Drei Sekunden Audioaufzeichnung genügen für einen Stimmklon mit 85 Prozent Genauigkeit. In Deutschland geben 22 Prozent der Befragten an, dass sie oder Bekannte schon einmal einen KI-Audio-Betrug erlebt haben. Seit dem 2. August 2026 müssen synthetische Stimmen laut Artikel 50 des EU AI Act gekennzeichnet sein, doch trägt ein Anruf mit weinender Enkelstimme diese Markierung für das menschliche Ohr?
Ein Telefon klingelt am späten Nachmittag. Die Stimme am anderen Ende klingt vertraut, weinend, drängend. Man erkennt den Enkel, die Tochter, den Geschäftspartner. Die Stimme bittet um sofortige Hilfe, um Geld, um eine Überweisung. Was hier geschieht, kennt die Forschung als Vertrauensheuristik: Menschen verlassen sich auf Stimmmerkmale als Echtheitssignal, ohne sie bewusst zu prüfen. Diese Heuristik wird nun technisch unterlaufen.
Untersuchungen von McAfee haben ergeben, dass bereits drei Sekunden Audioaufzeichnung ausreichen, um einen Stimmklon mit einer Genauigkeit von 85 % zu erstellen. Wie Fortune im Dezember 2025 berichtete, hat das Klonen von Stimmen die „Unterscheidbarkeitsgrenze“ überschritten. Menschliche Zuhörer können geklonte Stimmen nicht mehr zuverlässig von authentischen Stimmen unterscheiden.
Die Schwelle ist damit so niedrig, dass alltägliche Sprachaufnahmen ausreichen. Ein kurzer Podcast-Ausschnitt, ein Instagram-Video oder eine öffentliche Rede genügen bereits, um eine Stimme zu kopieren.
Fast jeder Vierte kennt bereits Opfer von Stimmklonbetrug
Die Verbreitung solcher Vorfälle ist bereits messbar. Das Unternehmen befragte online rund 7000 Menschen aus sieben Ländern zum Thema Audiofälschung mithilfe von KI. Etwas mehr als 1000 der Befragten waren aus Deutschland. 22 Prozent gaben an, dass sie oder Bekannte schon einmal einen Audio-Betrug mit KI erlebt hätten. Weltweit sind es 25 Prozent. Laut Umfrage können KI-Softwares Stimmen mit einer Genauigkeit von 95 Prozent klonen.
Die Technik ist präzise und weit verbreitet. Die entscheidende Veränderung liegt in der emotionalen Aufladung. Kriminelle können die Stimme eines Familienmitglieds imitieren und zugleich dessen emotionale Verfassung täuschend echt nachstellen. Ein weinender „Enkel“ in Not, eine verzweifelte „Tochter“ nach einem Unfall: Solche Szenarien wirken durch die emotionale Komponente noch überzeugender.
Was hier geschieht, kennt die Forschung als emotionale Dringlichkeit, die rationale Prüfprozesse unterläuft. Wer eine vertraute Stimme weinen hört, schaltet seltener auf Skepsis um. Die Schäden sind konkret. Das Bundeskriminalamt (BKA) registrierte 2024 über 513.000 Betrugsdelikte aus dem Ausland, darunter viele Enkeltrick-Fälle. Die Polizei Niedersachsen verzeichnete 2023 mittlere siebenstellige Schadenssummen durch diese Betrugsmaschen.
Organisierte Banden treffen längst nicht mehr nur Senioren
In Düsseldorf verlor ein Ehepaar rund 230.000 Euro in Bargeld und Goldmünzen an einen angeblichen Anwalt. In Pfaffenhofen übergab eine 60-Jährige 60.000 Euro auf einem Supermarktparkplatz. Im Kanton Schwyz in der Schweiz überwies ein Unternehmer im Januar 2026 mehrere Millionen Franken, nachdem Täter die Stimme seines Geschäftspartners geklont hatten.
Die Infrastruktur der Täuschung ist etabliert. Die Bundesnetzagentur verzeichnete im Jahr 2025 insgesamt 85.158 Beschwerden über Rufnummernmissbrauch. „Wir schützen Verbraucher weiterhin wirksam vor Rufnummernmissbrauch. Die aktuellen Zahlen zeigen deutlich, dass Verbraucher noch viel Unterstützung von uns benötigen“, sagte Klaus Müller, Präsident der Bundesnetzagentur.
