{"id":1003,"date":"2026-04-29T14:40:46","date_gmt":"2026-04-29T12:40:46","guid":{"rendered":"https:\/\/privacy4all.de\/startseite\/?p=1003"},"modified":"2026-04-29T14:42:44","modified_gmt":"2026-04-29T12:42:44","slug":"bist-du-ein-mensch-wie-koennen-wir-erkennen-wer-wirklich-mit-uns-spricht","status":"publish","type":"post","link":"https:\/\/privacy4all.de\/startseite\/bist-du-ein-mensch-wie-koennen-wir-erkennen-wer-wirklich-mit-uns-spricht\/","title":{"rendered":"Bist du ein Mensch? Wie k\u00f6nnen wir erkennen, wer wirklich mit uns spricht?\u00a0\u00a0\u00a0"},"content":{"rendered":"\n<p class=\"has-text-align-center wp-block-paragraph\"><strong>Wir suchen immer neue Beitr\u00e4ge f\u00fcr unseren Blog &#8211; einen Call mit allen relevanten Informationen findet ihr <a href=\"https:\/\/privacy4all.de\/startseite\/call-for-blogbeitraege\/\">hier<\/a>!<\/strong><\/p>\n\n\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Wie k\u00f6nnen wir erkennen, wer wirklich mit uns spricht?<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">von <a href=\"https:\/\/www.h-brs.de\/en\/wiwi\/sima-amirkhani\" title=\"\">Sima Amirkhani<\/a>, <a href=\"https:\/\/www.wineme.uni-siegen.de\/team\/stevens\/\" title=\"\">Gunnar Stevens<\/a>, <a href=\"https:\/\/www.h-brs.de\/de\/wiwi\/prof-dr-alexander-boden\" title=\"\">Alexander Boden<\/a><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Deepfakes werden l\u00e4ngst nicht mehr nur zur massenhaften Verbreitung von Desinformation eingesetzt. Zunehmend werden sie gezielt zur T\u00e4uschung einzelner Privatpersonen genutzt. Dabei missbrauchen T\u00e4ter:innen beispielsweise \u00f6ffentlich zug\u00e4ngliche Informationen aus sozialen Netzwerken oder Profilseiten, um besonders glaubw\u00fcrdige und personalisierte Deepfakes zu erstellen, die nur schwer als Manipulation erkennbar sind. Bereits aus wenigen Inhalten von Instagram, YouTube oder TikTok lassen sich t\u00e4uschend echte Audio oder Videoinhalte generieren.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Auch frei verf\u00fcgbare Sprachaufnahmen, Fotos oder kurze Videos k\u00f6nnen gezielt f\u00fcr Cybermobbing oder Erpressung verwendet werden. Beim Cybermobbing k\u00f6nnen manipulierte Audio oder Videoaufnahmen, ob angedroht oder tats\u00e4chlich verbreitet, Betroffene in scheinbar kompromittierenden Situationen zeigen oder ihnen beleidigende beziehungsweise diskriminierende Aussagen zuschreiben. Solche Inhalte k\u00f6nnen soziale Beziehungen nachhaltig besch\u00e4digen, schulische oder berufliche Konsequenzen nach sich ziehen und erheblichen psychischen Druck erzeugen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Auch im Bereich des Betrugs er\u00f6ffnen Deepfakes neue M\u00f6glichkeiten. Ein Beispiel ist eine neue Variante des sogenannten Enkeltricks, bei der Eltern oder Gro\u00dfeltern einen Anruf ihres vermeintlich in Not geratenen Kindes erhalten <a id=\"_ftnref1\" href=\"#_ftn1\">[1]<\/a>. Die Stimme wirkt vertraut, ist jedoch tats\u00e4chlich KI-generiert. T\u00e4ter:innen nutzen den emotionalen Druck einer angeblich akuten Notlage aus und fordern unter Vorw\u00e4nden kurzfristige und dringliche Geld\u00fcberweisungen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Solche F\u00e4lle verdeutlichen, wie Deepfake Technologien gezielt emotionale Bindungen und Vertrauensverh\u00e4ltnisse ausnutzen k\u00f6nnen, allein \u00fcber die Stimme einer Person. Es zeigen sich dabei unterschiedliche Risikodimensionen, darunter emotionale