Navy Federal: KI-Bots gegen Betrüger, 125 Millionen Dollar gerettet

Im Januar 2026 hat die Navy Federal Credit Union eine neue Verteidigung gegen Betrugsmaschen zum Nachteil ihrer Mitglieder eingeführt: eine Plattform mit Bots, die anstelle der Opfer mit den Betrügern sprechen. Die Entscheidung bricht mit dem üblichen Playbook aus Überweisungsfiltern und allgemein gehaltenen Warnhinweisen. Das Ergebnis, das Banking Dive am 11. September 2026^[1] berichtete, sind rund 125 Millionen Dollar, die in den letzten 19 Monaten vor Überweisungsbetrug bewahrt wurden [1].

Die Zahl will mit Bedacht gelesen werden: Sie deckt einen längeren Zeitraum ab als die Zusammenarbeit mit Cube AI, und sie stammt von der Credit Union selbst. Dennoch bleibt es ein Vorher-Nachher-Vergleich mit klarem Nenner, und genau das macht sie zu einem Datum, das es zu untersuchen lohnt.

Die ursprüngliche Idee: Fraud ist ein gelöstes Problem, Scam nicht

Carrie Foran Sepulveda ist Vice President of Fraud and Physical Security bei Navy Federal, der grössten Credit Union der Vereinigten Staaten mit Sitz in Vienna, Virginia, und 204 Milliarden Dollar an Vermögenswerten [1]. Ihre These ist eindeutig: Gegen Fraud, also Betrug durch Fremde, hat die Branche solide Abwehrmechanismen aufgebaut. Die Betrugsversuche gegen Mitglieder sind von 2024 auf 2025 um rund 25% gesunken, wie die Credit Union gegenüber Banking Dive erklärte [1].

Die Kriminalität ist woandershin gewandert. Foran Sepulveda spricht vom «crime balloon»: Drückt man auf der einen Seite, bläht sich das Volumen auf der anderen auf, hin zu den Scams, den Betrugsmaschen, die schwerer zu erkennen sind [1].

Diese Unterscheidung ist der Kern des Falls. Beim Fraud bewegt ein Fremder das Geld des Kunden, und die Signale sind bekannt: neues Gerät, ungewöhnliche Uhrzeit, Verhalten ausserhalb des Musters. Beim Scam bewegt der Kunde selbst das Geld, überzeugt von einem Hochstapler, der sich als Bank oder als Polizei ausgibt [1].

«Zum grössten Teil ist es ein völlig anderes Set von Signalen, Daten und Werkzeugen», sagte die Managerin [1]. Für den Verbraucher ähneln sich die beiden Erfahrungen; für diejenigen, die sie bekämpfen, sind es zwei verschiedene Handwerke.

Der Mechanismus: ein Bot, der vorgibt, auf die Masche hereinzufallen

Hier kommt Cube AI ins Spiel. Die Plattform setzt Konversations-Bots ein, die den Betrügern wie ein leichtgläubiges Opfer antworten und den Dialog bis zum entscheidenden Moment weiterführen: dem Moment, in dem der Betrüger das Konto nennt, auf das das Geld überwiesen werden soll [1].

Dieses Konto ist das Datum, auf das es ankommt. Sobald es vorliegt, wird es den beteiligten Finanzinstituten gemeldet, die eingehende Zahlungen blockieren oder überwachen können. Navy Federal kann so ein Mitglied warnen, das im Begriff ist, eine Überweisung auf ein bereits als Betrugsziel identifiziertes Konto zu tätigen, mit einem konkreten Beweis statt mit einem vagen Verdacht [1].

Der operative Unterschied ist gross. Eine Warnung auf Basis eines gesicherten Datums bringt das Mitglied dazu, innezuhalten, während eine vage Warnung von jemandem, der bereits unter Druck steht, ignoriert wird.

Die Credit Union arbeitet zudem mit der Global Anti-Scam Alliance, mit anderen Finanzinstituten, mit den sozialen Plattformen und mit den Strafverfolgungsbehörden zusammen [1]. Der Bot erzeugt die Information, das Netzwerk macht sie nutzbar.

Die unabhängige Messung: Was die Forschung sagt

Der Mechanismus des Scambaiting mit Sprachmodellen wurde auch ausserhalb des kommerziellen Kontexts bewertet. Siadati, Jafarian und Jafarikhah veröffentlichten am 10. September 2025 auf arXiv die Studie «Send to which account? Evaluation of an LLM-based Scambaiting System»^[2] [3].

Die Zahlen dieses Tests, über fünf Monate Betrieb [3]:

• über 2.600 Gespräche mit echten Betrügern;
• mehr als 18.700 ausgetauschte Nachrichten;
• eine Offenlegungsrate sensibler Informationen von rund 32%;
• eine Human Acceptance Rate von rund 70%.

