Auto-Labeling in Purview: dienstseitig vs. clientseitig – und warum die Reihenfolge entscheidet

Es gibt eine Frage, die in fast jedem Purview-Workshop irgendwann fällt, meist kurz nach der Kaffeepause: „Können wir das nicht einfach automatisch machen lassen?" Gemeint ist das Labeln. Die Vorstellung dahinter ist verlockend – Purview durchsucht den Tenant, findet IBANs, Personalausweisnummern und Gehaltslisten und klebt das richtige Sensitivity Label dran, ohne dass irgendjemand in der Belegschaft nachdenken muss. Und ja, das gibt es. Es heißt Auto-Labeling, es funktioniert erstaunlich gut – und es hat in Projekten schon mehr Ärger verursacht als jede andere Purview-Funktion, weil kaum jemand versteht, dass es zwei völlig verschiedene Mechanismen sind, die zufällig denselben Namen tragen.

Der eine Mechanismus lebt im Office-Client und schlägt dem Anwender während der Bearbeitung ein Label vor oder setzt es durch. Der andere läuft im Hintergrund über SharePoint, OneDrive und Exchange und labelt ruhende Bestände, ohne dass ein Mensch beteiligt ist. Beide brauchen dieselben Erkennungsregeln, beide setzen dieselben Labels, aber sie haben unterschiedliche Reichweiten, unterschiedliche Fehlerbilder und unterschiedliche Nebenwirkungen. Wer sie verwechselt, wundert sich entweder, warum der Altbestand unberührt bleibt – oder warum plötzlich zehntausend Dokumente verschlüsselt sind, die niemand mehr öffnen kann. Mit Copilot ist das kein akademisches Thema mehr: Auto-Labeling ist der einzige Weg, gewachsene Bestände flächig so zu klassifizieren, dass Copilot sie respektiert.

Nach diesem Artikel kennst du beide Pfade, weißt, welcher wofür taugt, wie die Simulationsphase gelesen wird, wo die Volumen- und Funktionsgrenzen liegen, wie du Fehltreffer klein hältst und in welcher Reihenfolge du die Eingriffstiefe erhöhst. Den Rahmen – was Purview insgesamt kann und wo Labels im Gesamtbild stehen – findest du im Überblick zum Kompetenzbereich Microsoft Purview.

Faktenkasten: Was Auto-Labeling in Microsoft Purview ist Auto-Labeling ist das automatische Anwenden von Sensitivity Labels (Vertraulichkeitsbezeichnungen) auf Basis erkannter Inhalte – etwa Sensitive Info Types wie IBAN oder Personalausweisnummer oder trainierbarer Klassifizierer. Purview kennt zwei Mechanismen: clientseitiges Auto-Labeling in den Microsoft 365 Apps (Word, Excel, PowerPoint, Outlook), das dem Anwender während der Bearbeitung ein Label empfiehlt oder es erzwingt, und dienstseitiges Auto-Labeling über Auto-Labeling-Richtlinien, das ruhende Dateien in SharePoint Online und OneDrive sowie E-Mails im Transit in Exchange Online ohne Beteiligung des Anwenders labelt. Clientseitiges Auto-Labeling wird am Label selbst konfiguriert, dienstseitiges als eigene Richtlinie im Purview-Portal (purview.microsoft.com, Information Protection, Auto-Labeling-Richtlinien). Dienstseitige Richtlinien laufen immer erst im Simulationsmodus. Beide Mechanismen setzen Microsoft 365 E5 oder ein Add-on wie E5 Compliance oder E5 Information Protection & Governance voraus (Stand 2026).

 

Zwei Mechanismen, ein Ziel: was client- und dienstseitig wirklich unterscheidet

Bevor du eine einzige Regel konfigurierst, lohnt sich ein sauberes Bild davon, wo die beiden Pfade ansetzen. Sie teilen sich die Erkennungslogik – Sensitive Info Types, trainierbare Klassifizierer, Konfidenzstufen und Zählwerte –, aber sie greifen an völlig verschiedenen Punkten in das Leben eines Dokuments ein. Der Client-Pfad greift, wenn ein Mensch gerade an einem Inhalt arbeitet. Der Dienst-Pfad greift, wenn niemand hinschaut. Aus diesem einen Unterschied folgt praktisch alles andere: wer etwas merkt, wer sich beschweren kann, was passiert, wenn die Regel falsch liegt, und wie schnell sich ein Fehler ausbreitet.

