PXL Vision PXL Deepfake Detector
API-Zugang Demo anfordern
KI-generierte fiktive Person: ein Mann in dunklem T-Shirt, der ruhig in die Kamera blickt

PXL Deepfake Detector

Diese Person möchte ein Konto eröffnen.

Er ist nicht echt. Er ist ein Deepfake. Der PXL Deepfake Detector erkennt ihn im Onboarding.

Demo anfragen

Diese Person existiert nicht.

Synthetisches Gesicht98,7 % KonfidenzErkannt vom PXL Deepfake Detector

Scrollen startet den Detector

Deepfakes kann heute jeder erstellen. Und das in großem Stil.

Noch vor Kurzem waren dafür ein versierter Spezialist und ein leistungsstarker Rechner nötig. Heute genügen ein Smartphone und ein Abonnement.

+704 %Face-Swap-Angriffe bei der Fernidentifizierung, vom 1. zum 2. Halbjahr 2023iProov 2024 Threat Intelligence Report
+58 %Deepfake-Selfies im Jahr 2025Entrust 2026 Identity Fraud Report
5 Min.zwischen zwei erkannten Deepfake-Versuchen im Jahr 2024Entrust 2025 Identity Fraud Report
2-4xWachstum der Deepfake-Versuche gegenüber dem Vorjahr in den eigenen Onboarding-Transaktionen von PXL VisionPXL Vision, 2026

PXL Deepfake Detector

Sie sehen es nicht.
Wir schon.

Geschultes Prüfpersonal entdeckt manchmal einfache Deepfakes. Unser Deepfake Detector sieht weit mehr als ein Mensch und erkennt auch Angriffe, die keinerlei sichtbare Spuren hinterlassen.

Demo anfragen API-Zugang anfragen

Kunden, die PXL Vision vertrauen

The record

Was wir zeigen können.

99,5 %+der echten Selfies werden durchgelassen
99 %+Erkennungsrate in unserem Benchmark
60+KI-Generierungstools abgedeckt
1,8 Mio.+Angriffsbeispiele im Benchmark getestet

  • Erkennt, was er noch nie gesehen hat

    Darauf ausgelegt, auch Generatoren zu erkennen, auf die er nie trainiert wurde. Das ist wichtig, wenn jeden Monat ein neues Tool erscheint.

  • Schnelles Nachtrainieren

    Neue Generatoren werden laufend ergänzt. Erkennung ist ein Wettrüsten, und das Tempo ist die Waffe.

  • Entwickelt mit Idiap

    Gemeinsam mit dem Idiap Research Institute entwickelt, auf Basis wissenschaftlich begutachteter biometrischer Forschung statt eines aus dem Netz zusammengetragenen Medienkorpus.

  • Ausgerichtet auf eIDAS 2.0

    ETSI TS 119 461 und CEN/TS 18099, die Standards, nach denen Ihre Auditoren fragen werden.

  • Fest in die PXL-Plattform integriert

    Für Bestandskunden genügt ein Schalter. Für alle anderen: REST-API oder SDK. Auffällige Fälle lassen sich an die manuelle Prüfung weiterleiten.

  • Gehostet in der Schweiz und der EU

    Verarbeitung und Speicherung erfolgen in Rechenzentren in der Schweiz und der EU, nach Schweizer Datenschutzrecht und DSGVO bzw. DSG. Was gespeichert wird und wie lange, ist in Ihrem Auftragsverarbeitungsvertrag festgelegt.

Vier Arten, wie ein Gesicht lügen kann.

Vier fiktive Personen, vier echte Manipulationen. An einem Nachmittag erstellt, mit Tools, die jeder erwerben kann.

KI-generierte fiktive Person: ein junger Mann mit lockigem Haar, das Original-Selfie vor dem Face Swap KI-generierte fiktive Person: Face Swap, derselbe Kopf und dasselbe Haar mit dem eingesetzten Gesicht eines älteren Mannes
UnverändertFace Swap

Fall 01 · Face Swap

Das Gesicht einer Person auf dem Kopf einer anderen.

