Ein dreisekündiger Audioausschnitt. Mehr braucht es nicht, um die Stimme einer Person so präzise zu klonen, dass man eine Bank, ein Familienmitglied oder einen Kollegen täuschen kann. Die Berichterstattung zu diesem Thema beschränkt sich meist auf einzelne, erschreckende Anekdoten – etwa den Betrug an einem Großelternteil oder die Verleitung eines Finanzchefs zu einer Geldüberweisung –, ohne das tatsächliche Ausmaß des Problems aufzuzeigen. Dieser Artikel lässt die Anekdoten beiseite und beleuchtet das Wachstum, das Ausmaß und die finanziellen Daten hinter dem Betrug mit KI-gestützter Stimmklonierung.
Wie die Technologie so einfach wurde
Capability | Abbildung |
Audio wird benötigt, um eine Stimme zu klonen | ~3 Sekunden |
Genauigkeit eines Klons, der aus einer so kurzen Probe hergestellt wurde | ~ 85% |
Deepfake-Dateien im Umlauf, 2023 | ~ 500,000 |
Deepfake-Dateien im Umlauf, 2025 | ~ 8 Millionen |
Der Anstieg von 500,000 auf 8 Millionen Deepfake-Dateien innerhalb von zwei Jahren entspricht einer 16-fachen Steigerung. Was früher umfangreiche Audioaufnahmen, technisches Know-how und teure Software erforderte, ist heute in Sekundenschnelle erledigt und mit handelsüblichen Tools möglich. Diese gesunkene Einstiegshürde ist der Hauptgrund für das rasante Wachstum des Betrugsvolumens.
Die Wachstumszahlen: Wie schnell skaliert das tatsächlich?
Metrisch | Wachstumszahl |
Deepfake-Betrug als Anteil aller Betrugsversuche, 2022 | ~ 0.1% |
Deepfake-Betrug als Anteil aller Betrugsversuche, 2026 | ~ 6.5% |
Gesamtanstieg in diesem Zeitraum | ~ 2,137% |
Zunahme von Voice-Phishing-Angriffen (Vishing), Prognose bis 2025 | 442 % (auf KI-Techniken zurückzuführen) |
Anstieg von Vishing-Angriffen mithilfe von Deepfakes, 1. Quartal 2025 im Vergleich zum 4. Quartal 2024 (USA) | Über 1,600% |
Deepfake-Betrugsversuche, jährliches Wachstum (breiteres Messinstrument) | Über 1,300% |
Alle Wachstumsindikatoren in diesem Bereich, unabhängig davon, welche Organisation sie erfasst oder welchen spezifischen Betrugstyp sie untersucht hat, weisen in dieselbe Richtung: rasantes, exponentielles Wachstum, kein Stillstand. Eine Kategorie, die 2022 etwa einen von 1,000 Betrugsversuchen ausmachte, betrifft heute etwa einen von 15.
Wie viele Menschen wurden tatsächlich ins Visier genommen?
Metrisch | Abbildung |
Erwachsene, die Opfer eines Betrugsversuchs mit einer KI-Stimme geworden sind | ~ 25% |
Erwachsene weltweit, die Opfer eines KI-Sprachbetrugs geworden sind | ~1 von 10 |
Amerikaner, die laut einer Umfrage vom März 2026 einen Anruf mit Deepfake-Stimme erhalten haben | ~1 von 4 |
Zielgruppe waren Personen, die einen tatsächlichen finanziellen Verlust gemeldet hatten. | 77% |
Diese letzte Zahl ist besonders besorgniserregend. Es handelt sich hier nicht um eine Betrugsart, bei der die meisten Versuche harmlos verlaufen – mehr als drei Viertel derjenigen, die angaben, Opfer eines KI-Sprachbetrugs geworden zu sein, gaben an, tatsächlich Geld verloren zu haben. Das ist eine ungewöhnlich hohe Erfolgsquote für eine Betrugsart und verdeutlicht, wie überzeugend die Technologie mittlerweile geworden ist.
