KI-gestützte Cyberangriffe und wie Sie sich schützen können

Stellen Sie sich folgende Situation vor: Ein Mitarbeiter aus der Finanzabteilung nimmt an einer Videokonferenz teil. Auf dem Bildschirm erscheinen mehrere vertraute Gesichter, darunter der Geschäftsführer. Die Anweisung lautet, eine dringende Überweisung auszuführen. Genau das ist dem Ingenieurbüro Arup 2024 passiert. Der Mitarbeiter überwies am Ende 25,6 Millionen US-Dollar, nachdem er an einer Konferenz teilgenommen hatte, in der jeder einzelne Teilnehmer, einschließlich des vermeintlichen CFO, ein Deepfake war. 

Was nach einem Drehbuch für einen Technothriller klingt, ist längst gelebte Realität in der heutigen Bedrohungslandschaft. Künstliche Intelligenz hat sich vom Effizienzwerkzeug in Unternehmen zu einer Waffe in den Händen von Cyberkriminellen entwickelt. Für IT- und Sicherheitsverantwortliche im deutschen Mittelstand bedeutet das: Angriffe werden persönlicher, schneller und deutlich schwerer zu erkennen als noch vor wenigen Jahren. 

In diesem Beitrag erfahren Sie, wie KI-gestützte Cyberangriffe funktionieren, welche Formen sie annehmen, warum klassische Schutzmaßnahmen zunehmend an ihre Grenzen stoßen und mit welchen Maßnahmen Sie Ihr Unternehmen wirksam absichern. 

Was sind KI-gestützte Cyberangriffe eigentlich? 

Angreifer nutzen KI- und Machine-Learning-Algorithmen, um nahezu jede Phase eines Cyberangriffs zu automatisieren, zu beschleunigen oder zu verbessern. Das beginnt beim Aufspüren von Schwachstellen, reicht über den gezielten Ausbau von Angriffspfaden bis hin zum Aufbau von Hintertüren in Systemen sowie dem Abgreifen oder Manipulieren von Daten. 

Entscheidend ist ein Punkt, der diese Angriffe so tückisch macht: Die zugrunde liegenden Algorithmen lernen kontinuierlich dazu. Sie passen sich an, um Erkennung zu umgehen, und entwickeln fortlaufend neue Angriffsmuster, die klassische, signaturbasierte Sicherheitssysteme immer seltener zuverlässig erfassen. 

Fünf Merkmale, die KI-Angriffe so gefährlich machen 

Es gibt fünf zentrale Eigenschaften, die KI-gestützte Angriffe von klassischen Cyberattacken unterscheiden: 

• Automatisierung: Aufgaben, die früher viel manuellen Aufwand erforderten, laufen heute automatisiert ab, von der Recherche bis zur Ausführung des Angriffs. 

• Effiziente Datensammlung: KI beschleunigt die Aufklärungsphase erheblich. Angreifer finden schneller Ziele, Schwachstellen und angreifbare Assets. 

• Personalisierung: Durch das automatisierte Auswerten öffentlicher Quellen wie Social-Media-Profilen oder Unternehmenswebsites entstehen hochgradig individualisierte, glaubwürdige Nachrichten. 

• Kontinuierliches Lernen: Die Algorithmen entwickeln sich in Echtzeit weiter und verbessern so laufend ihre eigenen Angriffstechniken. 

• Gezieltes Anvisieren von Mitarbeitenden: KI hilft Angreifern dabei, jene Personen im Unternehmen zu identifizieren, die besonders wertvollen Zugriff auf Systeme oder sensible Daten haben. 

Die wichtigsten Angriffsarten im Überblick 

Die Bandbreite an KI-gestützten Angriffstechniken ist mittlerweile groß. Zu den relevantesten für Unternehmen zählen u. a.: 

• KI-generiertes Phishing in großem Stil: Sprachmodelle erstellen kontextbezogene, sprachlich einwandfreie Phishing-Mails, die auf Basis öffentlich zugänglicher Informationen individuell auf einzelne Empfänger zugeschnitten sind. 

• Deepfake-Stimmen und -Videos: Angreifer klonen Stimmen von Führungskräften, etwa aus Aufzeichnungen von Konferenzen oder Social-Media-Videos, und setzen sie für gefälschte Anrufe oder Videokonferenzen ein. 