Clientseitig: der Office-Client empfiehlt oder erzwingt

Beim clientseitigen Auto-Labeling hängt die Regel direkt am Label. Du legst am Label „Vertraulich" fest: Wenn im Dokument mindestens drei deutsche IBANs mit hoher Konfidenz auftauchen, dann empfiehl dieses Label – oder wende es an. Word, Excel, PowerPoint und Outlook prüfen den Inhalt während der Bearbeitung und reagieren. Bei der Empfehlung erscheint eine gelbe Leiste oberhalb des Dokuments („Wir empfehlen, dieses Dokument als Vertraulich zu kennzeichnen"), und der Anwender kann zustimmen oder ablehnen. Bei der Erzwingung wird das Label gesetzt, und der Anwender kann es nur mit Begründung wieder herabstufen, sofern die Label-Richtlinie das verlangt.

Der große Vorteil: Der Anwender sieht sofort etwas und lernt dabei. Wer dreimal die Empfehlung „Vertraulich" bei einer Excel-Datei mit Kontonummern bekommt, versteht das Stufenmodell besser als nach jeder Schulung. Der große Nachteil: Der Client-Pfad wirkt nur auf Inhalte, die gerade jemand anfasst. Der Altbestand – die zwanzig Jahre gewachsene Projektablage in SharePoint, die OneDrive-Ordner der Vertriebler, das Postfach der Buchhaltung – bleibt unberührt, bis jemand die jeweilige Datei öffnet und speichert. Für Copilot-Readiness ist der Client-Pfad deshalb notwendig, aber nie ausreichend.

Dienstseitig: die Richtlinie labelt den ruhenden Bestand

Das dienstseitige Auto-Labeling ist eine eigene Richtlinie im Purview-Portal. Du wählst Speicherorte – SharePoint-Sites, OneDrive-Konten, Exchange-Postfächer, wahlweise mit Ein- und Ausschlüssen –, definierst Regeln aus Sensitive Info Types oder Klassifizierern und ordnest ein Label zu. Purview durchsucht dann die Inhalte im Hintergrund und labelt, was den Regeln entspricht. Kein Anwender wird gefragt, keine gelbe Leiste erscheint; das Label ist einfach da. Das ist der einzige Weg, gewachsene Bestände flächig zu klassifizieren, und damit das Werkzeug der Wahl, wenn Copilot vor der Tür steht.

Genau diese Unsichtbarkeit macht den Dienst-Pfad gefährlich. Ein zu breit gefasster Sensitive Info Type mit niedriger Konfidenz labelt dir über Nacht die halbe Ablage als „Vertraulich" – und wenn dieses Label verschlüsselt, öffnen sich am nächsten Morgen zwar noch die Dokumente für berechtigte Benutzer, aber der DMS-Scanner, das Archivsystem und die Suche sehen nichts mehr. Deshalb kennt die dienstseitige Richtlinie keinen Weg am Simulationsmodus vorbei, und deshalb ist die Simulation kein lästiger Zwischenschritt, sondern der wichtigste Teil des ganzen Verfahrens.

Skizze 1: Zwei Pfade zum selben Label – clientseitig im Moment der Bearbeitung, dienstseitig auf den ruhenden Bestand.

Die folgende Gegenüberstellung fasst zusammen, worin sich beide Pfade in der Praxis unterscheiden. Die letzte Zeile ist die wichtigste: Wer sie ignoriert, verschlüsselt sich den Bestand kaputt oder wundert sich, warum die Zahlen im Content Explorer nicht steigen.

Merkmal	Clientseitig (Office-Apps)	Dienstseitig (Richtlinie)
Wo konfiguriert	Am Label selbst („Auto-Bezeichnung für Dateien und E-Mails")	Eigene Auto-Labeling-Richtlinie im Purview-Portal
Wann wirkt es	Während ein Anwender bearbeitet oder sendet	Im Hintergrund, unabhängig von Nutzung
Reichweite	Nur angefasste Inhalte, alle Speicherorte	SharePoint- und OneDrive-Bestand; Exchange nur im Transit
Anwender sieht	Empfehlung (gelbe Leiste) oder gesetztes Label	Nichts – Label ist einfach da
Empfehlung möglich	Ja – der eigentliche Lerneffekt	Nein, nur setzen oder nicht setzen
Simulation	Nicht vorgesehen; Empfehlungsmodus übernimmt diese Rolle	Pflicht vor der Aktivierung
Verschlüsselung	Alle Labels inkl. benutzerdefinierter Berechtigungen	Keine Labels mit benutzerdefinierten Berechtigungen; Vorsicht bei verschlüsselnden Labels
Fehlerbild	Einzelne Anwender genervt	Tausende Dokumente falsch gelabelt, potenziell verschlüsselt
Lizenz	E5 / E5 Compliance / E5 IP&G	E5 / E5 Compliance / E5 IP&G