Wer leidet am meisten: Der Altersunterschied
Gruppe an | Verwundbarkeit |
Erwachsene ab 60 Jahren | 40 % höheres Risiko, Opfer von Stimmklonbetrug zu werden |
Gemeldete Gesamtverluste durch Betrug an älteren Menschen, 2024 | ~ 4.9 Milliarden US-Dollar |
Hochrisiko-Untergruppe älterer Menschen | Personen mit Zugriff auf sensible Daten wie Anmeldeinformationen oder Finanzkontoinformationen |
Ältere Erwachsene sind einem deutlich höheren Risiko ausgesetzt, was mit allgemeineren Betrugsmustern übereinstimmt, die bereits vor der Einführung von KI bestanden. Der sogenannte „Großelternbetrug“, bei dem eine geklonte Stimme vorgibt, ein Familienmitglied in einem Notfall zu sein, das dringend Geld benötigt, hat sich jedoch zu einer der häufigsten Anwendungen dieser Technologie entwickelt. Die für 2024 prognostizierten fast 5 Milliarden US-Dollar an Betrugsfällen gegen ältere Menschen umfassen neben KI-gestütztem Stimmenklonen auch andere Betrugsmaschen. Stimmenklonen wird von Betrugsermittlern jedoch häufig als einer der am schnellsten wachsenden Faktoren für diesen Gesamtschaden genannt.
Der Finanzsektor: Direkte institutionelle Verluste
Metrisch | Abbildung |
Banken, die durch Deepfake-Stimmenbetrug jeweils über 1 Million Dollar verloren haben. | Mehr als 10% |
Durchschnittlicher Verlust pro Deepfake-Betrugsfall | Mehr als $ 500,000 |
Durchschnittlicher Verlust pro Vorfall, insbesondere bei großen Unternehmen | $680,000 |
Durchschnittlicher Verlust pro betroffenem Unternehmen, Finanzsektor insgesamt | $603,000 |
Insbesondere bei Fintech-Unternehmen: durchschnittlicher Verlust pro Vorfall | $637,000 |
Traditionelle Bankinstitute, durchschnittlicher Verlust pro Vorfall | $570,000 |
Weltweite Verluste durch Finanzbetrug (alle Arten), 2025, laut INTERPOL | 442 Milliarden Dollar |
Weltweite Verluste durch KI-bezogene Betrugsmaschen, prognostiziert bis 2027 | 40 Milliarden Dollar |
Die Diskrepanz zwischen den Verlusten von Fintech-Unternehmen (durchschnittlich 637,000 US-Dollar) und den Verlusten traditioneller Banken (durchschnittlich 570,000 US-Dollar) ist bemerkenswert – neuere, digital ausgerichtete Finanzinstitute scheinen im Durchschnitt etwas höhere Verluste pro Vorfall zu verzeichnen als etablierte Banken, was möglicherweise Unterschiede im Reifegrad der Verifizierungsinfrastruktur oder in der Art der von ihnen abgewickelten Transaktionen mit hohem Wert widerspiegelt.
Warum die Erkennung so schwierig ist: Der menschliche Faktor
Diese Statistik sollte Sicherheitsteams mehr beunruhigen als jede Dollarzahl.
Erkennungsmetrik | Abbildung |
Rate, mit der Menschen eine KI-generierte Stimme korrekt erkennen | ~ 60% |
Rate, mit der Menschen Deepfakes erkennen, ohne explizit dazu aufgefordert zu werden, danach zu suchen. | ~ 0.1% |
Unternehmen ohne etabliertes Protokoll für den Umgang mit Deepfake-basierten Angriffen | ~ 80% |
Die 60 % geben an, dass Personen unter Testbedingungen aktiv versuchen, eine gefälschte Stimme zu erkennen – im Grunde ein Münzwurf mit etwas besseren Chancen. Die 0.1 %, die die unaufgeforderte Erkennung im realen Leben misst, zeigen, dass in der Praxis fast niemand während einer Live-Interaktion etwas bemerkt, es sei denn, er vermutet bereits etwas Verdächtiges. Zusammen mit der Erkenntnis, dass 80 % der Unternehmen über keinerlei Protokolle für den Umgang mit solchen Angriffen verfügen, ergibt sich das Bild einer Bedrohung, die sich weitaus schneller ausgebreitet hat, als die institutionellen Abwehrmaßnahmen mithalten konnten.