Was bei einer manuellen Prüfung auffallen könnte: Eine Naht am Haaransatz und am Kiefer, dazu ein Gesicht, das dreißig Jahre älter wirkt als das Haar.

Zum Vergleichen den Regler bewegen

KI-generierte fiktive Person: Gesichtssynthese, ein Mann mit perfekt symmetrischem Gesicht und makelloser Haut, aus dem Nichts erzeugt
Zum Vergrößern über das Gesicht fahren

Fall 02 · FACE SYNTHESIS

Ein synthetisch erzeugtes Gesicht, das es nie gab.

Was bei einer manuellen Prüfung auffallen könnte: Spiegelsymmetrie, Haut ohne eine einzige Pore, ein Lächeln, zu gleichmäßig, um echt zu sein.

Zum Vergrößern über das Gesicht fahren

KI-generierte fiktive Person: eine junge Frau mit dunklem Haar, das Original-Selfie vor der Alterung KI-generierte fiktive Person: Gesichtsbearbeitung, dieselbe Frau um dreißig Jahre gealtert
28 JahreScrollen58 Jahre

Fall 03 · FACE EDITING

Dieselbe Person, dreißig Jahre später. Ein echtes Gesicht, künstlich gealtert.

Was bei einer manuellen Prüfung auffallen könnte: Eine Hauttextur, die sich rund um Augen und Mund verändert, aber nirgendwo sonst.

Scrollen, um das Gesicht altern zu lassen

Fall 04 · Face Reenactment

Aus einem echten Gesichtsbild wird eine fremdgesteuerte Figur mit einer Mimik, die das Original nie gezeigt hat.

Was bei einer manuellen Prüfung auffallen könnte: Mund und Augen, die sich nicht synchron zum Kopf bewegen.

KI-generierte fiktive Person: eine Frau im Kamerarahmen eines Onboarding-Prozesses, Face-Swap-Manipulation, der Scan läuft über ihr Gesicht, bevor das Ergebnis Synthetisch erscheint Identität verifizieren

PXL Deepfake Detector at work

Jedes Selfie, direkt in Ihrem Prozess geprüft.

Das Selfie wird wie gewohnt aufgenommen. Das Ergebnis samt Konfidenz und vermuteter Art der Manipulation liegt vor, bevor ein Schaden entsteht.

Ergebnis
Synthetisch
Konfidenz
98,7 %
Manipulation
Face Swap
Vermuteter Generator beta
Diffusion-Face-Swap-Familie

Der PXL Deepfake Detector, entwickelt für Selfies im Onboarding und bei der Verifizierung.

Ein Onboarding-Selfie ist eine kontrollierte Szene: Das Gesicht ist frontal zur Kamera gerichtet, von vorne beleuchtet und live aufgenommen. Universelle Mediendetektoren sind auf alles ausgelegt und verlieren deshalb bei dieser Aufgabe an Treffsicherheit. Der PXL Deepfake Detector hingegen ist genau auf diese Szene abgestimmt.

Er wertet das aufgenommene Bild selbst aus. Es spielt daher keine Rolle, ob das Gesicht von der Handykamera, einer virtuellen Kamera oder aus einem eingeschleusten Videostream stammt. Die Erkennung von Injection-Angriffen läuft als eigene Ebene in PXL Ident. Zudem wird das Selfie geprüft, nicht das auf dem Dokument aufgedruckte Porträt. Morphing-Angriffe auf Dokumentfotos werden durch eine separate Prüfung abgedeckt.

where it fits

  1. ProblemEine synthetische Identität erscheint mit einem plausiblen Dokument und einem passenden Gesicht, per Face Reenactment animiert oder generiert. Vor der Kamera sitzt eine echte Person, also besteht sie die Liveness-Prüfung.

