Betrug mit geklonter Stimme: wie Deepfakes aus Videos entstehen

Ergänzende Ressource zur Lektion „Deepfakes und Stimmklonen: wie die neuen Betrugsmaschen funktionieren“ – Kurs Online-Datenschutz

Ein Betrug mit geklonter Stimme setzt die Kopie einer vertrauten Stimme ein, um Geld oder Informationen zu erbitten – und die Kopie lässt sich oft aus Aufnahmen bauen, die längst online stehen. Diese Ressource zeigt, wie Deepfakes (mit künstlicher Intelligenz erzeugte, täuschend echte Aufnahmen) und geklonte Stimmen entstehen, wie typische Anrufe ablaufen und warum die nützlichere Frage nicht lautet „Klingt das echt?“, sondern „Wer kann meine Stimme online hören?“

A. Warum das wichtig ist

Früher war der Anruf eines nahestehenden Menschen sein eigener Beweis: Wer die Stimme kannte, kannte auch die Person. Stimmklonen verändert das. Software kann eine Stimme heute so nachahmen, dass sie eine kurze, emotionale Bitte überzeugend vorträgt.

Das ist ein Datenschutzthema ebenso wie ein Sicherheitsthema. Um eine Stimme zu kopieren, braucht es eine Probe. Um die Bitte glaubhaft zu machen, braucht es einige persönliche Angaben: einen Namen, eine Beziehung, einen Ort. Beides stammt oft aus dem, was Menschen öffentlich teilen.

Dabei geht es nicht um Schuld. Wer ein Video mit Stimme veröffentlicht, tut etwas Alltägliches, und ein Betrug mit geklonter Stimme ist die Tat der Kriminellen, nicht der Person, deren Stimme kopiert wurde. Wer die eigenen Aufnahmen kennt, gewinnt aber Spielraum.

Das heißt nicht, dass du keine Videos mehr posten oder keine Sprachnachrichten mehr verschicken sollst. Es heißt, ein öffentliches Video, in dem du sprichst, als persönliche Information zu behandeln, wie ein Foto, und zu entscheiden, für wen es gedacht ist.

Was die Quellen sagen

Das Bundesamt für Sicherheit in der Informationstechnik (BSI) erklärt auf seiner Verbraucherseite zur Biometrie, dass Systeme zum Fälschen von Gesichtern und Stimmen Trainingsdaten brauchen und dass dafür mitunter wenig genügt: ein einziges Bild oder wenige Sekunden Stimmaufnahme. Deshalb hält das BSI es grundsätzlich für ratsam, nur wenige solcher Aufnahmen mit der Öffentlichkeit zu teilen. Laut den Seitendaten wurde der Text zuletzt im September 2024 aktualisiert.

Die Polizeiliche Kriminalprävention der Länder und des Bundes (ProPK) schreibt, moderne KI-Technik ermögliche täuschend echte Stimmen oder Videos. Täterinnen und Täter gäben sich damit als Verwandte, Kolleginnen und Kollegen oder Vorgesetzte aus, um an Überweisungen oder vertrauliche Informationen zu kommen. Als Beispiel nennt die Seite einen Videoanruf vom angeblichen Chef, der zu einer dringenden Zahlung auffordert.

Zu den häufigsten Betrugsmaschen zählen laut ProPK außerdem Schockanrufe: Die Anrufenden machen Angst und setzen die Betroffenen zeitlich und emotional unter Druck. Die Seite zu Schockanrufen behandelt keine geklonten Stimmen. Sie zeigt aber das Muster, das auch bei Deepfakes wiederkehrt.

Zwei jüngere Quellen betreffen KI-Inhalte allgemein, nicht nur Stimmen. Die Verbraucherzentrale rät in einem Beitrag vom 23. März 2026 zu Deepfakes mit Prominenten, sich nicht auf technische Makel als Hinweis zu verlassen, weil die Technik besser und leichter zugänglich wird. Und eine Befragung für den Cybersicherheitsmonitor 2026 von BSI und ProPK ergab laut Pressemitteilung vom 13. April 2026, dass sich fast die Hälfte der Internetnutzerinnen und Internetnutzer in Deutschland zutraut, KI-generierte Inhalte zu erkennen. Zugleich haben nur 19 % der Befragten die Seriosität der jeweiligen Quelle recherchiert.

B. Die wichtigsten Begriffe

Fünf Ideen dazu, wie solche Betrugsmaschen funktionieren und wo deine Entscheidungen ansetzen.