Warum dies mit der größeren KI-Geschichte zusammenhängt
Nichts davon existiert losgelöst vom umfassenderen Aufbau der KI-Branche, der an anderer Stelle beschrieben wird. Die gleichen Sprachgenerierungs- und Audio-KI-Funktionen, die als legitime Features vermarktet werden – Sprachassistenten, KI-Synchronisation, synthetische Kundendienststimmen, die Art von multimodaler Fähigkeit, die jedes große Labor mit Hochdruck in seine Modelle integriert –, sind genau die zugrundeliegende Technologie, die Betrügerbanden missbrauchen. Die Drei-Sekunden-Grenze für das Klonen ist kein betrugsspezifisches Werkzeug; sie ist ein Nebenprodukt davon, dass Sprach-KI gut, schnell und günstig genug für legitime kommerzielle Produkte geworden ist, wobei dieselbe Fähigkeit jedem zur Verfügung steht, der sie missbrauchen will.
Fazit
Betrug durch KI-gestütztes Stimmenklonen ist kein Nischenproblem, das nur auf Einzelfällen beruht. Die Daten zeigen, dass diese Betrugsart innerhalb von vier Jahren von etwa 0.1 % auf 6.5 % aller Betrugsversuche angewachsen ist und mittlerweile über drei Viertel der Betroffenen erfolgreich Geld entwendet. Die Verluste einzelner Banken übersteigen regelmäßig eine halbe Million Dollar pro Vorfall. Die Technologie, die dies ermöglicht – ein dreisekündiger Audioclip und für Verbraucher leicht zugängliche Klon-Tools – hat sich deutlich schneller verbreitet als die menschliche Erkennungsfähigkeit (die nahezu zufällig ist) oder die institutionelle Vorbereitung (80 % der Unternehmen haben überhaupt kein Reaktionsprotokoll). In diesem Fall bestätigen die zugrundeliegenden Zahlen die alarmierenden Schlagzeilen, anstatt sie zu entkräften. Die eigentliche Botschaft ist nicht übertrieben, sondern eine Bedrohung, die sich ähnlich schnell ausbreitet, wie die Berichterstattung vermuten lässt, und die unverhältnismäßig stark diejenigen trifft, die am wenigsten darauf vorbereitet sind, sie zu erkennen.
Häufig gestellte Fragen
Schon drei Sekunden Audiomaterial genügen, um mit aktueller KI-Technologie eine Stimme mit etwa 85 % Genauigkeit zu klonen. Das ist ein enormer Fortschritt im Vergleich zu vor wenigen Jahren, als überzeugende Stimmklonierung deutlich längere Aufnahmen und umfangreiches technisches Fachwissen erforderte.
Nicht zuverlässig – selbst wenn Menschen aktiv versuchen, eine gefälschte Stimme zu erkennen, gelingt ihnen das nur in etwa 60 % der Fälle, was kaum besser ist als reiner Zufall. In realen Situationen, in denen niemand bereits Verdacht schöpft, sinkt die Erkennungsrate auf lediglich 0.1 %.
Erwachsene ab 60 Jahren sind mit etwa 40 % höherer Wahrscheinlichkeit Opfer von Betrugsmaschen mit KI-Stimmenklonen, insbesondere diejenigen mit Zugriff auf Finanzkonten oder sensible Daten. Ungefähr jeder vierte Amerikaner aller Altersgruppen gibt an, bereits einen Anruf mit einer Deepfake-Stimme erhalten zu haben.
Einzelne Vorfälle verursachen im Durchschnitt Verluste von über 500,000 US-Dollar, wobei große Unternehmen durchschnittlich 680,000 US-Dollar pro Vorfall melden. Mehr als jede zehnte Bank hat allein durch Deepfake-Stimmenbetrug über eine Million US-Dollar verloren.
Nein – rund 80 % der Unternehmen verfügen über kein etabliertes Protokoll für die Reaktion auf Deepfake-Angriffe und sind dadurch hochgradig angreifbar. Diese mangelnde Vorbereitung ist besonders besorgniserregend, da Deepfake-Betrug seit 2022 um mehr als das 20-Fache aller Betrugsversuche zugenommen hat.
