Databricks stellt KI-Coworker gegen Telekom-Betrug vor – Produktdetails fehlen

Databricks stellt KI-Coworker gegen Telekom-Betrug vor – Produktdetails fehlen

Nach Angaben auf der eigenen Website soll der 'Fraud Analyst AI Coworker' Betrug im Telekom-Bereich in Echtzeit erkennen. Dafür soll er auf einer einzigen Plattform laufen.

Der Text von databricks.com liefert jedoch nur den Hintergrund, nicht das Produkt. Funktionsumfang, Architektur, zugrunde liegendes Modell, Autonomiegrad und Leistungszahlen gehen daraus nicht hervor. Ein Vergleich mit Vorgängerversionen fehlt ebenfalls. Was an dem Ansatz neu sein soll, lässt sich somit nicht prüfen.

Belegt ist die Problemdarstellung des Herstellers. Eine unabhängige Bestätigung ist sie nicht, doch sie zeigt die Stoßrichtung. Laut Databricks ist ein Telefonkonto längst mehr als ein Mobilfunkvertrag. Banking-Apps authentifizieren sich über die Rufnummer, Passwort-Rücksetzungen laufen darüber, Zwei-Faktor-Codes landen dort.

Gelingt es Angreifern, ein Konto per Phishing, Social Engineering oder mit Zugangsdaten aus einem alten Datenleck zu übernehmen, bleiben ihnen laut Databricks nur Minuten. Sie könnten eine SIM-Karte tauschen, die Rechnungsadresse ändern, teure Geräte bestellen und auf verknüpfte Finanzkonten übergreifen. Das Betrugsteam wartet unterdessen noch auf den nächtlichen Batch-Job.

Den Gegensatz – Betrug in Maschinengeschwindigkeit, Erkennung im Batch-Takt – nennt der Hersteller das zentrale Hemmnis. Ob und wie der 'AI Coworker' es löst, lässt der Text offen.

41,82 Milliarden Dollar Schaden: Die Zahlen schwanken je nach Quelle

Als Größenordnung nennt Databricks eine Umfrage der Communications Fraud Control Association (CFCA) aus dem Jahr 2025. Demnach summieren sich die Verluste durch Telekom-Betrug auf 41,82 Milliarden US-Dollar. Dieselbe Zahl nennt übereinstimmend auch TNSI. TNSI führt für 2023 zusätzlich 38,95 Milliarden Dollar auf – knapp 3 Milliarden weniger in zwei Jahren.

Andere Anbieter kommen auf abweichende Werte. Subex spricht von rund 38 Milliarden Dollar jährlich und prognostiziert 50 Milliarden bis 2028. Boaweb AI beziffert den jährlichen Schaden auf 39,89 Milliarden Dollar. Beide geben dafür keine Quelle beziehungsweise kein Jahr an.

Möglicherweise liegt die Abweichung an unterschiedlichen Bezugsjahren, denn der Subex-Wert liegt nahe am CFCA-Wert für 2023. Das ist eine Vermutung und nicht belegt. Die CFCA-Originalstudie liegt nicht vor. Alle Zahlen stützen sich auf Sekundärquellen, die sich auf sie berufen.

Echtzeit und KI beanspruchen im Telekom-Markt bereits mehrere Anbieter

Echtzeit- und KI-gestützte Betrugserkennung ist im Telekom-Markt kein unbesetztes Feld. Subex bietet nach eigenen Angaben ein Fraud-Management-System mit KI, maschinellem Lernen und Gen-AI-gestützten Untersuchungsagenten an. Es deckt unter anderem Wangiri, IRSF, CLI-Spoofing und A2P-SMS-Bypass ab. Die Fälle kämen mit erklärbaren Handlungsempfehlungen; Menschen konzentrierten sich auf die Fälle, die ihr Urteil erfordern. Belege dafür liegen nicht vor.

Jio Platforms hat laut einer Drittseite (corporate.skoch.in) die Plattform Jio FraudX entwickelt. Sie soll über 450 Millionen Teilnehmer schützen und rund 60 Milliarden Datensätze pro Tag verarbeiten. Die Quelle nennt eine Erkennungsleistung von über 95 Prozent bei unter 3 Prozent Fehlalarmen. Eine Messgrundlage nennt sie nicht.

Boaweb AI wirbt damit, 95 Prozent der Betrugsfälle in Echtzeit zu erkennen und Fehlalarme um 82 Prozent zu senken. Herkömmliche Systeme kämen auf 60 Prozent Erkennung und 78 Prozent Fehlalarme. Auch das sind Werbezahlen ohne Methodik.

Dass der Databricks-Ansatz gegenüber diesen Angeboten neu wäre, ist nicht belegt. Wer sich im Markt durchsetzt, bleibt offen.