Hauptthemen des Beitrags:

  • Im ersten Halbjahr 2026 halfen die KI-gestützten Risikosysteme von Binance dabei, mehr als 8 Millionen Nutzer zu schützen und etwa 4,6 Milliarden US-Dollar an möglichen Verlusten zu vermeiden.

  • Derzeit basiert die KI zu 80% bis 90% auf Echtzeit-Risikoentscheidungen bei der Identitätsprüfung, der Kontosicherheit, bei Zahlungen und der Transaktionsvorauswahl; menschliche Prüfer übernehmen Fälle im Extrembereich, die ein verfeinertes Urteilsvermögen erfordern.

  • Mehr als 100 KI-Modelle treiben Betrugspräventionsmaßnahmen an, um Betrugsversuche, gefälschte Dokumente und Social-Engineering-Versuche im großen Maßstab zu erkennen.

Eine gefälschte Zahlungsbestätigung oder ein manipuliertes Ausweisdokument kann jetzt innerhalb von Sekunden erzeugt werden, und ein Betrugsskript lässt sich für ein einzelnes Ziel zu nahezu Nullkosten anpassen. Da die Täuschung immer günstiger in der Herstellung wird, ist die einzige realistische Möglichkeit, Schritt zu halten, das Risiko kontinuierlich, in großem Umfang und in Echtzeit zu bewerten.

Hier wurde KI zum zentralen Bestandteil der Art und Weise, wie Binance seine Nutzer schützt. Im ersten Halbjahr 2026 haben die KI-gestützten Risikosysteme von Binance dazu beigetragen, mehr als 8 Millionen Nutzer zu schützen und etwa 4,6 Milliarden USD an möglichen Verlusten zu vermeiden – bei Aktivitäten mit ungewöhnlichem Trading, Einbruchsversuchen in Konten, Betrugsmaschen und Betrug bei Transaktionen.

Dieser Blog liefert die Details: wo KI entlang der User-Journey wirkt, wie interne und externe Modelle gemeinsam arbeiten, warum menschliche Prüfer weiterhin im Kreislauf zentral sind und wie der Ansatz über die reine Vermeidung von Verlusten hinausgeht, um Compliance und interne Abläufe zu erreichen.

Binance macht aus mehr als 100 KI-Modellen einen Echtzeit-Schutz für Nutzer

Im ersten Halbjahr 2026 hat Binance Millionen von Betrugs- und Phishing-Versuchen abgefangen, mehr als 42.000 bösartige Adressen auf die Sperrliste gesetzt und täglich über 14.000 Echtzeit-Alarmmeldungen ausgegeben.

Diese Ergebnisse stammen aus einer KI-Infrastruktur, die Binance intern entwickelt, trainiert und überwacht. Aktuell betreiben wir über 100 KI-Modelle in unseren Anti-Betrugs- und Anti-Scam-Kontrollen. Menschliche Risikoanalysten setzen die Grenzen, prüfen Extremfälle und trainieren Modelle neu, sobald neue Betrugsmuster auftauchen.

Im KYC (Identitätsprüfung) liefern unsere KI-gestützten Review-Pipelines je nach spezifischem Workflow eine Effizienzsteigerung von bis zu 100-fach gegenüber manuellen Prozessen, während Spezialisten im Prozess für Fälle mit höherem Risiko beibehalten werden.

Binance integriert KI-Risikoprotektion entlang der User-Journey

KI ist in die gesamte User-Journey eingebettet, immer dann, wenn in Echtzeit eine Risikentscheidung getroffen werden muss. Dazu gehören Identitätsprüfung, Kontosicherheit (z. B. das Erkennen von Anzeichen für einen Kontoeinbruch), Zahlungen sowie umfassendere Transaktionsschutz- und -vorsortierungsmaßnahmen.

Jede Maßnahme wird genau dann bewertet, wenn sie eintritt, und die große Mehrheit wird automatisch gelöst. Genau das ermöglicht es, dass der Schutz im Plattformmaßstab funktioniert, ohne legitime Nutzer auszubremsen, denn die meisten Menschen sehen nie, wie die Prüfungen im Hintergrund während ihrer Aktivität ausgeführt werden.