Die 32% messen den Anteil der Gespräche, in denen der Betrüger ein verwertbares Datum preisgab, etwa ein Konto oder einen Zahlungskanal. Die 70% zeigen, wie oft die menschlichen Prüfer die vom Modell generierten Antworten vor dem Versand freigaben. Zusammen sagen sie, dass die Methode im grossen Massstab funktioniert und dass der Mensch in der Schleife bleibt [3].

Das muss klar gesagt werden: Die Studie bewertet ein akademisches System, und ihre Zahlen beschreiben dieses System. Die Lehre für den Fall Navy Federal ist, dass diese Klasse von Werkzeugen der Prüfung standhält, und das unterscheidet die Geschichte von einer blossen Anbieter-Ankündigung.

Der Reibungspunkt: Weniger als die Hälfte antwortet

Jede verifizierte Geschichte enthält eine Korrektur oder eine Grenze, und hier liegt die Grenze im ersten Zug. In der Studie antworteten 48,7% der Betrüger auf die erste Nachricht des Bots [3]. Mehr als jeder Zweite ignorierte den Köder.

Diese Zahl relativiert das Bild vom unfehlbaren Bot. Die Ausbeute hängt vom Volumen ab: Es braucht viele begonnene Gespräche, um eine nützliche Anzahl gemeldeter Konten zu erhalten. Deshalb ist die Grösse von Navy Federal, mit Millionen von Mitgliedern und einem Netzwerk von Partnern, Teil des Designs und des Vorteils.

Es gibt auch eine zeitliche Reibung. Die Zusammenarbeit mit Cube AI begann im Januar 2026, während die Zahl von 125 Millionen 19 Monate abdeckt [1]. Wer liest, muss die beiden Zeithorizonte auseinanderhalten: Der erste ist eine junge Investition, der zweite das Ergebnis eines umfassenderen Programms.

Wie das Institut mit seinen Mitgliedern spricht

Technologie allein lässt die Schwachstelle ungeschützt: die Person am Telefon. Navy Federal hat eine eigene Seite veröffentlicht, «How to Spot and Avoid AI Scams»^[3], die den Mitgliedern die mit KI konstruierten Betrugsmaschen erklärt, von geklonten Stimmen bis zu Nachrichten, die ein Familienmitglied oder die Credit Union selbst imitieren [2].

Der Ton ist direkt. Die Seite beschreibt die Warnsignale, etwa Dringlichkeit, die Bitte um Vertraulichkeit und ungewöhnliche Zahlungskanäle, und nennt die nötigen Schritte: auflegen, eine offizielle Nummer zurückrufen, bei der echten Person nachfragen [2].

Es ist die Hälfte des Systems, die oft übersehen wird. Der Bot fängt das Konto des Betrügers ab, das informierte Mitglied erkennt die geklonte Stimme, bevor es den Betrag eintippt. Die beiden Verteidigungslinien addieren sich.

Was man aus diesem Fall mitnehmen sollte

Für einen Gründer oder einen KMU-CEO liegt die Lehre in der Methode: Bevor man ein Werkzeug kauft, sollte man sich fragen, welches Verbrechen man wirklich bekämpft. Navy Federal hat Fraud und Scam getrennt und für beide unterschiedliche Signale gewählt [1].

Für einen CTO oder Head of Product ist das replizierbare Muster die Rollenumkehr: KI einsetzen, um ein gesichertes Datum zu erzeugen, das Zielkonto, statt eines probabilistischen Risikoscores. Das gesicherte Datum aktiviert das Partnernetzwerk, der Score bleibt im Unternehmen eingeschlossen.

Für einen Verwaltungsrat hat sich die Messlatte verschoben. Eine genossenschaftliche Einrichtung ohne Gewinnabsicht meldet 125 Millionen, die in 19 Monaten geschützt wurden [1], und eine unabhängige Studie bestätigt, dass der Mechanismus trägt [3]. Der Benchmark für alle, die Retail-Zahlungen abwickeln, hat sich verändert.

Für einen Manager ist die zentrale Erkenntnis einfach: Die menschliche Prüfschleife, mit der in der Studie gemessenen Akzeptanzrate von 70% [3], ist das, was die Automatisierung tragfähig macht.

Die offene Frage

Der Fall hinterlässt jeder Organisation, die mit Geld oder persönlichen Daten zu tun hat, eine Frage. Welche Ihrer Verteidigungslinien schützt den Kunden vor dem Fremden, und welche schützt ihn, wenn er selbst überzeugt worden ist?

Navy Federal hat geantwortet, indem sie einen Bot gebaut hat, der den Betrügern zuhört. Ihre Antwort darf anders ausfallen, solange sie von derselben Unterscheidung ausgeht.