Schwyzer Firma mit gefälschter Stimme um Millionen betrogen

«Die Täterschaft nahm telefonisch Kontakt mit dem Inhaber des geschädigten Unternehmens auf und gab sich glaubhaft als bekannter Geschäftspartner aus. Dabei kam eine mithilfe künstlicher Intelligenz manipulierte Stimme zum Einsatz», schreibt die Kantonspolizei Schwyz in einer Mitteilung.

Durch diese Täuschung gelang es den Tätern, das Vertrauen des Inhabers zu gewinnen. Unter dem Vorwand eines angeblich vertraulichen internationalen Geschäfts wurde der Inhaber des geschädigten Unternehmens dazu verleitet, mehrere Geldtransaktionen im Gesamtwert von mehreren Millionen Franken auszuführen. Die Überweisungen erfolgten auf ein Bankkonto in Asien.

Erst nach Abschluss der Zahlungen wurde der Betrug erkannt, so die Kapo Schwyz weiter. Die Täterschaft ist bislang unbekannt. In Zusammenarbeit mit der Staatsanwaltschaft des Kantons Schwyz hat die Kantonspolizei die Ermittlungen aufgenommen. gh

Präventionshinweise der Kantonspolizei an Unternehmensleitungen

• Seien Sie besonders vorsichtig bei Zahlungsaufforderungen per Telefon oder Sprachnachricht, auch wenn die Stimme vertraut klingt.
• Beachten Sie, dass Stimmen mithilfe künstlicher Intelligenz täuschend echt nachgeahmt werden können.
• Verifizieren Sie ausserordentliche oder dringliche Zahlungsanweisungen stets über einen zweiten, unabhängigen Kommunikationsweg.
• Setzen Sie konsequent das Vier-Augen-Prinzip sowie klare Freigabeprozesse bei hohen Geldbeträgen um.
• Tätigen Sie keine Auslandsüberweisungen ohne überprüfte und dokumentierte Genehmigung.
• Melden Sie verdächtige Vorfälle umgehend Ihrer Bank und der Polizei.

In der modernen Technologieentwicklung hat sich die Menge an Audiomaterial, die für eine überzeugende Stimmimitation benötigt wird, drastisch verringert. Während früher noch stundenlange Aufnahmen von hoher Qualität notwendig waren, um die charakteristischen Merkmale einer Stimme zu erfassen, reichen heute oft schon kleinste Schnipsel aus.

Aktuelle KI-Modelle und Deepfake-Technologien sind in der Lage, eine Stimme bereits mit einer Aufnahme von nur 3 bis 10 Sekunden Dauer erfolgreich zu klonen. In einigen Fällen behaupten Entwickler von spezialisierter Software sogar, dass ein Fragment von weniger als 3 Sekunden genügt, um Tonlage, Sprechtempo und emotionale Nuancen einer Person mathematisch zu erfassen und auf beliebige Texte zu übertragen.