Eine große US-Studie aus dem Jahr 2026 zeigt, wie anfällig Menschen für KI-generierte Voice-Phishing-Angriffe sind. Forscher haben 4.100 Erwachsene und zusätzlich 12 Personen in qualitativen Interviews mit realistischen Betrugsszenarien konfrontiert. Die Ergebnisse sind alarmierend: Bei emotionalen Szenarien wie dem klassischen „Verwandter in Not“ lag die Bereitschaft, der Anweisung zu folgen, bei bis zu 36 Prozent. Über alle fünf getesteten Betrugskategorien hinweg betrug die durchschnittliche Compliance-Rate 16,5 Prozent.
Was genau wurde untersucht?
Die Studie mit dem Titel „Evaluating AI Models’ Capability to Automate Voice Phishing Attacks“ testete die Überzeugungskraft von synthetischen Stimmen. Die Audioaufnahmen und Transkripte wurden mit führenden Voice-Modellen erzeugt, darunter Llama Full Duplex, Gemini, ElevenLabs und weitere Systeme. Die Szenarien reichten von dringenden Hilferufen eines angeblichen Familienmitglieds bis zu anderen klassischen Social-Engineering-Vorwänden.
Die Teilnehmer hörten die generierten Anrufe oder lasen die entsprechenden Transkripte und gaben an, ob sie der Bitte nachkommen würden. Zusätzlich führten die Forscher qualitative Interviews, um die Beweggründe und die wahrgenommene Glaubwürdigkeit besser zu verstehen.
Die zentralen Ergebnisse
Besonders wirksam waren emotionale und persönliche Szenarien. Beim „Verwandter in Not“-Fall erklärten bis zu 36,1 Prozent der Befragten, dass sie der Aufforderung Folge leisten oder zumindest darüber nachdenken würden. Der Gesamtwert über alle Szenarien lag bei 16,5 Prozent. Angesichts der geringen Kosten und der hohen Skalierbarkeit von KI-Voice-Cloning ist dieser Anteil besorgniserregend.
Die Studie macht deutlich, dass moderne Voice-Modelle inzwischen so natürlich klingen, dass klassische Warnsignale wie unnatürliche Betonung oder roboterhafte Stimme weitgehend wegfallen. Schon wenige Sekunden realer Audioaufnahmen reichen aus, um eine überzeugende Kopie zu erzeugen.
Warum die Zahlen relevant sind
Voice-Phishing (Vishing) war schon vor dem Einsatz generativer KI ein effektives Angriffsmittel. Mit KI wird es jedoch massentauglich. Ein einzelner Angreifer kann in kurzer Zeit hunderte personalisierte Anrufe erzeugen, ohne selbst sprechen zu müssen. Die Studie liefert erstmals belastbare Bevölkerungsdaten zur Anfälligkeit gegenüber solchen automatisierten Angriffen und unterstreicht, dass emotionale Manipulation besonders gut funktioniert.
Was folgt daraus?
Technische Erkennung allein reicht nicht aus. Organisationen und Privatpersonen müssen zusätzliche Schutzmaßnahmen etablieren:
- Bei unerwarteten Anrufen mit dringenden Geldforderungen oder sensiblen Informationen immer über einen bekannten, unabhängigen Kanal zurückrufen.
- Mitarbeitende und Angehörige gezielt für KI-gestützte Voice-Cloning-Angriffe sensibilisieren.
- Phishing-resistente Authentifizierungsmethoden einsetzen, die nicht allein auf Sprache oder Telefonie angewiesen sind.
- Interne Prozesse so gestalten, dass kritische Entscheidungen nie allein aufgrund eines Anrufs getroffen werden.
Quelle
Evaluating AI Models’ Capability to Automate Voice Phishing Attacks
arXiv:2607.09970 (Juli 2026)
https://arxiv.org/html/2607.09970v1
Schreibe einen Kommentar