Ricardo Amper, CEO und Gründer von Incode – Interviewreihe

Ricardo Amper, CEO und Gründer von Incode, ist ein Serienunternehmer und Technologie‑Executive mit mehr als zwei Jahrzehnten Erfahrung im Aufbau und Skalieren von Unternehmen in den Bereichen Technologie, Konsumgüter und Industrie. Er gründete Incode im Jahr 2015 mit der Vision, zu verändern, wie Menschen ihre Identität in der digitalen Welt überprüfen und authentifizieren. Zuvor war Amper CEO von Grupo Amco, dem führenden Unternehmen für Aromastoffe und ätherische Öle in Lateinamerika, wo er OneView entwickelte, eine auf maschinellem Lernen basierende prädiktive Datenplattform, bevor das Unternehmen von der Brenntag Group übernommen wurde. Er war außerdem Mitgründer und Leiter von Amco Foods, das von Grupo Bimbo übernommen wurde, und gründete zuvor La Burbuja Networks. Seine Laufbahn vereint Unternehmertum, Künstliche Intelligenz, datengetriebene Systeme und Erfahrung im erfolgreichen Aufbau von Unternehmen durch Übernahmen.

Incode ist eine KI‑gestützte Identitätsplattform, die Organisationen dabei hilft, Vertrauen über Interaktionen mit Personen, Unternehmen und zunehmend KI‑Agenten aufzubauen. Die Technologie kombiniert Dokumenten‑Verifizierung, biometrische Authentifizierung, Gesichtserkennung, Lebenderkennungs‑ (Liveness‑)Erkennung, Deep‑Fake‑Erkennung und direkte Prüfungen gegen staatliche Register, und unterstützt dabei Bereiche wie Know Your Customer (KYC), Anti‑Money‑Laundering (AML)‑Compliance, Know Your Business (KYB), Altersnachweis, Mitarbeiter‑Verifizierung und Schutz vor Kontenübernahmen. Incode entwickelt seine KI‑Technologie intern und hat die Plattform erweitert, um auf aufkommende Bedrohungen wie synthetische Identitäten und durch generative KI ermöglichten Betrug zu reagieren, sowie Agentic‑Identity‑Tools zur Verifizierung der Eigentümer von KI‑Agenten und zur Nachverfolgung ihrer Aktionen.

Sie gründeten Incode im Jahr 2015, nachdem Sie Unternehmen in sehr unterschiedlichen Branchen aufgebaut hatten, und argumentierten, dass ein frischer, auf Grundprinzipien basierender Ansatz bei Problemen wertvoller sein kann als das Verlassen auf übernommene Branchenannahmen. Was haben Sie bei der Identitätsverifizierung gesehen, das etablierte Anbieter übersehen haben, und wie hat diese ursprüngliche Erkenntnis die Entwicklung von Incode geprägt?

Vor 2015 behandelte die Branche Identität als ein Compliance‑Problem und nachträgliche Überlegung: ein Dokument scannen, jemand im Back‑Office es prüfen lassen, das Kästchen ankreuzen. Ich kam ohne diese Annahme und sah ein KI‑Problem im Ansatz der Branche zur Identität.

So habe ich am ersten Tag drei Entscheidungen getroffen, die sonst niemand traf:

KI übernimmt die Verifizierung anstelle von Menschen, die Ihre Daten prüfen; wir entwickeln jede Schicht der Technologie selbst, anstatt Teile anderer Anbieter zusammenzusetzen; und Datenschutz ist Architektur, nicht nur Richtlinie. Zehn Jahre später hat generative KI diese Entscheidungen zu den einzigen gemacht, die Bestand haben.

Diese Entscheidung hat das Unternehmen geformt, das wir geworden sind.

