Cybersicherheit Betrug mit KI-Stimmen: Neue Masche kann auch kleine Firmen treffen

Chefmasche 2.0: Jetzt klingt der Chef auch wie der Chef

Der Betrug hat viele Namen: CEO-Fraud, Fake President, Chefmasche. Das Muster ist seit Jahren dasselbe. Jemand gibt sich als Führungskraft aus, verlangt eine dringende, vertrauliche Zahlung und stellt die üblichen Kontrollen als geschäftlich unmöglich dar.

Im März 2019 rief bei der britischen Tochter eines deutschen Energiekonzerns der vermeintliche Konzernchef an und verlangte eine eilige Überweisung. Der Empfänger erkannte die Stimme eindeutig und überwies 220.000 € auf ein Konto in Ungarn. Der Fall gilt als erster bekannter Einsatz einer Stimmimitations-Software bei der Chefmasche.

Seither ist der Aufwand für eine überzeugende Kopie massiv gesunken: Nach Einschätzung der Versicherungswirtschaft treffen inzwischen 80 % der Cyberangriffe kleine und mittlere Unternehmen, die mangels eigener Schutzstrukturen besonders verwundbar sind. Ihre eigene Sicherheit schätzen dieselben Betriebe häufig deutlich besser ein, als sie ist.

15 Sekunden Stimme genügen – das Material liefert das Unternehmen oft selbst

Das Werkzeug, das die Chefmasche gerade wieder erfolgreich macht, heißt Voice-Cloning. Dahinter steckt eine Software, die Aufnahmen einer echten Stimme auswertet und daraus ein Modell baut. Dieses Modell spricht anschließend beliebigen Text in genau dieser Stimme.

Wie wenig Rohmaterial dafür nötig ist, hat sich zuletzt deutlich verschoben. Aus wenigen Minuten Sprachaufnahme entsteht ein solches Modell, manche Anbieter kommen inzwischen mit fünf bis 15 Sekunden aus. Sie unterstützen über 80 Sprachen und liefern die erste Audioausgabe innerhalb von rund 90 Millisekunden.

Als Ausgangsmaterial genügen öffentlich zugängliche Aufnahmen: Interviews, Podcasts, Konferenzvideos, Beiträge in sozialen Netzwerken. Wer sein Unternehmen über Bühnen, Videos und Social Media sichtbar macht, stellt damit zugleich die Stimmproben bereit.

Die Modelle können außerdem eine vorhandene Aufnahme in Klang und Charakteristik einer anderen Person umwandeln. Für den betrieblichen Alltag heißt das: Die vertraute Stimme am Telefon ist kein Ausweis mehr, sondern nur noch ein Hinweis.

Unsere Partner-Empfehlungen

Deepfake: Wenn das ganze Meeting gefälscht ist

Doch bei der Stimme bleibt es nicht. KI-Avatare gehen noch einen Schritt weiter: Sie synchronisieren Lippenbewegungen, erzeugen Gestik und reagieren live auf Rückfragen. Der Angreifer spielt also nichts ab, er führt ein Gespräch.

Wie weit das trägt, zeigte Anfang 2024 ein Fall beim britischen Architektur- und Ingenieurbüro Arup: Ein Mitarbeiter der Hongkonger Niederlassung erhielt eine Nachricht, die angeblich vom Finanzchef der britischen Zentrale stammte und eine dringende, vertrauliche Transaktion ankündigte. Trotz anfänglicher Zweifel nahm er an einer Videokonferenz teil, in der mehrere vermeintlich bekannte Kollegen saßen – in Wirklichkeit waren alle Teilnehmer Deepfakes.

Über eine Woche hinweg überwies er in 15 Transaktionen rund 23 Millionen Euro auf Konten der Täter. Aufgeflogen ist der Betrug erst durch einen Rückruf bei der Unternehmenszentrale. Der Angriff scheiterte also nicht an einem geschulten Auge, sondern an einem Kontrollschritt außerhalb des Gesprächs.

So schützen sich Unternehmen vor der Betrugsmasche

Diese Regeln haben sich in der Praxis bewährt. Sie gehören schriftlich in den Zahlungsprozess, nicht ins Gedächtnis einzelner Mitarbeitender:

• Rückruf über eine bereits bekannte Nummer statt über die Nummer aus der Nachricht
• Bestätigung über einen zweiten, unabhängigen Kommunikationsweg
• Vier-Augen-Prinzip bei Zahlungen und bei Änderungen von Bankdaten
• Keine Aufhebung bestehender Freigabeprozesse wegen Zeitdrucks
• Vereinbarte Codewörter für besonders kritische Vorgänge
• Mehrfaktor-Authentifizierung, die nicht allein auf Stimme oder Gesicht beruht

Der gemeinsame Nenner: Jede dieser Regeln verlagert die Entscheidung aus dem Gespräch heraus, in dem der Angreifer die Kontrolle hat. Genau deshalb funktionieren sie auch dann noch, wenn Stimme und Gesicht im Call vollkommen stimmig wirken.

Längerfristig kommen kryptografische Herkunftsnachweise dazu: Digitale Signaturen im Aufnahmeprozess zeigen später, wer eine Aufnahme erstellt hat und ob sie nachträglich verändert wurde. Ein Beweis für die Wahrheit des Inhalts ist das nicht, wohl aber eine Einordnung von Herkunft und Integrität.

Wenn das Geld doch weg ist: Vertrauensschaden- statt Cyberpolice

Kein Prozess hält jeden Angriff auf. Deshalb lohnt der zweite Blick in den eigenen Vertragsbestand.

Bei Voice-Cloning-Betrug ist die Vertrauensschadenversicherung die wesentliche Deckung: Sie greift, wenn ein Mitarbeitender durch eine gefälschte Stimme, ein gefälschtes Video oder eine betrügerische E-Mail dazu gebracht wird, selbst eine Überweisung auszulösen, und ersetzt das verlorene Geld.

Die Cyberversicherung spielt dagegen nur in Ausnahmefällen eine Rolle. Verrät jemand nach einem gefälschten Anruf seine Zugangsdaten, ist das für sich genommen noch kein Cyberschaden.

Erst wenn Angreifer damit in Systeme eindringen und dort Daten sperren, stehlen, manipulieren oder verschlüsseln, zahlt sie für Datenwiederherstellung, Neuaufbau der Systeme, Forensik und eine mögliche Betriebsunterbrechung.

Daraus ergibt sich ein konkreter Prüfauftrag für die Geschäftsführung: nachsehen, ob eine Vertrauensschadendeckung überhaupt besteht. Wer nur eine Cyberpolice hält, ist gegen den überwiesenen Betrag in aller Regel nicht abgesichert.

Auch spannend:

• Jahressteuergesetz 2026: Steuerzinsen sollen steigen
• PPWR: EU-Verordnung setzt kleine Händler unter Druck
• Betrug: Mails mit Fake-Insolvenzmasse im Umlauf