Chat with us, powered by LiveChat
Header Blog - Email Security

Warum KI-gestützte E-Mail-Sicherheit mehr als ein KI-Modell benötigt

Author: Hornetsecurity / 18.11.2026 / ,

Cyberkriminelle nutzen E-Mails nach wie vor häufig als Einstiegspunkte für ihre Angriffe. Die Ergebnisse unseres aktuellen Cybersecurity Report zeigen, dass die Herausforderung nicht allein in den Grenzen herkömmlicher Filtermethoden liegt. Vielmehr ist die Erkennung bekannter Bedrohungen nur ein Bestandteil einer umfassenden Sicherheitsstrategie. 

Moderne Phishing-E-Mails weisen nur selten ein einziges, eindeutiges Warnsignal auf. KI-gestützte E-Mail-Sicherheit erfordert daher eine mehrschichtige KI-Architektur, die Inhalte, Kontext, Verhaltensmuster, visuelle Elemente, Zieladressen und Threat Intelligence gemeinsam analysiert und bewertet. Idealerweise geschieht dies, bevor eine E-Mail den Posteingang erreicht. 

In diesem Artikel erläutern wir, wie KI-gestützte E-Mail-Sicherheit Unternehmen dabei unterstützt, neue Bedrohungen zu erkennen und sich davor zu schützen. 

Was KI-gestützte E-Mail-Sicherheit tatsächlich bedeutet 

Eine umfassende, wirksame KI-gestützte E-Mail-Sicherheitslösung erkennt Bedrohungen im gesamten E-Mail-Verkehr und reagiert gezielt darauf. Dazu gehören die Überprüfung eingehender Nachrichten vor der Zustellung, die Analyse von Absendern und Domains, die Untersuchung von URLs und Anhängen, der Schutz vor Identitätsmissbrauch, die Erkennung ungewöhnlicher Verhaltensmuster sowie die nachträgliche Behebung von Bedrohungen in bereits zugestellten E-Mails. Darüber hinaus unterstützt sie sowohl Nutzer als auch Sicherheitsanalysten. 

Um die E-Mail-Sicherheit zu verbessern, sind folgende Komponenten entscheidend: 

  • Analyse natürlicher Sprache 
  • Analyse von Beziehungen und Zusammenhängen 
  • Erkennung von Malware 
  • Analyse der Absicht hinter einer E-Mail 
  • Überprüfung der Reputation des Absenders 
  • Einsatz von Computer Vision zur Analyse von Logos und QR-Codes 
  • Analyse verlinkter Zielseiten 
  • Sandboxing 

Außerdem sollte die Lösung Anomalien erkennen, Nachrichten automatisch in Quarantäne verschieben und kontinuierliches Feedback verarbeiten können. Entscheidend ist zudem, den vollständigen Kontext einer E-Mail zu erfassen, statt einzelne Sätze isoliert zu betrachten. 

Der KI-Ansatz von Hornetsecurity veranschaulicht dieses Prinzip: Mehrere spezialisierte, KI-gestützte Erkennungsebenen greifen im gesamten Sicherheitsprozess ineinander. So wird nicht auf ein einzelnes, universell einsetzbares KI-Modell gesetzt, das sämtliche Sicherheitsaufgaben übernehmen muss. 

Warum herkömmliche E-Mail-Filter bei modernen Angriffen an ihre Grenzen stoßen 

Herkömmliche Filter erfüllen die Aufgaben, für die sie entwickelt wurden, äußerst zuverlässig: Sie blockieren bekannten Spam, bewerten die Reputation von Absendern und erkennen bekannte Malware. Doch E-Mails von einem kompromittierten Lieferantenkonto können die Authentifizierungsprüfungen problemlos bestehen. Eine neu registrierte Phishing-Domain verfügt möglicherweise noch über keine bekannte Reputation und KI-generierte Phishing-E-Mails enthalten oft keine der typischen Rechtschreibfehler, auf die Nutzer bei der Erkennung verdächtiger Nachrichten achten sollen. 