 

Beide Pfade setzen voraus, dass das manuelle Label-Modell bereits steht – vier Stufen, Ein-Satz-Definitionen, ein Standard-Label, das die Belegschaft kennt. Wie du das aufbaust, steht im Spoke zur Einführung von Sensitivity Labels. Auto-Labeling auf einem Modell, das niemand versteht, produziert nur schneller Verwirrung.

Die dienstseitige Richtlinie: Simulation lesen, Grenzen kennen, freigeben

Weil der Dienst-Pfad der mit dem größten Hebel und dem größten Schadenspotenzial ist, verdient er ein eigenes Kapitel. Der Ablauf ist immer derselbe: Richtlinie anlegen, Simulation laufen lassen, Ergebnisse bewerten, nachschärfen, wieder simulieren, erst dann einschalten – und danach kontrollieren. In Projekten dauert die Schleife zwischen Simulation und Freigabe erfahrungsgemäß zwei bis vier Wochen. Wer sie auf zwei Tage verkürzt, hat die Ergebnisse nicht gelesen.

Die Simulation ist das Produkt, nicht die Vorstufe

Im Simulationsmodus arbeitet die Richtlinie vollständig – sie durchsucht die gewählten Speicherorte, wendet die Regeln an und protokolliert, welche Datei welches Label bekommen würde. Nur der letzte Schritt fehlt: Sie setzt das Label nicht. Das Ergebnis ist eine Trefferliste je Datei mit den erkannten Sensitive Info Types, die du im Portal durchsehen kannst. Und genau das solltest du tun, nicht nur die Gesamtzahl bewundern. Nimm dir fünfzig Treffer aus verschiedenen Sites vor und öffne die Dokumente: Ist das wirklich eine Kundenliste mit IBANs, oder ist es die Excel-Vorlage aus dem Controlling, in der die Spalte „IBAN" hundertmal den Platzhalter DE00 enthält? Ist die Personalausweisnummer echt, oder hat der Regex einen Artikelcode erwischt?

Der Weg im Portal ist unspektakulär, aber die Reihenfolge der Entscheidungen ist es nicht. Unter Information Protection legst du eine neue Auto-Labeling-Richtlinie an, wählst zwischen vorgefertigten Vorlagen (Datenschutz, Finanzen, Gesundheit) und einer eigenen Regeldefinition, benennst die Speicherorte mit Ein- und Ausschlüssen, formulierst die Bedingungen aus Sensitive Info Types oder Klassifizierern samt Konfidenz und Zählwert, ordnest das Label zu – und landest zwangsläufig im Simulationsmodus. Meine Empfehlung: die Vorlagen nur als Inspiration nutzen und die Regeln selbst schreiben. Die Vorlagen sind auf einen globalen Markt zugeschnitten und kennen weder deine Artikelnummern noch dein Briefpapier.

Die Simulation liefert außerdem eine Zahl, die dir sonst niemand geben kann: Wie viele Dokumente würden betroffen sein? Wenn eine Richtlinie für „Streng vertraulich" in der Simulation vierzig Prozent aller Dateien treffen will, ist die Regel falsch, nicht der Bestand. Und sie liefert nebenbei die Bestandsaufnahme, die du für Copilot-Readiness ohnehin brauchst – wo liegen die Kronjuwelen wirklich, in welchen Sites, in wessen OneDrive? Diese Erkenntnis ist oft wertvoller als das spätere Labeln selbst und gehört mit den Fachbereichen besprochen, bevor irgendetwas scharf geschaltet wird.

Skizze 2: Ablauf einer dienstseitigen Auto-Labeling-Richtlinie – die Schleife zurück in die Simulation ist der Normalfall, nicht die Ausnahme.