Manipulation, finanzielle Betrugsszenarien sowie potenzieller politischer Missbrauch, die das Vertrauen in digitale Kommunikation nachhaltig beeintr\u00e4chtigen k\u00f6nnen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Dabei werden neue KI M\u00f6glichkeiten mit bekannten Social Engineering <a id=\"_ftnref2\" href=\"#_ftn2\">[2]<\/a> Strategien kombiniert. In diesen Situationen spielen technische Schwachstellen eine geringere Rolle. Entscheidend ist vielmehr die psychologisch geschickte Manipulation von Vertrauen und Hilfsbereitschaft, die durch KI gest\u00fctzte T\u00e4uschung zus\u00e4tzlich verst\u00e4rkt wird.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Der Klang des Vertrauten<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">In Zeiten von Deepfakes kann der vermeintliche soziale \u201eBeweis\u201c einer vertrauten Stimme (\u201eAber ich erkenne die Stimme doch!\u201c) zu einem gef\u00e4hrlichen Trugschluss werden. Unsere Scoping Review bestehender wissenschaftlicher Studien zur Wahrnehmung und Erkennung von synthetischen Stimmen, im Rahmen des Projekt <em>AntiScam,<\/em> zeigt deutlich, dass Menschen diese nur begrenzt zuverl\u00e4ssig erkennen k\u00f6nnen <a id=\"_ftnref3\" href=\"#_ftn3\">[3]<\/a>. So variieren die korrekten Erkennungsraten stark und liegen in vielen F\u00e4llen lediglich im moderaten Bereich \u2013 teils nahe am Zufallsniveau, insbesondere bei Audio-only-Stimuli oder unbekannten Sprecher:innen <a id=\"_ftnref4\" href=\"#_ftn4\">[4]<\/a> <a id=\"_ftnref5\" href=\"#_ftn5\">[5]<\/a>. Selbst umfangreiche Online-Studien zeigen deutliche Unsicherheiten von Menschen in der Unterscheidung zwischen echten und KI-generierten Stimmen <a id=\"_ftnref6\" href=\"#_ftn6\">[6]<\/a> <a id=\"_ftnref7\" href=\"#_ftn7\">[7]<\/a>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Zugleich zeigt sich deutlich, dass es bestimmte Marker gibt, an denen die Teilnehmenden der Studien die Echtheit einer Stimme einzusch\u00e4tzen versuchen <a id=\"_ftnref8\" href=\"#_ftn8\">[8]<\/a>. Dazu geh\u00f6ren unter anderem:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Intuition\/Gef\u00fchl<\/strong>:\u00a0ein \u201ekomisches Bauchgef\u00fchl\u201c bei Stimmen, die zu perfekt klingen<\/li>\n\n\n\n<li><strong>Lebendigkeit<\/strong>:\u00a0kleine Unregelm\u00e4\u00dfigkeiten wie Atempausen oder spontane Rhythmuswechsel bei echten Stimmen<\/li>\n\n\n\n<li><strong>Emotionale Nuancen<\/strong>:\u00a0echte Stimmen wirken weniger kontrolliert und variabler<\/li>\n\n\n\n<li><strong>Linguistische Merkmale<\/strong>:\u00a0unnat\u00fcrlich glatte S\u00e4tze oder irritierende F\u00fcllw\u00f6rter<\/li>\n\n\n\n<li><strong>Akustische Hinweise<\/strong>:\u00a0Hintergrundger\u00e4usche \u2013 oder deren auff\u00e4llige Abwesenheit<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Doch genau diese Hinweise k\u00f6nnen inzwischen auch durch KI-Systeme imitiert werden. Einige Deepfake-Modelle bauen sogar gezielt diese kleinen Unregelm\u00e4\u00dfigkeiten, wie Atemger\u00e4usche, unterschiedliche Sprechgeschwindigkeiten oder F\u00fclllaute ein, um nat\u00fcrlicher zu wirken.