Deepfake

Das BSI nennt „Deepfakes“ eine umgangssprachliche Bezeichnung für Verfahren, die auf tiefen neuronalen Netzen beruhen und mediale Identitäten manipulieren, in Bild, Video, Ton und Text. Bei Stimmen unterscheidet es zwei Wege: Beim Text-to-Speech (Sprachausgabe aus einem Text) entsteht aus einem vorgegebenen Text ein Audiosignal, das wie die Zielperson klingt. Bei der Voice Conversion (Stimmumwandlung) wird eine vorhandene Aufnahme in die Stimme der Zielperson umgewandelt.

Warum das für dich wichtig ist: Deepfakes betreffen nicht nur Prominente. Dieselben Werkzeuge können ein vertrautes Gesicht oder eine vertraute Stimme in eine private Nachricht oder einen Anruf bringen, der dir gilt.

Stimmklonen

Stimmklonen heißt, aus Aufnahmen einer Person eine Kopie ihrer Stimme zu erzeugen, mit der sich Sätze sprechen lassen, die sie nie gesagt hat. Ausgangspunkt ist eine Probe der echten Stimme.

Wie viel Aufnahme dafür nötig ist, hängt vom Werkzeug ab und ändert sich schnell. Das BSI spricht von mitunter wenigen Sekunden. Diese Zahl wird mit der Technik veralten, das Prinzip bleibt: Ohne Probe gibt es keine Kopie.

Warum das für dich wichtig ist: Das Rohmaterial ist eine Aufnahme von dir. Ein öffentliches Video, ein Livestream oder eine Sprachnachricht in einer offenen Gruppe kann zur Probe werden, und du entscheidest, wer sie erreicht.

Die Details rund um die Stimme

Eine Stimme allein überzeugt kaum. Dazu gehören ein Name, eine Beziehung und eine glaubhafte Lage, und solche Angaben können auf öffentlichen Profilen stehen. Die ProPK rät im Zusammenhang mit Schockanrufen sogar, den vollen Vornamen im Telefonbucheintrag zu kürzen oder zu streichen.

Warum das für dich wichtig ist: Eine Stimmprobe, eine öffentliche Liste deiner Angehörigen und ein Beitrag über eine Reise ergeben zusammen ein überzeugendes Drehbuch. Jedes Teil wirkt harmlos, erst die Kombination nutzen Betrügerinnen und Betrüger.

Das Drehbuch: Dringlichkeit, Geheimhaltung, Zahlung

Die ProPK beschreibt bei Schockanrufen eine vorgetäuschte Notlage, etwa einen Unfall mit Kaution oder eine dringende Operation, oft mit falschen Polizisten oder anderen Amtspersonen. Auch beim Deepfake-Betrug nennt sie die erfundene Notlage, die zu einer schnellen Zahlung drängt. Eine einfache Regel, die dieser Kurs vorschlägt: Wenn eine Bitte Eile, Geheimhaltung und eine schwer rückholbare Zahlung verbindet, prüfe zuerst, bevor du handelst. Auch ein Betrug mit geklonter Stimme kann diesem Muster folgen.

Warum das für dich wichtig ist: Ein Deepfake macht die Stimme neu, aber die Geschichte ist alt. Die Technik musst du nicht erkennen, wenn du die Form der Bitte erkennst.

Hinweise trügen, Prüfen wirkt

Die ProPK nennt als mögliche Hinweise eine blechern oder unnatürlich klingende Stimme sowie Lippenbewegungen, die nicht zum Ton passen. Das BSI führt zusätzlich falsche Aussprache, ungewohnte Betonung und Verzögerungen an. Solche Hinweise können helfen. Die Verbraucherzentrale mahnt jedoch, sich nicht auf sie zu verlassen, und das BSI hält fest, dass Gegenmaßnahmen in der Regel keinen vollständigen Schutz bieten.

Das Prüfen hängt dagegen nicht von der Qualität der Fälschung ab. Die ProPK empfiehlt, im Zweifel aufzulegen und über die gespeicherte, normale Telefonnummer zurückzurufen. Sie nennt außerdem eine persönliche Frage, die nur die echte Person beantworten kann und die nicht öffentlich bekannt ist.

Bei verdächtigen Anrufen rät die ProPK-Seite zu Schockanrufen, die 110 zu wählen. Auf einen solchen Anruf hereinzufallen, ist keine Schande: Das Drehbuch ist darauf gebaut, Gefühle schneller zu machen als Gedanken.