Volumen, Transit, Verschlüsselung: die Grenzen, die keiner im Datenblatt liest

Drei Grenzen überraschen in Projekten immer wieder. Erstens das Volumen: Microsoft drosselt dienstseitiges Auto-Labeling auf eine begrenzte Zahl von Dateien pro Tag und Tenant – Stand 2026 liegt die dokumentierte Obergrenze im Bereich von 100.000 Dateien täglich, dazu kommt eine Höchstzahl an Richtlinien. Bei einem Bestand von einigen Millionen Dokumenten dauert der erste Durchlauf also Wochen, nicht Stunden, und die Kennzahlen im Content Explorer steigen langsam. Wer das dem Management nicht vorher sagt, bekommt nach drei Tagen die Frage, warum „das noch nicht fertig ist".

Zweitens Exchange: Die dienstseitige Richtlinie labelt E-Mails nur im Transit, also beim Senden und Empfangen. Der ruhende Postfachbestand – die zehn Jahre alte Mailhistorie der Buchhaltung – wird nicht angefasst. Wer Altmails klassifizieren will, braucht andere Werkzeuge oder lebt damit, dass Retention und eDiscovery hier die Hauptarbeit leisten. Drittens Verschlüsselung: Labels mit benutzerdefinierten Berechtigungen, bei denen der Anwender im Moment des Labelns Empfänger festlegt, kann eine Richtlinie im Hintergrund nicht anwenden – es gibt keinen Anwender, der die Empfänger nennen könnte. Verschlüsselnde Labels mit festen Berechtigungen gehen, aber jede falsch getroffene Datei ist danach für Systeme ohne Super-User-Zugriff unsichtbar. Deshalb: dienstseitig zuerst Markierungslabels ohne Verschlüsselung, Verschlüsselung erst site-weise für die Kronjuwelen.

Faktenkasten: Verhaltensregeln der dienstseitigen Auto-Labeling-Richtlinie Manuell gesetzte Labels werden von einer Auto-Labeling-Richtlinie standardmäßig nicht überschrieben; ein bereits automatisch gesetztes Label kann durch ein höher priorisiertes ersetzt werden, und seit einiger Zeit lässt sich in der Richtlinie ausdrücklich erlauben, auch Labels gleicher oder niedrigerer Priorität zu ersetzen. Speicherorte lassen sich auf Site- und Konto-Ebene ein- und ausschließen. Exchange Online wird nur im Transit gelabelt, SharePoint Online und OneDrive im Bestand. Jede neue oder geänderte Richtlinie beginnt im Simulationsmodus; die Simulationsergebnisse bleiben einsehbar, bis die Richtlinie eingeschaltet oder erneut simuliert wird. Das Tagesvolumen ist je Tenant gedrosselt (Microsoft dokumentiert die aktuellen Höchstwerte; Stand 2026 in der Größenordnung von 100.000 Dateien pro Tag), und die Zahl der Auto-Labeling-Richtlinien je Tenant ist begrenzt. Voraussetzung: Microsoft 365 E5, E5 Compliance oder E5 Information Protection & Governance für die Benutzer, deren Inhalte gelabelt werden.

 

Warnkasten: Auto-Labeling ohne gelesene Simulation Ich habe es erlebt: Eine Richtlinie mit dem vorgefertigten Sensitive Info Type für Kreditkartennummern, niedrige Konfidenz, Zählwert eins, Label „Streng vertraulich" mit Verschlüsselung für die Geschäftsführung. Simulation zwei Stunden laufen lassen, Zahl gesehen („nur 3.000 Treffer"), eingeschaltet. Am Montag konnte der Einkauf seine Artikelstammlisten nicht mehr öffnen, weil sechzehnstellige Artikelnummern nun mal wie Kreditkartennummern aussehen, wenn man die Prüfsumme nicht ernst nimmt. Wer dir erzählt, dass man die Simulation „bei einfachen Regeln überspringen" kann, hat noch nie eine einfache Regel auf zwei Millionen Dokumente losgelassen. Es gibt keine einfachen Regeln. Es gibt nur Regeln, deren Fehltreffer du noch nicht gefunden hast.

 

Fehltreffer klein halten: Sensitive Info Types, Konfidenz und Zählwerte

Auto-Labeling ist genau so gut wie seine Erkennungsregeln. Und die Regeln sind genau so gut wie ihre Kombination aus drei Stellschrauben: welcher Sensitive Info Type oder Klassifizierer verwendet wird, mit welcher Konfidenz ein Treffer zählt und ab welcher Anzahl an Treffern die Regel greift. Wer nur an einer Schraube dreht, bekommt entweder alles oder nichts. Die Kunst liegt darin, alle drei so einzustellen, dass die Regel das findet, was du meinst – nicht das, was zufällig ähnlich aussieht.