&nbsp;<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Unsere Forschung zeigt daher klar: Auf Intuition allein k\u00f6nnen wir uns bei der Einsch\u00e4tzung der \u201eEchtheit\u201c von Stimmen nicht mehr verlassen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Unsere explorative qualitative Interviewstudie <a id=\"_ftnref9\" href=\"#_ftn9\">[9]<\/a> mit neun Teilnehmenden aus unterschiedlichen akademischen, beruflichen und kulturellen Kontexten untersucht die Wahrnehmungen, Erfahrungen und Umgangsweisen im Kontext KI-generierter Stimmen. Die Teilnehmenden waren nach dem Anh\u00f6ren verschiedener Stimmproben verunsichert und \u00fcberrascht, wie schwer sich synthetische Stimmen erkennen lassen. Teilweise \u00e4u\u00dferten sie sich sichtbar erschrocken dar\u00fcber, wie schwer es ihnen fiel, falsche Stimmen zuverl\u00e4ssig zu identifizieren.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Einige gaben an, dass diese Erfahrung ihr Vertrauen in digitale Kommunikation grundlegend ersch\u00fcttert habe. Dies zeigte sich darin, dass bislang Selbstverst\u00e4ndliches infrage gestellt wurde und bei einigen Befragten eine Reflexion ihres bisherigen Verhaltens ausl\u00f6ste. Mehrere Teilnehmende berichteten, k\u00fcnftig digitale Inhalte st\u00e4rker hinterfragen zu wollen \u2013 nicht nur in sozialen Medien, sondern auch bei Sprachnachrichten oder Telefonaten.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Als m\u00f6gliche Abwehrstrategien nannten sie unter anderem, unbekannte Nummern eher zu ignorieren, Aussagen h\u00e4ufiger gegenzuchecken und vertraut klingende Stimmen nicht mehr automatisch f\u00fcr echt zu halten. Einzelne formulierten sogar die Sorge, man k\u00f6nne online \u201enichts mehr einfach glauben\u201c. Gleichzeitig wurde in den Interviews auch betont, dass KI-generierte Stimmen nicht ausschlie\u00dflich mit Risiken verbunden sind, sondern insbesondere im Bereich Barrierefreiheit und assistiver Technologien auch als sinnvoll und unterst\u00fctzend wahrgenommen werden.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Die Reaktionen machen deutlich: KI-generierte Stimmen sind nicht nur ein technisches Sicherheitsproblem. Sie k\u00f6nnen langfristig beeinflussen, wie Menschen Vertrauen in digitaler Kommunikation einsch\u00e4tzen. Dies kann potenziell weitreichende Folgen f\u00fcr das Erleben von Privatheit und Vertrauen im Internet haben. Damit gehen neue Herausforderungen einher, wie sich Sicherheit und Orientierung in digitalen R\u00e4umen k\u00fcnftig verl\u00e4sslich herstellen l\u00e4sst.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Junge Menschen im Visier von Deepfakes?<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Unsere Scoping Review zeigte bereits, dass selbst Erwachsene h\u00e4ufig Schwierigkeiten haben, Deepfake-Stimmen zuverl\u00e4ssig zu identifizieren. Gleichzeitig deutet vieles darauf hin, dass auch Jugendliche potenziell Ziel von Missbrauch durch solche Technologien werden k\u00f6nnen. Empirische Studien, die sich spezifisch mit Jugendlichen in diesem Kontext befassen, sind bislang jedoch noch vergleichsweise selten, obwohl gerade in dieser Lebensphase soziale Beziehungen stark durch digitale Kommunikation gepr\u00e4gt sind und sich Medienkompetenzen sowie Bewertungsstrategien noch entwickeln.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Digitale und analoge Kommunikation sind im Alltag vieler Jugendlicher eng miteinander verwoben. Freundschaften und soziale Beziehungen bewegen sich kontinuierlich zwischen Messenger-Diensten, sozialen Medien, Sprachnachrichten, Online-Spielen und pers\u00f6nlichen Treffen. Vertrauen entsteht dabei \u00fcber mehrere Kommunikationskan\u00e4le hinweg. In solchen Kontexten k\u00f6nnen synthetische Stimmen oder andere KI-generierte Inhalte besonders glaubw\u00fcrdig erscheinen, wenn sie beispielsweise von vermeintlichen Freund:innen, Familienmitgliedern oder Autorit\u00e4tspersonen stammen. Nicht prim\u00e4r die technische Qualit\u00e4t der T\u00e4uschung macht sie \u00fcberzeugend. Entscheidend ist vielmehr, dass die Nachricht scheinbar von einer realen Person aus dem eigenen sozialen Umfeld kommt und dadurch authentischer wirkt.