Wo künstliche Intelligenz heute in die Geldwäschelogistik eingreift – und warum die deutsche Aufsicht eine Detektionslücke hat, die niemand benennt.

Lagebild-Dossier auf Basis öffentlich verfügbarer Behörden- und Branchenquellen. Stand: Mai 2026.

Die spektakulären Fälle der vergangenen zwei Jahre haben den Blick verengt. Deepfake-Videocalls und perfekt geschriebene Phishing-Mails dominieren die Berichterstattung. Was systematisch übersehen wird: Die wirkliche Verschiebung findet eine Schicht tiefer statt – in der Geldwäschelogistik, die jeden erfolgreichen Betrug erst auszahlbar macht.

Die unsichtbare Hälfte

Die Wäsche ist die Hälfte jeder erfolgreichen Tat, über die selten gesprochen wird. Nach dem BEC-Betrug, nach der überwiesenen Pig-Butchering-Einzahlung, nach der erfolgreichen Identitätsumgehung beginnt der eigentliche Aufwand: Das Geld muss durch Konten geschleust, in andere Werte konvertiert, gestückelt werden, bevor ein Endempfänger es sicher abheben kann.

Diese Schicht – im Fachvokabular Layering – ist genau der Bereich, in dem missbrauchbare Sprachmodelle in den vergangenen 18 Monaten an Bedeutung gewonnen haben. Nicht durch ein einzelnes Werkzeug, sondern durch die Verkettung kleiner Eingriffe entlang einer langen Prozesskette.

Vier Berührungspunkte

Die Aufsichtssprache von FinCEN, BaFin, FATF und Europol benennt mittlerweile vier Punkte, an denen KI heute messbar in die Geldwäschelogistik eingreift. Sie unterscheiden sich erheblich in der Intensität der KI-Komponente und im Reifegrad der aufsichtlichen Reaktion.

Phase 1 — Anwerbung

Mule-Netzwerke brauchen Privatpersonen, die ihr Konto zur Verfügung stellen. Früher rekrutiert über plumpe Massenmails, heute über lokalisierte, glaubwürdige Stellenanzeigen, die Sprachmodelle in Sekunden für jeden Sprachraum erzeugen.

Die BaFin warnt seit 2024 wiederholt vor Job-Scamming-Mustern: Stellenausschreibungen für „Finanzagent“, „Logistikkoordinator“ oder „Produkttester“, die zur Eröffnung eines Kontos auffordern und kurz darauf Eingangszahlungen für unklare Zwecke aufweisen. Ähnliche Beobachtungen finden sich im aktuellen BKA-Lagebild Cybercrime und in Europol IOCTA.

Was an diesem Muster neu ist, sind nicht die Mules. Das System ist Jahrzehnte alt. Neu ist die Skalierung über Sprachen und die Persona-Konsistenz: Der Bot, der mit dem Bewerber chattet, hält die Geschichte über Wochen. Sprachbarrieren, die früher organisierte Kriminalität auf bestimmte Sprachräume eingegrenzt haben, fallen.

Phase 2 — Onboarding und KYC

Der Eintrittspunkt in das Bankensystem. Hier hat die Aufsicht in den letzten 18 Monaten am sichtbarsten reagiert.

Die FinCEN hat im November 2024 mit dem Alert FIN-2024-Alert004 erstmals formale Red Flags zu Deepfake-Mediendokumenten und synthetischen Identitäten formuliert. Inkonsistenzen zwischen Foto und biometrischen Daten, Hinweise auf Tools zur Umgehung von Identity Verification, ungewöhnliche Muster im IP-Verkehr beim Onboarding. Der Alert ist die bislang konkreteste regulatorische Antwort auf das Phänomen.

Die BaFin warnt parallel vor Deepfake-Risiken in Videoident-Verfahren – nicht abstrakt, sondern konkret: synthetische Stimmen für die Telefon-Rückfrage, Echtzeit-Video-Manipulation in Liveness-Checks, generierte Identitätsdokumente. Die Aufsicht macht Druck, weil hier der erste regulatorische Hebel liegt: Wer keine angemessenen Identifizierungsverfahren betreibt, riskiert nach §§ 11 ff. GwG Sanktionen.

KYC-Anbieter wie Sumsub und IDnow berichten Anstiege bei Deepfake-Versuchen im dreistelligen Prozentbereich gegenüber 2022. Diese Zahlen kommen von Anbietern, die ein Geschäftsinteresse an dramatischen Steigerungsraten haben. Methodisch belastbar sind die einzelnen Prozentangaben nicht – belastbar ist nur, dass mehrere unabhängige Anbieter denselben Trend beobachten.

Phase 3 — Laufende Compliance: die unbenannte Lücke

Hier liegt der eigentliche Punkt. Hier hat die Aufsicht noch keine Sprache.