Die vorgefertigten deutschen Typen – IBAN, Personalausweisnummer, Steuer-Identifikationsnummer, Reisepass, Führerschein – sind ein guter Startpunkt, weil sie Prüfsummen und Kontextwörter kennen. Ihre Konfidenzstufe steigt, wenn neben dem Muster auch Schlüsselwörter wie „IBAN" oder „Kontonummer" in der Nähe stehen. Für Auto-Labeling nimmst du grundsätzlich hohe Konfidenz und einen Zählwert größer eins: Eine einzelne IBAN im Dokument ist die Bankverbindung in der Fußzeile deines eigenen Briefpapiers; zehn IBANs sind eine Kundenliste. Wie du eigene Sensitive Info Types per Regex, Schlüsselwortliste oder Dokument-Fingerprint baust und wo trainierbare Klassifizierer an ihre Grenzen stoßen, ist Thema des Spokes zu Sensitive Info Types und trainierbaren Klassifizierern; hier reicht die Regel, dass Auto-Labeling nie mit einem frisch gebauten, ungetesteten Typ startet.

Aus der Simulation kommen immer wieder dieselben Fehltreffer-Muster. Diese Tabelle listet die häufigsten mit dem jeweiligen Gegenmittel; die meisten Projekte brauchen zwei bis drei Schleifen, bis die Quote im einstelligen Prozentbereich liegt.

Fehltreffer	Warum	Gegenmittel
Artikelnummern als Kreditkarten oder IBANs	Zahlenfolgen passender Länge, Prüfsumme bei niedriger Konfidenz ignoriert	Hohe Konfidenz, Zählwert erhöhen, Sites des Einkaufs/Lagers ausschließen
Vorlagen und Formulare mit Platzhaltern	DE00-Muster oder Beispielnummern gelten als Treffer	Vorlagenbibliotheken ausschließen; eigenen SIT mit Ausschlussliste
Eigenes Briefpapier mit Bankverbindung	Eine IBAN in jedem Brief	Zählwert mindestens 3–5; Kombination mit zweitem SIT (Name + IBAN)
Testdaten der Entwicklung	Realistische Fake-Personalausweisnummern in Testdateien	Entwicklungs-Sites ausschließen; Klassifizierer statt reinem Regex
Alte, längst archivierte Bestände	Treffer stimmen, aber niemand arbeitet mehr damit	Bewusst entscheiden: labeln (Copilot!) oder erst Retention/Löschung
Verträge, die der Klassifizierer nicht als Verträge erkennt	Trainierbarer Klassifizierer zu wenig oder falsch trainiert	Nachtrainieren mit echten Beispielen; Kombination mit Schlüsselwörtern

 

Praxiskasten: Die Richtlinie, die den halben Vertrieb gelabelt hätte Bei einem Kunden aus dem Handel sollte eine Richtlinie Kundenlisten mit Kontodaten als „Vertraulich" labeln. Erster Simulationslauf: über 60.000 Treffer. Beim Durchsehen zeigte sich, dass die Angebotsvorlage des Vertriebs seit Jahren eine Zeile mit der eigenen Firmen-IBAN und der Steuernummer trägt – jedes Angebot der letzten zehn Jahre wäre gelabelt worden. Zählwert auf fünf, Konfidenz auf hoch, Angebotsbibliotheken ausgeschlossen: zweiter Lauf 1.900 Treffer, davon in der Stichprobe fast alle echte Kundenlisten. Die Richtlinie ging drei Wochen später scharf, ohne einen einzigen Support-Anruf. Der eigentliche Gewinn war aber ein anderer: Der Vertriebsleiter wusste jetzt, wo seine Kundenlisten wirklich lagen – nämlich zu einem Drittel in persönlichen OneDrives, in denen sie nichts zu suchen hatten.

 

Die richtige Reihenfolge: Eingriffstiefe Stufe für Stufe erhöhen

Weil client- und dienstseitiges Auto-Labeling unterschiedliche Fehlerbilder haben, gibt es eine natürliche Reihenfolge, die das Risiko klein hält und den Lerneffekt groß. Ich nenne sie die Auto-Labeling-Treppe: Jede Stufe setzt die vorherige voraus, jede läuft mindestens vier Wochen, jede wird ausgewertet, bevor die nächste kommt. Wer oben einsteigt, fällt runter – nicht weil die Technik es nicht kann, sondern weil niemand im Unternehmen die Fehltreffer einordnen kann, wenn er den Weg dorthin nicht gegangen ist.

