Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
openai1. Juni 2025 · Q002265

Operation “Wrong Number”: AI-assisted task scam

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI berichtet, Konten gesperrt zu haben, die vermutlich aus Kambodscha eine mehrsprachige Aufgabenbetrugsmasche unterstützten: Sie warben mit hohen Verdiensten für einfache Tätigkeiten und nutzten Übersetzungen zur Kommunikation mit potenziellen Opfern. Die Masche führte laut Bericht von unaufgeforderten Jobangeboten über motivierende Nachrichten zu Forderungen nach Einzahlungen oder Kryptowährung; Reichweite und Schaden sind unklar, und OpenAI hat die genannten angeblichen Arbeitgeber nicht unabhängig überprüft.

Mittel

OpenAI berichtet, Konten gesperrt zu haben, die vermutlich aus Kambodscha stammten und ChatGPT für eine mehrsprachige Betrugsmasche nutzten. Die Kampagne „Wrong Number“ warb mit hohen Einnahmen für einfache Aufgaben wie Likes in sozialen Medien. Viele erfasste Anfragen betrafen Übersetzungen zwischen Chinesisch und mehreren Sprachen, offenbar zur Kommunikation mit potenziellen Beschäftigten oder Opfern.

Eine SMS an offenbar zufällig ausgewählte britische Nummern leitete Empfänger zu WhatsApp und später zu einem „Mentor“ auf Telegram; auch BonChat wurde erwähnt. Die ersten Begrüßungsnachrichten schienen laut OpenAI nicht mit dessen Modellen erstellt worden zu sein. Wiederholt genannte angebliche Arbeitgeber verbindet öffentliche Berichterstattung mit mutmaßlichen Aufgabenbetrugsmaschen. OpenAI betont, diese Unternehmen nicht unabhängig überprüft zu haben.

Das Unternehmen beschreibt ein Muster aus unaufgeforderter Kontaktaufnahme, anschließender Übersetzung und Motivation sowie schließlich der Aufforderung, Geld einzuzahlen, Kryptowährung zu kaufen oder Gebühren zu zahlen, um größere Belohnungen zu erhalten. Als Beispiel nennt der Bericht eine Aufforderung zum Kauf von Kryptowährung im Wert von 20 Pfund. Die Reichweite und der finanzielle Schaden bleiben unklar. Externe Berichte und Rückerstattungsforderungen deuten laut OpenAI darauf hin, dass zumindest einige Personen zahlten.

Ausführlich lesen

OpenAI berichtet, Konten gesperrt zu haben, die vermutlich aus Kambodscha stammten und ChatGPT zur Unterstützung einer mehrsprachigen Betrugsmasche nutzten. Die Kampagne, die OpenAI „Wrong Number“ nennt, zielte unter anderem auf Menschen im Vereinigten Königreich. Die Einschätzung zum Ursprung beruht laut Bericht auf den untersuchten Aktivitäten; ein genauer Umfang der Kampagne ließ sich wegen begrenzter Einblicke nicht bestimmen.

Den Angaben zufolge ließen die Konten kurze Anwerbe- und Werbenachrichten in mehreren Sprachen erstellen, darunter Englisch, Spanisch, Swahili, Kinyarwanda, Deutsch und Haitianisches Kreol. Viele der erfassten Anfragen betrafen jedoch Übersetzungen zwischen Chinesisch und anderen Sprachen. Die Gesprächsmuster wechselten häufig zwischen der Übersetzung einer eingehenden Nachricht ins Chinesische und der Übersetzung einer Antwort zurück. OpenAI deutet dies als Unterstützung der Kommunikation zwischen den Betreibern und potenziellen Beschäftigten oder Opfern.

