Wi-Fi Sensing als Überwachungswerkzeug: Welche Gefahren bestehen und wie wir uns schützen können

Von DerSchneider

Einleitung: Das unsichtbare Netz, das dich sieht

Es ist ein Szenario, das die meisten Menschen nicht auf dem Radar haben: Du sitzt in deinem Wohnzimmer, liest ein Buch, stehst auf, um dir ein Glas Wasser zu holen. In der Wohnung nebenan sitzt jemand mit einem handelsüblichen WLAN-Empfänger. Er hat keinen Zugriff auf dein Netzwerk, kennt dein Passwort nicht, hat keine Kamera installiert. Und dennoch kann er – mit hoher Wahrscheinlichkeit – sagen, dass sich gerade jemand in deinem Raum bewegt hat. Vielleicht sogar, dass du es warst.

Das ist keine Science-Fiction. Es ist der Forschungsstand von 2022 bis 2026.

Wi-Fi Sensing hat in den vergangenen Jahren eine rasante Entwicklung durchlaufen: von einer akademischen Spielerei zu einer Technologie, die in IEEE-Standards gegossen wird, kommerziell ausgerollt wird – und die eine völlig neue Klasse von Sicherheits- und Datenschutzrisiken mit sich bringt. Dieser Artikel beleuchtet, welche Gefahren konkret bestehen, wie sie technisch funktionieren und welche Gegenmaßnahmen es gibt.

Die zentrale Erkenntnis vorweg: Die Gefahr liegt nicht darin, dass jemand dein WLAN hackt. Die Gefahr liegt darin, dass er es gar nicht muss. Wi-Fi Sensing funktioniert passiv, aus der Ferne, ohne Spuren zu hinterlassen. Und das macht die Verteidigung ungleich schwieriger als bei klassischen Netzwerkangriffen.

1. Der passive Angriff: Warum du nicht einmal ein Gerät bei dir tragen musst

Herkömmliche Überwachungstechnologie hat einen inhärenten Nachteil für Angreifer: Sie erfordert entweder physischen Zugang (Kameras installieren), aktive Interaktion mit Zielgeräten (Malware aufspielen) oder das Mitführen von Sendern durch das Ziel (GPS-Tracker). Wi-Fi Sensing bricht mit all diesen Annahmen.

Der Grundmechanismus: WLAN-Signale durchdringen Wände und werden von Objekten – einschließlich Menschen – reflektiert, gestreut und absorbiert. Diese physikalischen Effekte verändern den drahtlosen Kanal messbar. Wenn ein Angreifer in der Lage ist, die Signale eines beliebigen WLAN-Geräts in der Nähe abzufangen, kann er aus den Veränderungen im Signal auf Bewegung schließen .

Was den Angriff so gefährlich macht: Forscher des Karlsruher Instituts für Technologie (KIT) haben 2025 einen Angriff demonstriert, der auf Beamforming Feedback Information (BFI) basiert. BFI sind Rückmeldungsdaten, die moderne WLAN-Geräte – Smartphones, Laptops, Router – periodisch und unverschlüsselt senden, um ihre Antennenkonfiguration zu optimieren. Sie sind nicht durch WPA3 oder andere Verschlüsselungsverfahren geschützt, weil sie auf einer Ebene unterhalb der Datenverschlüsselung liegen .

In einer Studie mit 197 Teilnehmern erreichten die Forscher eine Identifizierungsgenauigkeit von 99,5 % – allein durch passive Beobachtung der BFI-Signale, ohne dass die Personen ein Gerät mit sich führten, ohne dass sie mit dem Netzwerk verbunden waren, ohne dass der Angreifer irgendetwas senden musste . Die Erkennung funktionierte aus vier verschiedenen Perspektiven gleichzeitig, sodass der Angreifer nicht einmal eine günstige Position zum Opfer benötigt. Ein einzelner Empfänger genügt, um die BFI-Daten aller verbundenen Geräte simultan zu erfassen.

Das Angreifermodell ist dabei bemerkenswert genügsam: Ein einziger passiver Empfänger genügt, er kann sich an einem öffentlichen Ort außerhalb des überwachten Bereichs befinden, und er muss keine kryptografischen Schutzmaßnahmen brechen .

2. Die Bandbreite der Bedrohungen: Von Präsenz bis Identität

Die Gefahren von Wi-Fi Sensing in falschen Händen lassen sich in vier Stufen der Eskalation einteilen.

