KI-Social-Engineering im Jahr 2026: Warum Phishing-Simulationen auf Basis veralteter Vorlagen die falsche Verteidigung sind

Kurz gefasst

KI hat Social Engineering adaptiv, personalisiert und kanalübergreifend gemacht. Die meisten Phishing-Simulationsprogramme wurden für eine andere Art von Bedrohung entwickelt. Dieser Beitrag erläutert, was sich geändert hat, was eine moderne KI-Social-Engineering-Simulation testen muss und welche Kennzahlen ein genaueres Bild der tatsächlichen Gefährdung liefern.

Einleitung

Die meisten Phishing-Simulationsprogramme basieren auf einer Bibliothek von E-Mail-Vorlagen. Ein Anbieter erstellt Szenarien auf Basis von Angriffen, die vor Monaten erfolgreich waren, Sie wählen einige aus, versenden sie nach Zeitplan und messen, wer geklickt hat. Die Klickrate landet im Bericht. Der Bericht geht an den Vorstand. Der Zyklus wiederholt sich.

Dieses Modell funktionierte, als Social Engineering hauptsächlich auf E-Mails basierte und die Ressourcen der Angreifer begrenzt waren. Im Jahr 2026 misst es das Falsche.

KI hat die Wirtschaftlichkeit von Social Engineering verändert. Um einen glaubwürdigen, personalisierten Angriff zu erstellen, muss ein Angreifer nicht mehr stundenlang recherchieren. Es braucht nur den richtigen Prompt und ein paar Minuten Zeit. Das Ergebnis ist eine neue Kategorie von Bedrohungen: adaptiv, kanalübergreifend und in Echtzeit auf das jeweilige Ziel zugeschnitten.

Ein Trainingsprogramm, das auf den Vorlagen des letzten Jahres basiert, ist nicht deshalb falsch, weil die Vorlagen alt sind. Es ist falsch, weil die Bedrohung, die es simuliert, in diesem Ausmaß nicht mehr existiert.

Wie KI das Social Engineering im Jahr 2026 verändert hat

Im letzten Jahrzehnt bedeutete Social Engineering in großem Stil meist Phishing: massenhaft verbreitete E-Mail-Kampagnen mit Vorlagen, die darauf ausgelegt waren, so viele Menschen wie möglich zu täuschen. Gezielte Angriffe gab es zwar, sie erforderten jedoch einen erheblichen Aufwand seitens der Angreifer. Diese Ressourcenbeschränkung bildete eine natürliche Obergrenze.

KI hat diese Obergrenze beseitigt.

Moderne Social-Engineering-Angriffe nutzen KI für eine Personalisierung in großem Maßstab. Ein System zieht öffentlich verfügbare Daten von LinkedIn, Unternehmenswebsites und anderen Quellen heran, um ein detailliertes Zielprofil zu erstellen, und generiert dann eine Nachricht, die zum Kontext, zum Kommunikationsstil und zu den jüngsten Aktivitäten der Person passt. Was früher Stunden manueller Arbeit erforderte, dauert heute nur noch Sekunden.

Die Angriffsfläche hat sich zudem über E-Mails hinaus erweitert. Voice-Cloning kann die Stimme eines Kollegen oder einer Führungskraft so überzeugend nachahmen, dass sie einer flüchtigen Prüfung standhält. Deepfake-Videos werden immer leichter zugänglich. SMS, Teams, Slack und WhatsApp sind neben E-Mails zu Angriffsvektoren geworden. Versierte Angreifer kombinieren diese: Eine E-Mail schafft einen falschen Kontext, ein nachfolgender Anruf mit einer geklonten Stimme erzeugt Dringlichkeit, eine Teams-Nachricht schließt den Kreis.

Diese kanalübergreifende, mehrstufige Abfolge ist die Art und Weise, wie Angreifer im Jahr 2026 agieren. Ein Simulationsprogramm, das nur E-Mail-Klicks testet, wird dieser Bedrohung nicht gerecht.

Was herkömmliche Phishing-Simulationen tatsächlich messen

Herkömmliche Phishing-Simulationen beantworten eine einzige Frage: Hat dieser Mitarbeiter auf einen Link in einer simulierten Phishing-E-Mail geklickt?

Das ist ein nützlicher Datenpunkt. Aber es ist nur ein kleiner Ausschnitt des Verhaltens, erfasst in einem engen Kontext und unter Verwendung von Szenarien, die möglicherweise nicht widerspiegeln, was Angreifer aktuell tun.