Ein Teil der Nachrichten bot ungewöhnlich hohe Bezahlung für einfache Aufgaben an, etwa für Likes in sozialen Medien. Eine solche Kontaktaufnahme wurde per SMS an eine offenbar zufällig ausgewählte Gruppe britischer Mobilnummern verschickt. Die Empfänger sollten über WhatsApp weiterkommunizieren und wurden anschließend an einen „Mentor“ auf Telegram verwiesen; auch BonChat tauchte in den untersuchten Aktivitäten auf. Die ersten Begrüßungsnachrichten auf diesen Plattformen schienen laut OpenAI nicht mit dessen Modellen erstellt worden zu sein. Wiederholt genannte angebliche Arbeitgeber waren Hyesung Advertising und Lightning Shared Scooter Co. Der Bericht verweist darauf, dass öffentliche Quellen diese Namen mit mutmaßlichen Aufgabenbetrugsmaschen in Verbindung bringen, betont aber, OpenAI habe die Art dieser Unternehmen nicht unabhängig überprüft.

Aus internen Beobachtungen und Hinweisen außerhalb der Plattform leitet OpenAI ein dreiteiliges Muster ab: zunächst ein unaufgeforderter Kontakt mit einem Job- oder Anlageversprechen, dann Übersetzungen und motivierende Nachrichten zu Aufgaben und möglichen Boni, schließlich Druck, Geld einzuzahlen oder Kryptowährung beziehungsweise Gebühren zu zahlen, um höhere Belohnungen freizuschalten. Der Bericht nennt als Beispiel die Aufforderung, 20 Pfund in Kryptowährung zu kaufen und an einen nicht näher bezeichneten Händler zu überweisen. Er führt außerdem ein Angebot von mehr als fünf Dollar für einen einzelnen TikTok-Like als Warnsignal an und vergleicht es mit Onlineangeboten für Likes zu deutlich niedrigeren Stückpreisen.

Wie viele Menschen betroffen waren und wie viel Geld gezahlt wurde, bleibt offen. OpenAI verweist auf externe Berichte, Rückerstattungsforderungen vermeintlicher Beschäftigter und Nutzer, die die Firmen in sozialen Medien verteidigten. Diese Hinweise sprechen nach Einschätzung des Unternehmens dafür, dass zumindest einige Menschen Geld zahlten und die Aktivitäten reale Beteiligung erreichten; sie erlauben jedoch keine verlässliche Gesamtbilanz.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Zusammenfassungen sind im Kern treu, lassen aber zentrale Aspekte wie die Zentralisierung der Operation und die Einordnung des Musters aus, ohne etwas zu erfinden. Die Einordnungen wurden unabhängig vom Bericht vergeben: Lunas Stufen zu den Teilfragen sind teils zu niedrig, da der Bericht zumindest am Rande Bezug hat.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Operation wird im Bericht als stark zentralisiert und wahrscheinlich aus Kambodscha gesteuert beschrieben, was in beiden Zusammenfassungen nur indirekt vorkommt.
  • Der Bericht benennt das Muster aus Kontakt (ping), Begeisterung (zing) und Geldforderung (sting) ausdrücklich; die mittlere Zusammenfassung beschreibt es nur ohne diese Begriffe.
  • Der Bericht nennt den Warnhinweis, dass ein Angebot mehr als 5 Dollar pro TikTok-Like zahlte, während Marktpreise unter 10 Dollar für 1.000 Likes lagen; das fehlt in beiden Zusammenfassungen.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 100 %kein Bezug
    • Luna 53 %einzelne zitierbare Belege
    • JEV 43 %beantwortet teilweise oder widerspricht
    • amos 27 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 24 %gleiches Oberthema, hilft nicht
    • d3-ultra 40 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege
  2. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 27 %Hintergrund, keine Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 47 %gleiches Oberthema, hilft nicht
  3. SF-M5 Was muss vor und nach einem Vorfall geschehen, damit Verantwortliche einstehen, man daraus lernt, Beweise bleiben und Betroffene auch über Grenzen hinweg zu ihrem Recht kommen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 54 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 40 %einzelne zitierbare Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 24 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 55 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 27 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 40 %einzelne zitierbare Belege
    • amos 25 %nur am Rande erwähnt
    • SubQ 66 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %Hintergrund, keine Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 29 %einzelne zitierbare Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 100 %kein Bezug
    • Luna 64 %einzelne zitierbare Belege
    • JEV 58 %einzelne zitierbare Belege
    • amos 26 %einzelne zitierbare Belege
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 28 %einzelne zitierbare Belege
    • d3-ultra 42 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →