Jedes fünfte Amazon-Listing weist starke Hinweise auf KI-generierte Texte auf; im Preissegment zwischen zwanzig und fünfzig Dollar, wo der Wettbewerb am härtesten ist, liegt dieser Anteil bei achtundzwanzig Prozent. Diese Zahlen stammen aus einer selbst veröffentlichten Analyse der smartminded GmbH, die über einen Pressedienst verbreitet wurde. Die Autoren bezeichnen die Werte als „Wahrscheinlichkeitsindikatoren, keine endgültigen Urheberschaftsklassifikationen” – ein Vorbehalt, den es zu beachten gilt, auch wenn die Tendenz mit anderen Belegen übereinstimmt. Dieselbe Studie untersuchte mehr als fünfhundert Produkte in zehn Kategorien und stellte fest, dass Amazons Ranking-Algorithmus gegenüber diesem Unterschied völlig gleichgültig ist. Produkte auf den ersten zehn Positionen schnitten nicht anders ab als jene auf den Plätzen einundvierzig bis fünfzig – der Algorithmus belohnt also den Anschein von Qualität, nicht Qualität selbst. Das Vertrauen in Marktplätze ist keine belagerte Festung. Es ist Lagerware – und sie verdirbt.

Rund dreißig Prozent aller Online-Bewertungen sind gefälscht. Bei Amazon-Bestsellern in den Kategorien Kleidung, Schuhe und Schmuck bezifferte eine Fakespot-Analyse den Anteil unzuverlässiger Bewertungen auf achtundachtzig Prozent. Ein einziger betrügerisch ergatterter Stern mehr steigert die Nachfrage um achtunddreißig Prozent. Capital One Shopping Research gibt auf Basis von FTC-Daten an, dass der Return on Investment für gekaufte Bewertungen bei neunzehnhundert Prozent liegt. Diese Zahlen beschreiben einen Markt, dessen Ökonomie Betrug begünstigt. Wenn Betrug diesen Multiplikator abwirft, hat Strafverfolgung keine rechnerische Antwort.

Synthetische Produktfotos verschärfen dasselbe Problem. Bellingcat dokumentierte gefälschte Listings auf Amazon, Etsy, eBay und Walmart: Produkte, die nicht existieren, eingestellt von Konten, die über Nacht aufgetaucht waren. Kristallbecher wurden unter KI-generierten Bildern verkauft, die poliert genug aussahen, um eine oberflächliche Prüfung zu bestehen; als die Waren ankamen, trugen sie kaum Ähnlichkeit mit dem Beworbenen. Käufer, die eine dekorative Katzenlampe bestellten, erhielten billigen Kunststoff. Was Bellingcat aufdeckte, war keine seltene Betrugsform, sondern ein reproduzierbares Vorgehen: überzeugende Bilder generieren, ein Listing anlegen, Zahlung kassieren, bevor das Produkt das Versprechen einholen muss. Die visuellen Merkmale – unterbrochene oder inkonsistente Linien, Unschärfe und Kanten, die sich auflösen statt zu schärfen – erfordern einen geschulten Blick, den die meisten Käufer nicht haben.

Amazon blockierte 2024 mehr als neunundneunzig Prozent der mutmaßlich rechtsverletzenden Listings und beschlagnahmte dennoch mehr als fünfzehn Millionen gefälschte Waren.

Der Aufwand hinter dieser Zahl ist beträchtlich. Amazon investierte mehr als eine Milliarde Dollar in den Markenschutz, und seine Counterfeit Crimes Unit hat seit 2020 mehr als vierundzwanzigtausend Akteure strafrechtlich verfolgt. Beide Zahlen sind Ausdruck der Dimension: Ein Marktplatz dieser Größe, bei dem eine Blockierquote von neunundneunzig Prozent noch fünfzehn Millionen Fälschungen hinterlässt, die es zu identifizieren, zu beschlagnahmen und zu vernichten gilt. Die Gegenmaßnahmen skalieren mit Mitarbeiterzahl und technischem Aufwand; der Betrug skaliert mit den Kosten eines Textmodells und eines Bildgenerators – und beide werden jedes Quartal günstiger. Die Verteidigung wächst linear; der Angriff wächst exponentiell.

Fakespot, das von Millionen Käufern genutzte Tool zur Bewertung von Rezensionen, stellte im Juli 2025 den Betrieb ein und beseitigte damit die unabhängige Instanz hinter Zahlen wie den achtundachtzig Prozent. Die Plattformen werden ihre Filter verbessern. Das tun sie immer. Die Frage ist, ob die Verbesserung schneller zunehmen kann, als die Kosten für das Umgehen dieser Filter sinken. Die bisherigen Belege sprechen dagegen.