Home » Fachbeiträge » Cybersecurity » Anruf von oben

Wie geklonte Stimmen Helpdesks und Führungsetagen aushebeln: Anruf von oben

Der kurze Rückruf galt lange als letzte verlässliche Instanz: Eine bekannte Stimme genügte, um einen Vorgang freizugeben. Damit ist es vorbei. Angreifer geben sich heute als Vorgesetzte oder als Kollegen mit dringendem Anliegen aus – rund 30 Sekunden öffentliches Audiomaterial reichen für einen brauchbaren Stimmklon. Getroffen werden vor allem der IT-Support und die Führungsebene. Welche Verifikationsprozesse jetzt greifen müssen, skizziert unser Autor.

5 Min. Lesezeit
Person mit Smartphone und verpixeltem Gesicht
Foto: ©AdobeStock/Slowlifetrader

Voice-Phishing – kurz Vishing – ist laut dem Report M-Trends 2026 von Mandiant zum zweithäufigsten beobachteten initialen Infektionsvektor aufgestiegen und liegt damit vor dem klassischen E-Mail-Phishing.[1] Was einst eine Nische war, betrieben von Telefonbetrügern mit Callcenter-Skripten, ist heute eine skalierbare Bedrohung. Angetrieben wird diese Entwicklung von künstlicher Intelligenz (KI), die die passende Stimme liefert.

Der Wandel folgt einem nachvollziehbaren Muster: Nachdem automatisierte Filter und menschliche Skepsis das E-Mail-Phishing erschwerten, wichen die Angreifer auf einen Kanal aus, dem viele Menschen unkritischer begegnen. Während der Umgang mit dem Postfach längst von Misstrauen geprägt ist, bleibt die Haltung gegenüber dem Telefon vergleichsweise unbedarft.

Warum Anrufe wirken

Anders als eine E-Mail, die Zeit zum Prüfen lässt, verlangt ein Anruf sofortige Aufmerksamkeit und löst den Reflex aus, unmittelbar reagieren zu müssen. Genau das nutzen Täter aus. Erzeugt eine Stimme Dringlichkeit, etwa als angeblicher IT-Support oder als Betrugsabteilung einer Bank, steigt der Handlungsdruck. Unter Zeitstress wächst die Fehlerquote bei Entscheidungen, und kritisches Nachdenken bleibt auf der Strecke, bevor das Opfer die Situation überhaupt einordnen kann.

Hinzu kommt der sogenannte Truth Bias, bei dem wir dem Gegenüber im Gespräch zunächst Ehrlichkeit unterstellen und diese Annahme erst korrigieren, wenn etwas aktiv dagegenspricht. Für diese Korrektur lässt ein Anruf wenig Raum. Zudem bauen Angreifer schon Vertrauen auf, bevor sie etwas fordern. Aus beruflichen Netzwerken und sozialen Medien sammeln sie Details zu Abteilung, Vorgesetzten oder jüngsten Projekten und streuen sie ein. Das Gespräch wirkt dann wie die Fortsetzung einer bestehenden Beziehung. Caller-ID-Spoofing täuscht ergänzend eine interne Durchwahl vor.

30 Sekunden genügen

Der eigentliche Beschleuniger der jüngsten Entwicklung ist jedoch die generative KI. Statt stundenlanger Studioaufnahmen genügen modernen Modellen rund 30 Sekunden klares Audiomaterial für einen täuschend echten synthetischen Klon. Solches Material lässt sich leicht aus öffentlichen Webinaren, Podcasts, Investoren-Calls oder Video-Keynotes beschaffen.

In Verbindung mit Echtzeit-Sprachsynthese entstehen daraus dynamische, dialogfähige Telefonate. Die Kompression im Mobilfunknetz und Hintergrundgeräusche kaschieren zudem kleinere Unstimmigkeiten der KI-Stimme, sodass synthetische Sprecher am Telefon glaubwürdiger klingen, als sie es unter Laborbedingungen wären.

Drei Faktoren treiben die Entwicklung zusätzlich an. Erstens sinken die technischen Hürden, weil quelloffene Werkzeuge die Stimmreplikation im großen Maßstab verfügbar machen. Zweitens begünstigt verteiltes Arbeiten die Angriffe, da dezentrale Teams stark auf Sprach- und Kollaborationskanäle setzen, um Zugriffsanfragen zu bearbeiten.