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Unsere Forschung richtet daher den Blick insbesondere auf Jugendliche im Alter von 14 bis 18 Jahren und darauf, wie diese jungen Nutzer:innen KI-generierte Stimmen wahrnehmen und bewerten. Unsere Ergebnisse, die auf einem Workshop der CSCW-Konferenz 2025 vorgestellt wurden, zeigen, dass Jugendliche durchaus Strategien entwickeln, um synthetische Stimmen zu identifizieren. So achten sie beispielsweise auf ungew\u00f6hnliche Betonungen, unnat\u00fcrliche Sprachrhythmen oder fehlende emotionale Nuancen. Gleichzeitig zeigt sich jedoch, dass solche Hinweise nicht immer zuverl\u00e4ssig erkannt oder korrekt interpretiert werden.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Unsere Forschung weist zudem darauf hin, dass einige Teilnehmende im Verlauf der Nutzung digitaler Medien eine erh\u00f6hte Sensibilit\u00e4t f\u00fcr m\u00f6gliche T\u00e4uschungen entwickeln und verschiedene Strategien zur Erkennung anwenden, w\u00e4hrend andere deutlich anf\u00e4lliger f\u00fcr manipulative Inhalte bleiben. Diese Diskrepanz weiter zu erforschen wird Teil unserer Agenda sein.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Erkl\u00e4rbare KI zur St\u00e4rkung der Abwehrkr\u00e4fte gegen Deep-Fakes<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Als eine Strategie, Menschen besser vor KI-vermittelten T\u00e4uschungen zu sch\u00fctzen, greift das Projekt&nbsp;<em>AntiScam<\/em> auf neuere Ans\u00e4tze der erkl\u00e4rbaren KI (eXplainable AI oder auch xAI) zur\u00fcck. Ziel ist es, Deepfake-Stimmen nicht nur technisch zu erkennen, sondern die Kriterien f\u00fcr die Erkennung auch f\u00fcr Nutzer:innen nachvollziehbar zu machen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ein zentraler Ansatz besteht demnach darin, die KI-Erkl\u00e4rungen zur Detektion so zu gestalten, dass sie an bestehende mentale Modelle und Erwartungen von Menschen anschlie\u00dfen. Hierzu nimmt das Projekt KI-Modelle zur Erkennung synthetischer Stimmen in den Fokus, die auf Basis sogenannter&nbsp;\u201eperceptual features\u201c&nbsp;analysieren \u2013 also h\u00f6rbarer Merkmale wie Tonh\u00f6he, Sprechtempo oder Betonungsmuster. Diese Merkmale sind nicht nur technisch messbar, sondern entsprechen genau jenen Hinweisen, auf die Menschen intuitiv achten, wenn sie die Echtheit einer Stimme beurteilen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">In einer Machbarkeitsstudie konnte gezeigt werden <a id=\"_ftnref10\" href=\"#_ftn10\">[10]<\/a>, dass sich komplexe Modellentscheidungen systematisch auf solche wahrnehmbaren Stimm-Eigenschaften abbilden lassen. Statt abstrakte Signalwerte oder Spektrogramme zu pr\u00e4sentieren, kann die KI beispielsweise erkl\u00e4ren: \u201eDie Stimme wirkt ungew\u00f6hnlich gleichf\u00f6rmig\u201c oder \u201eNat\u00fcrliche Atemmuster fehlen\u201c. Das entwickelte Erkl\u00e4rungsmodell wurde mit 100 Teilnehmenden evaluiert. Hier zeigte sich, dass solche Erkl\u00e4rungen als verst\u00e4ndlich, hilfreich und vertrauensf\u00f6rdernd bewertet werden. Sie unterst\u00fctzen Nutzer:innen dabei, die Entscheidung des Systems nachzuvollziehen und eigene Einsch\u00e4tzungen bewusster zu reflektieren.