Unternehmensresilienz gegen Deepfake-Angriffe aufbauen
Technische Erkennungstools sind ein Teil der Schutzstrategie — organisatorische Resilienz ist mindestens genauso wichtig. Die stärkste Verteidigung gegen CEO-Fraud ist nicht ein KI-Erkennungsmodell, sondern ein gut trainiertes Team mit klaren Prozessen.
Fünf Säulen der organisatorischen Deepfake-Resilienz:
Säule 1 — Prozess-Klarheit: Alle finanziellen Transaktionen über definierte, etablierte Kanäle. Kein Telefonanruf oder WhatsApp-Nachricht kann einen Überweisungsauftrag auslösen, der nicht über das offizielle System verifiziert wurde. Keine Ausnahmen, auch bei scheinbarem Druck der Führungskraft.
Säule 2 — Verifizierungs-Protokoll: Bei jeder ungewöhnlichen Anfrage von einer vermeintlichen Führungsperson: Rückruf über eine bekannte, im CRM oder Telefonbuch eingetragene Nummer. Nicht die im verdächtigen Anruf genannte Nummer zurückrufen.
Säule 3 — Awareness-Training: Mindestens jährliches Awareness-Training für Finance-Mitarbeitende und andere gefährdete Rollen (Assistenz der Geschäftsführung, IT-Administratoren). Simulierte Phishing- und CEO-Fraud-Versuche (mit Ankündigung und konstruktivem Debriefing) erhöhen das Sensibilitätsniveau.
Säule 4 — Klar definierte Eskalationswege: „Ich bin mir nicht sicher, ob dieser Anruf echt ist” — wer sagt das, an wen? Es braucht einen definierten Ansprechpartner (IT-Security-Beauftragter, direkte Führungskraft), der ohne Stigmatisierung angesprochen werden kann. Mitarbeitende, die im Zweifelsfall Rückfragen stellen, sollten für dieses Verhalten gelobt, nicht kritisiert werden.
Säule 5 — Nachsorge-Protokoll: Was passiert, wenn trotz aller Maßnahmen ein Angriff erfolgreich war? Klares Protokoll: sofortige Schadensbegrenzung (Transaktion stoppen wenn noch möglich), Strafanzeige, Behördenmeldung (DSGVO Art. 33 falls personenbezogene Daten betroffen), interne und externe Kommunikation.
Technologie-Ausblick: Wie Deepfake-Erkennung besser wird
Die Zukunft der Deepfake-Erkennung geht in zwei Richtungen:
Richtung 1 — Bessere forensische Modelle: Neue Erkennungsmodelle werden auf größeren, diverseren Datensätzen trainiert und erkennen immer mehr Deepfake-Varianten. Meta, Google und Microsoft investieren erheblich in diese Forschung. Herausforderung: Generative Modelle werden parallel besser — es bleibt ein Rüstungswettlauf.
Richtung 2 — Provenance-basierte Systeme: Der C2PA-Standard ist der vielversprechendere Ansatz: Statt KI-Medien nachträglich zu erkennen, werden authentische Medien von Anfang an mit kryptographisch signierten Herkunftsmetadaten versehen. Ein Video aus einer C2PA-unterstützten Kamera trägt einen Beweis seiner Authentizität — der manipuliert werden kann, aber dann die Manipulation sichtbar macht.
Aktuelle Entwicklung: Apple hat angekündigt, C2PA in kommende iPhone-Kameramodelle zu integrieren. Wenn das Standard wird, können zukünftig alle Fotos und Videos von iPhones auf ihre Authentizität geprüft werden — ein Paradigmenwechsel für Medienauthentizität.
Quelle: KI-Wissensbasis von MindsMachines, Edition Juni 2026. Vollständige Fassung als PDF anfordern.