So entsteht ein Einfallstor für das Vortäuschen des IT-Helpdesks. Drittens setzen Angreifer auf mehrkanalige Kampagnen wie das „Telephone-Oriented Attack Delivery“ (TOAD), bei dem auf eine erste SMS oder E-Mail ein Anruf folgt, der die vermeintliche Glaubwürdigkeit schichtweise aufbaut.

Zwei bevorzugte Ziele

Aktuelle Vorfälle zeigen, dass Angreifer im Unternehmen vor allem zwei Ziele ins Visier nehmen, den Support und die Führungsebene. IT-Support-Mitarbeiter sind darin geschult, Probleme schnell zu lösen, was sie zu einem lohnenden Ziel macht.

Beim Ransomware-Vorfall [2] bei MGM Resorts sammelten Angreifer der Gruppe ALPHV/BlackCat Informationen aus beruflichen Netzwerken, gaben sich als Mitarbeiter aus und brachten den internen IT-Helpdesk dazu, neue Zugangsdaten auszustellen und Multi-Faktor-Authentifizierungs-(MFA)-Geräte zurückzusetzen. Hotel- und Casino-Systeme lagen daraufhin für Tage lahm, was Betriebsausfälle in Millionenhöhe nach sich zog.

Anfang 2026 führte die Gruppe ShinyHunters [3] eine gezielte Vishing-Kampagne gegen Charter Communications durch, in deren Folge laut den Angreifern rund 42 Millionen Kundendatensätze
unbefugt zugänglich wurden.

In einem weiteren Fall erzeugten Betrüger einen Stimmklon des italienischen Verteidigungsministers Guido Crosetto und riefen prominente Wirtschaftsvertreter an. Unter dem Vorwand, es würden dringend Mittel benötigt, um im Nahen Osten entführte Journalisten freizukaufen, erbeuteten sie rund eine Million Euro von einem Geschädigten, bevor die Behörden eingreifen konnten.[4]

Drei Treiber der Entwicklung

Der wesentliche Beschleuniger von Vishing-Angriffen ist die generative KI, die aus wenigen Sekunden Audiomaterial einen synthetischen Stimmklon erzeugt. Drei weitere Entwicklungen treiben die Verbreitung zusätzlich an:

  • Sinkende technische Hürden: Quelloffene Werkzeuge machen die Stimmreplikation im großen Maßstab verfügbar. Das nötige Audiomaterial lässt sich leicht aus öffentlichen Webinaren, Podcasts, Investoren-Calls oder Video-Keynotes beschaffen.
  • Verteiltes Arbeiten: Dezentrale Teams setzen stark auf Sprach- und Kollaborationskanäle, um Zugriffsanfragen zu bearbeiten. So entsteht ein Einfallstor für das Vortäuschen des IT-Helpdesks.
  • Mehrkanalige Kampagnen: Beim „Telephone-Oriented Attack Delivery“ (TOAD) folgt auf eine erste SMS oder E-Mail ein Anruf. Die vermeintliche Glaubwürdigkeit baut sich dadurch schichtweise auf.

Je günstiger und zugänglicher generative Sprachwerkzeuge werden, desto häufiger und raffinierter dürften Vishing-Angriffe ausfallen.

Abhilfe

Klassischer Endpunktschutz, Virenscanner und E-Mail-Gateways können Vishing nicht abwehren: Eine Firewall blockiert zwar schädliche Anhänge, hindert aber niemanden daran, einen Anruf entgegenzunehmen. Wirksame Verteidigung setzt an Prozessen, Kultur und Technik zugleich an.

Zentral ist eine strikte Verifikation. Weder Passwort-Resets noch MFA-Neuregistrierungen noch Finanztransfers sollten allein auf Basis eines eingehenden Anrufs autorisiert werden. Verbindliche Rückrufe über vorab geprüfte Nummern aus dem offiziellen Verzeichnis und ein Vier-Augen-Prinzip für Hochrisiko-Vorgänge wie Überweisungen oder privilegierte Kontoänderungen schaffen hier Verlässlichkeit.

Solche Kontrollen sind mehr als reine Sicherheitstechnik, denn nachvollziehbare Freigabe- und Rückrufprozesse liefern zugleich die Nachweise, die Governance- und Compliance-Anforderungen an kritische Vorgänge stellen.

Der Service-Desk verdient besondere Aufmerksamkeit. Eine Authentifizierung über Personalnummern oder Geburtsdaten, die sich online recherchieren lassen, sollte robusteren Verfahren weichen – etwa einer Video-Verifikation mit der Führungskraft oder Push-basierten Identitätsprüfungen über gesicherte Portale, bevor jemand Zugänge zurücksetzt.