Allein im Januar 2026 wurden über 555.000 betrügerische Anrufe erfasst. Bei koordinierten Razzien in Wien und Brünn nahmen Ermittler 17 Personen fest; die Bande erbeutete rund 4,8 Millionen Euro.
Die Täter agieren organisiert und grenzüberschreitend. Experten gehen davon aus, dass durch den Einsatz von KI-Stimmklonung die Erfolgsquote in den kommenden Jahren deutlich steigen wird. Der wichtigste Erkennungsfaktor, die unbekannte Stimme, fällt weg. Hauptzielgruppe der Betrüger sind Menschen über 70 Jahre.
Doch die Zielgruppe weitet sich aus. „Der eingesprochene Hilferuf am Telefon ist dadurch oftmals schwer als Fake-Anruf zu erkennen“, sagt Michèle Scherer, Digitalexpertin bei der Verbraucherzentrale Brandenburg. Menschen aller Altersklassen können Ziel von solchen Schockanrufen werden. Der Begriff Enkeltrick beschreibt die Zielgruppe nicht mehr vollständig.
Seit August 2026 müssen synthetische Stimmen gekennzeichnet sein
Seit dem 2. August 2026 gelten die Transparenzpflichten des EU AI Acts. Diese Pflichten betreffen Chatbots, KI-Assistenten, Avatare, synthetische Stimmen, automatisch erstellte Bilder und Videos, KI-generierte Unternehmenspublikationen sowie bestimmte biometrische Anwendungen. Art. 50 AI Act geht damit über die Kennzeichnung von Deepfakes hinaus.
Konkret bedeutet das: Ab dem 2. August 2026 gelten laut Artikel 50 des EU AI Act unter anderem: KI-generierte Audio-Inhalte, synthetische Stimmen und KI-generierte Musik müssen als solche erkennbar sein; Deepfakes, jede künstlich erzeugte oder manipulierte Darstellung, die einer realen Person ähnelt, muss als solche gekennzeichnet werden.
Für Bestandsinhalte gibt es eine Übergangsfrist. Synthetisch erzeugte Audio-, Bild-, Video- oder Textinhalte, die vor dem 2. August 2026 in Verkehr gebracht wurden, müssen erst bis zum 2. Dezember 2026 gekennzeichnet werden.
Die Verantwortung liegt bei den Anbietern. Anwendbar seit 2. August 2026; Rechtsgrundlage ist Artikel 50 des EU AI Acts; im Fokus stehen Chatbots, Voice-Agenten, synthetische Inhalte, Deepfakes und bestimmte KI-generierte Texte. Anbieter sind insbesondere für die maschinenlesbare Kennzeichnung bestimmter synthetischer Inhalte verantwortlich.
Für Betroffene bleibt die Kennzeichnung oft unsichtbar
Für Betroffene in Deutschland ändert sich die Lage in zweierlei Hinsicht. Erstens entsteht eine rechtliche Pflicht zur Kennzeichnung, die es ermöglichen soll, synthetische Stimmen als solche zu erkennen. Zweitens bleibt die praktische Frage, ob diese Kennzeichnung im Moment des Anrufs überhaupt wahrgenommen wird. Ein Telefonat mit einer geklonten Stimme trägt keine sichtbare Markierung. Die maschinenlesbare Kennzeichnung richtet sich an technische Systeme, nicht an das menschliche Ohr.
Der Wandel wirft Fragen auf, die noch nicht beantwortet sind. Wie wirksam ist eine Kennzeichnungspflicht, wenn Betrüger sie schlicht ignorieren? Welche Durchsetzungsmechanismen stehen den deutschen Aufsichtsbehörden zur Verfügung, um Anbieter außerhalb der EU zu erreichen? Wie können ältere Menschen, die Hauptzielgruppe, vor Anrufen geschützt werden, die keine Kennzeichnung tragen? Und wie verändert sich das Vertrauen in die eigene Wahrnehmung, wenn die Stimme eines geliebten Menschen nicht mehr als Echtheitsbeweis taugt?