KI kann uns helfen, echte Menschen zu finden, nicht sie zu ersetzen

Ein gefälschtes Bild täuscht selbst die schärfsten Augen, aber gefälschtes Verhalten, das die Plattform sieht, sollte es nicht tun.

In den letzten zwanzig Jahren hat die Online‑Dating‑Branche die Benutzersicherheit als einfache Checkliste gelehrt. Wir rieten den Nutzern, das Foto genau zu prüfen, die Geschichte der Person auf Konsistenz zu überprüfen oder auf einen Video‑Call zu bestehen, bevor sie einem Treffen zustimmen. Diese Anleitung, einst der Goldstandard digitaler Sicherheit, ist heute völlig veraltet.Der eindeutige Beweis kam in einer Februar‑2025‑Studie von iProov, einem führenden Anbieter von Biometrie. Forscher befragten 2.000 Probanden im Vereinigten Königreich und den USA, verschiedene Objekte – sowohl Bilder als auch Videos – als echt oder synthetisch zu kennzeichnen. Die Ergebnisse waren erstaunlich: Nur zwei Probanden machten keinerlei Fehler. Das entspricht lediglich 0,1 Prozent der getesteten Personen, was bedeutet, dass die übrigen 1.998 mindestens einen Fehler machten. Hohe Sicherheit kombiniert mit einer hohen Fehlerrate ist eine gefährliche Mischung für Verbraucher. Und die Betrüger sind mehr als bereit, sie auszunutzen.Laut dem Entrust 2026 Identity Fraud Report, Deepfakes machen jetzt einen von fünf Versuchen biometrischen Betrugs aus. Deepfake‑Selfies stiegen 2025 um 58 Prozent, und Injektionsangriffe nahmen im Jahresvergleich um 40 Prozent zu. Von einem durchschnittlichen Nutzer zu erwarten, dass er ein hochentwickeltes generatives KI‑Modell bei der visuellen Wahrnehmung übertrifft, ist ein Verantwortungsverzicht; es überträgt das Risiko direkt von der Plattform auf den Kunden.

Betrug geht nicht mehr darum, gefälschte Bilder zu finden

Die Realität ist, dass die aktuelle Erkennungssoftware versagt, weil sie Objekt‑Tests einzeln durchführt. Ein Test prüft, ob ein bestimmtes Bild von KI erzeugt wurde. Ein anderer prüft, ob ein Dokument gefälscht ist, während ein dritter prüft, ob der Text in einer Nachricht maschinell verfasst wurde. Das Problem ist, dass jeder dieser Tests schnell an Wirksamkeit verliert. Da der Fortschritt generativer Modelle die Ausgabqualität kontinuierlich erhöht, werden frühere Antworten und Erkennungsmethoden fast über Nacht veraltet oder obsolet.

Ein deutlich besserer Ansatz ersetzt das Auftreten einzelner Signale durch die kombinierte Bewertung vieler Signale. Unsere Methode bewertet die Beziehungen zwischen verschiedenen Dimensionen der Präsenz eines Nutzers. Eine Signaldimension ist, wie ein Gerät für unser System aussieht. Eine andere ist, aus welchem Herkunftsort eine Nutzersitzung stammt. Eine dritte ist, wie sich das Konto tatsächlich verhält. All dies führt zu einer menschlichen Prüfung, wenn das System Anzeichen möglicher Betrugs meldet.

Das Büro der Vereinten Nationen für Drogen- und Kriminalitätsbekämpfung, in seinem Transnational Organized Crime Threat Assessment für Südostasien 2026, schätzte die Verluste durch Online‑Betrug im Jahr 2025 auf zwischen US$88,3 Milliarden und US$114,1 Milliarden in den gemeldeten Gebieten allein. Industrie‑Betrug in diesem Ausmaß beruht auf Geschwindigkeit und Volumen. Jede einzelne Information kann leicht gefälscht werden, aber das Fälschen allevon ihnen konsequent — über mehrere Konten hinweg, die von der Plattform ständig deaktiviert werden — wird zu aufwendig, um aufrechterhalten zu werden. Jede von uns eingeführte Reibungsebene erhöht die Kosten pro Konto für das Betrugsgeschäft, bis deren Gewinnspanne auf null sinkt.