Warum das für dich wichtig ist: Eine Fälschung zu erkennen hängt von ihrer Qualität ab, das Prüfen über einen bekannten Weg nicht. Die nächste Ressource in diesem Abschnitt, zum getrennten Kanal und zum Familien-Codewort, macht daraus eine Gewohnheit.

C. Ein konkretes Beispiel: Lea und die Sprachnachricht einer Freundin

Lea ist 48, wohnt in Leipzig und nutzt täglich Online-Dienste. Auf einem öffentlichen Profil postet sie kurze Kochvideos, in denen sie jedes Rezept in die Kamera erklärt. Sara, eine Freundin aus einem Gesangskurs, die sie ein- bis zweimal im Jahr sieht, teilt öffentlich Ausschnitte aus den Konzerten ihres Chors, oft mit ein paar Worten in die Kamera.

An einem Samstagmorgen kommt eine Sprachnachricht von einer Nummer, die Lea nicht kennt. Es ist Saras Stimme: Die Tasche sei am Bahnhof gestohlen worden, sie schreibe von einem geliehenen Smartphone und brauche Geld für die Heimfahrt, per Bezahl-App innerhalb einer halben Stunde. Lea solle bitte niemandem aus dem Freundeskreis davon erzählen, ihr sei die Sache schon peinlich genug.

Die Stimme stimmt, der Spitzname auch, den Sara seit Jahren für Lea benutzt. Lea stutzt wegen der Form der Bitte: Eile, eine Zahlung, die sich schwer rückgängig machen lässt, ein Grund zu schweigen. Sie antwortet nicht und ruft Sara unter der Nummer an, die sie seit Jahren hat. Sara nimmt in ihrer Küche in Köln ab, die Tasche neben sich.

Was sich änderte, als Lea auf ihre öffentliche Stimme sah

In derselben Woche machte Lea die Übung unten, eher neugierig als ängstlich.

• Saras Konzertausschnitte enthielten viel von ihrer Stimme, und ein Beitrag nannte den Gesangskurs, in dem sich beide kennengelernt hatten.
• Leas eigenes Profil zeigte viele Minuten, in denen sie in die Kamera sprach, dazu ein Geburtstagsvideo der Familie, in dem mehrere Verwandte genannt wurden.
• Die Kontakte von Lea waren öffentlich sichtbar, auch Sara: Eine fremde Person konnte daraus ableiten, wessen Stimme Lea am schnellsten überzeugen würde.

Die Kochvideos ließ sie öffentlich: Sie teilt sie gern und fand den Tausch lohnend. Das Geburtstagsvideo und die Kontaktliste beschränkte sie auf Freundinnen und Freunde, entfernte einige Kontakte, die sie nicht kannte, und sagte Sara Bescheid, damit diese selbst über ihre Ausschnitte entscheiden kann.

Nichts wurde in Panik gelöscht. Lea wusste nun, welche Teile ihrer Stimme und ihres Familienlebens öffentlich waren, und sie hatte sie bewusst gewählt.

D. Jetzt bist du dran: deine öffentliche Stimme und dein Gesicht finden (15 Minuten)

Vier kurze Schritte, am besten am Computer. Nichts, was du findest, bedeutet, dass du etwas falsch gemacht hast.

Schritt 1 – Suche dich, wie es eine fremde Person täte (4 Minuten)

• Suche in einem privaten Browserfenster nach deinem vollständigen Namen, danach nach deinem Namen zusammen mit den Plattformen, die du nutzt.
• Öffne deine eigenen Profile, ohne angemeldet zu sein, wo die Plattform das erlaubt.
• Liste jede öffentliche Stelle auf, an der man dich sprechen hören oder dein Gesicht in Bewegung sehen kann: Videos, Kurzvideos, Livestreams, Sprachnachrichten in öffentlichen Gruppen, aufgezeichnete Vorträge oder Podcasts.

Schritt 2 – Notiere, was jeder Eintrag verrät (4 Minuten)

• Schreibe neben jeden Eintrag ein S, wenn deine Stimme deutlich zu hören ist, ein G, wenn dein Gesicht deutlich zu sehen ist, und ein D, wenn der Eintrag zusätzlich Details verrät: Namen von Angehörigen, deinen Wohnort, Reisezeiten.
• Ein Eintrag mit S und D zusammen kommt einem fertigen Drehbuch am nächsten.
• Das ist ein Bild, keine Note. Manches wirst du genau so lassen wollen.