Stufe null ist das manuelle Modell, das sitzt. Stufe eins ist die clientseitige Empfehlung für eindeutige Muster – IBAN, Personalausweis, Steuer-ID –, die kein Risiko hat und die Belegschaft trainiert. Stufe zwei ist die clientseitige Erzwingung für die Muster, bei denen die Empfehlungsphase kaum Widerspruch erzeugt hat. Stufe drei ist die dienstseitige Simulation über den Bestand, die dir nebenbei die Landkarte deiner Kronjuwelen liefert. Stufe vier ist die dienstseitige Aktivierung – zuerst mit Markierungslabels ohne Verschlüsselung, dann site-weise mit Verschlüsselung für die wirklich sensiblen Bestände. Die Reihenfolge ist keine Vorsichtsmaßnahme für Ängstliche; sie ist der Weg, auf dem die Erkennungsregeln reifen, bevor sie Schaden anrichten können.

Was auf der obersten Stufe nicht aufhört, ist der Betrieb. Auto-Labeling ist keine Einmalaktion, sondern ein Regelwerk, das mit dem Unternehmen mitwächst: Neue Fachbereiche bringen neue Datenarten, neue Sites brauchen Ein- oder Ausschlüsse, ein geänderter Sensitive Info Type verändert die Trefferquote. Ich empfehle einen festen Rhythmus – vierteljährlich die Trefferverteilung im Content Explorer anschauen, halbjährlich jede Richtlinie einmal neu simulieren und mit dem Ist-Zustand vergleichen. Und ein Kanal für Beschwerden: Wenn die Buchhaltung meldet, dass eine Datei „plötzlich vertraulich" ist, muss jemand innerhalb eines Tages nachsehen können, welche Regel gegriffen hat. Der Activity Explorer zeigt das; man muss ihn nur öffnen.

Skizze 3: Die Auto-Labeling-Treppe – vom manuellen Modell über Empfehlung und Erzwingung im Client bis zur scharfen dienstseitigen Richtlinie.

KI-Kasten: Auto-Labeling ist der Copilot-Hebel für den Altbestand Microsoft 365 Copilot respektiert Sensitivity Labels – aber nur, wenn sie da sind. Ein manuelles Label-Modell erreicht neue Dokumente; die zwanzig Jahre Altbestand in SharePoint erreicht nur die dienstseitige Richtlinie. DSPM for AI zeigt dir in seinen Oversharing-Bewertungen genau diese Lücke und schlägt Auto-Labeling als One-Click-Empfehlung vor. Der Klick ist verlockend, ersetzt aber weder Simulation noch Fehltrefferprüfung; DSPM erzeugt die Richtlinie, aber lesen musst du sie selbst. Für Copilot-Readiness gilt deshalb: Erst dienstseitig simulieren, um zu wissen, wo die Kronjuwelen liegen, dann Markierungslabels ausrollen, dann für die wirklich sensiblen Sites verschlüsselnde Labels – und Copilot bleibt dort draußen, wo das Extract-Recht fehlt. Was DSPM for AI dabei zeigt und was nicht, behandelt der Spoke DSPM for AI im Detail.

 

Tippkasten: Ausschlüsse sind kein Zeichen von Schwäche Die Versuchung ist groß, eine Richtlinie tenantweit auf „alle Sites" zu stellen, weil das vollständig klingt. In der Praxis fährst du besser mit dem umgekehrten Weg: Starte mit den fünf bis zehn Sites, in denen laut Simulation die meisten echten Treffer liegen, schalte dort scharf, warte zwei Wochen, erweitere. Sites der Entwicklung, Vorlagenbibliotheken und Archive schließt du von Anfang an aus. Eine Richtlinie mit klugen Ausschlüssen labelt weniger, aber richtig – und das ist bei Verschlüsselung der einzige Zustand, den du dir leisten kannst.

 

Der Deutschland-Winkel: Datenschutz, Betriebsrat und die Lizenzfrage

Auto-Labeling ist inhaltlich ein Datenschutz-Verbündeter: Es findet personenbezogene Daten dort, wo niemand sie vermutet hat, und schützt sie technisch – genau das, was Art. 32 DSGVO unter geeigneten technischen und organisatorischen Maßnahmen versteht. Der Datenschutzbeauftragte sollte deshalb bei der Regeldefinition mit am Tisch sitzen, allein schon, weil er weiß, welche Datenkategorien im Unternehmen wirklich vorkommen und welche Sites die Personalabteilung nutzt. Gleichzeitig ist die Simulation selbst eine Verarbeitung: Sie durchsucht den gesamten Bestand nach personenbezogenen Mustern und listet Fundstellen mit Speicherort und Eigentümer auf. Diese Auswertung gehört ins Verzeichnis der Verarbeitungstätigkeiten, und die Zugriffe auf die Simulationsergebnisse gehören auf wenige Rollen beschränkt.