    SchadenEin Konto, das keinem echten Kunden gehört. Es wird zu einem Money-Mule-Konto, nimmt Kredite auf, die nie zurückgezahlt werden, und hinterlässt eine KYC-Akte, die die Aufsichtsbehörde zerpflücken kann.

    LösungDer PXL Deepfake Detector prüft das Selfie-Bild im Onboarding-Prozess zusammen mit der Liveness-Prüfung und der Dokumentenprüfung. Wird das Ergebnis „Synthetisch“ angezeigt, wird der Vorgang blockiert oder weitergeleitet, bevor das Konto erstellt wird. Für Anbieter in der EU ist dies der Schritt, den die Fernidentifizierung nach eIDAS 2.0 und ETSI TS 119 461 absichern soll.

  2. ProblemEin gestohlenes oder gekauftes Dokument und ein per Face Swap ausgetauschtes Gesicht genügen, um eine SIM zu aktivieren, zu ersetzen oder zu portieren.

    SchadenDie SIM-Karte ist der Zugang zu Einmalcodes für das Online-Banking und die E-Mail-Nutzung. Aus einer betrügerischen Aktivierung können Kontoübernahmen an anderer Stelle resultieren. Der Mobilfunkanbieter trägt die Streitfälle und das finanzierte Gerät, das nie abbezahlt wird.

    LösungDer PXL Deepfake Detector prüft das Selfie bei Aktivierung, Ersatz und Portierung. Mobilfunknbieter, die PXL Ident nutzen, schalten ihn ohne Integrationsaufwand ein.

  3. ProblemKontoübernahmen beginnen immer häufiger mit einem Face Reenactment, das auf Basis eines Profilfotos oder eines aus dem Internet kopierten Videos erstellt wird. Es wird bei einer zusätzlichen Sicherheitsprüfung eingesetzt, beispielsweise beim Zurücksetzen des Passworts, bei der Verwendung eines neuen Geräts oder bei einer großen Überweisung.

    SchadenEin Konto, das beim Onboarding jede Prüfung bestanden hat, wird im Namen des echten Kunden leergeräumt, und der Streitfall landet auf Ihrem Tisch.

    LösungDer PXL Deepfake Detector fragt lediglich, ob das Gesicht vor der Kamera manipuliert wurde. Der Gesichtsabgleich hingegen fragt nur, ob es sich um dieselbe Person handelt. Zusammen schließen sie die Lücke, die jeder für sich offenlässt.

  4. ProblemMarktplätze, Auftragsplattformen und Dating-Apps begegnen synthetischen Gesichtern in grosser Zahl: Profile, hinter denen eine Person steht, die es nie gegeben hat.

    SchadenEchte Nutzer:innen werden von Konten betrogen, die bei Ihnen als verifiziert gekennzeichnet sind. Ein Betrugsring kann Hunderte solcher Konten betreiben, bevor es jemand bemerkt.

    LösungDer PXL Deepfake Detector läuft bei der Profilverifizierung und danach regelmässig erneut. Ein Gesicht, das später einem Betrugsring zugeordnet wird, lässt sich zu jedem Konto zurückverfolgen, für das es verwendet wurde.

  5. ProblemFalsche Mitarbeitende bestehen die Fernidentifizierung mit einem Bewerber-Selfie, das per Face Swap an eine gekaufte Identität angepasst wurde.

    SchadenJemand, den Sie nie überprüft haben, hat ab dem ersten Tag einen Firmenlaptop und Zugriff auf Lohn- und Kundendaten.

    LösungWenn der PXL Deepfake Detector bereits bei der Identitätsprüfung vor der Einstellung zum Einsatz kommt, bevor Hintergrundüberprüfungen beauftragt werden, gelangt das manipulierte Gesicht gar nicht erst in die Personalakte.

