Kapitel 1: Warum Neukundenbetrug erneute Aufmerksamkeit erfordert

Der Anstieg von Neukundenbetrug (NAF) ist eine Entwicklung, die sich branchenübergreifend online und in Callcentern abspielt.

Stellen Sie sich Folgendes vor: Ein E-Commerce-Unternehmen startet ein großzügiges Empfehlungsprogramm, um echte Kundinnen und Kunden zu gewinnen. Stattdessen wird das System innerhalb weniger Wochen von Hunderten gefälschter Konten überschwemmt, die Aktionsguthaben anhäufen und das Unternehmen dazu zwingen, das Programm zu stoppen. Das Vertrauen der Verbraucher schwindet, und legitime Kundinnen und Kunden wenden sich ab. Der finanzielle Verlust ist erheblich, doch der Reputationsschaden wiegt schwerer.

Betrüger nutzen synthetische Identitäten, bösartige Bots und gestohlene Daten, um gefälschte Konten zu erstellen und Schwachstellen auszunutzen. Lesen Sie weiter, um zu erfahren, wie NAF abläuft und was Sie dagegen tun können. Anhand realer Beispiele und umsetzbarer Strategien zeigen wir, wie sich Unternehmen schützen können, ohne das Kundenerlebnis zu beeinträchtigen.

Kapitel 2: Die zunehmende Verbreitung von NAF

Der Anstieg von NAF wird durch die rasante digitale Transformation von Unternehmen vorangetrieben, die Betrügern Möglichkeiten eröffnet, Sicherheitslücken in Online-Plattformen auszunutzen. In Verbindung mit der Verbreitung gestohlener Daten aus Sicherheitsverletzungen und der Skalierbarkeit automatisierter Tools wie Bots sind Betrüger heute besser denn je ausgestattet, um Identitätsdelikte in alarmierendem Ausmaß zu begehen.

• Digitale Transformation: Während Unternehmen ihre Geschäftsprozesse weiter ins Internet verlagern, um der Kundennachfrage nach Komfort und Zugänglichkeit gerecht zu werden, setzen sie sich unbeabsichtigt neuen Risiken aus. Auch das digitale Onboarding hat durch globale Belegschaften und hybride Arbeitsmodelle stark zugenommen, wodurch Einstellungsbetrug häufiger und schwerer erkennbar wird. Betrüger sind dieser Entwicklung gefolgt und nehmen digitale Plattformen mit Sicherheitslücken ins Visier.
• Datenpannen: Die Häufigkeit von Datenpannen hat dazu geführt, dass Millionen gestohlener Datensätze im Dark Web und auf Untergrundmärkten verfügbar sind. Betrüger nutzen diese Informationen – darunter Namen, Adressen, Sozialversicherungsnummern und weitere Daten –, um bestehende echte Identitäten zu übernehmen oder synthetische Identitäten zusammenzustellen.
• Deepfakes: KI-generierte Audio-, Video- und Bildinhalte machen Identitätsbetrug deutlich überzeugender und schwerer erkennbar. Betrüger nutzen Deepfakes, um Identitätsprüfungen zu umgehen, Support-Mitarbeitende zu manipulieren und Opfer durch Social Engineering zur Genehmigung betrügerischer Aktionen zu bewegen – und untergraben so das Vertrauen in traditionelle Identitätssignale.
• Automatisierung: Fortschritte in der Automatisierung, insbesondere durch Bots und Skripte, haben es Betrügern ermöglicht, ihre Aktivitäten erheblich zu skalieren. Bots können innerhalb weniger Minuten Tausende von Konten registrieren und dabei zahlreiche Kombinationen aus Zugangsdaten und personenbezogenen Informationen schnell und präzise testen.

Kapitel 3: Wie Täter NAF vorantreiben

NAF ist das Ergebnis gezielter Techniken, die Schwachstellen in digitalen Systemen ausnutzen. Das Verständnis dieser Taktiken ist der erste Schritt zu einer wirksamen Prävention.