Schritt 3 – Prüfe, wer jeden Eintrag sehen kann (4 Minuten)

• Finde für jeden Eintrag das Publikum: öffentlich, nur Freundinnen und Freunde oder Abonnierende, oder alle, die den Link haben.
• Bei vielen sozialen Netzwerken steht das im Menü des Beitrags selbst oder in den Einstellungen zu Datenschutz und Zielgruppe.

• Bei YouTube beschreibt die deutsche Hilfeseite den Weg über YouTube Studio: im Menü Inhalte das Video wählen und unter Sichtbarkeit zwischen Öffentlich, Nicht gelistet und Privat entscheiden, dann speichern. Öffentliche Videos können alle sehen und teilen, nicht gelistete alle mit dem Link, private nur du und die Personen, die du auswählst.

Schritt 4 – Triff eine Entscheidung (3 Minuten)

Wähle für einen Eintrag mit S eine von drei Möglichkeiten:

• Öffentlich lassen: Er ist dir wichtig, und jetzt weißt du, dass er da ist.
• Publikum verkleinern: Stelle ihn auf Freundinnen und Freunde, Abonnierende oder einen privaten Link um.
• Entfernen: Nimm ihn heraus, wenn er dir nichts mehr nützt.

E. Videos, Artikel und weitere Quellen

Zuerst Behörden und Polizei, dann eine Verbraucherorganisation, zuletzt die Hilfe einer Plattform.

Behörden und Polizei

BSI — Biometrie: Vom Einloggen per Fingerabdruck bis zu Täuschungen durch Deepfakes
Wie Deepfakes und geklonte Stimmen funktionieren, warum wenig Aufnahmematerial genügen kann und was das BSI zum Teilen solcher Aufnahmen rät.
https://www.bsi.bund.de/DE/Themen/Verbraucherinnen-und-Verbraucher/Informationen-und-Empfehlungen/Technologien_sicher_gestalten/Biometrie/biometrie.html?nn=130582

BSI — Deepfakes – Gefahren und Gegenmaßnahmen
Die Verfahren hinter gefälschten Stimmen und Gesichtern (Text-to-Speech, Voice Conversion) und die Grenzen der Gegenmaßnahmen; Stand 2022.
https://www.bsi.bund.de/DE/Themen/Unternehmen-und-Organisationen/Informationen-und-Empfehlungen/Kuenstliche-Intelligenz/Deepfakes/deepfakes_node.html

Polizeiliche Kriminalprävention der Länder und des Bundes — Deepfake-Betrug
Wie Kriminelle mit täuschend echten Stimmen oder Videos Geld verlangen, und was bei Verdacht hilft: auflegen, zurückrufen, nachfragen.
https://www.polizei-beratung.de/themen-und-tipps/sicher-handeln/onlinebetrug-maschen/deepfake-betrug/

Polizeiliche Kriminalprävention der Länder und des Bundes — Schockanrufe
Das Muster aus Angst, Zeitdruck und vorgetäuschter Notlage und die Verhaltenstipps der Polizei.
https://www.polizei-beratung.de/themen-und-tipps/betrug/schockanrufe/

BSI — KI-Betrug im Netz: Nur ein Fünftel überprüft die Quelle
Pressemitteilung vom 13. April 2026 zum Cybersicherheitsmonitor 2026 von BSI und ProPK: Wie Menschen KI-generierte Inhalte einschätzen und prüfen.
https://www.bsi.bund.de/DE/Service-Navi/Presse/Pressemitteilungen/Presse2026/260413_KI-Betrug-im-Netz.html

Verbraucherorganisation

Verbraucherzentrale — Täuschend echt: Wie Kriminelle Deepfakes mit Promis für Fake-Werbung nutzen
Warum technische Makel als Erkennungszeichen nicht genügen und was bei Verdacht zu tun ist; Stand 23. März 2026.
https://www.verbraucherzentrale.de/wissen/digitale-welt/phishingradar/taeuschend-echt-wie-kriminelle-deepfakes-mit-promis-fuer-fakewerbung-nutzen-108311

Dokumentation der Plattform

YouTube-Hilfe — Datenschutzeinstellungen für Videos ändern
Der Unterschied zwischen öffentlichen, nicht gelisteten und privaten Videos und der Weg zur Einstellung der Sichtbarkeit.
https://support.google.com/youtube/answer/157177?hl=de&co=GENIE.Platform%3DDesktop

Links im Oktober 2026 geprüft. Ändert sich eine Adresse, hilft oft die Suche nach dem Titel auf der Website der Stelle.