Technische Zero-Trust-Kontrollen begrenzen den Schaden im Ernstfall. Application-Allowlisting und Ringfencing verhindern, dass nicht freigegebene Programme starten, selbst wenn jemand zum Download einer Fernwartungssoftware gedrängt wurde. Hardware-Sicherheitsschlüssel ersetzen anfällige MFA-Codes per Sprache oder SMS.

Schließlich muss die Sensibilisierung der Mitarbeiter über das Erkennen verdächtiger E-Mails hinausgehen. Realistische Simulationen sollten dabei nicht nur Voice-Angriffe, sondern auch gefälschte Videocalls und inszenierte Notfallszenarien vorführen, damit Beschäftigte typische Auffälligkeiten am praktischen Beispiel erkennen, etwa unnatürliche Mimik oder fehlerhafte Lippensynchronität, eine monotone oder stockende Sprachmelodie, künstlich erzeugten Zeitdruck und ungewöhnliche Kommunikationskanäle.

Entscheidend ist jedoch eine Kultur, in der das Hinterfragen einer Anweisung oder das Verzögern einer dringenden Anfrage zugunsten einer Identitätsprüfung nicht sanktioniert, sondern anerkannt wird.

Fazit und Ausblick

Je günstiger und zugänglicher generative Sprachwerkzeuge werden, desto häufiger und raffinierter dürften KI-gestützte Vishing-Angriffe ausfallen. Besonders exponiert sind Betreiber kritischer Infrastrukturen: Weil ihre Helpdesks und Fernzugriffswege denselben Angriffsflächen ausgesetzt sind, kann ein einzelner erfolgreicher Anruf Versorgungssysteme treffen, nicht nur einzelne Konten.

Operative Widerstandsfähigkeit entsteht dort, wo Zero-Trust-Technik und konsequente menschliche Verifikation zusammenwirken – und wo Beschäftigte bei jeder verdächtigen Anfrage innehalten dürfen. Die Stimme allein belegt keine Identität mehr.

Quellen

[1] Mandiant/Google Cloud: M-Trends 2026. https://cloud.google.com/blog/topics/threat-intelligence/m-trends-2026
[2] BleepingComputer: MGM casinos’ ESXi servers allegedly encrypted in ransomware attack. https://www.bleepingcomputer.com/news/security/mgm-casinos-esxi-servers-allegedly-encrypted-in-ransomware-attack/
[3] eSecurity Planet: ShinyHunters alleges 42M records stolen from Charter Communications. https://www.esecurityplanet.com/threats/shinyhunters-alleges-42m-records-stolen-from-charter-communications/
[4] Euronews: Scammers clone Italian defence minister’s voice with AI in ransom scheme. https://www.euronews.com/2025/02/10/scammers-clone-italian-defence-ministers-voice-with-ai-in-ransom-scheme

Porträt Dr. Martin J. Krämer

Dr. Martin J. Krämer ist CISO Advisor bei KnowBe4.

Newsletter Abonnieren

Abonnieren Sie jetzt IT-SICHERHEIT News und erhalten Sie alle 14 Tage aktuelle News, Fachbeiträge, exklusive Einladungen zu kostenlosen Webinaren und hilfreiche Downloads.

Andere interessante Fachbeiträge

Smartphone mit Cybersecurity-Symbole

Zero Trust bei Business-Messengern

Mitarbeiter greifen von überall auf Unternehmensressourcen zu, nutzen verschiedenste Geräte und kommunizieren über mehrere Kanäle. Diese Vernetzung erfordert ein Umdenken bei der C...

Messeimpression Messe Essen

Security Essen 2026: Was Cyber-Sicherheitsprofis auf der Messe erwartet

Die Security Essen öffnet vom 22. bis 25. September ihre Tore und bringt ein umfangreiches Programm rund um digitale Bedrohungen, Drohnentechnologie sowie den Schutz kritischer Inf...

Grafische Darstellung eines Krankenzimmers mit rot leuchtenden Datenschutzsymbolen

Wie sicher ist die Klinik, wenn der Zulieferer fällt?

Der Angriff auf den Abrechnungsdienstleister Unimed hat gezeigt, wie verwundbar Krankenhäuser über ihre Zulieferer sind. Vom Angriffsweg über die kriminelle Verwertung der erbeutet...

Jetzt Newsletter abonnieren

Verpassen Sie keine Sicherheitsnews mehr – abonnieren Sie jetzt unseren Newsletter!