1. Wir sind in erster Linie Erbauer: Selbst heute arbeitet ein größerer Anteil unserer Mitarbeitenden in Engineering und Produkt als in einem typischen B2B‑Softwareunternehmen, und das hält uns agil genug, um sich so schnell wie die Bedrohung anzupassen.
2. Wir haben bewusst in einem der härtesten Betrugsumfelder der Welt, Lateinamerika, begonnen und es weitgehend für einige der größten Banken und Unternehmen der Region gelöst. Wenn Ihre Technologie dort überlebt, werden Märkte, in denen Betrug zwar real, aber weniger unnachgiebig ist, zu einem viel einfacheren Test.

Wir waren nie daran interessiert, Probleme nur zu überbrücken oder Unternehmen lediglich für heute konform zu machen. Wir schätzen die anspruchsvolle Variante dieses Problems: eine echte Person mit möglichst wenig Reibung und höchstmöglicher Privatsphäre zu verifizieren und das für eine sich wandelnde Zukunft.

Incode wurde jetzt benannt zum Leader im Gartner® Magic Quadrant™ für Identity Verification für drei aufeinanderfolgende Jahre. Was glauben Sie, sagt diese Konsistenz über die Entwicklung des Unternehmens aus, und welche Fähigkeiten waren am wichtigsten, um diese Position zu halten, als sich das Bedrohungsumfeld veränderte?

Jeder kann ein gutes Jahr haben. Drei aufeinanderfolgende Jahre spiegeln Konsistenz wider, und Konsistenz ist das, was Unternehmen kaufen. Diese drei Jahre umfassen die gesamte Welle des generativen KI‑Betrugs, und das, was uns half, unseren Status als Branchenführer aufrechtzuerhalten, ist, dass wir unseren kompletten Technologiestack besitzen. Wenn eine neue Angriffsart oder ein neuer Vektor auftaucht, trainieren wir unsere eigenen Modelle in Tagen neu, anstatt auf die Produkt‑Roadmap oder Updates eines Dritten zu warten. Die weiteren Konstanten sind unsere direkten Verbindungen zu autoritativen Identitätsquellen und die Disziplin, Konversion ebenso ernst zu nehmen wie Betrug, weil Unternehmen beides benötigen.

Incode beschreibt eine neue Generation autonomer Betrugsangriffe, bei denen KI‑Agenten synthetische Dokumente erzeugen, gezielte Deepfakes produzieren, diese gegen Verifizierungssysteme testen und nach jeder Ablehnung anpassen können. Wie nah sind wir daran, diese vollständig automatisierten Angriffs‑Workflows in großem Maßstab zu sehen?

Betrug in großem Umfang erforderte stets Menschen in großem Umfang. Der Engpass war der Mensch, und KI hat ihn gerade eliminiert. Wir suchten nach Beweisen und veröffentlichten, was wir fanden: öffentlich gemeldete, unabhängig recherchierte KI‑unterstützte Betrugsfälle in den Vereinigten Staaten, von denen ein großer Teil in Gerichtsunterlagen oder behördlichen Maßnahmen bestätigt wurde. Als wir bewerteten, wie viel von jedem Schema ein autonomer Agent eigenständig ausführen könnte, konnten fast alle End‑to‑End‑Durchläufe durchführen, und keiner war immun. Das alte Modell war durch die Anzahl qualifizierter Fachkräfte begrenzt, die man rekrutieren konnte. Das neue Modell ist nur durch die Rechenleistung begrenzt.

Incode sagt, dass es kontinuierlich einen agentischen Angreifer gegen seine eigenen Verteidigungen einsetzt. Wie funktioniert dieser adversariale Testprozess und was kann ein KI‑Angreifer aufdecken, das konventionelle Penetrationstests oder statische Betrugsbenchmarks möglicherweise übersehen? 

Die Idee ist einfach: Der einzige Weg, Verteidigungen gegen diese Angriffe aufzubauen, besteht darin, die Angriffe zunächst gegen uns selbst zu testen. Deshalb betreiben wir einen Angreifer, der exakt wie die kriminellen Akteure arbeitet. Er erzeugt Deepfakes, synthetische Dokumente und Injektionsversuche, reicht sie an unsere eigenen Live‑Verteidigungen ein, lernt aus jeder Ablehnung und kommt mit einer verbesserten Variante zurück. Ein konventioneller Penetrationstest prüft einmalig eine bekannte Liste von Angriffen und ist dann fertig. Ein adaptiver Angreifer hört nie auf, neue zu erfinden, sodass er die Schwachstelle und den Angriff, der noch nicht existiert, entdeckt, bevor ein Krimineller dies tut.