Wenn die Bank eine Rückfrage an einen Kunden stellt – zur Eingangszahlung, zum ungewöhnlichen Transaktionsmuster, zur Adressänderung –, erwartet das klassische AML-Modell, dass die Antwort entweder plausibel ist (legitimer Vorgang) oder Reibung erzeugt (verdächtig). Die Reibung ist der Detektionsmechanismus.

Was passiert, wenn die Antwort glatt ist?

Mule-Netzwerke verfügen heute über automatisierte Begleitkommunikation. Wenn der Mule eine Rückfrage erhält, generiert ein dem Konto beigeordneter Bot oder Operator innerhalb von Minuten passgenaue Belege: Schenkungsverträge, Rechnungen, Eigenerklärungen, die mit der Onboarding-Geschichte konsistent sind. Vor 24 Monaten waren diese Belege oft an grammatikalischen Auffälligkeiten oder offensichtlichen Stilbrüchen erkennbar. Heute sind sie es nicht mehr.

Diese Beobachtung steht zwischen den Zeilen mehrerer BaFin-Hinweise und in den Lagebildern der FIU Deutschland, ohne dass sie bisher mit einem eigenen Fachbegriff versehen wurde. FATF Virtual Assets Update 2024 nimmt KI-getriebene Komponenten erstmals typologisch auf, behandelt sie aber primär in der Onboarding-Phase. Europol IOCTA 2024 erwähnt das Phänomen, ordnet es aber dem Sammelbegriff „AI-enabled fraud“ unter, der die Phasen-Trennung nicht macht.

Phase 4 — Cash-out

Die Endausgabe. Verschiebung in Krypto-Werte, oft USDT auf Tron oder Ethereum. Stückelung über Mixer und Cross-Chain-Bridges. Endausgabe an OTC-Broker oder über manipulierte Karten- und Bargeld-Kanäle.

Hier ist der KI-Eingriff am geringsten. Die Wäsche-Klassik dominiert. Chainalysis, TRM Labs und Elliptic dokumentieren das Volumen und die Mechanik relativ belastbar – wobei „belastbar“ hier bedeutet: methodisch transparent gemacht, nicht: gerichtsfest. Die Aufsichts-Greifpunkte sind die VASP-Aufsicht unter MiCA, die Travel Rule und die forensische Cluster-Analyse über Blockchain-Daten.

Die Lücke noch einmal explizit

Wenn man die vier Phasen nebeneinander legt, ergibt sich ein Bild, das die deutsche und europäische Aufsicht noch nicht in einer eigenen Sprache fasst. Phase 1 ist mittel adressiert, Phase 2 hoch, Phase 4 mittel. Phase 3 — die laufenden Compliance-Reaktionen — praktisch gar nicht.

Diese Asymmetrie ist nicht zufällig. Sie folgt der Logik dessen, was sich technisch detektieren lässt. Biometrische Manipulationen hinterlassen Spuren, die Algorithmen finden können — wenn auch immer schlechter. Krypto-Bewegungen hinterlassen Cluster, die sich forensisch lesen lassen. Beides ist Ingenieursarbeit, die in den vergangenen Jahren professionalisiert wurde.

Generierter Text auf einem PDF mit dem Briefkopf eines plausibel klingenden Kleinunternehmens hinterlässt nichts.

Was die Aufsicht bisher sagt — und was nicht

Die regulatorischen Antworten sind da, aber sie konzentrieren sich auf Phase 2 und Phase 4. Der FinCEN-Alert FIN-2024-Alert004 ist die bislang präziseste Sprachregelung — und er endet faktisch beim Onboarding. Die FATF-Empfehlungen 15 und 16 adressieren VASPs und Travel Rule, also Phase 4. Das EU AML Package und die AMLD6 schaffen institutionelle Strukturen (AMLA), schreiben aber keine technischen Detektionsstandards für Phase 3 vor.

Was fehlt, ist eine Aufsichtssprache für die Plausibilität textlicher und vertraglicher Belege im laufenden Verhältnis zwischen Bank und Kunde. Die FIU Deutschland erfasst das Phänomen aktuell im allgemeinen Verdachtsmeldungs-Raster, ohne es separat auszuweisen. Wer in einer Verdachtsmeldung schreibt, ein vorgelegter Schenkungsvertrag wirke „auffallend glatt“, hat keine etablierte Typologie, in die das eingeordnet wird.

Was diese Serie nicht behauptet

Wir behaupten nicht, dass jede unauffällige Compliance-Antwort heute KI-generiert sei. Wir behaupten nicht, dass es belastbare Quantifizierungen des KI-Anteils an Geldwäsche gibt. Wir behaupten nicht, dass dies in einem konkreten Strafverfahren bereits gerichtsfest dokumentiert wurde.

Wir behaupten: Die Beobachtung ist über mehrere Behördenquellen und kritisch eingeordnete Threat-Intelligence-Berichte konsistent. Eine eigene aufsichtliche Sprache fehlt. Genau diese Lücke ist das Thema — und der Punkt, an dem im kommenden Jahr eine Verschiebung stattfinden wird, oder eine Erblindung.