Google DeepMind und GovTech: KI-Modell erkennt Betrug direkt auf Smartphones

Angesichts anhaltend hoher Schadenssummen durch digitale Täuschungsmanöver intensiviert Singapur die Gegenmaßnahmen auf Endgeräten. Google DeepMind und die Regierungsbehörde GovTech Singapore haben auf der Singapore International Cyber Week (SICW) 2026 ein datenschutzwahrendes Modell zur Betrugserkennung vorgestellt, das direkt auf Smartphones arbeitet. Die Initiative reagiert auf eine Kriminalitätsform, die inzwischen über die Hälfte aller gemeldeten Straftaten im Stadtstaat ausmacht.

Hohe Schäden durch manipulative Betrugsmaschen

Die Dringlichkeit der technischen Schutzmaßnahmen unterstreichen aktuelle Schadensbilanzen. Für das Gesamtjahr 2025 verzeichnete Singapur 37.308 Betrugsfälle mit Verlusten in Höhe von 913,1 Mio. S$, was einem Rückgang von 19 Prozent entsprach. Im ersten Halbjahr 2026 wurden 16.281 Fälle mit Verlusten von rund 410,6 Mio. S$ registriert.

Bei 81,8 Prozent dieser Vorfälle transferierten die Betroffenen das Geld eigenhändig per Selbstüberweisung. Seit 2019 summierten sich die erfassten Schäden auf über 4 Mrd. S$, wobei Methoden des Social Engineerings für bis zu 80 Prozent sämtlicher Verluste verantwortlich sind.

Wer sich gegen manipulative Betrugsversuche und digitale Kriminalität absichern möchte, findet in diesem kostenlosen Ratgeber die wichtigsten Grundlagen für ein sicheres Smartphone. 5 sofort umsetzbare Schutzmaßnahmen entdecken

Ministerin Josephine Teo stellte die Zusammenarbeit zwischen GovTech und Google DeepMind auf der Sicherheitskonferenz vor, deren Eröffnungsrede am 13. Oktober 2026 von Senior Minister und Innenminister K Shanmugam gehalten wurde. Beide Partner bauen damit auf einer National AI Partnership auf, die am 20. Mai 2026 angekündigt worden war.

Zweistufige Analyse ohne Zugriff auf Chat-Inhalte

Das technische Konzept basiert auf dem leichtgewichtigen Gemma-Modell von Google und setzt auf eine zweistufige Prüfpipeline. Zunächst siebt ein leichtgewichtiger Klassifikator eingehende Mitteilungen vor. Anschließend analysiert ein speziell feinabgestimmtes Gemma-Modell den Kontext, um Verdachtsmomente entweder zu bestätigen oder zu verwerfen. Bestätigte Warnungen werden unmittelbar und in Echtzeit auf dem Smartphone angezeigt.

Da die Verarbeitung vollständig auf dem Gerät stattfindet, entfällt ein Durchleuchten der Daten in externen Rechenzentren. Weder Google noch staatliche Stellen erhalten Zugriff auf private Konversationen. Mark Chen, Direktor für den Bereich Trust and Safety bei GovTech, betonte dazu, dass die Bekämpfung von Betrugsversuchen nicht mit der Preisgabe persönlicher Privatsphäre einhergehen dürfe.

Für das Training nutzten die Entwickler anonymisierte Datensätze aus Betrugsmeldungen, die keine personenbezogenen Informationen enthielten. Die Feinabstimmung erfolgte auf der Nachbildung typischer regionaler Betrugsszenarien, darunter Fälschungen von Behördenkontakten, Banken oder lokalen Persönlichkeiten.

Die Steuerung der Entwicklungsprozesse lag in einer eigens eingerichteten Sovereign Sandbox auf einer GovTech-verwalteten Cloud-Umgebung, wobei Testszenarien auf synthetisch erzeugten Dialogen aufsetzten. Details zur Architektur erläuterten auch JJ Geewax und Miguel de Andrés in einem Fachbeitrag.

Da Kriminelle immer häufiger auf raffinierte Ausspäh-Methoden setzen, empfiehlt sich ein proaktiver Schutz der eigenen Kommunikationsanwendungen. Dieser kostenlose Leitfaden zeigt, wie Sie WhatsApp und andere Dienste endlich sicher nutzen können. Kostenlosen Sicherheits-Ratgeber herunterladen

Offene Fragen zur Plattform-Integration

Das Modell ist nicht als eigenständige Anwendung konzipiert, sondern als technische Komponente gedacht, die von Betreibern von Messenger-Diensten sowie Herstellern von Mobilbetriebssystemen integriert werden kann. Bislang nannten die Partner weder einen Zeitplan für einen breiten Rollout noch konkrete Systemanforderungen oder unterstützte Plattformen.

Auch die Leistungsmetriken bleiben vorerst offen. GovTechs etablierte Fehlalarmquote von unter 0,1 Prozent bezieht sich ausschließlich auf das bestehende URL-System SATIS und gilt ausdrücklich nicht für das neue On-Device-Modell.

Zudem existiert bislang keine Verknüpfung mit Singapurs Schutzanwendung ScamShield. Unbeantwortet ist ferner, in welchem Umfang lokale Sprachen wie Englisch, Chinesisch, Malaiisch, Tamil oder Singlish bei der Erkennung unterstützt werden.