Da generative Modelle synthetische Dokumente und biometrische Medien immer überzeugender machen, welche Signale bleiben für Angreifer am schwierigsten zuverlässig zu fälschen?

Die Pixel allein sind ein aussichtsloses Spiel, wenn das alles ist, worauf man achtet, denn generative Modelle verbessern sich jeden Monat. Was Angreifer nach wie vor nicht zuverlässig fälschen können, ist alles außerhalb des Bildes: die Integrität des Geräts und des Aufnahmewegs, den das Medium durchlaufen hat, Verhaltensweisen, die über Sitzungen hinweg konsistent bleiben, und das Protokoll, das von der Quelle, die die Identität ausgestellt hat, geführt wird. Das ist das Prinzip hinter Deepsight, unserer Deepfake‑Erkennungstechnologie. Sie beurteilt nie nur das Bild: Sie analysiert das Medium, die Hardware, den Software‑Pfad und das Nutzerverhalten in einer einzigen Echtzeit‑Entscheidung und kann erkennen, welches generative Modell den Fake erzeugt hat. Die Purdue University hat sie unabhängig von 24 anderen Regierungs‑, akademischen und kommerziellen Systemen getestet und als das genaueste validiert.

Incode legt Wert darauf, Identitäten anhand autoritativer Regierungsdaten zu überprüfen, anstatt sich ausschließlich auf das vom Nutzer vorgelegte Dokument zu verlassen. Wie verändert das die Genauigkeit der Identitätsprüfung und welche technischen oder regulatorischen Herausforderungen ergeben sich bei der Einführung dieses Ansatzes in verschiedenen Ländern?

Ein Dokument zeigt, was vorgelegt wurde. Das autoritative Register zeigt, was wahr ist. Jede Prüfung, die beurteilt, ob ein Artefakt authentisch wirkt, verliert an Wirksamkeit, da generative KI sich verbessert, doch ein Regierungsregister bleibt unverändert, weil es die Grundwahrheit darstellt, die ein Betrüger nicht manipulieren kann. Die Herausforderungen sind real: Jedes Land hat unterschiedliche autoritative Quellen, unterschiedliche Zugriffsregeln und unterschiedliche Datenschutzgesetze, sodass wir marktweise direkte Verbindungen aufbauen und alles nach dem Prinzip „Privacy by Design“ verarbeiten.

Identitätsprüfsysteme müssen ausgeklügelten Betrug stoppen, ohne unnötige Hürden für legitime Nutzer zu schaffen. Wie bewerten Sie den Kompromiss zwischen Sicherheit, Fehlablehnungen, Onboarding‑Geschwindigkeit und Konversionsrate?

Jeder Identitätsanbieter zieht an Hebeln zwischen diesen vier Aspekten. Die eigentliche Frage ist, welche Hebel Sie besitzen. Ein großer Teil der Branche setzt Technologie ein, die sie von anderen lizenziert hat; wenn also der Betrug ansteigt, können sie nicht in das Modell hineinschauen oder es neu trainieren, und der einzige verbleibende Hebel ist die Friktion: mehr Schritte, mehr manuelle Prüfungen, mehr gute Nutzer werden abgelehnt. Wir haben die gegenteilige Entscheidung getroffen und entwickeln jedes KI‑Modell selbst – Liveness, Deepfake‑Erkennung, Dokumenten‑Verifizierung und alles andere – sodass unser Hebel die Genauigkeit ist. Wir trainieren in Tagen neu, schieben den Betrug tiefer ins Modell und lassen das Nutzererlebnis unverändert. Deshalb ist es für uns kein Kompromiss, jeden guten Nutzer durchzulassen und gleichzeitig jeden Angriff zu stoppen.