Der entscheidende Unterschied liegt in der Kontextanalyse und Anpassungsfähigkeit. Ein herkömmlicher Filter prüft beispielsweise:

Entspricht diese E-Mail einem bekannten Bedrohungsmuster?

Eine mehrschichtige KI-Architektur geht hingegen einen Schritt weiter und fragt:

Ist diese Nachricht im Hinblick auf den Absender, den Empfänger, die bestehende Beziehung, die enthaltene Aufforderung, das verlinkte Ziel und den Zeitpunkt plausibel?

Diese Frage ist deutlich schwieriger zu beantworten, liefert aber auch wesentlich wertvollere Erkenntnisse. 

Statische Schutzmaßnahmen bleiben dennoch wichtig – sie sind vergleichbar mit Türschlössern. Eine mehrschichtige KI hingegen ist wie ein aufmerksamer Kollege, dem auffällt, dass sich die Person mit dem passenden Schlüssel ungewöhnlich verhält. 

Die sechs Ebenen moderner KI-gestützter Erkennung von E-Mail-Bedrohungen 

1. Analyse von Inhalt und Absichten

Achten Sie auf Warnsignale wie Änderungen von Rechnungsdaten, dringende Zahlungsaufforderungen, Benachrichtigungen über unbefugte Anmeldeversuche, Aufforderungen zum Zurücksetzen von Passwörtern oder Anfragen zur Dateifreigabe. Solche Hinweise können auf einen möglichen Betrugsversuch mit finanziellen Folgen hindeuten. KI-gestützte Modelle zur Inhaltsanalyse untersuchen Sprache, Tonfall und Dringlichkeit einer Nachricht. So können sie verdächtige Aufforderungen zur Preisgabe von Zugangsdaten, Identitätsbetrug und ungewöhnliche Formulierungen erkennen.  

Dies ist besonders bei KI-generierten Phishing-E-Mails wichtig. Eine fehlerfreie Grammatik ist längst kein verlässliches Zeichen mehr für die Echtheit einer Nachricht. Der Targeted Fraud Forensics Filter (TFFF) von Hornetsecurity wurde beispielsweise entwickelt, um die Betrugsmasche hinter einer Nachricht zu identifizieren, etwa Lieferantenbetrug, Lohn- und Gehaltsbetrug oder CEO-Fraud. Dadurch liefert er konkretere Erkenntnisse als die bloße Einstufung einer E-Mail als „verdächtig“. 

2. Analyse von Kommunikationsbeziehungen und Social Graph Analysis 

Die Aufforderung, Bankverbindungen zu ändern oder zu aktualisieren, kann zunächst wie ein ganz normaler Geschäftsvorgang wirken. Dennoch ist Vorsicht geboten. Stammt die Anfrage von einer unbekannten Person, erscheint sie ungewöhnlich oder weicht der Kommunikationsstil vom Gewohnten ab, können dies wichtige Warnsignale sein. 

Wer auf solche Auffälligkeiten achtet und seinem Bauchgefühl vertraut, kann sich besser vor Betrugsversuchen schützen. Wir empfehlen, die Echtheit einer solchen Anfrage unabhängig vom E-Mail-Verkehr zu überprüfen, beispielsweise durch einen Anruf bei der betreffenden Person oder Organisation. 

BEC (Business Email Compromise) und Lieferantenbetrug nutzen häufig bestehende geschäftliche Beziehungen und das damit verbundene Vertrauen aus. Die eigentliche Schwachstelle liegt dabei oft nicht in der Kommunikation selbst, sondern in den komplexen zwischenmenschlichen Beziehungen. 

Die Social Graph Analysis von Hornetsecurity berücksichtigt genau diese Zusammenhänge. Sie analysiert, wer üblicherweise mit wem kommuniziert und erkennt erstmalige Kontakte, ungewöhnliche Metadaten sowie Abweichungen von etablierten Kommunikationsmustern. 