Stufe 1: Präsenz- und Bewegungsdetektion

Die einfachste Form: Ein Angreifer erkennt, ob sich jemand in einem Raum befindet und ob diese Person sich bewegt. Das klingt harmlos, ist es aber nicht. In Kombination mit Zeitreihen kann daraus ein Bewegungsprofil entstehen: Wann ist jemand zu Hause? Wann schläft er? Wann verlässt er das Haus? Die Fraunhofer-Forschung zu „Radio Sensing“ beschreibt genau diese Fähigkeit als Grundlage für Anwendungen in Sicherheit und Prozessüberwachung .

Stufe 2: Aktivitätserkennung

Forscher haben gezeigt, dass Wi-Fi-Signale nicht nur Bewegung im Allgemeinen, sondern spezifische Aktivitäten erkennen können. In einer 2025 veröffentlichten Arbeit zur Tastenanschlagserkennung (Keystroke Recognition) konnte allein aus Channel State Information (CSI) rekonstruiert werden, welche Tasten auf einer Tastatur gedrückt wurden. Unter kontrollierten Bedingungen erreichte die Erkennung eine Genauigkeit von 99 % für Tastenpositionen (Roboterarm) bzw. 89 % für tatsächliche Tastendrücke durch menschliche Finger. Ältere Arbeiten (WiKey) berichteten von 97,5 % unter Laborbedingungen, die auf 77,5 % unter realistischeren Bedingungen sanken . Weitere Forschung zeigt die Erkennung von Gesten, Stürzen, Atmung und sogar Herzschlag .

Stufe 3: Biometrische Identifizierung

Die BFI-Studie von 2025 geht über bloße Aktivitätserkennung hinaus: Sie zeigt, dass individuelle Identitäten aus passiv abgefangenen Signalen extrahiert werden können. Der Gang eines Menschen, seine Körpergröße, seine typische Bewegungsgeschwindigkeit – all das manifestiert sich im drahtlosen Kanal und kann mit Machine Learning klassifiziert werden . Das KIT-Forschungsteam betont: „Diese Identitätsoffenlegung kann auf vielfältige Weise Schaden verursachen, selbst wenn keine direkte Verbindung zu einer realen Identität hergestellt wird“ .

Stufe 4: Vitalparameter und Gesundheitsdaten

Die wohl invasivste Stufe: Wi-Fi Sensing kann Atemfrequenz und Herzschlag messen. Die TU Darmstadt listet „Protecting Heartbeat and Respiration Information in WiFi Sensing Applications“ als abgeschlossenes Forschungsthema . Das DSK-Positionspapier nennt die Beobachtung von Vitalparametern wie Atmung oder Herzschlag ausdrücklich als Anwendungsfeld von Wi-Fi-Sensing . Das bedeutet: Ein Angreifer könnte nicht nur wissen, dass du im Raum bist, sondern auch, ob du schläfst, ob du aufgeregt bist, ob du gesundheitliche Probleme hast. Diese Informationen sind aus der Ferne und ohne dein Wissen extrahierbar.

3. Die Gegenmaßnahme: IRShield und die intelligente Reflexion

Wenn der Angriff passiv und unsichtbar ist, muss die Verteidigung ebenfalls auf der physikalischen Ebene ansetzen. Genau das tut IRShield, entwickelt von Dr. Paul Staat und seinem Team am Max-Planck-Institut für Sicherheit und Privatsphäre in Bochum, in Zusammenarbeit mit der Ruhr-Universität Bochum und der TH Köln, vorgestellt 2022 auf dem IEEE Symposium on Security and Privacy .

Wie IRShield funktioniert

IRShield nutzt Intelligent Reflecting Surfaces (IRS) – künstliche Oberflächen, die aus vielen einzeln elektronisch steuerbaren Reflexionselementen bestehen. Diese Elemente können auftreffende Funkwellen gezielt manipulieren und in verschiedene Richtungen lenken .

Der entscheidende Trick: IRShield konfiguriert die IRS-Elemente zufällig und kontinuierlich neu. Dadurch wird der drahtlose Kanal selbst – also die Summe aller Ausbreitungspfade, die das Signal vom Sender zum Empfänger nimmt – randomisiert. Für einen legitimen Empfänger (der mit dem IRShield synchronisiert ist) bleibt die Kommunikation intakt. Für einen passiven Lauscher wird der Kanal zu einem Rauschen, aus dem sich keine verlässlichen Informationen über Bewegungen mehr extrahieren lassen .

