Eine aktuelle groß angelegte Feldstudie hat gezeigt, dass KI-gestützte Spear-Phishing-Angriffe mit kleinen, lokal gehosteten Open-Source-Sprachmodellen die Erfolgsquote von Phishing-Mails deutlich erhöhen können. Die Untersuchung von Forschenden der TU Berlin (BIFOLD), des französischen Inria-Instituts und der Ruhr-Universität Bochum (Czybik et al., 2026) belegt, dass die Klickrate von personalisierten KI-Mails von knapp 4 % auf rund 10 % steigt, während klassische E-Mail-Filter nahezu vollständig versagen.
Hintergrund und Bedeutung für die Cyber-Kriminalität
Die Studie verdeutlicht einen ökonomischen und operativen Bruch in der Cyber-Kriminalität: Durch die Automatisierung von Profiling und Textgenerierung lässt sich hochgradig personalisiertes Spear-Phishing in Sekunden und für wenige Cent pro Mail skalieren. Klassische, signaturbasierte Sicherheitslösungen stoßen an ihre Grenzen, weil die von KI-Modellen erzeugten Texte linguistisch einwandfrei und variabel sind.
Versuchsaufbau und Methodik der USENIX-Studie (Czybik et al., 2026)
Das Forschungsteam führte das bislang größte Feldexperiment dieser Art mit 7.741 Beschäftigten der Technischen Universität Braunschweig durch. Die gesamte Angriffspipeline bestand aus drei Schritten:
- OSINT-Suche: Nur die dienstliche E-Mail-Adresse wurde als Suchbegriff verwendet, um im Web nach Projekten, Publikationen und Rollen der Zielperson zu suchen.
- Automatisierte Profilerstellung: Ein lokal gehostetes Open-Source-Sprachmodell strukturierte die gefundenen Informationen zu einem individuellen Nutzerprofil.
- Generierung der Phishing-Mail: Das gleiche Modell verfasste eine maßgeschneiderte E-Mail, die thematisch exakt zur Zielperson passte.
Die gesamte Dauer für Profiling und Textgenerierung betrug 45 Sekunden pro Mail. Zum Vergleich: Manuelles Spear-Phishing durch Experten benötigte 420 Sekunden (etwa sieben Minuten) pro Zielperson.
Klickraten im Vergleich: KI-gestützt vs. manuell vs. generisch
Die Studie ermittelte folgende Erfolgsquoten:
- Generische Phishing-Mails: 3,9 % der Empfänger klickten auf den Link.
- KI-personalisierte Phishing-Mails: 10,0 % Klickrate - ein Anstieg um den Faktor drei gegenüber generischen Mails.
- Manuell erstellte Spear-Phishing-Mails: 24,2 % Klickrate, jedoch mit deutlich höherem Zeit- und Kostenaufwand.
Damit zeigt die KI-Methode, dass ein signifikanter Teil des ROI bereits bei automatisierten Angriffen erreicht wird, obwohl die absolute Trefferquote hinter der von Experten erstellten Variante zurückbleibt.
Ökonomische Asymmetrie: Kosten-Nutzen-Verhältnis für Cyberkriminelle
Die reinen Rechenkosten für die Generierung einer KI-Spear-Phishing-Mail lagen bei lediglich 0,03 USD (drei US-Cent). Im Vergleich dazu erfordern manuelle Angriffe nicht nur mehr Zeit, sondern auch personelle Ressourcen. Die Kosten-Effizienz der KI-gestützten Variante ermöglicht es Kriminellen, Angriffe in großem Umfang durchzuführen, ohne dass die Wirtschaftlichkeit leidet.
Versagen traditioneller Sicherheitsfilter
Die etablierten E-Mail-Sicherheitslösungen erkannten nur 1 von ca. 4.000 KI-generierten Phishing-Mails, was einer Erkennungsquote von 0,025 % entspricht. In der Studie wird dies als ein Versagen von über 99,9 % der Filter beschrieben. Der Grund liegt in der fehlenden Signatur- und Mustererkennung: Die KI-Texte variieren stark in Satzbau und Vokabular und enthalten keine typischen Phishing-Phrasen.