• KI-beschleunigter CEO-Fraud (Business E-Mail Compromise): Nach der Übernahme eines E-Mail-Kontos führen KI-Tools mehrstufige, dynamische Konversationen mit Mitarbeitenden und wirken dabei täuschend echt. 

• Polymorphe Schadsoftware: Malware, die sich bei jeder Ausführung selbst neu schreibt und dadurch für jede Instanz eine eigene, bislang unbekannte Signatur erzeugt. 

• Dark-LLM-Infrastruktur: Speziell entwickelte kriminelle Sprachmodelle wie WormGPT oder KawaiiGPT erzeugen Phishing-Inhalte oder Schadcode ohne die Sicherheitsvorkehrungen kommerzieller KI-Modelle. 

• Adversarial AI/ML: Angreifer manipulieren gezielt Trainingsdaten (Poisoning), Eingabedaten (Evasion) oder die Modellparameter selbst (Model Tampering), um KI-Systeme zu täuschen. 

• Prompt Injection gegen Unternehmens-KI: Schädliche Anweisungen werden in E-Mails, Dokumente oder Kalendereinträge eingebettet, die von KI-Assistenten im Unternehmen verarbeitet werden, und können so Daten abfließen lassen. 

• KI-beschleunigte Ransomware-Angriffsketten: KI automatisiert Aufklärung, Rechteausweitung und seitliche Bewegung im Netzwerk und verkürzt so die Zeit bis zur Verschlüsselung deutlich. 

Warum klassische Sicherheitslösungen an ihre Grenzen stoßen 

Traditionelle E-Mail- und Perimeter-Sicherheit wurde für Angriffe entwickelt, die wiederkehrenden Mustern folgen. Genau diese Grundannahme hebeln KI-gestützte Angriffe aus: 

• Polymorpher Content umgeht Mustererkennung: Da jede Nachricht individuell generiert wird, gibt es kaum noch wiederkehrende Kampagneninhalte, an denen klassische Filter ansetzen können. 

• Legitime Infrastruktur besteht Authentifizierungsprüfungen: Angreifer missbrauchen fehlkonfigurierte Relays oder vertrauenswürdige Domains, sodass Nachrichten SPF-, DKIM- und DMARC-Prüfungen bestehen, bevor der eigentliche Inhalt überhaupt geprüft wird. 

• Schädliche Weiterleitungen erfolgen erst nach der Zustellung: Phishing-Links werden auf legitimen Drittanbieter-Plattformen gehostet und erst nachträglich auf bösartige Ziele umgeleitet, außerhalb des Prüffensters vieler Gateways. 

• Social Engineering hinterlässt kaum technische Spuren: Bei vielen BEC-Angriffen gibt es weder einen Anhang zum Scannen noch eine bekannte bösartige URL, lediglich ein überzeugendes Gespräch. 

Drei Säulen für eine wirksame Verteidigung 

Ausschließlich auf KI-gestützte Sicherheitstools zu setzen wäre jedoch auch der falsche Plan. Notwendig sei stattdessen ein mehrschichtiger Ansatz aus menschlicher Aufsicht, Governance-Strukturen, KI-gestützten Bedrohungssimulationen und Echtzeit-Informationsaustausch. Daraus leiten sich drei Verteidigungssäulen ab: 

1. Automatisierte Sicherheitshygiene: selbstheilender Code, sich selbst patchende Systeme, kontinuierliches Angriffsflächenmanagement und Zero-Trust-Architekturen, die routinemäßige Aufgaben abnehmen und Kernschwachstellen absichern. 

2. Autonome und täuschende Verteidigungssysteme: Analytik, Machine Learning und Echtzeitdaten, die Bedrohungen erkennen und aktiv gegensteuern, statt nur reaktiv zu reagieren. 

3. Erweiterte Aufsicht und Berichterstattung: datengestützte Echtzeit-Einblicke für Entscheidungsträger, etwa durch automatisierte Risikoanalysen, die neu entstehende Bedrohungen frühzeitig erkennen. 