  6. ProblemVersicherer sehen künstlich gealterte oder bearbeitete Gesichter, die über mehrere Policen hinweg wiederverwendet werden. Zudem gibt es synthetische Versicherungsnehmer, die nur als Dokument und Gesicht existieren.

    SchadenAusgezahlte Leistungen an Menschen, die es nicht gibt, und Policen auf erfundene Leben, in einem Versicherungsbestand, dem Sie bei der nächsten Revision nicht trauen können.

    LösungWo ein Schadenfall oder eine Vertragsänderung einen Selfie-Schritt enthält, markiert der PXL Deepfake Detector die manipulierten Fälle und leitet sie in die manuelle Prüfung statt in die Dunkelverarbeitung.

  7. ProblemBetrugsringe verwenden dasselbe synthetische Gesicht unter neuen Namen wieder. Jedes Konto hat das Onboarding für sich bestanden.

    SchadenEin Betrugsring operiert über Dutzende Konten hinweg, die jeweils für sich legitim sind, bis die Verluste zusammengerechnet werden.

    LösungWenn der PXL Deepfake Detector die gespeicherten Selfies von Hochrisikokonten überprüft, treten die Wiederholungen zutage. Über das PXL Fraud Protection Network kann das Muster anbieterübergreifend geteilt werden, bevor der nächste Onboarding-Prozess zum Ziel wird.

Konto eröffnen
KI-generierte fiktive Person: eine ältere Frau mit Brille bei der Kontoeröffnung, ihr Gesicht wie eine Marionette zu einer Mimik gesteuert, die sie nie gezeigt hat Synthetisch, Face Reenactment
Dokument · bestandenLiveness · bestandenDeepfake · erkannt
SIM aktivieren
KI-generierte fiktive Person: eine blonde Frau bei der SIM-Aktivierung, in ihr Selfie ist das Gesicht einer anderen Frau eingesetzt Synthetisch, Face Swap
Dokument · bestandenLiveness · bestandenDeepfake · erkannt
Identität bestätigen
KI-generierte fiktive Person: eine dunkelhaarige Frau beim Zurücksetzen des Passworts, ihr Selfie so bearbeitet, dass sie fünfundzwanzig Jahre älter wirkt Synthetisch, Gesichtsbearbeitung
Dokument · bestandenLiveness · bestandenDeepfake · erkannt
Profil verifizieren
KI-generierte fiktive Person: eine junge Frau bei einer Profilprüfung auf einer Plattform, ein aus dem Nichts erzeugtes Gesicht Synthetisch, Gesichtssynthese
Dokument · bestandenLiveness · bestandenDeepfake · erkannt
Bewerber Identitätsprüfung
KI-generierte fiktive Person: ein bärtiger Mann mit Brille bei der Identitätsprüfung im Bewerbungsprozess, in seinem Selfie steckt das Gesicht eines anderen Mannes Synthetisch, Face Swap
Dokument · bestandenLiveness · bestandenDeepfake · erkannt
Schaden melden
KI-generierte fiktive Person: eine Frau mit Zöpfen bei einer Schadenmeldung, ihr Selfie so bearbeitet, dass sie dreißig Jahre älter wirkt Synthetisch, Gesichtsbearbeitung
Dokument · bestandenLiveness · bestandenDeepfake · erkannt
Periodische Prüfung
KI-generierte fiktive Person: eine Frau in blauer Bluse bei einer periodischen Prüfung, in ihrem Selfie steckt das Gesicht einer älteren Frau Synthetisch, Face Swap
Dokument · bestandenLiveness · bestandenDeepfake · erkannt

Fragen zum PXL Deepfake Detector.

Ein Gesichtsbild oder Selfie aus einem Onboarding- oder Überwachungsschritt. Das Tool liefert ein Ergebnis in Form eines Konfidenzwertes und erkennt die Art der Manipulation (Face Swap, Gesichtssynthese, Gesichtsbearbeitung oder Face Reenactment). In der Beta-Version wird zusätzlich die wahrscheinlichste Generator-Familie angezeigt. Geprüft wird das Selfie, nicht das auf dem Dokument aufgedruckte Porträt.

