Der Chef, der nie anrief

Vishing: Betrug in Echtzeit

Vishing — aus „Voice" und „Phishing" — ist Betrug über Sprache: Telefonanruf, Sprachnachricht, Videocall. Das Ziel ist dasselbe wie beim klassischen Phishing (Zugangsdaten, Geld, vertrauliche Informationen), doch der Kanal wirkt anders. Eine gefälschte E-Mail wirkt beim ruhigen Lesen oft etwas seltsam. Ein Anruf dagegen passiert in Echtzeit: Man muss reagieren, während die andere Seite spricht — kein Zurücklehnen, kein zweites Lesen, kein Abgleich mit dem gesunden Menschenverstand. Genau darauf setzen die Täter. ()

Der Sprachkanal ist für Angreifer auch deshalb attraktiv, weil er die E-Mail-Sicherheitsfilter schlicht umgeht: kein Link, kein Anhang, keine verdächtige Absenderadresse — nichts, was ein automatisches System erkennen könnte.

Die Chef-Masche — jetzt mit
echtem Gesicht & echter Stimme

Die „Chef-Masche" (CEO-Fraud) kennen Sie bereits: Sie war der Einstiegsfall in Lektion 1.1.2 — die angeblich vom Chef angeordnete, eilige und streng vertrauliche Überweisung. Neu ist nicht die Masche, sondern ihre Überzeugungskraft. Früher kam ein Anruf von unbekannter Nummer, die Stimme klang merkwürdig, der Akzent passte nicht. Heute erzeugt KI aus wenigen Sekunden frei verfügbarem Tonmaterial — Keynotes, Podcasts, LinkedIn-Videos — eine täuschend echte Stimme, und im Videocall sieht der Chef aus wie der Chef und sitzt im vertrauten Büro. Die Technik ist längst kein Expertenwerkzeug mehr (mehr dazu im Vertiefungsteil).

Auge und Ohr sind kein Beweis mehr

Einen guten Deepfake technisch von einem echten Videocall zu unterscheiden, gelingt im Alltag meist nicht — bekannte Gesichter und vertraute Stimmen sind kein Echtheitsbeweis mehr. Das ist das eigentlich Neue an dieser Bedrohung.

Verräterisch bleibt darum nicht die Technik, sondern die Dramaturgie — und die ist dieselbe wie bei jedem Social-Engineering-Angriff aus Lektion 1.1.2: Dringlichkeit, verlangte Geheimhaltung und Autoritätsdruck, fast immer bei einer außergewöhnlichen, eiligen Zahlung. Kein legitimer Vorgesetzter besteht bei einer regulären Zahlung auf Geheimhaltung, und kein seriöser Prozess kennt bei einer Transaktion dieser Größe nur einen einzigen Ansprechpartner ohne jede Kontrolle.

Drei Maßnahmen,
die tatsächlich helfen

Technische Deepfake-Erkennung ist für den Alltag noch nicht zuverlässig genug. Was hilft, sind einfache organisatorische Prozesse — der erste ist Ihnen vertraut, zwei kommen speziell für den Zahlungskontext hinzu:

  • Rückruf über eine bekannte Nummer â€” der „zweite Kanal" aus Lektion 1.1.2, hier besonders wichtig: über eine Nummer aus dem Firmenverzeichnis oder dem eigenen Telefonbuch zurückrufen, nie über die Nummer aus dem eingehenden Anruf. Nummern lassen sich fälschen, das eigene Adressbuch nicht.
  • Codewort-Verfahren. Teams mit Zahlungsfreigaben vereinbaren ein Codewort für Ausnahmesituationen, das nur persönlich oder über einen gesicherten Kanal kommuniziert wird. Wer es nicht kennt, ist nicht, wer er vorgibt zu sein.
  • Vier-Augen-Prinzip. Keine Zahlung ab einem festgelegten Betrag ohne Freigabe durch eine zweite, unabhängige Person. Das ist kein Misstrauen — es schützt die Mitarbeitenden selbst: Wer allein entscheiden darf, ist auch allein angreifbar.

Der Mitarbeiter bei Arup dachte zunächst das Richtige — er hielt die erste Nachricht für einen Betrugsversuch. Dann kam der Videocall, er sah bekannte Gesichter, hörte bekannte Stimmen und ließ sich beruhigen. Der Irrtum lag nicht bei ihm, sondern in der Annahme, ein Bild zeige die Realität und eine Stimme identifiziere die Person. Heute tut beides das nicht mehr zuverlässig. Was bleibt, ist der Prozess: Rückruf, Codewort, vier Augen.