Hier erbringt KI ihren wahren Nutzen. Während die Erkennung von Fälschungen durch neue Technologien verbessert wurde, ist die verbesserte Fähigkeit, gleichzeitig auftretende Faktoren, die auf Betrug hinweisen, zu identifizieren – und damit zu früheren Interventionen zu führen – für unsere Nutzer enorm vorteilhafter. Wenn die Indikatoren eines Nutzers nicht übereinstimmen, wird seine wahre Absicht offengelegt. Ein ehrliches Mitglied, ein Betrüger und ein Besucher mit einem anderen Zweck können alle identische Fotos und nahezu identische Eröffnungszeilen teilen. Ihre kombinierten Indikatoren werden jedoch unterschiedlich sein und eine völlig andere Geschichte erzählen. Die Art, wie Menschen antworten, wie schnell sie reagieren, wie sie das Gespräch eskalieren, worüber sie fragen und welche Unterhaltungen aufgegeben werden, malt ein Bild. Die Identität kann eine makellos generierte Lüge sein, doch das Verhalten wird stets schlechte Absichten offenbaren.

Die Informationsasymmetrie: Plattformen kennen Dinge, die Nutzer nicht kennen

Die Federal Trade Commission berichtete 2026, dass die Verluste durch Romantik‑Betrug im Jahr 2025 stiegen um 22 Prozent gegenüber 2024 und etwa 1,5 Milliarden Dollar erreichten. Unter denjenigen, die angaben, wie sie kontaktiert wurden, gaben etwa 60 Prozent gaben an, dass ihr erster Kontakt über eine Social‑Media‑Plattform erfolgte.

In unserer Branche gibt es eine enorme Informationslücke. Plattformen sehen dieselben Signal­kategorien, können jedoch beispielsweise fast sicher auch das Anmeldeland und das Konto‑Alter einsehen. Alles, was Mitglieder sehen, ist ein Lächeln und ein sorgfältig formuliertes Absatz, das geschickt etwas aus ihrem Profil einfließen lässt. Plattformen haben die Möglichkeit, auf diese verborgenen Daten zu reagieren, sie zu nutzen, um ein sichereres Umfeld zu schaffen, oder sie offenzulegen, damit Mitglieder entsprechend handeln können. Leider tut die Mehrheit der Branche beides nicht.

Das Zögern der Branche hängt oft mit den komplexen Abwägungen im Zusammenhang mit dem Datenschutz der Nutzer zusammen. Die kostenintensive Hälfte dieser Gleichung ist das Handeln. Es gibt zwei Wege, Vertrauen aufzubauen: Der langsame Weg ist Reputation, der schnelle Weg ist Verifizierung. Verifizierung erzeugt Reibung. Die Branche verlangt überwiegend nach Geschwindigkeit, Volumen und geringer Reibung, was ihre chronische Unter‑Verifizierung erklärt.

Allerdings tauchen Lösungen auf. Ein Preprint von August 2024 auf arXiv schlug “Personheitsnachweise” vor. Die 32 Autoren von Institutionen wie OpenAI, Microsoft, MIT, Oxford und Harvard stellten ein datenschutzfreundliches Zeugnis vor, das es ermöglicht, einem Dienst zu beweisen, dass man eine echte Person ist, ohne die zugrunde liegende Identität preiszugeben. Ihr Argument ist, dass CAPTCHAs unzureichend sind und Anomalieerkennung schnell an Wirksamkeit verliert gegenüber fähiger KI. Sie haben recht. Dating ist einer der Bereiche, in denen die Folgen dieses Verfalls am härtesten zu spüren sind, weil das Kernprodukt, das verkauft wird, das Vertrauen selbst ist.

