Sentinel-Analyseregeln erstellen: Schritt für Schritt
Wenn du in Microsoft Sentinel Analyseregeln erstellen willst, brauchst du zuerst saubere Daten: einen Log Analytics Workspace, die richtigen Data Connectors und ein klares Ziel pro Regel. Danach kommt Kusto Query Language (KQL): Du testest eine Abfrage in Logs, wandelst sie in eine Analytics Rule um und definierst, wann daraus Alerts oder Incidents entstehen. Für den Betrieb zählen weniger „mehr Regeln“, sondern weniger Lärm und schnellere Untersuchung. Automation Rules und Playbooks (Azure Logic Apps) helfen, Triage-Schritte zu standardisieren und Betriebskosten zu senken.
- Erst Workspace + Connector + Datenfluss prüfen, dann Regeln bauen.
- KQL-Abfragen immer im Log Analytics Workspace testen, bevor du sie scharf schaltest.
- Incidents, Zuständigkeiten und Automatisierung direkt mitdenken.
So bekommst du messbare Coverage, weniger manuelle Log-Suche und bessere Nachvollziehbarkeit für Audit und Dokumentation.
Du sorgst dafür, dass M365 läuft. Wir sorgen dafür, dass niemand unbemerkt eindringt, heimlich mitliest und Schaden anrichtet.
Definition
Microsoft Sentinel ist eine cloud native SIEM- und SOAR-Plattform in der Microsoft Cloud auf Azure, die Sicherheitsdaten zentral in einem Log Analytics Workspace sammelt und auswertet. Sentinel ist kein „Sensor“ an sich, sondern lebt von verbundenen Datenquellen, korrekter Konfiguration und einem Incident-Response-Prozess.
Einleitung
„Sentinel analyseregeln erstellen“ heißt: Du nimmst eine geprüfte KQL-Abfrage, definierst Schwellwerte und Taktung und lässt Sentinel daraus Alerts und Incidents erzeugen. Der praktische Nutzen ist weniger manuelle Log-Suche und ein wiederholbarer Untersuchungs-Workflow, statt dass Wissen nur in Köpfen oder Tickets steckt.
Workspace einrichten: die Basis für Logs
Starte in Azure mit einer neuen Ressourcengruppe und einem Log Analytics Workspace (Region, Namenskonvention, Aufbewahrung). Danach aktivierst du Microsoft Sentinel auf diesem Workspace. So schaffst du eine klare Trennung: Sentinel „arbeitet“ auf den Daten im Workspace.
Typische Voraussetzungen, die früh sonst Zeit kosten:
- Berechtigungen/Rollen: getrennt für Setup, Regel-Management und Incident-Bearbeitung.
- Datenaufbewahrung und Zugriff auf Logs (Audit-Anforderungen, interne Policies).
- Ingestion (Kosten): bewusst entscheiden, welche Logs rein sollen und welche nicht.
Datenquellen verbinden: Data Connectors richtig nutzen
Öffne in Sentinel „Data Connectors“ und verbinde zuerst die Quellen, die direkt zu deinen Top-Risiken passen (Identitäten, Endpoints, E-Mail, Cloud). Für Microsoft-Quellen sind die integrierten Connectors meist der schnellste Start. Für Entra ID sind SigninLogs und AuditLogs häufig die ersten Tabellen, die du brauchst.
Für nicht-Microsoft-Quellen (z. B. Syslog, CEF) ist oft der Azure Monitor Agent (AMA) relevant, plus Data Collection Rules in Azure Monitor. Wichtig: Ein Connector ist erst dann „fertig“, wenn im Log Analytics Workspace tatsächlich Events ankommen und du sie per Query sehen kannst.
Prüfschritte nach dem Verbinden:
- Im Log Analytics Workspace eine Query auf die erwartete Tabelle ausführen (z. B. SigninLogs).
- Zeitraum prüfen: kommen Events „jetzt“ rein oder nur historisch?