Das Problem der veralteten Vorlagen

Anbieter von Simulationen erstellen Szenario-Bibliotheken auf Basis beobachteter Angriffsmuster. Bis eine Vorlage erstellt, geprüft, genehmigt und bereitgestellt ist, kann der Angriff, den sie modelliert, bereits sechs bis zwölf Monate alt sein. KI-gestützte Angreifer arbeiten nicht nach diesem Zeitplan. Sie generieren kontinuierlich neue Varianten und passen sich an das an, was aktuell funktioniert.

Mitarbeiter darauf zu trainieren, die Angriffsmuster von gestern zu erkennen, führt zu einer spezifischen, starren Form der Erkennung. Es baut nicht die umfassende verhaltensbezogene Resilienz auf, die eine sich kontinuierlich anpassende Bedrohung erfordert.

Herkömmliche Simulationen messen meist eher Plattformkennzahlen als tatsächliche Risiken. Eine Abschlussquote von 72 % bei Schulungen und eine Klickrate von 15 % bei Simulationen sind zwar reale Zahlen, sie messen jedoch nur die Leistung innerhalb der Trainingsumgebung und nicht die Verhaltensänderung in echten Risikosituationen. Beides hängt zwar zusammen, ist aber nicht dasselbe.

Laut dem Verizon Data Breach Investigations Report (Verizon, 2024, verizon.com/dbir) war 2024 bei 68 % der Sicherheitsverletzungen der Faktor Mensch im Spiel. Trotz der weiten Verbreitung von Phishing-Simulationsprogrammen hat sich dieser Wert kaum verbessert. Diese Lücke erfordert Aufmerksamkeit.

Was eine KI-gestützte Social-Engineering-Simulation leisten muss

Eine KI-gestützte Social-Engineering-Simulation, die für die heutige Bedrohungslage konzipiert ist, unterscheidet sich in drei wesentlichen Punkten von vorlagenbasiertem Phishing.

Erstens: Realismus. Szenarien sollten widerspiegeln, wie Angriffe tatsächlich aufgebaut sind. Das bedeutet zunehmend personalisierte Inhalte statt generischer Vorlagen. Eine Simulation, die Szenarien auf Basis der Rolle, des Kontexts und der Kommunikationsmuster des Zielobjekts erstellt, testet eine andere Verhaltensreaktion als eine, die dieselbe E-Mail an die gesamte Abteilung sendet.

Zweitens: Multi-Vektor-Abdeckung.

Multi-Channel-Exposition

Echte Angriffe erfolgen nicht über einen einzigen Kanal. Ein Mitarbeiter könnte innerhalb einer Stunde eine gefälschte E-Mail, eine nachfassende SMS und eine Sprachnachricht von einem geklonten Vorgesetzten erhalten. Jeder Kontaktpunkt ist darauf ausgelegt, die anderen zu verstärken. Die Bedrohung ist nicht die E-Mail oder der Anruf für sich allein, sondern deren Kombination.

Eine Simulation, die nur E-Mails testet, bietet Mitarbeitern hierfür keine Vorbereitung. Multi-Vektor-Social-Engineering-Simulationen versetzen Mitarbeiter in Szenarien, in denen Kanäle gleichzeitig kombiniert werden: E-Mail neben Sprache, SMS neben einer Teams-Nachricht, ein Deepfake-Anruf, der durch eine Kalendereinladung untermauert wird. Die Frage ist nicht: „Hat der Mitarbeiter auf den Phishing-Link geklickt?“, sondern: „Hat er das Muster erkannt, als der Druck von mehreren Seiten gleichzeitig kam?“

Drittens: Verhaltenssignale statt Klickmetriken. Eine Simulation sollte erfassen, was vor und nach dem Klick passiert, nicht nur, ob geklickt wurde. Hat der Mitarbeiter die verdächtige Nachricht gemeldet? Wie schnell? Hat er sich über einen zweiten Kanal rückversichert, bevor er gehandelt hat? Diese Verhaltensindikatoren sind aussagekräftiger für das tatsächliche Risiko als ein binäres Ergebnis wie „geklickt/nicht geklickt“.

Die Kennzahlen, auf die es ankommt

Die Frage, die ein CISO beantworten muss, lautet nicht: „Wie viel Prozent unserer Mitarbeiter haben im letzten Quartal geklickt?“, sondern: „Wie anfällig ist dieses Unternehmen aktuell für Social Engineering?“

Das sind unterschiedliche Fragen, die unterschiedliche Daten erfordern.