Ein besserer Community-Standard wird entwickelt

Die gleichen Signale, die helfen, möglicherweise kriminelles Verhalten zu identifizieren, können auch andere Arten von Fehlverhalten aufdecken. Die Absicht zu lesen reicht weit über das bloße Verhindern von Betrug hinaus. Nicht jeder schlechte Akteur auf einer Website ist ein Krimineller. Ein Nutzer, der unangenehm ist, muss nicht das Gesetz brechen, und eine Beziehung, die als Transaktion behandelt wird, muss nicht betrügerisch sein. Menschen mit Verachtung zu behandeln führt nicht zu einer Anklage auf Bundesebene. Doch dieses Verhalten untergräbt die Gemeinschaft erheblich. Schlimmer noch, es ist zu oft für Systeme unsichtbar, die sich ausschließlich auf Meldungen von Mitgliedern für ihre Durchsetzungsprogramme verlassen.

Die Branche hat traditionell die Grenze bei Illegalität gezogen: Betrug und Minderjährige herausfiltern, das entfernen, was das Gesetz strikt verlangt, und den Rest als Angelegenheit zwischen einvernehmlichen Erwachsenen behandeln. Ich kenne keine andere Dating‑Seite, die KI einsetzt, um transaktionales Verhalten zu erkennen und aktiv zu stoppen. Unsere Stop@Send‑Funktion bewertet die ausgehende Nachricht des Absenders, während sie gesendet wird. Sie sucht nach tieferer Bedeutung, anstatt den Inhalt lediglich mit einer statischen Stichwortliste zu vergleichen. Meistens erfolgt eine Erklärung an den Absender, in der genau dargelegt wird, warum die Nachricht für die Gemeinschaft unangemessen ist.

Das ist natürlich nicht kostenlos. Das Unterbrechen von Unterhaltungen der Mitglieder erzeugt Reibung, was erwartungsgemäß ein Kostenfaktor ist, den wir aktiv zu tragen bereit sind. Aber unsere Standards werden am besten durch das definiert, welches Verhalten tatsächlich auf unserer Plattform erlaubt ist, und nicht durch das, was auf einer nicht durchgesetzten Seite mit Community‑Richtlinien veröffentlicht steht. Eine Plattform, die einem schlechten Akteur keinen Ärger bereitet, hat kein Recht, sich selbst als Gemeinschaft zu bezeichnen.

Die Herausforderung für die Branche

Der Markt versucht derzeit, KI Menschen zu ersetzen: Wir sehen den Aufstieg von KI‑Begleitern, KI‑generierten Profilen und Flirt‑Agenten. Ich bin fest davon überzeugt, dass dieser Weg eine Sackgasse ist. Er optimiert ausschließlich für Engagement, liefert aber nichts anderes. Unser Ansatz ist grundlegend anders. Wir nutzen KI, um die schlechten Akteure zu entfernen, die Mitglieder gegenseitig zur Verantwortung zu ziehen und ihnen zu helfen, einander so zu behandeln, dass eher sinnvolle, reale Beziehungen entstehen.

Listen mit Warnsignalen haben ihren Wert verloren. Die Signale, die früher Betrüger entlarvten, sind genau die Merkmale, die generative Modelle gelernt haben zu eliminieren, was einen Wettrüsten auslöst, in dem wir permanent gefangen sind. Abgesehen von der Ersten Regel – niemals Geld an jemanden senden, den man nicht kennt und noch nicht persönlich getroffen hat, was jeder befolgen sollte – dreht sich die zentrale Frage nicht mehr um das Foto. Es geht um die Plattform und darum, was sie mit dem Wissen macht, das ihre Nutzer nicht haben.

Eine Plattform, die gut auf diese Herausforderung reagiert, gestaltet aktiv Vertrauen. Eine Plattform, die das nicht tut, verlangt von ihren Mitgliedern mehr Arbeit bei einer Erfolgsquote von 0,1 % nur, um sich selbst zu schützen.

Ich stelle diese Herausforderung jeder Plattform, einschließlich meiner eigenen. Ich erwarte ehrliche und vollständige Antworten. Die Technologie, um diese Lücke zu schließen, existiert bereits. Betrug bleibt bestehen, weil dessen Verhinderung bedeutet, das massive Wachstum aufzugeben, das durch die riesige Eingangstür der mühelosen Anmeldung entsteht. Das ist eine geschäftliche Entscheidung und keine technische Beschränkung. Und die Plattformen, die richtig entscheiden, besitzen das einzige Asset, das für diese Diskussion zählt: das Vertrauen ihrer Mitglieder.