- Felder prüfen: sind Benutzer, IP, Gerät, ResultType etc. befüllt?
Analytics Rules verstehen: was eine Regel wirklich macht
Analytics Rules (Analysis Rules) sind die Erkennungslogik in Sentinel: KQL-Abfrage + Zeitfenster + Schwelle + Ausgabe (Alert/Incident) + Entitäten-Zuordnung. Gute Regeln sind nicht „maximal sensibel“, sondern so gebaut, dass jemand sie im Alltag untersuchen kann.
Grundkonzepte, die du vor der ersten Regel festlegen solltest:
- Signal: Was ist ein verdächtiges Muster in deinen Logs?
- Kontext: Welche Entitäten sollen automatisch erkannt werden (Benutzer, IP, Host)?
- Aktion: Was passiert operativ nach dem Treffer (triage, eskalieren, schließen)?
Erste Regel bauen: KQL testen, dann scharf schalten
Schritt 1: Schreibe und teste die KQL-Abfrage in „Logs“ im Workspace. Beispiel für wiederholte fehlgeschlagene Anmeldungen pro Benutzer:
SigninLogs
| where ResultType != 0
| summarize Failures=count() by UserPrincipalName, bin(TimeGenerated, 15m)
| where Failures >= 10
Schritt 2: Prüfe das Ergebnis: Sind es echte Ausreißer oder normale Nutzerfehler? Ergänze bei Bedarf Filter (z. B. bekannte Standorte) oder erhöhe die Schwelle.
Schritt 3: Erstelle daraus eine Analytics Rule. Setze Ausführungsfrequenz und Lookup-Zeitraum passend (zu kurz verpasst Muster, zu lang erzeugt Rauschen). Aktiviere Incident-Erstellung, damit die Bearbeitung in einem Fall statt in Einzel-Alerts passiert.
Mini-Story (Praxis): Eine Regel feuert montags morgens bei mehreren Benutzern. Im Incident sieht man: dieselbe Quell-IP, kurze Intervalle, viele Accounts. Das Team blockt die IP auf der passenden Ebene und setzt betroffene Konten auf „reset required“, statt 30 einzelne Logzeilen zu prüfen.
Von Alert zu Incident: Untersuchung und Response sauber aufsetzen
Alerts sind einzelne Signale; Incidents bündeln Signale zur Untersuchung. Nutze den Investigations Graph, um Beziehungen zwischen Entitäten und Ereignissen zu sehen, und dokumentiere Entscheidungen direkt am Incident (für Audit/Nachvollziehbarkeit).
Ein pragmatischer Untersuchungs-Workflow:
- Validierung: Daten korrekt, kein Fehlalarm durch Konfiguration?
- Scope: Welche Benutzer/Hosts/IPs sind betroffen, seit wann, wie häufig?
- Maßnahmen: Eindämmen, bereinigen, dokumentieren.
Automatisierung: Playbooks und Orchestrierung für weniger Betriebskosten
SOAR in Sentinel bedeutet: Standardaufgaben automatisieren, damit Analysten Zeit für Bewertung statt Copy-Paste haben. Nutze Automation Rules, um Incidents automatisch zu taggen, zuzuweisen oder Playbooks zu starten. Playbooks basieren auf Azure Logic Apps und können Kontext anreichern, Tickets erstellen oder Benachrichtigungen auslösen.
Wichtig für Qualität: Automatisiere erst „lesen und anreichern“ (Kontext) und erst später „ändern und sperren“ (aktive Eingriffe), sonst riskierst du Self-Inflicted Outages.
Best Practices: Architektur, Integrationen und KPIs
Architektur-Blick: Workspace + Data Connectors + Analytics Rules + Incidents + Playbooks + Workbooks (Dashboards). Ergänze Integrationen nur, wenn sie den Prozess verkürzen (z. B. ServiceNow für Tickets).