F. Das Framework Cyber Welfare: Kompetenzen, Bewusstsein, Sicheres Verhalten

Diese Ressource stärkt das digitale Bewusstsein auf der Stufe FL2 Einsteiger: zu verstehen, wie gewöhnliche öffentliche Inhalte zum Rohmaterial für einen Betrug mit geklonter Stimme werden können.

Kompetenzen

• Finden, wo deine Stimme und dein Gesicht öffentlich zugänglich sind.
• Das Publikum eines Videos oder Beitrags prüfen und ändern.
• Das Drehbuch einer dringenden, geheimen Geldbitte erkennen.

Bewusstsein

• Verstehen, dass ein Betrug mit geklonter Stimme aus öffentlichen Proben und persönlichen Details gebaut wird.
• Wissen, dass eine vertraute Stimme allein kein Beweis mehr dafür ist, wer spricht.
• Die eigene Stimme als persönliche Information behandeln, ohne auf das Teilen zu verzichten, was dir Freude macht.

Sicheres Verhalten

• Das Publikum jedes Videos, in dem du sprichst, selbst wählen, statt die Voreinstellung zu übernehmen.
• Vor einer dringenden Geldbitte unter einer Nummer zurückrufen, die du schon kennst.
• Nur Anfragen von Menschen annehmen, die du wirklich kennst.

G. Fragen zum Nachdenken

• Wenn eine fremde Person alles hören könnte, was du öffentlich gepostet hast: Wie viel von deiner Stimme und deinem Familienleben könnte sie zusammensetzen?
• Welche deiner öffentlichen Videos würdest du auch jetzt öffentlich lassen, und warum?
• Wenn heute Abend die Stimme einer Freundin von einer Nummer, die du nicht kennst, Geld von dir verlangte: Unter welcher ihrer Nummern würdest du zurückrufen?

H. Was du jetzt tun kannst

Die Empfehlungen (R) und Sicherheitsmaßnahmen (MS) aus der Datenbank von Cyber Welfare, die hier am direktesten passen.

1. Stimme und Gesicht im Netz

• MS6 – Stelle deine Konten in sozialen Netzwerken auf privat, damit deine Videos und Sprachnachrichten die Menschen erreichen, die du gewählt hast, und nicht alle, die nach dir suchen.
• MS7 – Begrenze den Zugriff auf dein Konto, deine Fotos und deine Beiträge über die Datenschutzeinstellungen, beginnend mit den Inhalten, in denen man dich sprechen hört.

Minimaler Aufwand: Wähle heute ein öffentliches Video, in dem du sprichst, und verkleinere entweder sein Publikum oder entscheide dich bewusst dafür, es öffentlich zu lassen.

2. Wer dich und deine Familie erreichen kann

• R23 – Nur bekannten Personen in sozialen Netzwerken folgen: Ihr Kreis entscheidet, wer Sie sieht: Wer fremde Anfragen annimmt, kann sehen, was du mit Freundinnen und Freunden teilst, darunter deine Stimme und die Namen der Menschen, die dir nahestehen.

Minimaler Aufwand: Sag einer nahestehenden Person, dass eine vertraute Stimme allein kein Beweis ist, und vereinbart, dass ihr euch zurückruft, bevor Geld fließt, und zwar unter der Nummer, die ihr schon habt.

Kurz gesagt

• Ein Betrug mit geklonter Stimme kopiert eine vertraute Stimme aus kurzen Aufnahmen, die oft öffentlich im Netz stehen.
• Die Stimme ist neu, das Drehbuch alt: Dringlichkeit, Geheimhaltung, eine schwer rückholbare Zahlung.
• Nach Gehör lässt sich eine Stimme nicht verlässlich prüfen. Ein Rückruf unter einer Nummer, die du schon kennst, ist ein verlässlicher Test.
• Wer deine Stimme online hören kann, entscheidest du: behalten, Publikum verkleinern oder entfernen, ein Video nach dem anderen.

Verwandte Ressourcen in diesem Kurs

• Familien-Codewort gegen KI-Betrug: einrichten und anwenden
• Spear-Phishing: warum Betrugsnachrichten so viel über dich wissen
• Spam-Anrufe: woher sie deine Nummer haben und was dagegen hilft

Entdecken Sie weitere ergänzende Ressourcen aus den Kursen des Programms „Schützen Sie Ihre digitale Privatsphäre“.