Incodes Vertrauensnetzwerk ist darauf ausgelegt, wiederholten Betrug zu erkennen und vertrauenswürdige Historien über Organisationen hinweg zu identifizieren, ohne rohe personenbezogene Daten zu bündeln. Welche Technologien ermöglichen diese Art des datenschutzfreundlichen Austauschs von Intelligenz?

Kryptographie ist der Ermöglicher, doch das Konzept ist entscheidend: Zusammenarbeit ohne Offenlegung. Organisationen im Netzwerk können erfahren, ob ein Identitätssignal anderweitig mit Betrug verknüpft wurde, ohne dass irgendeine Partei jemals die Daten einer anderen sieht, sodass es keine gebündelte Datenbank, nichts zu kompromittieren und keinen Datenhandel gibt. Deshalb haben wir Identiq übernommen, dessen Team jahrelang genau diese datenschutzverstärkende kryptografische Technologie entwickelt hat, und wir investieren in diesem Jahr mehr als 100 Millionen Dollar in eine datenschutzfreundliche Identitätsinfrastruktur. Das Netzwerk wird mit jeder Verifizierung intelligenter, während die Daten jedes Einzelnen versiegelt bleiben, im Umfang von über 7 Milliarden Vertrauensprüfungen und 400 Millionen Profilen. Wir haben immer geglaubt, dass Datenschutz und Betrugsprävention kein Gegengewicht darstellen. Sie sind dasselbe Problem, das gemeinsam oder gar nicht gelöst wird.

Wenn KI‑Agenten beginnen, Einkäufe zu tätigen, Konten zuzugreifen, Vereinbarungen zu unterschreiben und im Namen von Personen zu kommunizieren, wie sollten Organisationen nicht nur den Agenten selbst, sondern auch dessen Eigentümer, Berechtigungen und Befugnis zur Ausführung einer bestimmten Handlung überprüfen?

Beginnen Sie beim Eigentümer, denn die Autorität eines Agenten bedeutet nichts, wenn sie nicht zu einem verifizierten Menschen zurückverfolgt werden kann. Genau dafür haben wir Agentic Identity entwickelt: Wir verifizieren den Eigentümer mit hochsicherer Identitätsprüfung und deepfake‑resistenter Lebendigkeit, stellen dem Agenten ein sicheres Token aus, das jede Aktion zurück zu dieser verantwortlichen Person verknüpft, und prüfen den Berechtigungsumfang, sodass ein für eine Aufgabe autorisierter Agent nicht stillschweigend in andere Aufgaben abdriften kann. Dann überwachen wir kontinuierlich, weil Agenten ihr Verhalten schneller ändern als jede vierteljährliche Zugriffsüberprüfung. Es sind dieselben biometrischen Daten, dieselbe Betrugsintelligenz, dasselbe Netzwerk, das wir für Menschen nutzen, erweitert auf die Systeme, die in ihrem Auftrag handeln.

Blicken wir nach vorn, wird die Identitätsprüfung ein eigenständiger Checkpoint beim Onboarding bleiben, oder wird sie zu einer kontinuierlichen Vertrauensebene, die bei jeder digitalen Interaktion zwischen Menschen, Unternehmen und autonomen KI‑Agenten aktiv ist?

Beides für eine Weile, und dann gewinnt die Kontinuität. Das Onboarding bleibt der Anker, an dem die Identität mit höchster Sicherheit etabliert wird, aber Vertrauen kann nicht ein Moment bleiben, wenn Angriffe sich über Sitzungen hinweg anpassen und Agenten rund um die Uhr Transaktionen durchführen. Das Ziel ist eine beständige Vertrauensebene: erneute Verifizierung in Momenten realen Risikos, kontinuierlich korrelierte Verhaltens‑ und Netzwerksignale und dieselbe Verantwortlichkeit, die auf KI‑Agenten ausgeweitet wird, die im Auftrag von Menschen handeln. Identität hört auf, ein Checkpoint zu sein, und wird zur Infrastruktur, und wir bauen für diese Welt.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten Incode besuchen.