Für den Betriebsrat ist Auto-Labeling zunächst unverdächtiger als andere Purview-Module – die Maschine labelt Inhalte, sie bewertet keine Menschen. Aber die Simulationsergebnisse zeigen, in wessen OneDrive Kundenlisten liegen, und der Activity Explorer zeigt, wer welche automatischen Labels wieder herabgestuft hat. Damit ist die Eignung zur Verhaltenskontrolle nach § 87 Abs. 1 Nr. 6 BetrVG gegeben, auch wenn niemand sie nutzen will. In der Praxis reicht meist ein Absatz in der Purview-Betriebsvereinbarung: welche Auswertungen zu welchem Zweck stattfinden, wer sie sieht und dass Simulationsergebnisse nicht zur Bewertung einzelner Mitarbeiter herangezogen werden. Bei der Lizenz schließlich gilt die Purview-Regel: Benutzer, deren Inhalte automatisch gelabelt werden, brauchen E5 oder ein passendes Add-on – auch dann, wenn die Richtlinie in einer Site greift, deren Eigentümer noch E3 hat. Was das für Mischkalkulationen bedeutet, steht im Spoke zur Purview-Lizenzierung.

Wie immer bei Rechtsthemen: Das ist Praxiserfahrung, keine Rechtsberatung, Stand 2026. Datenschutzbeauftragter, Betriebsrat und bei Bedarf ein Jurist gehören ins Boot, bevor die erste Richtlinie scharf geht.

Stolperfallen aus der Praxis

Client- und dienstseitig verwechselt. Das Team konfiguriert clientseitiges Auto-Labeling am Label, wartet vier Wochen und wundert sich, warum der Content Explorer für den Altbestand keine Bewegung zeigt. Der Client-Pfad erreicht nur, was jemand öffnet. Für den Bestand braucht es die Richtlinie – und umgekehrt: Wer nur die Richtlinie baut, verliert den Lerneffekt der gelben Leiste.

Verschlüsselung in der ersten dienstseitigen Richtlinie. Die Fehltreffer, die bei einem Markierungslabel nur eine falsche Kopfzeile erzeugen, sperren bei einem verschlüsselnden Label Scanner, Archiv und Suche aus – und zwar für alle betroffenen Dokumente auf einmal. Erst Markierung, dann Verschlüsselung, und die nur site-weise.

Der Zählwert steht auf eins. Eine einzelne IBAN, eine einzelne Personalausweisnummer – das ist der Normalfall in ganz normalen Geschäftsbriefen. Auto-Labeling soll Listen und Sammlungen finden, nicht Einzelvorkommen. Zählwerte von drei bis zehn und hohe Konfidenz sind der Standard, nicht die Ausnahme.

Die Simulation wird nur gezählt, nicht gelesen. „3.000 Treffer, klingt plausibel" ist keine Bewertung. Fünfzig Stichproben aus verschiedenen Sites, geöffnet und geprüft, sind das Minimum. Wer keine Zeit dafür hat, hat keine Zeit für Auto-Labeling.

Das Management erwartet Ergebnisse in Tagen. Die Volumendrossel sorgt dafür, dass große Bestände Wochen brauchen. Wer diese Zahl nicht vorher kommuniziert, verteidigt hinterher ein Werkzeug, das genau das tut, was es soll – nur langsamer als erhofft.

Der Postfachbestand soll rückwirkend gelabelt werden. Die dienstseitige Richtlinie labelt Exchange nur im Transit. Zehn Jahre alte Mails bleiben ohne Label; wer sie schützen oder loswerden will, ist bei Retention und eDiscovery besser aufgehoben.

Fazit: Zwei Werkzeuge, eine Treppe, viel Geduld

Auto-Labeling ist der Hebel, mit dem aus einem Label-Modell für neue Dokumente ein Schutz für den ganzen Bestand wird – und damit die Voraussetzung dafür, dass Copilot nicht in zwanzig Jahren ungeschützter Ablage wühlt. Der Client-Pfad erzieht die Belegschaft, der Dienst-Pfad klassifiziert den Bestand, und keiner ersetzt den anderen. Die Reihenfolge – Empfehlung, Erzwingung, Simulation, scharf – ist keine Vorsicht, sondern der Weg, auf dem die Regeln reifen. Wo Auto-Labeling im Gesamtbild aus Labels, DLP und Copilot-Absicherung steht, zeigt der Purview-Überblick.