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Auf dieser Grundlage nehmen wir an, dass KI-Systeme k\u00fcnftig unterst\u00fctzen k\u00f6nnen eine Stimme als verd\u00e4chtig einzuordnen, zum Beispiel, wenn sie ungew\u00f6hnlich gleichf\u00f6rmig klingt oder emotionale Nuancen fehlen. Explainable AI kann damit einen wichtigen Beitrag leisten, indem sie das Bewusstsein f\u00fcr m\u00f6gliche Manipulationen st\u00e4rkt. Die m\u00f6glichen Anwendungskontexte sind vielf\u00e4ltig: von sicherheitskritischen Kommunikationssystemen (z. B. bei Banken oder Beh\u00f6rden) \u00fcber die Integration in soziale Medien, Messenger-Dienste und Telefonie bis hin zu Bildungs- und Trainingssettings. Gerade dort k\u00f6nnen Nutzer:innen lernen, typische Merkmale synthetischer Stimmen besser zu verstehen und einzuordnen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Gleichzeitig wirft dieser Ansatz eine normative Frage auf: Wenn KI-basierte Probleme mit weiteren KI-Systemen adressiert werden, besteht die Gefahr einer technologischen \u201eSpirale\u201c zur Bek\u00e4mpfung von Deepfakes. Wir sehen technische Detektionssysteme daher nur als einen Baustein an, und m\u00f6chten langfristig die Menschliche Kompetenz st\u00e4rken. Die digitale Souver\u00e4nit\u00e4t des Einzelnen k\u00f6nnte zum Beispiel durch medienp\u00e4dagogische Ma\u00dfnahmen gef\u00f6rdert werden, wie durch klare regulatorische Rahmenbedingungen, welche Kommunikations- und Medienanbieter st\u00e4rker in die Pflicht nehmen, Menschen nicht ungesch\u00fctzt den Gefahren von Deepfakes auszusetzen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ver\u00f6ffentlichungen erster Projektergebnisse<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Erste Projektergebnisse wurden bereits auf internationalen Konferenzen ver\u00f6ffentlicht und geben einen Einblick in die aktuellen Forschungsans\u00e4tze und Erkenntnisse des <a href=\"https:\/\/antiscam-project.de\/\" title=\"\">AntiScam-Projekts<\/a>:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Amirkhani, S., Stevens, G., Shajalal, M., &amp; Boden, A.\u00a0(2025).\u00a0<em>The sound of synthetic: A scoping review of human perception in detecting synthetic voices.<\/em>\u00a0In\u00a0Mensch und Computer 2025 \u2013 Workshopband. Gesellschaft f\u00fcr Informatik.\u00a0<a href=\"https:\/\/doi.org\/10.18420\/muc2025-mci-ws01-179\">https:\/\/doi.org\/10.18420\/muc2025-mci-ws01-179<\/a><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">LaRock, J., Shajalal, M., &amp; Stevens, G.\u00a0(2025).\u00a0<em>Interpretable deepfake voice detection: A hybrid deep-learning model and explanation evaluation.<\/em>\u00a0In P. Biecek, M. Nowaczyk, et al. (Eds.),\u00a0Joint Proceedings of the xAI 2025 Late-breaking Work, Demos and Doctoral Consortium, co-located with the 3rd World Conference on eXplainable Artificial Intelligence (xAI 2025), Istanbul, Turkey, July 9\u201311, 2025 (pp. 97\u2013104). RWTH Aachen. <a href=\"https:\/\/pub.h-brs.de\/frontdoor\/deliver\/index\/docId\/9192\/file\/paper_13.pdf\">https:\/\/pub.h-brs.de\/frontdoor\/deliver\/index\/docId\/9192\/file\/paper_13.pdf<\/a><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Rayhana, S., Shajalal, M., Atabuzzaman, M., &amp; Stevens, G.&nbsp;(2025, August).&nbsp;<em>Interpretable sexism detection with explainable transformers.