Konkrete Schutzmaßnahmen für Ihr Unternehmen 

Aus all dem lassen sich klare erste Handlungsempfehlungen ableiten: 

• Phishing-resistente Multi-Faktor-Authentifizierung (etwa FIDO2 oder Passkeys) für Admin- und Finanzkonten einführen. 

• Für Zahlungen, Passwortänderungen oder sensible Zugriffsanfragen eine verpflichtende Rückruf-Verifizierung über einen zweiten, unabhängigen Kanal etablieren. 

• Awareness-Trainings gezielt um KI-Bedrohungen erweitern, insbesondere um Deepfake-Anrufe und -Videos, nicht nur klassisches Phishing. 

• Kontinuierliches Monitoring und Verhaltensanalysen (User and Entity Behavior Analytics) einführen, um Abweichungen vom normalen Systemverhalten frühzeitig zu erkennen. 

• Einen Incident-Response-Plan nach den vier NIST-Phasen Vorbereitung, Erkennung und Analyse, Eindämmung sowie Wiederherstellung erstellen und regelmäßig testen. 

• Schatten-KI im Unternehmen identifizieren und klare Governance-Richtlinien für den Einsatz von KI-Tools festlegen. 

• Eigene KI-gestützte Sicherheitslösungen einsetzen, um große Datenmengen zu analysieren und Angriffsmuster automatisiert zu erkennen. 

Managed Detection and Response als Antwort auf KI-gestützte Angriffe 

Eines zeigt sich in allen hier vorgestellten Studien deutlich: KI-gestützte Angriffe verkürzen die Zeit zwischen erstem Zugriff und vollständiger Kompromittierung drastisch. Rein präventive Maßnahmen wie Firewalls oder klassische Antivirensoftware reichen allein nicht mehr aus. 

Managed Detection and Response verfolgt deshalb einen anderen Ansatz. Statt nur auf bekannte Bedrohungsmuster zu reagieren, kombiniert MDR kontinuierliches Monitoring, proaktive Bedrohungssuche und Verhaltensanalysen mit erfahrenen Sicherheitsanalysten, die verdächtige Aktivitäten rund um die Uhr einordnen und im Ernstfall sofort reagieren. Diese Kombination aus Automatisierung und menschlicher Expertise deckt sich mit genau den drei Verteidigungssäulen, die Cybersecurity-Fachleute empfehlen: automatisierte Sicherheitshygiene, autonome Erkennung und die menschliche Aufsichtsinstanz, die trotz aller KI-Fortschritte unverzichtbar bleibt. 

Mit NovaMDR™ bieten wir genau diesen Ansatz für den deutschen Mittelstand. Gerade Unternehmen, die weder Budget noch Personal für ein eigenes 24/7-Security-Operations-Center haben, erhalten damit Zugang zu kontinuierlicher Überwachung, Bedrohungserkennung und Incident Response, ohne die Komplexität eines eigenen SOC aufbauen zu müssen. Das ist besonders relevant, wenn man bedenkt, dass KI-gestützte Angriffe zunehmend auch kleinere und mittlere Unternehmen ins Visier nehmen, die bislang oft glaubten, für Angreifer zu uninteressant zu sein. 

Sie möchten wissen, wie NovaMDR™ Ihr Unternehmen konkret vor KI-gestützten Cyberangriffen schützen kann? Sprechen Sie uns an, wir beraten Sie gerne unverbindlich. 

Fazit 

KI-gestützte Cyberangriffe sind längst keine Zukunftsmusik mehr, sondern gelebter Alltag in der Bedrohungslandschaft, wie die Zahlen und Beispiele in diesem Beitrag zeigen. Für Unternehmen bedeutet das vor allem eines: Wachsamkeit allein reicht nicht mehr aus, wenn Angreifer täuschend echte Deepfakes, individualisiertes Phishing und sich selbst verändernde Malware einsetzen.  

Wer sich wirksam schützen will, braucht eine Kombination aus automatisierter Erkennung, kontinuierlichem Monitoring und geschulten Mitarbeitenden, die auch bei scheinbar vertrauten Anfragen kritisch nachfragen. Genau an dieser Kombination setzt Managed Detection and Response an und macht den Unterschied zwischen einem abgewehrten Versuch und einem millionenschweren Schaden.