Wenn du Auto-Labeling nicht nur verstehen, sondern im eigenen Tenant bauen willst – Regeln, Simulation, Auswertung, Ausschlüsse –: Der zweitägige Hands-on-Workshop aus den Purview-Schulungen macht genau das, in deinem Tenant, mit deinen Daten.

FAQ: Häufige Fragen zu Auto-Labeling in Purview

Was ist der Unterschied zwischen clientseitigem und dienstseitigem Auto-Labeling?

Clientseitiges Auto-Labeling läuft in Word, Excel, PowerPoint und Outlook, wird am Label konfiguriert und empfiehlt oder erzwingt ein Sensitivity Label, während ein Anwender den Inhalt bearbeitet oder sendet. Dienstseitiges Auto-Labeling ist eine eigene Richtlinie im Purview-Portal, die ruhende Dateien in SharePoint und OneDrive sowie E-Mails im Transit im Hintergrund labelt, ohne dass ein Anwender beteiligt ist. Nur der dienstseitige Weg erreicht den Altbestand.

Brauche ich für Auto-Labeling Microsoft 365 E5?

Ja. Sowohl client- als auch dienstseitiges Auto-Labeling setzen Microsoft 365 E5 oder ein Add-on wie E5 Compliance oder E5 Information Protection & Governance voraus – und zwar für die Benutzer, deren Inhalte automatisch gelabelt werden. Manuelles Labeln mit Standard-Label ist dagegen schon in Microsoft 365 E3 enthalten (Stand 2026).

Labelt Auto-Labeling auch alte E-Mails im Postfach?

Nein. Dienstseitiges Auto-Labeling behandelt Exchange Online nur im Transit, also E-Mails, die gesendet oder empfangen werden. Der ruhende Postfachbestand wird nicht nachträglich gelabelt. Für SharePoint Online und OneDrive gilt das nicht – dort wird der vorhandene Bestand durchsucht und gelabelt.

Überschreibt Auto-Labeling ein Label, das ein Anwender manuell gesetzt hat?

Standardmäßig nicht: Manuell gesetzte Labels bleiben erhalten. Automatisch gesetzte Labels können durch ein höher priorisiertes ersetzt werden, und die Richtlinie kann ausdrücklich so konfiguriert werden, dass sie auch Labels gleicher oder niedrigerer Priorität ersetzt. Ohne diese Einstellung gilt: Wer bewusst gelabelt hat, behält recht.

Wie lange dauert der Simulationsmodus?

Die Simulation selbst läuft je nach Bestand Stunden bis wenige Tage. Die eigentliche Arbeit – Stichproben lesen, Fehltreffer verstehen, Regeln nachschärfen, erneut simulieren – dauert erfahrungsgemäß zwei bis vier Wochen. Diese Zeit ist gut investiert, weil jeder Fehltreffer, den du in der Simulation findest, später kein falsch gelabeltes oder verschlüsseltes Dokument ist.

Wo fange ich mit Auto-Labeling an?

Mit einem manuellen Label-Modell, das steht, und mit der clientseitigen Empfehlung für eindeutige Muster wie IBAN oder Personalausweisnummer bei hoher Konfidenz und Zählwert größer eins. Danach eine dienstseitige Richtlinie im Simulationsmodus über SharePoint und OneDrive, um zu sehen, wo die sensiblen Bestände liegen. Erst wenn die Fehltrefferquote in der Stichprobe einstellig ist, schaltest du site-weise scharf – zuerst mit Markierung, dann mit Verschlüsselung.

Kann Auto-Labeling Dokumente automatisch verschlüsseln?

Ja, wenn das zugeordnete Label Verschlüsselung enthält – mit einer Ausnahme: Labels mit benutzerdefinierten Berechtigungen, bei denen der Anwender im Moment des Labelns Empfänger festlegt, können dienstseitig nicht angewendet werden. Verschlüsselnde Labels sollten dienstseitig erst nach sauberer Simulation und nur für ausgewählte Sites zum Einsatz kommen, weil jeder Fehltreffer danach für Scanner, Archiv und Suche unsichtbar ist.