• Synthetische Identitäten: Betrüger kombinieren sorgfältig echte personenbezogene Daten (PII) mit erfundenen Details, um Identitäten zu erschaffen, die legitim erscheinen. Diese falschen Identitäten bestehen häufig einfache Prüfungen, insbesondere wenn sie für Kreditanträge, die Eröffnung von Kreditkarten oder die Inanspruchnahme von Prämien genutzt werden.
• Automatisierte Bot-Angriffe: Automatisierte Bots können innerhalb weniger Minuten Tausende betrügerischer Konten erstellen und herkömmliche Betrugserkennungssysteme überlasten. Zunehmend werden diese Angriffe mit Deepfakes kombiniert, die KI-generierte Stimmen, Videos und biometrische Gesichtsdaten verwenden, um Identitätsprüfungen bei der Kontoeröffnung zu umgehen und einst verlässliche Verifizierungssignale manipulierbarer zu machen.
• Ausnutzung von Werbeaktionen: Betrüger zielen häufig auf Marketingkampagnen ab, die neue Registrierungen oder Empfehlungen mit finanziellen Anreizen belohnen. Durch die Ausnutzung dieser Angebote erstellen sie Hunderte oder sogar Tausende gefälschter Konten, um Prämien zu kassieren – und belasten damit Marketingbudgets sowie verfälschen Kennzahlen zur Kundengewinnung.
• Das Dark Web: Betrüger haben über das Dark Web Zugriff auf vollständige Identitätspakete mit gestohlenen personenbezogenen Daten wie Sozialversicherungsnummern, Adressen und Finanzinformationen – bereits ab 65 US-Dollar. Da Millionen solcher Datensätze leicht verfügbar sind, können Betrüger schnell gefälschte Konten für verschiedene Zwecke einrichten, etwa um Leistungen abzuschöpfen, Transaktionen durchzuführen oder Geld zu waschen.

Kapitel 4: Die Auswirkungen von NAF messen

Wenn sich NAF etabliert, bleibt die Auswirkung selten begrenzt. Es löst eine Kette von Ereignissen aus, die Ressourcen belasten und Vertrauen untergraben. Die Folgen eskalieren schnell und hinterlassen erhebliche finanzielle Verluste für Unternehmen.

• Direkte Kosten: NAF wirkt sich direkt auf das Geschäftsergebnis eines Unternehmens aus – durch Rückbuchungen, Rückerstattungen und den Missbrauch von Werbeaktionen. Diese finanziellen Verluste summieren sich rasch, insbesondere bei Unternehmen mit geringen Margen. Darüber hinaus erhöhen Entschädigungen für legitime Kundinnen und Kunden, die von Betrug betroffen sind – etwa Rückerstattungen für nicht autorisierte Transaktionen – die Kosten zusätzlich.
• Operative Belastung: Betrugsuntersuchungen erfordern Zeit, Geld und qualifiziertes Personal und ziehen Ressourcen von zentralen Wachstumsinitiativen ab. Betrugsteams müssen betrügerische Aktivitäten identifizieren, verfolgen und eindämmen, was häufig eine Zusammenarbeit über Abteilungen hinweg sowie mit Drittanbietern erfordert. Dieser fortlaufende Aufwand verzögert nicht nur wichtige Projekte, sondern überlastet auch interne Teams und zwingt Unternehmen dazu, den Fokus von Innovation auf Schadensbegrenzung zu verlagern.
• Markenreputation: Der Ruf eines Unternehmens kann erheblich leiden, wenn Betrug nicht effektiv gemanagt wird. Auch Kundinnen und Kunden können indirekt betroffen sein, da Unternehmen häufig veraltete Betrugstools einsetzen, um die Welle KI-gestützter Betrugsangriffe einzudämmen – was zu mehr Reibung sowie zu höheren Abbruchraten bei Anträgen und mehr False Positives führt.

Kapitel 5: Warum traditionelle Betrugsprävention nicht ausreicht

Traditionelle Betrugsprävention wurde stark durch Kosteneindämmung geprägt, sodass sich Unternehmen auf statische Regeln, manuelle Prüfungen und Einzellösungen verlassen, die für eine Bedrohungslandschaft mit geringerem Volumen und niedrigerer Geschwindigkeit optimiert sind. Da Betrug inzwischen automatisiert, KI-gestützt und hochgradig skalierbar ist, haben diese veralteten Ansätze Schwierigkeiten, Schritt zu halten, wodurch Lücken entstehen, die moderne Betrüger bei der Kontoeröffnung ausnutzen.

