Microsoft Purview benutzerdefinierte Typen sensibler Informationen: Reguläre Ausdrücke und unterstützende Nachweise, die tatsächlich funktionieren

Von Mirko Peters · 2026-10-27

Beherrschen Sie benutzerdefinierte Typen sensibler Informationen in Microsoft Purview. Erfahren Sie, wie Sie wirksame reguläre Ausdrücke schreiben, unterstützende Nachweise einsetzen und Fehlalarme ausschalten.

Automatisch mit KI aus dem Originalbeitrag übersetzt. Englisches Original lesen

Erfahren Sie, wie Sie in Microsoft Purview benutzerdefinierte Typen sensibler Informationen mit hoher Genauigkeit erstellen, indem Sie reguläre Ausdrücke, Näheeinstellungen und unterstützende Nachweis-Schlüsselwörter kombinieren. Schluss mit Fehlalarmen: Lernen Sie, präzise Datendetektoren zu entwerfen, die proprietäre Unternehmensdaten schützen, ohne Ihr IT-Team mit lauten Warnmeldungen zu überfluten.

Das Wichtigste in Kürze

• Benutzerdefinierte Typen sensibler Informationen stützen sich auf reguläre Ausdrücke (Regex), um proprietäre Muster zu erfassen, etwa Mitarbeiter-IDs, interne Projektcodes und spezielle Vertragsnummern.
• Reine Muster ohne Kontext versagen. Die Kombination von Regex mit unterstützenden Nachweis-Schlüsselwörtern und strikten Näheregeln reduziert Fehlalarme deutlich.
• Schlüsselwortwörterbücher vereinfachen die Verwaltung, weil Sie Hunderte verwandter Begriffe in einem einzigen wiederverwendbaren Objekt zusammenfassen können.
• Gründliches Testen mit realen Beispieldokumenten vor der Bereitstellung stellt sicher, dass Ihre Regeln tatsächliche Datenlecks erkennen, ohne den normalen Geschäftsbetrieb zu blockieren.
• Die richtigen Konfidenzstufen verhindern, dass Ihr Dashboard mit Rauschen aus allgemeinen Zahlenfolgen wie Bestellnummern oder Telefondurchwahlen vollläuft.

Die Grenzen der integrierten Erkennungsfunktionen in Microsoft Purview

Microsoft liefert Hunderte sofort einsatzbereite Typen sensibler Informationen mit, von Kreditkartennummern und US-Sozialversicherungsnummern bis hin zu europäischen IBANs und medizinischen Kennungen. Diese integrierten Erkennungsfunktionen sind für allgemeine Compliance-Anforderungen unverzichtbar. Sie decken jedoch nur Daten ab, die in jedem Unternehmen auf dieselbe Weise aussehen. Ihr Unternehmen stützt sich auf eigene interne Datenstrukturen, die kein Softwarehersteller je gesehen hat.

Wenn Sie proprietäre Informationen schützen müssen, etwa interne Seriennummern von Mitarbeitern, gesperrte Projektcodes, spezielle Kundenkontonummern oder Ticketformate älterer Systeme, reichen die integrierten Erkennungsfunktionen bei Weitem nicht aus. Hier müssen Sie über generische Vorlagen hinausgehen und eigene benutzerdefinierte Typen sensibler Informationen entwerfen. Diese von Grund auf zu erstellen, erfordert sorgfältige Feinabstimmung, damit Ihre Regeln den eigenen digitalen Fußabdruck Ihrer Organisation zuverlässig erkennen, ohne jede zufällige Zifferfolge als schweres Sicherheitsvorkommnis zu behandeln.

Wirksame reguläre Ausdrücke für die Datenerkennung schreiben

Das Herzstück jedes benutzerdefinierten Typs sensibler Informationen ist ein regulärer Ausdruck (Regex). Ein Regex ist ein kompakter Code, der die strikte strukturelle Form einer Zeichenfolge beschreibt und nicht deren wörtlichen Inhalt. Wenn Ihre internen Vertragsnummern beispielsweise immer mit den Buchstaben „CN“ beginnen, gefolgt von einem Bindestrich, einer vierstelligen Jahreszahl, einem weiteren Bindestrich und sechs abschließenden Ziffern, erfasst ein korrekt aufgebauter Regex jede Zeichenfolge, die genau diesem Format entspricht.

Allerdings birgt reines Mustervergleichen erhebliche Risiken, wenn es nicht korrekt umgesetzt wird. Ein Regex, der zu weit gefasst ist, etwa einer, der jede siebenstellige Zahl erkennt, weil dies bei den ersten Tests schnell und bequem erschien, führt im Produktivbetrieb unweigerlich zu Problemen. Sobald ein solches zu grobes Muster live geschaltet ist, markiert es Telefonnummern, Postleitzahlen, Rechnungsnummern und gewöhnliche Finanztabellen. Ein Regex ohne strukturelle Präzision wirkt schlicht wie ein Zufallszahlendetektor und überflutet Ihre Purview-Überwachungsprotokolle mit Rauschen.

Die Stärke unterstützender Hinweise und der Nähe

Um ein einfaches Zeichenmuster in einen intelligenten Datendetektor zu verwandeln, müssen Sie unterstützende Hinweise und Nähe-Regeln einbeziehen. Die Form allein bedeutet noch keine Bedeutung. Eine interne Mitarbeiter-ID, die aus dem Buchstaben „E“ und sieben darauffolgenden Ziffern besteht, kann leicht mit Artikelnummern (SKUs) von Lieferanten oder gängigen Versandreferenzen verwechselt werden.

