Wenige Sekunden Sprachaufnahme. Ein einziges Foto. Mehr braucht es heute nicht mehr, um eine Stimme oder ein Gesicht täuschend echt zu klonen.
Mai 2024: Der CEO der Werbeholding WPP, Mark Read, wird zum Ziel eines KI-generierten Stimmklons seiner eigenen Person – Betrüger versuchen, mit seiner geklonten Stimme und einem gefälschten Video-Call Kollegen zu täuschen.
Januar 2024: Beim britischen Design- und Ingenieurkonzern Arup führt ein hochmoderner Video-Vishing-Angriff dazu, dass ein Mitarbeiter in einer gefälschten Videokonferenz mit vermeintlichen Führungskräften angewiesen wird, Gelder zu überweisen.
Juni 2026: Beim IT-Dienstleister MSG kommt es nach einem Vishing-Angriff zu einem Datenleck von 26 Millionen Datensätzen.
Drei völlig unterschiedliche Unternehmen, drei völlig unterschiedliche Branchen – ein gemeinsamer Nenner: Deepfake-Technologie, eingesetzt als Werkzeug für Social Engineering. Vishing ist damit längst kein simpler Telefonanruf mehr, sondern im Zeitalter generativer KI eine der wirkungsvollsten Angriffsflächen überhaupt – und die Zahlen bestätigen, wie schnell sich das entwickelt.
Diese Zahlen werfen zwei zentrale Fragen auf, denen wir in diesem Artikel praktisch und technisch nachgehen: Wie niedrig ist die Einstiegshürde für Angreifer wirklich – und wie funktionieren Deepfakes unter der Haube? Um das zu beantworten, haben wir keine Statistik zitiert, sondern selbst einen Deepfake erstellt.
Was sind Deepfakes eigentlich?
Der Begriff setzt sich aus Deep Learning und Fake zusammen. Gemeint ist damit generiertes Video-, Bild- oder Audiomaterial, das menschliche Gesichter oder Stimmen mithilfe von KI so manipuliert, dass eine Person durch eine andere ersetzt oder täuschend echt simuliert wird – optisch wie akustisch kaum vom Original zu unterscheiden.
Die Technologie selbst ist neutral. Erst die Anwendung entscheidet, ob daraus Nutzen oder Schaden entsteht:
Dieselbe Technologie, die einer Person ihre eigene Stimme zurückgibt, kann in den falschen Händen genutzt werden, um sich als jemand anderes auszugeben. Der Unterschied liegt nicht im Werkzeug, sondern in der Absicht dahinter.
Bild, Audio oder Video – was für ein Deepfake soll es sein?
Bevor ein Deepfake entsteht, steht eine simple Entscheidung: Welches Medium soll manipuliert werden? Die drei gängigen Kategorien unterscheiden sich stark im Aufwand und im benötigten Ausgangsmaterial.
Selbst gemacht: Wie leicht ist ein Deepfake wirklich?
Um die Einstiegshürde ehrlich zu bewerten, haben wir keinen Bericht zitiert, sondern selbst Hand angelegt. Ziel: ein kurzes Video, in dem der britische Schauspieler Tom Holland – bekannt für seine Hauptrolle als Spider-Man – etwas sagt, das er nie gesagt hat. Verwendet wurde dafür die Plattform ElevenLabs.
Das generierte Skript für den Demo-Clip war bewusst so formuliert, dass die Fälschung sich am Ende selbst enttarnt:
Der gesamte Prozess – von der Sprachaufnahme bis zum fertigen, sprechenden Video – ließ sich mit frei zugänglichen Werkzeugen und ohne technisches Spezialwissen umsetzen. Genau das ist die eigentliche Erkenntnis: Die Hürde liegt heute nicht mehr in der Technik, sondern höchstens noch im Preis.
Wie ein klassischer Deepfake technisch entsteht
Unter der Haube der einfachen Nutzeroberfläche steckt ein mehrstufiger Prozess aus Computer Vision und neuronalen Netzen. Am Beispiel des klassischen Face-Swapping lässt sich das in vier Schritte zerlegen.
Wofür Angreifer Deepfakes heute tatsächlich einsetzen
Die technischen Möglichkeiten übersetzen sich direkt in konkrete Angriffsszenarien – vom Umgehen biometrischer Sicherheitssysteme bis zur gezielten Rufschädigung.
| Bereich | Angriffsziel | Beschreibung |
|---|---|---|
| Authentifizierung | Überwindung biometrischer Systeme | Da gefälschte Stimmen und Gesichter mittlerweile teilweise live erzeugt werden können, hebeln Deepfakes digitale Sicherheitskontrollen wie die telefonische Stimmerkennung mühelos aus – dem System fehlt aus der Ferne schlicht der Blick hinter die Kulissen. |
| Gezielter Betrug | Mit täuschend echten Stimmen und Bildern tricksen Betrüger Opfer gezielt aus, indem sie etwa am Telefon den eigenen Chef perfekt imitieren und so blinden Gehorsam bei teuren Überweisungen erzwingen. | |
| Öffentlicher Diskurs | Desinformation | Gefälschte Videos von Politikern oder Prominenten können im Netz blitzschnell gefühlte Wahrheiten schaffen und so ganze Gesellschaften gezielt täuschen und manipulieren. |
| Reputation | Verleumdung | Weil Deepfakes jedem Menschen beliebige Skandale oder Aussagen andichten können, reicht ein einziges gefälschtes Video aus, um den Ruf eines Opfers dauerhaft zu ruinieren. |
Wie erkennt man Deepfakes – worauf wirklich zu achten ist
Aufklärung ist die zentrale Gegenmaßnahme: Wer weiß, wie ein solcher Angriff technisch funktioniert, kann Bild-, Video- und Audiomaterial deutlich differenzierter auf seine Echtheit hin einschätzen. Auch heute noch hinterlassen die meisten Deepfakes typische, wiederkehrende Artefakte.
Kein einzelnes Merkmal beweist für sich allein eine Fälschung. Erst die Kombination mehrerer kleiner Unstimmigkeiten – visuell wie akustisch – ergibt ein verlässliches Bild. Bei sicherheitskritischen Entscheidungen sollte technisches Material daher nie die einzige Verifikationsgrundlage sein.
Fazit: Die Hürde ist gefallen – die Wachsamkeit muss steigen
Unser eigener Test zeigt es deutlich: Ein überzeugender Deepfake ist heute keine Frage aufwendiger Spezialsoftware mehr, sondern eine Frage weniger Sekunden Ausgangsmaterial und eines frei zugänglichen Tools. Was früher Hollywood-Studios vorbehalten war, liegt heute im Bereich weniger Klicks – und genau das macht Vishing und andere Deepfake-gestützte Angriffe so gefährlich erfolgreich.
Technisches Verständnis bleibt der beste Schutz: Wer weiß, wie Encoder, Decoder und Lip-Sync-Modelle zusammenspielen, erkennt auch die Grenzen der Technologie – die feinen Artefakte, an denen sich Fälschungen nach wie vor verraten.
Weiterführend zu diesem Thema:
- Deepfake-Vishing – wie Vishing im digitalen Kanal konkret abläuft
- Pretexting – wie Legenden bei physischen Angriffen aufgebaut werden
- MGM-Hack – was Vishing im großen Stil anrichten kann
Würde euer Team einen Deepfake-Anruf erkennen?
Wir testen mit realistischen Vishing- und Deepfake-Szenarien, ob eure Mitarbeiter und Prozesse im Ernstfall standhalten – und zeigen euch im Bericht genau, wo die Lücke liegt.
Erstgespräch anfragen →