• Veraltetes Onboarding: Legacy-Onboarding-Kontrollen haben sich nicht so schnell weiterentwickelt wie Betrugstaktiken und hinterlassen Lücken, die Kriminelle bei der Kontoerstellung ausnutzen können. Statische Regeln, grundlegende „Know Your Customer“ (KYC)-Prüfungen und einmalige Verifizierungssignale lassen sich mit synthetischen Identitäten, KI-generierten Dokumenten und koordinierten Betrugsringen zunehmend leicht umgehen.
• Isolierte Systeme: Betrugserkennungssysteme arbeiten häufig getrennt von Identitätsverifizierungstools, was zu einer fragmentierten Betrugsabwehr führt. Ohne einen einheitlichen Ansatz werden wichtige Signale übersehen, sodass Betrüger Lücken ausnutzen können. Diese fehlende Integration reduziert nicht nur die Erkennungsgenauigkeit, sondern erhöht auch operative Ineffizienzen, da Teams versuchen, Erkenntnisse aus mehreren Quellen zusammenzuführen.
• Starre Regeln: Statische Regeln in traditionellen Betrugspräventionssystemen können mit den dynamischen und sich ständig weiterentwickelnden Taktiken von Betrügern kaum Schritt halten. Betrüger nutzen diese vorhersehbaren Systeme aus, indem sie legitimes Nutzerverhalten nachahmen oder Low-and-Slow-Angriffe starten, die keine Warnmeldungen auslösen. Unternehmen, die sich auf unflexible Abwehrmechanismen verlassen, geraten in einen reaktiven Kreislauf und aktualisieren Regeln ständig erst nach erfolgten Angriffen.

Kapitel 6: Tools zur Verhinderung von NAF

Traditionelle Abwehrmaßnahmen reichen nicht aus. Um die Nase vorn zu behalten, müssen Unternehmen proaktive Taktiken einsetzen, die Betrug bereits bei seiner Entstehung erkennen.

• Verhaltensbiometrie: Traditionelle Abwehrmaßnahmen übersehen subtile Anzeichen von Betrug, doch Verhaltensbiometrie fügt eine intelligente Schutzebene hinzu. Diese Funktion analysiert, wie Nutzer mit Geräten interagieren, etwa anhand der Tippgeschwindigkeit, Mausbewegungsmuster oder Touchscreen-Gesten. Abweichungen vom normalen Verhalten – wie erratische Eingaben oder robotische Präzision – können auf betrügerische Aktivitäten hinweisen. Durch die Identifizierung dieser Anomalien bereits in der Registrierungsphase können Unternehmen Betrug stoppen, bevor er sich etabliert.
• Identitätsverifizierung: Statische Abwehrmaßnahmen können legitime und betrügerische Nutzer oft nicht zuverlässig unterscheiden, doch moderne Identitätsverifizierung schließt diese Lücke. Diese Tools gleichen von Nutzern bereitgestellte Informationen mit vertrauenswürdigen Datenbanken ab, beispielsweise mit staatlich ausgestellten Ausweisen oder Finanzunterlagen, und führen Liveness-Erkennungen durch, um sich vor Deepfakes zu schützen.
• Kontextbasierte Risikobewertung: Betrüger nutzen blinde Flecken traditioneller Abwehrmaßnahmen aus, doch kontextbasierte Risikobewertung bietet eine dynamische Lösung. Durch die Echtzeitanalyse von Faktoren wie Gerätereputation, IP-Standort und Verhaltensdaten können Unternehmen die Betrugswahrscheinlichkeit bereits zum Zeitpunkt der Registrierung bewerten.
• Bot-Erkennung: Traditionelle Abwehrmaßnahmen sind angesichts des Umfangs und der Präzision von Bot-Angriffen oft machtlos, doch fortschrittliche Bot-Erkennungssysteme können verhindern, dass Bots in großem Maßstab gefälschte Konten erstellen, und so die Plattformen eines Unternehmens vor Missbrauch schützen.
• Geräte- und alternative Daten: Durch die Einbindung von Geräteintelligenz, Netzwerksignalen und konsortialbasierten Erkenntnissen können Unternehmen risikoreiches Verhalten frühzeitig erkennen und legitime Nutzer von Betrügern unterscheiden. In Kombination mit Identitätsverifizierung – die häufig aufgrund von Vorschriften wie KYC, Anti-Money Laundering (AML) und Markets in Crypto-Assets Regulation (MiCA) erforderlich ist – stärken diese Signale Registrierungsentscheidungen, ohne unnötige Reibung zu verursachen.

Kapitel 7: Aufbau einer vernetzten Verteidigung

Betrugsprävention ist keine Einheitslösung. Sie erfordert mehrere Verteidigungsebenen, die sich an neue Bedrohungen anpassen. So wie Betrüger innovativ vorgehen, müssen auch Unternehmen ihre Strategien kontinuierlich weiterentwickeln, um ihre Systeme zu schützen.