Ein Score für die Anfälligkeit gegenüber Social Engineering fasst Verhaltenssignale über mehrere Kanäle und Szenarien hinweg zusammen, um ein vollständigeres Bild der Gefährdung des Unternehmens zu zeichnen. Er berücksichtigt, wie Mitarbeiter auf verschiedene Angriffsarten reagieren, wie konsistent ihr Urteilsvermögen über verschiedene Kanäle hinweg ist und ob Schulungsmaßnahmen zu einer dauerhaften Verhaltensänderung führen oder nur ein vorübergehendes Bewusstsein schaffen.

Abschluss- und Klickraten sind Plattformkennzahlen. Ein Anfälligkeits-Score ist eine Risikokennzahl. Dieser Unterschied ist wichtig, da er beeinflusst, was Sie dem Vorstand berichten, welche Prioritäten Sie in Ihrem Programm setzen und was Sie glaubhaft über Ihre tatsächliche Risikolage aussagen können.

Was das für Ihr Programm im Jahr 2026 bedeutet

Wenn Ihr aktuelles Simulationsprogramm nur auf E-Mails und Vorlagen basiert, bedeutet das nicht, dass es wertlos ist. Es bedeutet lediglich, dass Sie ein genaues Maß für ein eng begrenztes Verhalten in einem eng begrenzten Kontext haben. Ihnen fehlt das Gesamtbild.

Hier sind die Fragen, die Sie bei der Überprüfung Ihres Programms stellen sollten:

➡️ Deckt Ihre Simulation neben E-Mails auch Sprach-, SMS- und Messaging-Kanäle ab? Falls nicht, testen Sie nicht die gesamte Angriffsfläche, der Ihre Mitarbeiter tatsächlich ausgesetzt sind.

➡️ Spiegelt Ihr Szenario den aktuellen Stand der Angriffstechnik wider oder basiert es auf Vorlagen aus dem letzten Jahr? Die Lücke zwischen der Realitätsnähe der Simulation und den tatsächlichen Fähigkeiten der Angreifer ist selbst ein Risiko.

➡️ Messen Sie Verhaltensänderungen im Zeitverlauf oder nur Klickraten in einzelnen Kampagnen? Ein Programm zur Risikominimierung sollte messbare Verhaltensverbesserungen aufzeigen, nicht nur schwankende Klickzahlen.

➡️ Ist KI-gestützte Vishing-Simulation Teil Ihres Programms? Sprachbasierte Angriffe gehören zu den am schnellsten wachsenden Vektoren und stellen in den meisten Simulationsprogrammen eine erhebliche Lücke dar.

Dies sind keine Fragen, die einen sofortigen Anbieterwechsel erfordern. Es sind Fragen, die Ihnen helfen, die blinden Flecken Ihres aktuellen Programms zu identifizieren.

Die Diskrepanz ist das Risiko

Das Kernproblem ist nicht, dass Phishing-Simulationen nutzlos wären. Das Problem ist, dass sie für eine Bedrohungslage konzipiert wurden, die in diesem Ausmaß nicht mehr existiert. Wenn die Lücke zwischen der Komplexität der Simulation und der tatsächlichen Angriffstechnik wächst, sehen sich Mitarbeiter mit Angriffen konfrontiert, für deren Erkennung sie nie geschult wurden.

Diese Lücke ist das Risiko. Um sie zu schließen, müssen Sie sowohl Ihre Simulationsinhalte als auch Ihre Messmethoden aktualisieren.

Die menschliche Ebene zu schützen war noch nie so wichtig – und noch nie so schwierig wie heute. Die Werkzeuge, mit denen wir dies messen, müssen dieser Realität gerecht werden.

Fazit

Phishing-Simulationen bleiben ein nützliches Instrument. Doch die Unternehmen, die menschliche Risiken im Jahr 2026 am effektivsten managen, sind nicht die mit den höchsten Abschlussquoten. Es sind diejenigen, die ihren Simulationsansatz an die heutige Realität der Angriffe angepasst haben.

Das bedeutet: Multi-Channel-Ansätze. Das bedeutet: Fokus auf Verhaltenssignale statt nur auf Klickmetriken. Und es bedeutet, die Messgrößen so gut zu verstehen, dass man die Lücke denjenigen erklären kann, die sie schließen müssen.

Wir haben den Simulationsansatz von Zepo auf Basis dieser Prinzipien entwickelt.

‍