Fehler gefunden?
Jetzt melden
Fiese Masche: Manche Betrüger*innen geben sich am Telefon als Familienmitglieder aus.
Kriminelle klonen Stimmen von Angehörigen, Autoritätspersonen oder Geschäftspartnern und erschleichen sich damit Vertrauen. Experten erklären, wie die Masche mit Audio-Deepfakes funktioniert, und wie man sich schützt.
Nebst Spam-Mails, gefälschten Post-Abholscheinen oder KI-Videos müssen wir uns auch noch mit einer weiteren Betrugsmasche herumschlagen: Audio-Deepfakes, also künstlich hergestellte oder veränderte Stimmen, zum Beispiel bei Telefonanrufen. Auch KI-Vishing werden solche Anrufe genannt. Der Betrug mit Audio-Deepfakes nimmt zu. Anfang des Jahres meldete die Kantonspolizei Schwyz beispielsweise einen Fall, bei dem Unbekannte bei einem CEO mehrere Millionen Franken ergaunert hatten. Mit KI-manipulierter Stimme gaben sie sich am Telefon als bekannte Geschäftspartner aus.
Bereits 2023 berichtete die News York Post von einer Mutter, die einen Anruf ihrer «Tochter» aus den Skiferien entgegennahm. Die Tochter schluchzte, sie habe Mist gebaut, und flehte um Hilfe. Dann forderte eine Männerstimme ein hohes Lösegeld. Schnell stellte sich heraus: Der Tochter geht es gut – die Stimme am anderen Ende der Leitung war ein Audio-Deepfake. Täuschend echt habe die Stimme geklungen, sagte die Mutter später.
Das Bundesamt für Cybersicherheit (BACS) erhebt Audio-Deepfake-Meldungen in der Schweiz nicht separat, schreibt es auf Anfrage von blue News. Das BACS beobachtet aber allgemein eine Zunahme bei der Verwendung von KI bei Betrugsversuchen. Auch die Tendenz für Audio-Deepfakes sei klar steigend.
Luzi Sennhauser ist Gründer und CEO der Firma Aurigin.ai. Die stellt eine Software her, um Audio-Deepfakes zu erkennen. «Es gibt bei dieser Betrugsmasche eine hohe Dunkelziffer», sagt er. «Einige merken vielleicht gar nicht, dass sie gerade Opfer eines Audio-Deepfakes wurden.»
«Egal, ob ein Mensch in der Rolle einer Privatperson unterwegs ist oder in der Firmen-Rolle – es kann alle treffen», sagt Luzi Sennhauser. Über die Stimme werde schnell Vertrauen aufgebaut. Dieses Vertrauen kann durch Audio-Deepfakes missbraucht werden.
Auch das BASC bestätigt, dass Firmen, Kirchen, Vereine, Gemeinden und Privatpersonen gleichermassen betroffen sind. «Ältere Menschen sind exponiert, weil ihnen oft das technische Verständnis fehlt, dass eine Maschine eine Stimme inklusive Atmung und Klangfarbe nachbilden kann», schreibt das BASC. «Bei jüngeren Menschen ist die Gefahr, dass es von ihnen tendenziell mehr öffentliches Audio- und Videomaterial im Internet gibt, um diese als Trainingsmaterial für Audio-Deepfakes zu verwenden.» Um eine Stimme von KI nachbilden zu lassen, reichen wenige Sekunden Audiomaterial.
Die Maschen sind unterschiedlich. Dass sich die Betrüger*innen für eine bekannte oder befreundete Person ausgeben, wie im Beispiel aus den USA, kommt zwar vor, ist aber bei Scam-Versuchen an Privatpersonen eher selten.
Viel häufiger seien Romance Scams, bei denen Betrüger*innen über mehrere Monate hinweg am Telefon eine Beziehung vorgaukeln, oder Investment Scams, bei denen die Anrufer*innen dazu bewegen wollen, Geld zu investieren, sagt Luzi Sennhauser. Durch die gefälschten Stimmen können die Scammer ihre Masche über eine längere Zeit durchziehen – es muss nicht mal immer die gleiche Person am Telefon sitzen.
Es gibt zwei Arten, wie so ein Gespräch mit einer KI-Stimme ablaufen kann: Entweder Text-to-Speech oder Speech-to-Speech. Bei Text-to-Speech liest die KI-Stimme einen geschriebene Text vor. Dieser wird während des Gesprächs entweder von einer Person oder von einer KI verfasst. Bei Speech-to-Speech spricht eine Person ins Telefon, deren Stimme direkt per KI umgewandelt wird.