Implementierungsschritte

1. Überprüfen Sie die Schwachstellen in Ihrem System: Der erste Schritt zur Umsetzung einer effektiven Betrugsstrategie besteht darin, Schwachstellen im System zu identifizieren. Führen Sie ein umfassendes Audit durch, um Schwachstellen entlang der gesamten Customer Journey aufzudecken, insbesondere während der Registrierungs-, Login- und Transaktionsphasen. Analysieren Sie Datenflüsse, Nutzerinteraktionen und bestehende Abwehrmaßnahmen, um Lücken zu erkennen, die Betrüger ausnutzen könnten.
2. Integrieren Sie Identitätstools in die Betrugserkennung: Um die Abwehr zu stärken, integrieren Sie Identitätsverifizierungs- und Betrugserkennungstools in ein einheitliches System. Kombinieren Sie diese Funktionen mit fortschrittlicher Bot-Erkennung, Verhaltensbiometrie und dynamischem Risikoscoring, um eine nahtlose, mehrschichtige Verteidigung zu schaffen. Die Integration dieser Tools ermöglicht einen besseren Datenaustausch und schnellere Reaktionszeiten und stellt sicher, dass betrügerische Aktivitäten gestoppt werden, bevor sie eskalieren.
3. Prozesse kontinuierlich auf Basis neu auftretender Bedrohungen verfeinern: Überwachen Sie kontinuierlich Trends, analysieren Sie Angriffsmuster und aktualisieren Sie Ihre Betrugserkennungsprozesse, um neuen Schwachstellen zu begegnen. Nutzen Sie maschinelles Lernen und Datenanalysen, um aufkommende Bedrohungen zu identifizieren und Erkennungsalgorithmen gezielt zu optimieren. Testen und verbessern Sie regelmäßig Tools wie Verhaltensüberwachung und Risikobewertung, um deren Wirksamkeit aufrechtzuerhalten.

Die Threat-Protection-Funktionen von Ping Identity kombinieren intelligente Erkennung, dynamische Richtlinien, Risiko-Insights, nahtlose Integration und zentrale Verwaltung, um Nutzer effektiv zu schützen.

Kapitel 8: Modernes IAM zur Abwehr von NAF nutzen

NAF ist mehr als nur ein finanzieller Verlust – es untergräbt das Vertrauen der Nutzer und schädigt den Ruf Ihrer Marke. Betrüger nutzen jede Schwachstelle aus – von mangelhaften Registrierungsprozessen bis hin zu veralteten Abwehrmechanismen –, um Ihre Plattform zu kompromittieren und Ihre Kunden anzugreifen. Mit den universellen Services von Ping Identity können Unternehmen von punktueller Authentifizierung zu kontinuierlichem, verifiziertem Vertrauen bei jeder Interaktion übergehen. Durch die Kombination modularer Trust-Services wie Identitätsprüfung, Verhaltenssignalen und adaptiver Durchsetzung mit der bestehenden Identitätsinfrastruktur können Sie die von Angreifern ausgenutzten Lücken schließen und gleichzeitig die Reibung für vertrauenswürdige Kunden reduzieren. Das Ergebnis ist eine proaktive Betrugsprävention, die Kunden und Unternehmen schützt, ohne einen vollständigen Austausch der bestehenden Systeme zu erfordern.

Überlassen Sie Betrügern nicht die Kontrolle über die Narrative – übernehmen Sie selbst das Steuer und schützen Sie, was am wichtigsten ist: das Vertrauen Ihrer Kunden.

¹ https://www.aarp.org/money/scams-fraud/info-2024/identity-fraud-report.html
² https://risk.lexisnexis.com/insights-resources/research/us-ca-true-cost-of-fraud-study
³ https://www.packetlabs.net/posts/what-is-the-price-of-data-on-the-dark-web/
⁴ https://risk.lexisnexis.com/insights-resources/research/us-ca-true-cos

Bei Ping Identity sind wir überzeugt, dass digitale Erlebnisse für alle Nutzer gleichermaßen sicher und nahtlos sein sollten – ohne Kompromisse. Das ist digitale Freiheit. Wir ermöglichen es Unternehmen, Passwörter abzuschaffen, Betrug zu verhindern, Zero Trust zu unterstützen und vieles mehr. Deshalb entscheiden sich mehr als die Hälfte der Fortune 100 für Ping Identity. Erfahren Sie mehr unter pingidentity.com.