Zum Weiterlesen:
Zahlen, Technik und der Fall Arup

Nicht Pflichtstoff — für alle, die genauer wissen wollen, warum die Verfahren sich so unterscheiden.

Vom Randphänomen zum zweithäufigsten Einfallsweg

Bis vor wenigen Jahren war Vishing eine Randerscheinung. Der Sicherheitsdienstleister Mandiant zählte es 2025 bereits zum zweithäufigsten Einfallsweg bei untersuchten Sicherheitsvorfällen — noch vor dem klassischen E-Mail-Phishing. Ursache ist die Stimmklon-Technologie: Werkzeuge wie ElevenLabs erzeugen aus wenigen Sekunden Tonmaterial eine überzeugende Imitation. Das Rohmaterial liegt für Führungskräfte frei im Netz — Keynotes, Interviews, Podcasts, aufgezeichnete Webinare. So konnten sich die Vishing-Vorfälle in einzelnen Quartalen geradezu vervielfachen.  

Der Fall Arup — und wie niedrig die Einstiegshürde ist

Bei Arup waren alle Teilnehmer eines kompletten Videokonferenz-Meetings Deepfakes; nur das Opfer war echt. Der Schaden: 25,6 Millionen US-Dollar. 
 Arup-CIO Rob Greig versuchte danach aus Neugier, sich mit frei verfügbaren Open-Source-Tools selbst in Echtzeit zu deepfaken. Er brauchte 45 Minuten. Das Ergebnis war kein Meisterwerk — aber gut genug, um jemanden in einem stressigen Moment zu täuschen.

Kein Einzelfall: die Deepfake-Welle 2025/2026

Arup war der spektakulärste, aber längst nicht der einzige Fall. 2025 und 2026 kamen weitere hinzu — etwa ein Fortune-500-Unternehmen mit einem Schaden im zweistelligen Millionenbereich und ein Schweizer Unternehmer, den ein geklonter Geschäftspartner um mehrere Millionen brachte. In den USA verdreifachten sich die Deepfake-Betrugsschäden 2025 auf über eine Milliarde Dollar; das FBI führt KI-Betrug seit 2026 als eigene Kategorie in seinem Lagebericht. 

Warum Ihre digitalen Spuren zählen

Stimmklone entstehen aus öffentlich verfügbarem Audio, Deepfake-Videos aus öffentlich verfügbarem Bildmaterial — je mehr Aufnahmen einer Person kursieren, desto besser das Fälschungsergebnis. Das gilt für Führungskräfte mit YouTube-Keynotes ebenso wie für Mitarbeitende, die in Webinaren sprechen oder im Firmenvideo zu sehen sind. Das bedeutet nicht, jede digitale Präsenz zu streichen, sondern sich bewusst zu sein: Öffentliches Material kann Rohstoff für Angriffe sein. Das BSI empfiehlt deshalb einen verantwortungsvollen Umgang mit sozialen Netzwerken.

Zusammenfassung

  • Vishing ist Betrug per Sprache — Anruf, Sprachnachricht, Videocall — und einer der am schnellsten wachsenden Angriffswege 2024/2025.
  • Stimmklone entstehen aus wenigen Sekunden öffentlich verfügbarem Audio; Deepfake-Videocalls können ganze Meetings mit bekannten Gesichtern fälschen (25,6-Mio.-USD-Fall Arup 2024).
  • Gesicht und Stimme sind kein Echtheitsbeweis mehr — verräterisch bleibt allein die aus 1.1.2 bekannte Dramaturgie (Dringlichkeit, Geheimhaltung, Autorität) bei einer eiligen Zahlung.
  • Rückruf immer über eine selbst bekannte Nummer, nie über die aus dem eingehenden Anruf oder der Nachricht.
  • Codewort für Ausnahmesituationen vereinbaren — nur persönlich oder über gesicherten Kanal.
  • Vier-Augen-Prinzip bei Zahlungen schützt die Mitarbeitenden, nicht nur das Unternehmen.
Kurz gesagt

Gesicht und Stimme beweisen heute nichts mehr. Bei Dringlichkeit plus Geheimhaltung: auflegen, über eine bekannte Nummer zurückrufen, Vier-Augen-Freigabe einholen.

Quellen

 Inhaltsverzeichnis
Lektion erledigt

Wir vertrauen Ihnen und Ihrer Kompetenz!

{"email":"Email address invalid","url":"Website address invalid","required":"Required field missing"}
>