Ein hybrider Modellstack – entwickelt intern und darüber hinaus

Binance kombiniert proprietäre und externe Technologien. Interne Modelle werden passgenau für die spezifischen Risiken entwickelt, die auf der Plattform beobachtet werden, während führende externe KI und Basismodelle breitere Denkaufgaben übernehmen.

Dieser hybride Ansatz hält die Erkennung an der Grenze der KI-Leistungsfähigkeit, bewahrt aber zugleich einen auf Nutzer, Produkte und den Maßstab von Binance zugeschnittenen Vorteil. Das bedeutet auch, dass neue Fähigkeiten schnell übernommen werden können, sobald sich das größere KI-Feld weiterentwickelt.

Neben Erkennungsmodellen unterhält Binance auch ein internes Red Team, das die Verteidigung testet – so, wie es ein realer Gegner tun würde, einschließlich der Abfrage, wie aufkommende Technologien gegen die Plattform eingesetzt werden könnten.

Jimmy Su, Chief Security Officer von Binance, erklärt: „Diese Übungen helfen uns, Schwachstellen zu identifizieren, bevor Angreifer es tun, zu validieren, dass unsere Kontrollen unter realistischen Bedingungen funktionieren, und die Menschen, Prozesse und Technologien, die unsere Nutzer schützen, kontinuierlich zu stärken. In der Sicherheit kann man nicht einfach davon ausgehen, dass die eigenen Verteidigungen funktionieren – man muss sie herausfordern.“

Beispiel: Mehrschichtige Abwehr gegen Social Engineering

Einige Angriffe sind so konzipiert, dass sie die Technologie vollständig umgehen und stattdessen auf Vertrauen abzielen. P2P-Trading ist ein Bereich, in dem Versuche mit Social Engineering besonders häufig sind.

Bei Binance erkennen interne Modelle der Computer Vision gefälschte Bilder von Zahlungsbelegen, indem sie Transaktionsdetails und subtile Bildmanipulationen analysieren. Modelle zur Verarbeitung natürlicher Sprache identifizieren Betrugsnachrichten im Chat. Herkömmliche Machine-Learning-Modelle bewerten außerdem das Risikoniveau für jede einzelne Order. Zusätzlich helfen große Sprachmodelle dabei, die beabsichtigte Aussage der Nachricht zu interpretieren und eingebetteten Betrugstext innerhalb von Bildern zu erfassen.

Maschinen machen die Vorsortierung, Menschen entscheiden, Modelle lernen

Obwohl KI besonders stark darin ist, Betrug zu entdecken und die erste Vorsortierung zu übernehmen, bleiben Menschen für die detaillierte Validierung und die Beurteilung im Kontext unverzichtbar. Die Erkennung von Liveness und die Fälschungserkennung von Ausweisdokumenten sind hierfür ein gutes Beispiel. KI kann eine schnelle Vorvorsortierung großer Datenmengen durchführen und Verdächtige hervorheben, doch viele Extremfälle erfordern weiterhin menschliche Prüfer, um genauer zu labeln und zu urteilen.

Sobald neue Angriffsmuster auftauchen, hilft KI, sie zu entdecken und zu identifizieren, und diese Erkenntnisse werden anschließend genutzt, um die Modelle anzupassen. Das Ergebnis ist ein fortlaufender Kreislauf: KI liefert Skalierung und Menschen liefern Genauigkeit. In allen Anti-Betrugs-Kontrollen treffen KI-Modelle 80% bis 90% der Echtzeit-Risikentscheidungen und unterstützen etwa zu 45% der Workflows menschlicher Reviews.

Um KI in diesem Maßstab verantwortlich zu halten, führt Binance über den gesamten Lebenszyklus des Modells hinweg eine strukturierte Modell-Governance durch – von Entwicklung und Validierung über das Deployment bis hin zur kontinuierlichen Überwachung. Die Modelle werden auf Verzerrungen und Genauigkeit getestet, bevor sie in den Betrieb gehen, und ihre Leistung wird kontinuierlich anhand realer Ergebnisse nachverfolgt.

Wenn sich die Genauigkeit eines Modells verschiebt oder die Raten für falsch-positive Ergebnisse die akzeptablen Grenzen überschreiten – wie im zuvor genannten menschlichen Review-Prozess identifiziert – wird es automatisch für ein Re-Training markiert. So wird sichergestellt, dass automatisierte Entscheidungen fair, nachvollziehbar und auditierbar bleiben – nicht nur schnell.

Über die Verlustvermeidung hinaus: Compliance und interne Effizienz

Neben dem Schutz unserer Nutzer skalieren und standardisieren unsere Compliance-Teams mithilfe von KI-gestützten Automatisierungstools Prozesse, z. B. Betrugserkennung in KYC und das Durchführen von Transaktionsmonitoring.

Mehr als 24 KI-Initiativen wurden im User-Onboarding, bei Eskalationen in der Vorsortierung und in der Due Diligence für Partner umgesetzt. Diese Modelle ordnen Fälle nach Priorität, erkennen Muster in komplexen Datensätzen – einschließlich On-Chain-Aktivität und Gerätesignaturen – und leiten die richtigen Themen an menschliche Prüfer weiter, wodurch falsche Alarme minimiert werden.

Intern ist der Effekt ähnlich: Analysten nutzen KI, um schneller in Analyse, Monitoring und Modell-Deployment voranzukommen, während Operations-Teams KI einsetzen, um Untersuchungen und Fall-Details zu unterstützen. In beiden Fällen ist das Ziel dasselbe: wiederkehrende Arbeit an die Maschine zu delegieren, damit sich Menschen auf höherwertige Urteilsentscheidungen konzentrieren können. Das spiegelt sich in der Einführung wider – das interne Agentic-Tool von Binance erfasst mittlerweile etwa 72% Akzeptanz unter den Teams, unterstützt durch firmenweite Trainings, Prompt-Engineering-Programme und strukturierte Aufsicht.

Das Ganze stützt sich auf das Bekenntnis zum Datenschutz von Anfang an (privacy by design). Die KI-Systeme von Binance arbeiten innerhalb eines Rahmens, der Datenschutz priorisiert: Datensparsamkeit, Zweckbindung und Schutzmaßnahmen für die Rechte der Nutzer sind in der Art und Weise verankert, wie KI-Modelle gebaut und bereitgestellt werden. Das Ziel ist klar: Nutzer vor finanziellem Missbrauch und Schäden zu schützen, ohne ihr Recht auf Datenschutz bei Daten zu beeinträchtigen – und das auf transparente Weise, damit Nutzer verstehen, dass die Schutzmaßnahmen im Hintergrund wirken, ohne dass ihre Daten über das hinaus verwendet werden, was die Aufgabe erfordert.

Abschließende Überlegungen

Bei Binance ist der Schutz der Nutzer eine Priorität, in die wir weiter investieren. KI bietet Skalierung; Menschen liefern das Urteilsvermögen. Da sich die Werkzeuge, um Täuschung zu erzeugen, immer günstiger machen, muss diese Kombination weiterentwickelt werden – das bedeutet, Modelle neu zu trainieren, Grenzen zu verfeinern und erfahrene Analysten dort zu behalten, wo sie gebraucht werden.

Zusätzliche Lektüre

Rechtlicher Hinweis: Dieser Inhalt wird Ihnen „so wie er ist“ zur Verfügung gestellt, nur zu allgemeinen Informations- und Bildungszwecken, ohne jegliche Zusicherung oder Garantie irgendeiner Art. Er ist nicht als Finanzberatung zu verstehen und beabsichtigt nicht, den Kauf eines bestimmten Produkts oder einer bestimmten Dienstleistung zu empfehlen. Die Preise digitaler Vermögenswerte können volatil sein. Der Wert Ihrer Anlage kann fallen oder steigen, und Sie erhalten den investierten Betrag möglicherweise nicht zurück. Sie sind allein für Ihre Anlageentscheidungen verantwortlich, und Binance haftet nicht für Verluste, die Ihnen möglicherweise entstehen. Keine Finanzberatung. Weitere Informationen finden Sie in unseren Nutzungsbedingungen und Risikohinweisen.

Achtung: Bitte beachten Sie, dass es Diskrepanzen zwischen diesem originalen englischen Inhalt und etwaigen übersetzten Versionen geben kann (diese Versionen können von KI erstellt werden). Bitte konsultieren Sie die originale englische Version, um die genauesten Informationen zu erhalten, falls solche Diskrepanzen auftreten.