Die Formel aus der Originalpublikation verdeutlicht den Mechanismus: Der empfangene Kanal $\mathbf{H}(k,t)$H(k,t) setzt sich zusammen aus den natürlichen Ausbreitungspfaden ${\mathbf{G}}_l$Gl​, den Pfaden über die IRS-Elemente $r_m(t){\mathbf{G}}_m^{\mathrm{\prime }}$rm​(t)Gm′​, und Rauschen. Durch Randomisierung der Reflexionskoeffizienten $r_m(t)$rm​(t) wird der IRS-Anteil zu einer variablen Größe, die den gesamten Kanal überlagert .

Die Wirksamkeit

Die Ergebnisse sind beeindruckend: In Tests mit handelsüblichen Wi-Fi-Geräten reduzierte IRShield die Erkennungsrate eines modernen Bewegungsangriffs auf 5 % oder weniger . In bestimmten Fällen – abhängig von der Positionierung der IRS relativ zum Angreifer – war Bewegungserkennung selbst mit angepassten Angriffsstrategien „weitgehend undurchführbar“ .

Entscheidend: IRShield funktioniert geräteunabhängig und wellenformunabhängig. Es verändert die physikalische Ausbreitung der Funkwellen, nicht die Signale bestimmter Geräte. Damit ist es mit Wi-Fi, Bluetooth, 5G und zukünftigen Standards kompatibel .

4. Die Grenzen der Verteidigung

So elegant IRShield ist, so wichtig ist die ehrliche Einordnung seiner Grenzen.

Erstens: IRShield erfordert die Installation einer IRS im zu schützenden Raum. Das ist eine physische Investition – kein Software-Download. Die Technologie ist derzeit Forschungsstand, nicht Massenmarktprodukt.

Zweitens: Die Wirksamkeit hängt von der räumlichen Konfiguration ab. In der Originalarbeit diskutieren die Autoren explizit, wie ein Angreifer sich an die Verteidigung anpassen könnte, indem er den Schwellenwert für die Bewegungsdetektion neu kalibriert. Unter bestimmten Bedingungen – etwa wenn der Angreifer eine direkte Sichtlinie zum Sender hat – kann ein Teil der Information durchsickern .

Drittens: IRShield schützt den Raum, nicht die Person. Wer den Raum verlässt, ist wieder exponiert. Wer sich in öffentlichen Räumen aufhält – Cafés, Bibliotheken, Zügen –, hat keine Kontrolle über die dort installierte Infrastruktur.

Viertens: Die passive Natur des Angriffs bedeutet, dass Entdeckung praktisch unmöglich ist. Ein Angreifer, der nur empfängt und nicht sendet, hinterlässt keine digitalen Spuren im Netzwerk. Die einzige Chance besteht darin, ihn beim Aufbau seiner Empfangseinrichtung zu beobachten – was in der Praxis unrealistisch ist.

5. Die regulatorische Dimension: Datenschutz hinkt der Technik hinterher

Die technischen Schutzmöglichkeiten sind eindrucksvoll, aber sie lösen nicht das grundlegende Problem: Die Rechtslage ist unklar.

Die Konferenz der unabhängigen Datenschutzaufsichtsbehörden des Bundes und der Länder (DSK) hat auf ihrer 111. Konferenz vom 16. bis 18. Juni 2026 in Stuttgart einen Beschluss zu ISAC/6G gefasst. Der Kernpunkt: Anders als bei Videokameras, die als Überwachungsgeräte wahrgenommen werden, sind WLAN-fähige Geräte allgegenwärtig und werden nicht mit Überwachung assoziiert. Ein Router, der Bewegungen erkennt, sieht aus wie ein Router. Die DSK warnt vor einer Situation, in der jede Person, die sich in den Erfassungsbereich begibt (sogenannte Bystander), ohne ihr Wissen erfasst wird – und ohne die praktische Möglichkeit, eine Einwilligung zu verweigern. Das Positionspapier thematisiert explizit diese Bystander-Problematik: Personen, die kein mobiles Endgerät mit sich führen, können dennoch erfasst werden, was die Einholung wirksamer Einwilligungen praktisch unmöglich macht .

Die DSK zieht dabei eine Parallele, die auch dieser Artikel aufgreift: Die Technik sei mit einer unsichtbaren Videoüberwachung vergleichbar, die zusätzlich auch nicht-sichtbare Bereiche erfasse .

