Apates KI-Bots sollen Telefonbetrüger hinhalten – die Wirksamkeit bleibt offen [S1][S3]

Was die Zahlen aussagen – und was nicht

t3n führt als Größenordnung weltweit rund 68 Milliarden Scam-Anrufe pro Jahr an und verweist dafür auf Truecaller. Der Bericht stellt diese Schätzung der Zahl von rund 350.000 Bots gegenüber und kommt zu dem Schluss, dass das System im Verhältnis zum behaupteten Anrufvolumen klein ist. Die 68 Milliarden sind hier eine übernommene Schätzung; t3n erläutert weder deren Erhebungsmethode noch, wie genau „Scam-Anruf“ in dieser Zahl abgegrenzt wird. [1]

Auch ein direkter Quotient aus beiden Werten wäre kein belastbares Maß für die Reichweite der Abwehr. Die Bot-Zahl beschreibt laut Bericht die Auswahl des Systems, während die 68 Milliarden eine jährliche Zahl von Anrufen darstellen. Die Quellen sagen nicht, wie viele Bots gleichzeitig aktiv sind, wie viele Kontakte sie tatsächlich bearbeiten oder ob ein Bot mehrere Betrugsversuche abfängt. Die beiden Größen messen daher nicht dasselbe. [1]

Für Unternehmen und öffentliche Stellen ergibt sich daraus eine vorsichtige Einordnung: Die Bot-Anzahl allein erlaubt keine Aussage darüber, welcher Anteil des Betrugsaufkommens beeinflusst wird. Aussagekräftiger wären beispielsweise nachvollziehbare Angaben zu abgefangenen Kontakten, vermiedenen Opfern, wiedererkannten Betrügerkonten und bestätigten Hinweisen. Solche Kennzahlen enthalten die vorliegenden Berichte nicht. Diese Einordnung ist eine Analyse der offengelegten Datenlücken, keine Behauptung über die tatsächliche Leistung des Systems. [1][3]

Der Schutzmechanismus bleibt eine plausible, aber unbewiesene Annahme

Apates Begründung setzt voraus, dass Betrüger während eines Bot-Gesprächs weniger Zeit für mögliche Opfer aufwenden. Das ist als Mechanismus nachvollziehbar: Ein längeres Gespräch bindet zumindest die Aufmerksamkeit des jeweiligen Gesprächspartners. Ob und in welchem Umfang sich diese Verzögerung auf andere Anrufe, die Zahl erreichter Menschen oder finanzielle Verluste auswirkt, lässt sich aus den veröffentlichten Angaben jedoch nicht ableiten. [1]

Die Berichte enthalten keine kontrollierte Untersuchung, keinen Vergleich mit einer unbehandelten Gruppe und keine unabhängig geprüften Erfolgsquoten. Auch fehlen Angaben zu Fehlklassifikationen: Die Quellen erläutern nicht, wie ein verdächtiger Kontakt als Betrug eingestuft wird oder wie mit Fällen umgegangen wird, in denen die Einordnung falsch sein könnte. Daraus folgt nicht, dass solche Probleme zwingend auftreten; es bedeutet lediglich, dass die verfügbaren Texte sie nicht bewerten lassen. [1][3]

Für eine B2B-Bewertung sollte deshalb zwischen drei Ebenen unterschieden werden: der angekündigten beziehungsweise beschriebenen Funktion, dem berichteten Betrieb und einem belegten Ergebnis. Die Funktion – Gespräche führen und Informationen sammeln – wird in den Artikeln beschrieben. Angaben wie die Bot-Zahl, Gesprächsdauern und Informationsmenge beruhen auf Apate. Ein nachgewiesener Rückgang von Betrugsfällen wird dagegen nicht dokumentiert. [1][3]

Mögliche Bedeutung für Banken, Telekommunikation und Sicherheitsteams

Aus Unternehmenssicht liegt der mögliche strategische Wert nicht allein in der Gesprächsverzögerung, sondern auch in den gesammelten Hinweisen. Wenn Informationen über genutzte Konten, beteiligte Personen oder wiederkehrende Betrugsmuster belastbar wären, könnten sie grundsätzlich für Sicherheitsanalysen relevant sein. Die Berichte nennen solche Informationen, weisen aber keine Kooperation mit Banken, Telekommunikationsanbietern oder Behörden und keine konkrete Weitergabe oder Nutzung der Daten nach. [1]

Die Abwehrlogik unterscheidet sich damit von einer reinen Sperrmaßnahme: Statt nur einen bekannten Kontakt zu blockieren, soll das System Angreifer in Interaktionen halten und dabei Erkenntnisse gewinnen. Als Analyse lässt sich daraus ableiten, dass die praktische Bewertung davon abhängen würde, ob Hinweise zeitnah, überprüfbar und in bestehende Prozesse integrierbar sind. Die Quellen machen keine Angaben dazu, ob Apates Daten diese Anforderungen erfüllen oder wie das Unternehmen sie verarbeitet. [1]

Für Entscheider ist deshalb eine Prüfung konkreter Leistungsnachweise sinnvoller als ein Vergleich von Bot-Zahlen allein. Relevante Fragen wären, wie das System Betrugsversuche erkennt, welche Ergebnisse unabhängig bestätigt wurden und ob die gewonnenen Hinweise zu nachweisbaren Unterbrechungen führen. Das sind Bewertungsfragen, keine bereits dokumentierten Funktionen oder Ergebnisse von Apate. [1][3]

Grenzen des Ansatzes und offene Fragen

t3n weist selbst darauf hin, dass die Bots Betrugsaktivitäten nicht vollständig unterbinden können. Das ist eine zentrale Begrenzung: Selbst wenn einzelne Angreifer länger beschäftigt werden, folgt daraus nicht, dass Anrufkampagnen insgesamt verschwinden. Der Bericht nennt weder die Zahl der gleichzeitig bearbeiteten Fälle noch die geografische Reichweite oder den Anteil der Betrugsversuche, auf den das System tatsächlich reagiert. [1]

Unklar bleibt außerdem, wie lange die Bots im Betrieb sind, wer Zugang zu ihnen hat und welche technischen oder organisatorischen Schutzmechanismen gelten. Die Quellen legen weder Preise und Verfügbarkeit noch Integrationen, Leistungskennzahlen oder Anforderungen für den Einsatz offen. Diese Informationen können deshalb nicht als gegeben vorausgesetzt werden. [1][3]

Der Ansatz ist somit als ein Baustein der Betrugsabwehr beschrieben, nicht als Ersatz für weitere Schutzmaßnahmen oder als bewiesene Gesamtlösung. Seine mögliche Wirkung hängt nach der vorliegenden Darstellung davon ab, ob Beschäftigung der Angreifer tatsächlich zu weniger Kontaktversuchen bei realen Personen führt und ob die zusätzlich gewonnenen Informationen verwertbar sind. Beide Punkte bleiben in den zugänglichen Berichten offen. [1][3]

Einordnung der Quellenlage

Die detaillierte Darstellung stammt von t3n und beruft sich für Kafaars Einschätzung auf Wired. Der Bericht von Heute erschien zuvor und erklärt ausdrücklich, dass seine Darstellung der Methode auf t3n zurückgeht. Heise veröffentlicht denselben Text ebenfalls und kennzeichnet ihn als zuerst bei t3n erschienen. Diese Berichte liefern Kontext und zeigen die Verbreitung der Meldung, sind aber keine voneinander unabhängigen Bestätigungen der Unternehmensangaben. [1][3][5]

Damit bleibt die Kernmeldung klar umrissen: Apate beschreibt ein System, das mutmaßliche Telefon- und Messenger-Betrüger mit KI-Bots beschäftigen und Informationen über Betrugsaktivitäten sammeln soll. Die berichteten Größenordnungen und Beispiele sind dem Unternehmen zugeschrieben. Eine unabhängige Prüfung der Wirksamkeit oder der Qualität der gesammelten Hinweise geht aus den vorliegenden Texten nicht hervor. [1][3]

Für die Bewertung im Unternehmenskontext ist daher Zurückhaltung angebracht. Das Modell illustriert, wie KI nicht nur zur Automatisierung von Betrugsversuchen, sondern auch zur Gegenwehr eingesetzt werden kann. Ob diese Form der aktiven Täuschung in der Praxis messbar mehr Menschen schützt, lässt sich anhand der vorliegenden Berichte noch nicht beantworten. [1][3]

Quellen

1. [1] Kampf gegen Telefon-Scam: KI-Bots ärgern Betrüger stundenlang — https://t3n.de/news/ki-bots-gegen-telefon-scam-betrueger-aergern-1767723 (abgerufen am 2026-10-17)
2. [3] Technik gegen Scam – 350.000 KI-Bots jagen jetzt Telefonbetrüger | Heute.at — https://www.heute.at/s/350000-ki-bots-jagen-jetzt-telefonbetrueger-120265299 (abgerufen am 2026-10-17)
3. [5] Im Kampf gegen KI-Scam: Wie Bots Betrügern ihre wertvolle Zeit stehlen | heise online — https://www.heise.de/news/Im-Kampf-gegen-KI-Scam-Wie-Bots-Betruegern-ihre-wertvolle-Zeit-stehlen-11484115.html (abgerufen am 2026-10-17)