Nein, der PXL Deepfake Detector ist eine Komponente des Verifizierungsprozesses und arbeitet zusammen mit der Liveness-Prüfung, der Erkennung von Präsentations- und Injection-Angriffen, der Dokumentenprüfung sowie dem Auslesen des NFC-Chips. Er ist fest in PXL Ident integriert.

Jedes Ergebnis enthält einen Konfidenzwert und der Betriebspunkt ist Teil der jeweiligen Modellversion. Sie müssen also keinen Schwellenwert selbst einstellen. Ein Ergebnis, bei dem sich der Detektor nicht sicher ist, muss die Transaktion nicht beenden. Anstelle einer harten Ablehnung kann der Fall an die manuelle Prüfung weitergeleitet werden, beispielsweise an PXL Check.

Unser Deepfake Detector ist auf die Bandbreite der Bedingungen in echten Onboarding-Prozessen abgestimmt. Eine schlechte Aufnahme senkt die Konfidenz, anstatt ein Ergebnis zu erzwingen. In den meisten Fällen wird die Person dann um eine neue Aufnahme gebeten.

In der Schweiz und in der EU, nach Schweizer Datenschutzrecht und DSGVO. Was gespeichert wird, wie lange und ob es zur Verbesserung des Detectors verwendet werden darf, legt Ihr Auftragsverarbeitungsvertrag fest. Wie PXL Vision allgemein mit personenbezogenen Daten umgeht, beschreibt unsere Datenschutzerklärung.

Ja. Es gibt eine REST-API für jede Systemumgebung und ein SDK. Vorteil für Kunden von PXL Ident: sie können den Detector ohne jeglichen Integrationsaufwand einschalten.

Unser Modell wird laufend nachtrainiert und in regelmässigen Abständen veröffentlicht. Es ist darauf ausgelegt, auch auf Generierungsmethoden zu generalisieren, die es noch nicht kennt. Aktuell sind mehr als 60 Generierungstools abgedeckt.

Noch nicht. Für die Erkennung von Präsentationsangriffen gibt es mit ISO/IEC 30107-3 bereits einen Zertifizierungsstandard. Für die Erkennung von Injection-Angriffen existiert mit CEN/TS 18099 ein weiterer Standard und ISO/IEC 25456 liegt als Entwurf vor. Wie der Marktbericht 2026 von Biometric Update und Goode Intelligence festhält, gibt es für die Deepfake-Erkennung selbst weder einen Standard noch ein Zertifizierungsschema. Deshalb veröffentlichen wir, wie wir messen.

Nein. Jedes Gesicht auf dieser Website zeigt eine KI-generierte fiktive Person. Es ist keine reale Person abgebildet.

PXL Deepfake Detector, Integration and access

Ein Aufruf. Ein Ergebnis.

Senden Sie uns das Selfie und Sie erhalten das Ergebnis, die Konfidenz und die Art der Manipulation. Es ist kein Training erforderlich und Sie müssen keinen Schwellenwert einstellen.

REST-API für jede Systemumgebung
SDK oder PXL Cloud
Für Kunden von PXL Ident: Aktivierung ohne Integration

Drei Arten der Einbindung

Im selben Schritt wie Liveness-Prüfung und Dokumentenprüfung mit einer Entscheidung am Ende
Als Vorfilter vor kostspieligeren Prüfungen und vor der manuellen Prüfung
Rückwirkend für Konten, die vor der Aktivierung des Detectors eröffnet wurden
Beispielhafte Anfrage und Antwort
POST /v1/deepfake/analyze
image: selfie.jpg

{ "verdict": "synthetic", "confidence": 0.987,
  "manipulation": "face_swap",
  "generator_family": "diffusion_face_swap" }   // beta

Demo oder API-Zugang anfragen