Die Forschung zu BFI-basierten Angriffen unterstreicht diese Sorge. Die Autoren betonen ausdrücklich: „Wir haben absichtlich eine einfache Verarbeitungspipeline verwendet, um eine untere Grenze für die Datenschutzbedrohung zu etablieren“ . Mit anderen Worten: Ein motivierter Angreifer mit mehr Ressourcen und domänenspezifischem Wissen kann deutlich mehr erreichen als die 99,5 % Identifizierungsgenauigkeit der Studie – nicht weniger.

Fazit: Die Waffe ist bereits geladen

Wi-Fi Sensing ist eine Technologie mit enormem Potenzial für nützliche Anwendungen: Sturzerkennung in der Pflege, Präsenzsteuerung in Smart Homes, Prozessüberwachung in der Industrie . Aber dieselbe Technologie, in falsche Hände geraten, wird zu einem Überwachungswerkzeug, das unsichtbar, passiv und schwer abwehrbar ist.

Die wichtigsten Erkenntnisse:

1. Die Angriffsfläche ist bereits vorhanden. Jedes WLAN-Gerät in Reichweite – Router, Smartphones, IoT-Geräte – emittiert Signale, die passiv ausgewertet werden können. Du musst nichts falsch gemacht haben, um Ziel zu werden.
2. Die Identifizierung funktioniert. Die 197-Personen-Studie von 2025 zeigt, dass individuelle Identifizierung aus passiven Signalen mit 99,5 % Genauigkeit möglich ist .
3. Die Verteidigung existiert – aber ist nicht flächendeckend. IRShield reduziert die Erkennungsrate auf 5 % oder weniger, ist aber noch nicht massentauglich .
4. Die Regulierung ist im Rückstand. Die DSK fordert Datenschutz by Design für 6G/ISAC, aber die Standards werden von Gremien gesetzt, in denen Sicherheitsforscher und Datenschutzbehörden nicht immer am Tisch sitzen .

Die zentrale Frage für die kommenden Jahre wird nicht sein, ob Wi-Fi Sensing flächendeckend eingesetzt wird – die Technik ist zu attraktiv, die Investitionen zu hoch. Die Frage wird sein, ob wir die Werkzeuge und Regeln entwickeln, um zu verhindern, dass aus einem nützlichen Sensor ein allgegenwärtiges Überwachungsnetz wird. Der erste Schritt dazu ist, die Gefahren beim Namen zu nennen. Dieser Artikel ist ein Versuch.

Quellen

1. Staat, P., Mulzer, S., Roth, S., Moonsamy, V., Heinrichs, M., Kronberger, R., Sezgin, A., Paar, C.: IRShield: A Countermeasure Against Adversarial Physical-Layer Wireless Sensing, IEEE Symposium on Security and Privacy, 2022.
2. Staat, P., et al.: IRShield: A Countermeasure Against Adversarial Physical-Layer Wireless Sensing, arXiv:2112.01967, 2021.
3. Karlsruher Institut für Technologie (KIT): BFI-based WiFi Sensing Identification Study, Publikationen KIT, 2025.
4. Fraunhofer IIS: Radio Sensing and Semantic Sensing, Forschungsbereich Lokalisierung und Kommunikation, 2026.
5. Konferenz der unabhängigen Datenschutzaufsichtsbehörden des Bundes und der Länder (DSK): Beschluss zu ISAC/6G-Datenschutzrisiken, 111. Konferenz, Stuttgart, 16.–18. Juni 2026.
6. Abanto-Leon, L.F., Bauml, A., Sim, G.H., Hollick, M., Asadi, A.: Stay Connected, Leave no Trace: Enhancing Security and Privacy in WiFi via Obfuscating Radiometric Fingerprints, ACM SIGMETRICS, 2021.
7. TU Darmstadt, Secure Mobile Networking Lab (SEEMOO): Protecting Heartbeat and Respiration Information in WiFi Sensing Applications, Forschungsprojekt, 2018.
8. Conservative Interference Injection to Minimize Wi-Fi Sensing Privacy Risks and Bandwidth Loss, Future Internet (MDPI), Januar 2025.
9. Keystroke Recognition via Wi-Fi Sensing, Studie zur Tastenanschlagserkennung, 2025 (Genauigkeit: 99 % Tastenposition, 89 % menschliche Tastendrücke).
10. WiKey: Keystroke Recognition Using WiFi Signals, frühere Arbeit (97,5 % Labor, 77,5 % realistische Bedingungen).