Warnungen von Sicherheitsbehörden (BSI und Interpol)
Das Bundesamt für Sicherheit in der Informationstechnik (BSI) und Interpol warnen vor einer grundlegenden Verschiebung der Bedrohungslandschaft. Beide Institutionen betonen, dass signaturbasierte Schutzfilter und standardisierte Security-Awareness-Trainings gegen dynamisch personalisierte Köder nicht mehr ausreichen. Interpol beschreibt, dass Cyberkriminelle "KI-gestützte Tools einsetzen, um Phishing-Kampagnen zu automatisieren, überzeugende Deepfakes zu erzeugen und der Erkennung durch herkömmliche, signaturbasierte Sicherheitssysteme zu entgehen".
Limitierungen und Gegenargumente
- Abstraktionsparadoxon bei großem digitalen Fußabdruck: Bei Zielpersonen mit sehr umfangreicher Online-Präsenz sank die Klickrate teilweise, weil die Modelle zu diffusen Zusammenfassungen neigten.
- Eingeschränkte Übertragbarkeit auf andere Branchen: Die Untersuchung fand im universitären Umfeld statt, wo viele Publikationen und Kontaktdaten öffentlich sind. In sicherheitssensiblen Branchen mit restriktiver OSINT-Präsenz könnte die Informationsgewinnung aufwändiger sein.
Häufig gestellte Fragen (FAQ)
Wie genau gelangte die KI an die persönlichen Daten der Zielpersonen?Die automatisierte Pipeline nutzte ausschließlich die E-Mail-Adresse der Person für Web- und OSINT-Suchen. Das lokale Sprachmodell strukturierte die Funde (Publikationen, Projekte, Zuständigkeiten) und formulierte daraus eine thematisch exakt passende Mail.Warum schlugen die installierten Spam- und Phishing-Filter fehl?Herkömmliche Filter suchen nach bekannten Signaturen, verdächtigen Header-Daten oder typischen Phishing-Phrasen. Die von den lokalen LLMs generierten Texte waren linguistisch einwandfrei, variierten in Satzbau und Vokabular vollständig und wiesen keine statischen Muster auf.Können Sicherheitsfilter mit denselben KI-Methoden aufgerüstet werden?Verteidiger setzen zunehmend auf LLM-basierte semantische Analysen und Verhaltensanalysen (EDR). Allerdings agieren Angreifer asymmetrisch: Sie benötigen nur einen erfolgreichen Treffer und können Tests vorab lokal gegen Filter optimieren.Zusammenfassung der wichtigsten Kennzahlen
| Kennzahl | Wert | Einheit | Jahr |
|---|---|---|---|
| Teilnehmende Personen (Feldstudie) | 7.741 | Personen | 2026 |
| Generierungsdauer pro KI-Mail | 45 | Sekunden | 2026 |
| Generierungsdauer manuell | 420 | Sekunden | 2026 |
| Klickrate generische Phishing-Mails | 3,9 | % | 2026 |
| Klickrate KI-personalisierte Mails | 10,0 | % | 2026 |
| Klickrate manuell erstellte Spear-Phishing-Mails | 24,2 | % | 2026 |
| Kosten pro KI-Mail | 0,03 | USD | 2026 |
| Erkennungsquote durch E-Mail-Sicherheitsfilter | 0,025 | % | 2026 |
Fazit
Die USENIX-Studie von 2026 liefert eindeutige Evidenz dafür, dass lokale Open-Source-Sprachmodelle die Effektivität von Spear-Phishing drastisch erhöhen, indem sie personalisierte Mails in Sekunden für wenige Cent erzeugen. Gleichzeitig zeigen die Ergebnisse, dass traditionelle, signaturbasierte Sicherheitsmaßnahmen kaum noch wirksam sind. Sicherheitsbehörden wie das BSI und Interpol fordern daher ein Umdenken: Der Einsatz von KI-basierten, semantischen Analyse- und Verhaltens-Defenses wird unverzichtbar, um der asymmetrischen Bedrohungslage entgegenzuwirken. Unternehmen und Institutionen sollten ihre Phishing-Abwehrstrategien überdenken, das Angriffsflächen-Management stärken und in KI-gestützte Erkennungsmechanismen investieren, um den neu entstehenden Risiken wirksam zu begegnen.