den Akten oft als Vermutung stehen.

Wo die Justiz langsam ist, sind die Aufsichtsbehörden früher dran. Die FinCEN hat im November 2024 erstmals einen formalen Alert zu Deepfake-Mediendokumenten herausgegeben (FIN-2024-Alert004), mit konkreten Red Flags für US-Banken. Die BaFin hat 2024 und 2025 mehrere deutsche Institute wegen unzureichender KYC-Kontrollen sanktioniert. Die MAS Singapur hat 2025 ein eigenes Circular zu Deepfake-Risiken im Banken-Onboarding herausgegeben. Die FATF hat in ihrem Update zu Virtual Assets 2024 erstmals KI-getriebene Typologien aufgenommen.

Die regulatorische Antwort ist da. Sie kommt zwölf bis vierundzwanzig Monate später als die Realität, die sie regulieren soll — und sie kommt in einer Sprache, die in der ersten Linie der Bankprüfung erst übersetzt werden muss.

Was diese Serie liefert — und was nicht

Diese Serie ist ein Lagebild-Dossier in vier Teilen. Teil 2 profiliert das Tool-Ökosystem mit kritischer Distanz und erklärt am Material von Behördenstatistiken, warum gerade BEC und Pig Butchering von missbrauchbarer KI besonders profitieren. Teil 3 ist der Watchdog-Kern: die Wäsche. Wie Mules gesteuert werden, wie Compliance-Antworten generiert werden, wie KYC-Umgehung in der Praxis aussieht — mit einer eigenen Visualisierung der Geldwäsche-Prozesskette und der zentralen Beobachtung, dass die größte Detektionslücke im laufenden Verhältnis zwischen Bank und Kunde liegt. Teil 4 bilanziert Aufsicht, Strafverfolgung und Gesetzgebung — AI Act, AML Package, AMLD6, MiCA, FATF — und schließt mit konkreten Red Flags für Compliance-Verantwortliche.

Was diese Serie nicht liefert: keine Anleitungen, keine Bezugsquellen, keine Onion-Adressen, keine Tool-Tests aus eigener Beschaffung. Watchdog ist Fincrime-Watchdog, kein Einkaufsführer.

Es ist verlockend, dieses Thema im Tonfall der Alarmierung zu schreiben. Ein Teil der Threat-Intelligence-Branche tut das mit Hingabe. Diese Serie wird das Gegenteil versuchen. Was wir wissen, sagen wir. Was wir nicht wissen, kennzeichnen wir. Wo Quellen ein Eigeninteresse haben, schreiben wir das hin.