<\/em>&nbsp;In P. Biecek, M. Nowaczyk, et al. (Eds.),&nbsp;Joint Proceedings of the xAI 2025 Late-breaking Work, Demos and Doctoral Consortium, co-located with the 3rd World Conference on eXplainable Artificial Intelligence (xAI 2025), Istanbul, Turkey, July 9\u201311, 2025 (pp. 153\u2013160). RWTH Aachen. <a href=\"https:\/\/pub.h-brs.de\/frontdoor\/deliver\/index\/docId\/9193\/file\/paper_20.pdf\">https:\/\/pub.h-brs.de\/frontdoor\/deliver\/index\/docId\/9193\/file\/paper_20.pdf<\/a><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Shajalal, M., Riday, M. M. H., Amirkhani, S., &amp; Stevens, G. (2026).&nbsp;Human-centered explanations for audio deepfakes: Making machine reasoning human-perceptible through voice traits. In&nbsp;Proceedings of HCI International 2026. Springer. (To appear.)<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Veisi, O., Kazemian, K., Gerami, F., Mirzaee Kharghani, M., Amirkhani, S., Du, D. K., Stevens, G., &amp; Boden, A. (2025).&nbsp;<em>User narrative study for dealing with deceptive chatbot scams aiming to online fraud.<\/em>&nbsp;In&nbsp;Extended Abstracts of the CHI Conference on Human Factors in Computing Systems&nbsp;(pp. 1\u20137). ACM. <a href=\"https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3757397\">https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3757397<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"#_ftnref1\" id=\"_ftn1\">[1]<\/a> Vgl.WDR Beitrag 13.06.2025 \u201eEmotionale KI-Stimmen: Eine neue gef\u00e4hrlichere Stufe des Enkeltricks\u201c, URL: <a href=\"https:\/\/www1.wdr.de\/nachrichten\/enkeltrick-gefahr-durch-ki-klon-stimmen-mit-emotionen-100.html\">https:\/\/www1.wdr.de\/nachrichten\/enkeltrick-gefahr-durch-ki-klon-stimmen-mit-emotionen-100.html<\/a><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"#_ftnref2\" id=\"_ftn2\">[2]<\/a> Social Engineering (Zusammengesetzt aus: social=sozial und Engineering= Ingenieurwesen) bezeichnet dabei die Anwendung gezielter Manipulationsstrategien, bei denen Angreifer:innen psychologische Mechanismen wie Autorit\u00e4t, Zeitdruck oder Hilfsbereitschaft nutzen, um Menschen zur Preisgabe sensibler Informationen oder zu bestimmten Handlungen zu bewegen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"#_ftnref3\" id=\"_ftn3\">[3]<\/a> Amirkhani, S., Stevens, G., Shajalal, M., &amp; Boden, A.&nbsp;(2025).&nbsp;The sound of synthetic: A scoping review of human perception in detecting synthetic voices.&nbsp;In&nbsp;Mensch und Computer 2025 \u2013 Workshopband. Gesellschaft f\u00fcr Informatik.&nbsp;<a href=\"https:\/\/doi.org\/10.18420\/muc2025-mci-ws01-179\">https:\/\/doi.org\/10.18420\/muc2025-mci-ws01-179<\/a><a><\/a><a><\/a><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"#_ftnref4\" id=\"_ftn4\">[4]<\/a> Vanessa Barnekow, Dominik Binder, Niclas Kromrey, Pascal Munaretto, Andreas Schaad, and Felix Schmieder. 2021. Creation and detection of German voice deepfakes. In International Symposium on Foundations and Practice of Security. Springer, 355\u2013364.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"#_ftnref5\" id=\"_ftn5\">[5]<\/a> Sarah Barrington, Emily A Cooper, and Hany Farid. 2024. People are poorly equipped to detect AI-powered voice clones. arXiv preprint arXiv:2410.03791 (2024).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"#_ftnref6\" id=\"_ftn6\">[6]<\/a> Joel Frank, Franziska Herbert, Jonas Ricker, Lea Sch\u00f6nherr, Thorsten Eisenhofer, Asja Fischer, Markus D\u00fcrmuth, and Thorsten Holz. 2024. A representative study on human detection of artificially generated media across countries. In 2024 IEEE Symposium on Security and Privacy (SP). IEEE, 55\u201373.