Die Zeiten, als man betrügerische E-Mails am schlechten Deutsch und verunglückten Umlauten erkennen konnte, sind lange vorbei. Inzwischen sind auch Phishing-E-Mails perfekt formuliert und gestylt – KI macht’s möglich.
Man kann die Technik aber auch zum Check verdächtiger E-Mails einsetzen, und zwar ganz einfach. Ich mache das immer so:
Wäre ich bei der AOK, würde ich diese E-Mail auf den ersten Blick vielleicht für echt halten:
Hier die Einschätzungen von ChatGPT und Gemini:
Gerade als Rechtsanwalt müssen Sie doppelt vorsichtig sein, nicht nur wegen Datenschutz, sondern noch mehr wegen der anwaltlichen Verschwiegenheitspflicht. Achten Sie also darauf, nicht aus Versehen eine echte Mandanten-E-Mail zu OpenAI, Google oder einem anderen US-Anbieter hoch zu laden, mit dem Sie im Zweifel keine Verschwiegenheitsvereinbarung nach § 43e BRAO geschlossen haben.
Ich nutze diese Methode seit ein paar Monaten immer mal wieder und das funktioniert sehr zuverlässig. Fehler bei der Erkennung sind mir bisher nicht untergekommen. Allerdings ist auch schon passiert, dass ich eine E-Mail der Bank auf den ersten Blick für Fake hielt und die sich dann doch als echt herausstellte.
Wenn man sieht, wie schlecht „normale“ Spam-Filter arbeiten, fragt man sich, warum solche Funktionen nicht schon längst in jedem E-Mail-Programm eingebaut sind. Oder noch besser auf dem Server, vielleicht mit Anonymisierung?
OK, bei täglich geschätzt fast 400 Mrd. E-Mails weltweit bräuchte man an Strom über 350 TWh/Jahr; das wären zusätzliche 2 bis 3 große Atomkraftwerke. Hat mir ChatGPT ausgerechnet. Gemini kommt auf 29 bis 30 Atomkraftwerke. Irgendwas wird schon stimmen.
Also lieber selbst genau hinschauen und die E-Mails vorsortieren.