KPIs, die wirklich helfen:
- Mean Time to Acknowledge (MTTA) und Time to Triage pro Incident.
- False-Positive-Quote pro Regel (wie oft „kein Vorfall“?).
- Coverage: Welche kritischen Szenarien sind abgedeckt, welche fehlen?
FAQ & Troubleshooting
Warum sehe ich keine Logs im Workspace?
Prüfe zuerst den Connector-Status, dann Berechtigungen und ob die richtige Tabelle abgefragt wird. Bei Syslog/CEF zusätzlich AMA und Data Collection Rules (Azure Monitor) prüfen.
Warum erzeugt eine Analytics Rule keine Alerts?
Führe die KQL-Abfrage manuell mit dem gleichen Zeitfenster aus. Häufige Ursachen sind falsche Zeitbereiche, Feldnamen, zu hohe Schwellenwerte oder fehlende Ereignisse in der Quelle.
Was sind die häufigsten Gründe für „Alert-Lärm“?
Zu breite Datenquellen, fehlende Filter/Entitäten-Zuordnung und Regeln ohne klaren Use Case. Baue lieber wenige Rules, die jemand in 10 Minuten triagieren kann.
Wie bewerte ich ROI ohne Fantasiezahlen?
Miss den Aufwand vor/nach Einführung: Suchzeit in Logs, Anzahl manueller Schritte, Bearbeitungsdauer pro Incident und dokumentierte Nachweise für Audit/Anmelde-Audit. Das ist im Betrieb oft der größte Hebel.
Wann externe Unterstützung sinnvoll wird
Externe Unterstützung wird sinnvoll, wenn du mehrere Datenquellen stabil anbinden musst, Regeln produktiv betreiben willst und Incident-Response nicht „nebenbei“ laufen soll. Spätestens bei eigenen KQL-Detections, Tuning gegen False Positives und Automatisierung (Playbooks) lohnt sich ein klarer Betrieb statt Projektaktionismus.
Fazit
Microsoft Sentinel bringt Nutzen, wenn Datenquellen sauber verbunden sind und Analyseregeln auf reale Workflows einzahlen. Starte klein, teste KQL im Workspace, schalte erst dann Rules scharf und miss Qualität über Triage-Zeit und False Positives. So wird aus „Logs sammeln“ ein Betrieb, der schneller reagiert und Aufwand im Alltag reduziert.
Wenn du den Sentinel-Betrieb abgeben willst, unterstützen wir als Managed Microsoft 365 Security Provider beim laufenden Betrieb des Microsoft Security-Stacks innerhalb unseres Servicefensters (Mo–Fr 8–18 Uhr).
Häufige Fragen
Welche Datenquelle sollte ich als Erstes anbinden?
Starte mit Identitäts-Logs (Entra ID: SigninLogs, AuditLogs) und einer Quelle, die du operativ beeinflussen kannst (z. B. Microsoft Defender XDR). Damit bekommst du schnelle, untersuchbare Incidents.
Brauche ich KQL, um Sentinel sinnvoll zu nutzen?
Für eigene, wirklich passende Analyseregeln ja. Vorlagen helfen beim Start, aber Kusto Query Language (KQL) ist der Schlüssel, um Logik auf deine Umgebung und deine Risiken anzupassen.
Wie verhindere ich, dass Sentinel zu viele Alerts erzeugt?
Baue Regeln mit klarer Hypothese, sinnvollen Schwellenwerten und Entitäten-Zuordnung. Tune auf Basis echter Ergebnisse und automatisiere Triage-Schritte erst, wenn die Regel stabil ist.
Wie gehe ich mit Ingestion (Kosten) um, ohne Sicherheit zu verlieren?
Wähle Datenquellen bewusst nach Use Case, begrenze sehr „laute“ Logs und prüfe, welche Felder/Tabellen du wirklich für Detections und Audit brauchst. Besser wenige hochwertige Daten als viel Rauschen.