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"#_ftnref7\" id=\"_ftn7\">[7]<\/a> Matthew Groh, Aruna Sankaranarayanan, Nikhil Singh, Dong Young Kim, Andrew Lippman, and Rosalind Picard. 2024. Human detection of political speech deepfakes across transcripts, audio, and video. Nature communications 15, 1 (2024), 7629.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"#_ftnref8\" id=\"_ftn8\">[8]<\/a> Amirkhani, S., Stevens, G., Shajalal, M., &amp; Boden, A.&nbsp;(2025).&nbsp;The sound of synthetic: A scoping review of human perception in detecting synthetic voices.&nbsp;In&nbsp;Mensch und Computer 2025 \u2013 Workshopband. Gesellschaft f\u00fcr Informatik.&nbsp;<a href=\"https:\/\/doi.org\/10.18420\/muc2025-mci-ws01-179\">https:\/\/doi.org\/10.18420\/muc2025-mci-ws01-179<\/a><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"#_ftnref9\" id=\"_ftn9\">[9]<\/a> Noch unver\u00f6ffentlicht<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"#_ftnref10\" id=\"_ftn10\">[10]<\/a> Shajalal, M., Riday, M. M. H., Amirkhani, S., &amp; Stevens, G. (2026). Human-centered explanations for audio deepfakes: Making machine reasoning human-perceptible through voice traits. In Proceedings of HCI International 2026. Springer. (To appear.)<\/p>\n\n\n\n<h4 class=\"wp-block-heading\">\u00dcber die Autoren<\/h4>\n\n\n\n<div class=\"wp-block-columns is-layout-flex wp-container-core-columns-is-layout-8f761849 wp-block-columns-is-layout-flex\">\n<div class=\"wp-block-column is-layout-flow wp-block-column-is-layout-flow\" style=\"padding-top:0;padding-right:0;padding-bottom:0;padding-left:0;flex-basis:50%\">\n<p class=\"wp-block-paragraph\">Sima Amirkhani ist wissenschaftliche Mitarbeiterin am Institut f\u00fcr Verbraucherinformatik der Hochschule Bonn-Rhein-Sieg und promoviert am Lehrstuhl f\u00fcr Wirtschaftsinformatik, insbesondere IT-Sicherheit und Datenschutz, der Universit\u00e4t Siegen zu den Themen digitale Privatheit im sozialen Nahumfeld und Romance Scam. Ein besonderer Schwerpunkt ihrer Arbeit liegt auf den kulturellen und sozialen Kontexten digitaler Betrugsformen und darauf, wie diese die Verwundbarkeit von Nutzer:innen beeinflussen.<\/p>\n<\/div>\n\n\n\n<div class=\"wp-block-column is-layout-flow wp-block-column-is-layout-flow\" style=\"flex-basis:50%\"><\/div>\n<\/div>\n\n\n\n<div class=\"wp-block-columns is-layout-flex wp-container-core-columns-is-layout-8f761849 wp-block-columns-is-layout-flex\">\n<div class=\"wp-block-column is-layout-flow wp-block-column-is-layout-flow\" style=\"padding-top:0;padding-right:0;padding-bottom:0;padding-left:0;flex-basis:50%\">\n<p class=\"wp-block-paragraph\">Prof. Dr. Gunnar Stevens ist Professor f\u00fcr Wirtschaftsinformatik mit Schwerpunkt IT-Sicherheit und Verbraucherinformatik an der Universit\u00e4t Siegen. Am Lehrstuhl erforscht er nutzerzentrierte IT-Sicherheit und Datenschutz mit dem Ziel, die digitale Souver\u00e4nit\u00e4t von B\u00fcrger:innen zu st\u00e4rken. Seine Forschungsschwerpunkte liegen in den Bereichen Verbraucherinformatik sowie Usable Privacy und Security. In zahlreichen national gef\u00f6rderten Projekten, darunter AntiScam, BeDeNUTZ, SAM-Smart und CheckMyVA, untersucht er, wie Sicherheitsrisiken verst\u00e4ndlich vermittelt, transparente Systemarchitekturen gestaltet und Privacy-by-Design-Prinzipien in digitale Technologien integriert werden k\u00f6nnen. Seit 2024 ist er Mitglied im wissenschaftlichen Beirat des Bundesamts f\u00fcr Sicherheit in der Informationstechnik (BSI) zum Thema digitaler Datenschutz.