Indem Sie unterstützende Schlüsselwörter hinzufügen, etwa „Personalnummer“, „Personalakte“ oder „Mitarbeiterprofil“, geben Sie der Erkennungs-Engine semantischen Kontext. Außerdem sollten Sie Nähe-Regeln definieren, die festlegen, wie nah diese Schlüsselwörter am erkannten Muster stehen müssen. Steht ein Schlüsselwort in einer Fußzeile drei Seiten entfernt von einer numerischen Zeichenfolge, darf dies keine Übereinstimmung auslösen. Ein enger Nähebereich stellt sicher, dass der Kontext tatsächlich mit dem Datenwert verknüpft ist.

Keyword-Wörterbücher für mehr Skalierbarkeit nutzen

Lange Listen von Begriffen direkt in einzelnen Regeln zu verwalten, wird schnell zum administrativen Albtraum. Statt Dutzende oder Hunderte einzelner Wörter in jede benutzerdefinierte Regel einzutragen, sollten Organisationen Keyword-Wörterbücher verwenden. Ein Keyword-Wörterbuch fasst eine große Liste verwandter Begriffe, etwa interne Systemcodenamen, vertrauliche Projektkennzeichnungen oder Kundenunternehmen, die einer aktiven Geheimhaltungsvereinbarung (NDA) unterliegen, in einem einzigen, leicht zu pflegenden Objekt zusammen.

Bei der Erstellung von Wörterbüchern wiegt Qualität weit mehr als Quantität. Wer zweitausend allgemeine Wörter wie „Plan“, „Zusammenfassung“ und „Überprüfung“ in ein Wörterbuch aufnimmt, beeinträchtigt die Erkennungsgenauigkeit erheblich, weil diese Wörter den ganzen Tag in normaler Unternehmenskommunikation vorkommen. Jeder Begriff im Wörterbuch muss so spezifisch sein, dass er in Verbindung mit dem zugrunde liegenden Muster verlässlich auf Vertraulichkeit hinweist.

Tests und Validierung vor dem Produktiveinsatz

Der größte Fehler, den Compliance-Teams machen, ist es, einen neu erstellten benutzerdefinierten sensiblen Informationstyp ohne empirische Tests direkt in eine Durchsetzungsrichtlinie zu übernehmen. Verlassen Sie sich niemals allein auf selbst erfundene Testbeispiele, mit denen Sie nur belegen, dass die Regel funktioniert. Sammeln Sie stattdessen echte Dokumente und E-Mails aus Ihrer Geschäftsumgebung.

Mit Microsoft Purview können Sie Beispieldateien direkt im Portal hochladen, um zu prüfen, was Ihr benutzerdefinierter Typ erkennt und was er übersieht. Erstellen Sie einen ausgewogenen Testsatz mit Dokumenten, die übereinstimmen sollten, Dokumenten, die ausdrücklich nicht übereinstimmen dürfen, sowie Grenzfällen. Wenn Ihr benutzerdefinierter Detektor etwas markiert, das er nicht markieren sollte, analysieren Sie die Ursache. Meist liegt das Problem an einem zu weit gefassten Regex-Muster, einem fehlerhaften Nähebereich oder einem Schlüsselwort, das in üblicher Geschäftskommunikation zu häufig vorkommt. Verfeinern Sie die Regel, testen Sie erneut und wiederholen Sie diesen Zyklus, bis das Verhältnis von Signal zu Rauschen messerscharf ist. Einen umfassenderen Überblick darüber, wie sich diese benutzerdefinierten Elemente in umfassende Bereitstellungsstrategien einfügen, bietet Hören Sie sich die vollständige Folge an. Dort erfahren Sie, wie Sie Richtlinien gestalten, die Ihre Cloud-Umgebung wirksam schützen, ohne Ihre Belegschaft zu verprellen.

Häufige Fragen

Welchen Hauptzweck hat ein benutzerdefinierter sensibler Informationstyp in Microsoft Purview?

Benutzerdefinierte sensible Informationstypen ermöglichen es Organisationen, proprietäre Datenformate zu erkennen und zu schützen, die für ihr Unternehmen spezifisch sind, etwa interne Mitarbeiter-IDs, benutzerdefinierte Projektcodes oder spezielle Kontonummern. Diese Formate sind nicht von der integrierten Erkennungsbibliothek von Microsoft abgedeckt.

Wie verhindern Nähe-Einstellungen Fehlalarme bei regex-basierten Regeln?

Nähe-Einstellungen begrenzen, wie nah die unterstützenden Schlüsselwörter am erkannten Regex-Muster stehen müssen. Indem Schlüsselwörter innerhalb eines bestimmten Zeichenabstands vorhanden sein müssen, vermeidet die Engine Treffer bei unzusammenhängenden Wörtern, die über verschiedene Abschnitte eines Dokuments verteilt sind.

Warum sollte ich generische Wörter in einem Keyword-Wörterbuch vermeiden?

Allgemeine Begriffe kommen in der täglichen Kommunikation ständig vor. Wenn Sie solche Begriffe in ein Schlüsselwörterverzeichnis aufnehmen, löst die Erkennungs-Engine laufend Fehlalarme aus. Das untergräbt das Vertrauen der Nutzer und erzeugt unnötigen Verwaltungsaufwand.

Wie kann ich einen benutzerdefinierten Typ sensibler Informationen testen, bevor ich ihn bereitstelle?

Microsoft Purview ermöglicht es Ihnen, reale Beispieldokumente und E-Mails im Portal hochzuladen, um die Leistung zu bewerten. Sie können Ihre benutzerdefinierten Regeln mit einer Mischung aus positiven, negativen und Grenzfällen testen, um die Genauigkeit zu überprüfen, bevor Sie die Richtlinie für Endbenutzer aktivieren.