Häufig sind auch Anrufe, bei denen sich die Betrüger*innen als Polizist oder Computer-Spezialisten ausgeben und ihre Opfer dazu bringen wollen, Zahlungen zu tätigen oder persönliche Informationen preiszugeben. Mit KI machen die Täter*innen ihre Stimmen vertrauenswürdiger, indem sie sie beispielsweise direkt in die Muttersprache des Opfers übersetzen.
Sogenannte Schockanrufe durch angebliche Polizist*innen oder Verwandte folgen immer einem ähnlichen Muster, sagt das BASC: Ein angeblicher Unfall, eine Verhaftung oder eine andere Notlage, gefolgt von der dringenden Bitte um Geldüberweisung. «In allen Fällen ist es eine Kombination aus Autorität oder vertrauter Stimme, Zeitdruck und Bitte um Geheimhaltung», so das Bundesamt.
Personalisierte Fälle, bei denen die Stimmen von den Opfern bekannten Personen verwendet werden, sehe man bisher aber praktisch nur bei lohnenden Zielen wie reichen Einzelpersonen oder Firmen, sagt auch das BASC. Dann geben sich die Betrüger*innen als Vorgesetzte oder – wie im Fall in Schwyz – Geschäftspartner aus und fordern Geldüberweisungen, Zugriff auf Computer oder Passwörter.
Das ist schwierig. «Bei klassischen Scam-Anrufen helfen klassische Vorsichtsmassnahmen – wenn der Polizist der Stadtpolizei Zürich zum Beispiel nur Englisch spricht, sollten die Alarmglocken läuten», sagt Luzi Sennhauser. Auch Callcenter-Hintergrundgeräusche können ein Warnzeichen sein.
«Bei KI-generierten Stimmen kann man aber kaum einen Unterschied zu echten Stimmen erkennen – dann spricht der Polizist plötzlich Züridütsch.» Oft kenne der «Polizist» auch den Namen der Familie oder die Adresse – Informationen, die sich Betrüger*innen mit der Hilfe von KI einfach aus dem Internet beschaffen können.
Reines Stimmklonen sei heute sehr überzeugend, sagt auch das BASC. Ungewöhnlich steife Antworten, ausbleibende Reaktion auf spontane Zwischenfragen oder ein Wechsel zu Hochdeutsch könnten aktuell teilweise einen Scammer entlarven. Doch die Technologie verbessert sich schnell.
Nicht einmal eine bekannte Nummer ist ein sicheres Anzeichen, dass es sich beim Anruf nicht um einen Scam handelt. «Telefon-Spoofing bedeutet, dass in nicht regulierten Telefonnetzen ein Teilnehmer mit entsprechender Software eine beliebige Absendernummer übermitteln kann, die auf dem Display angezeigt wird», erklärt das BASC.
Sowohl das BASC als auch der Experte für Audio-Deepfakes raten: Skeptisch bleiben.
«Verifizieren Sie über einen zweiten, Ihnen bereits bekannten Kanal, statt der eingehenden Nummer zu vertrauen», rät das BASC. «Rufen Sie bei einer verdächtigen, dringenden oder ‹geheimen› Zahlungsaufforderung die Person über eine Ihnen bereits bekannte Nummer zurück.»
Eine Möglichkeit sei auch, mit der Familie ein Codewort zu vereinbaren, das im Verdachtsfall abgefragt werden kann. Ein weiterer Ratschlag: «Nie unter Zeitdruck oder Geheimhaltungsdruck handeln, sondern bewusst eine zweite Person hinzuziehen, bevor Geld fliesst. Keine Codes oder Passwörter am Telefon weitergeben.» Ausserdem rät das BASC, das eigene öffentlich zugängliches Stimm- und Videomaterial, zum Beispiel Clips auf Social Media, einzuschränken.
Auch Angehörige sollen für die Gefahr von Vishing und die Vorsichtsmassnahmen sensibilisiert werden.
Nein, findet Luzi Sennhauser. «Man sollte Audio-Deepfakes nicht verharmlosen, aber es ist auch nicht angebracht, in Panik zu verfallen.» Bei neuen Entwicklungen würden die Menschen meist schnell den Teufel an die Wand malen. «Doch heute hat beispielsweise niemand mehr schlaflose Nächte, weil es Scam-Mails gibt. Jede und jeder hat schon mal eins gesehen, und fast alle wissen, dass man nicht auf den Link klicken soll.»
Mit der Technologie für Audio-Deepfakes entwickle sich auch die Technologie, diese zu erkennen. Sennhauser kann sich vorstellen, dass diese Technologien in Zukunft als Standard bei der Telekommunikation zum Zug kommen und verdächtige Anrufe von allein herausfiltern werden.
22.06.2026, 22:14
06.07.2026, 11:22