<\/p>\n<\/div>\n\n\n\n<div class=\"wp-block-column is-layout-flow wp-block-column-is-layout-flow\" style=\"flex-basis:50%\"><\/div>\n<\/div>\n\n\n\n<div class=\"wp-block-columns is-layout-flex wp-container-core-columns-is-layout-8f761849 wp-block-columns-is-layout-flex\">\n<div class=\"wp-block-column is-layout-flow wp-block-column-is-layout-flow\" style=\"padding-top:0;padding-right:0;padding-bottom:0;padding-left:0;flex-basis:50%\">\n<p class=\"wp-block-paragraph\">Prof. Dr. Alexander Boden ist Professor f\u00fcr BWL, insbes. Software Engineering\/Schwerpunktprofessor f\u00fcr wirtschaftliche und soziale Nachhaltigkeit\/Co-Direktor des Instituts f\u00fcr Verbraucherinformatik an der Hochschule Bonn-Rhein-Sieg. In seiner Forschung widmet er sich dem Thema \u201eNachhaltige Mensch-Maschine Interaktion f\u00fcr verantwortungsvollen Konsum\u201c. Dabei steht die Frage im Mittelpunkt, wie die Digitalisierung dazu beitragen kann, nachhaltige Konsummuster zu f\u00f6rdern und Menschen bei der Ver\u00e4nderung ihrer Alltagspraktiken zu unterst\u00fctzen. Ziel der Professur ist es, herauszufinden, welche Rolle digitale Werkzeuge und Infrastrukturen bei der Aus\u00fcbung sozialer Alltagspraktiken spielen, und wie diese Erkenntnisse genutzt werden k\u00f6nnen, um unser kollektives Konsumverhalten nachhaltiger zu gestalten.<\/p>\n<\/div>\n\n\n\n<div class=\"wp-block-column is-layout-flow wp-block-column-is-layout-flow\" style=\"flex-basis:50%\"><\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"<p>Wir suchen immer neue Beitr\u00e4ge f\u00fcr unseren Blog &#8211; einen Call mit allen relevanten Informationen findet ihr hier! Wie k\u00f6nnen wir erkennen, wer wirklich mit uns spricht? von Sima Amirkhani, Gunnar Stevens, Alexander Boden Deepfakes werden l\u00e4ngst nicht mehr nur zur massenhaften Verbreitung von Desinformation eingesetzt. Zunehmend werden sie gezielt zur T\u00e4uschung einzelner Privatpersonen genutzt. [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":1016,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"saved_in_kubio":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-1003","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/privacy4all.de\/startseite\/wp-json\/wp\/v2\/posts\/1003","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/privacy4all.de\/startseite\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/privacy4all.de\/startseite\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/privacy4all.de\/startseite\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/privacy4all.de\/startseite\/wp-json\/wp\/v2\/comments?post=1003"}],"version-history":[{"count":8,"href":"https:\/\/privacy4all.de\/startseite\/wp-json\/wp\/v2\/posts\/1003\/revisions"}],"predecessor-version":[{"id":1017,"href":"https:\/\/privacy4all.de\/startseite\/wp-json\/wp\/v2\/posts\/1003\/revisions\/1017"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/privacy4all.de\/startseite\/wp-json\/wp\/v2\/media\/1016"}],"wp:attachment":[{"href":"https:\/\/privacy4all.de\/startseite\/wp-json\/wp\/v2\/media?parent=1003"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/privacy4all.de\/startseite\/wp-json\/wp\/v2\/categories?post=1003"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/privacy4all.de\/startseite\/wp-json\/wp\/v2\/tags?post=1003"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}