Auf diese Weise kann KI BEC-Angriffe erkennen: Sie verknüpft Auffälligkeiten in Kommunikationsbeziehungen mit Informationen zu Absendern und Domains, finanziellen Formulierungen, dem Zeitpunkt der Nachricht und dem bisherigen Kommunikationsverhalten. 

3. Korrelation von Signalen innerhalb der gesamten Nachricht 

AI-Driven Email Security

Die Sicherheit einer E-Mail anhand eines einzelnen Merkmals zu beurteilen, ist oft schwierig. Eine neue Website kann seriös wirken, Zahlungsaufforderungen können alltäglich erscheinen und Links auf den ersten Blick unbedenklich aussehen. 

Treten jedoch mehrere kleinere Warnsignale gleichzeitig auf, kann dies auf eine ernsthafte Bedrohung hindeuten. Die AI Correlation Engine führt dafür Informationen aus verschiedenen Quellen zusammen. Dazu zählen die Inhalte einer Website, Informationen über deren Betreiber, die URL, angehängte Dateien, Reputationsdaten, bisherige Interaktionen und übergreifende Bedrohungsmuster. 

Eine fundierte Bewertung sollte die Zusammenhänge zwischen den einzelnen Warnsignalen deutlich machen, beispielsweise: 

„Neue Lieferanten-Domain + Formulierungen zur Umleitung von Zahlungen + ungewöhnlicher Empfängerpfad + erstmals beobachtete URL.“ 

Die Nachvollziehbarkeit solcher Bewertungen ist entscheidend. Sie ermöglicht eine schnellere Analyse und Priorisierung von Bedrohungen und schafft eine bessere Grundlage für Entscheidungen über Sicherheitsrichtlinien. 

4. Visuelle KI-Analyse von Logos, Screenshots, QR-Codes und gefälschten Darstellungen 

Cyberkriminelle nutzen zunehmend Bilder, um wichtige Informationen zu verschleiern oder Nutzer auf gefälschte Websites zu locken, die bekannten Marken täuschend ähnlich sehen. Wer ausschließlich den Text einer E-Mail analysiert, übersieht möglicherweise entscheidende Elemente wie QR-Codes, Abbildungen gefälschter Anmeldeseiten oder Websites, die Microsoft 365 nahezu identisch nachahmen. 

Hornetsecurity untersucht verlinkte Zielseiten anhand visueller Merkmale wie Logos, Anmeldeformularen, Designelementen und irreführenden Seitenlayouts. 

Der entscheidende Ansatz besteht darin, verschiedene Informationen miteinander zu verknüpfen: Ein wirksamer Schutz vor KI-generiertem Phishing berücksichtigt neben dem Text auch die Identität des Absenders, bestehende Kommunikationsbeziehungen, visuelle Hinweise und Informationen über verlinkte Zielseiten. Eine reine Textanalyse reicht dafür nicht aus. 

5. Globale Threat Intelligence und Schutz vor der E-Mail-Zustellung 

Eine Angriffskampagne, die auf ein Unternehmen abzielt, wurde möglicherweise bereits bei anderen Unternehmen beobachtet. Durch die mandantenübergreifende Auswertung von Sicherheitsdaten lassen sich wiederkehrende Domains, URLs und Angriffsvorlagen frühzeitig erkennen. Sicherheitsmaßnahmen, die bereits vor der E-Mail-Zustellung greifen, können Bedrohungen abwehren, bevor Nutzer überhaupt mit einer schädlichen Nachricht interagieren. 

Davon profitieren insbesondere MSPs und MSSPs. Sie können über mehrere Mandanten hinweg einen einheitlichen Schutz gewährleisten, ohne ständig manuelle Anpassungen vornehmen zu müssen. Umfangreiche Sicherheitsdaten ersetzen zwar nicht die Berücksichtigung mandantenspezifischer Gegebenheiten, stärken jedoch die lokalen Schutzmaßnahmen und erhöhen die Zuverlässigkeit der von MSPs und MSSPs bereitgestellten Sicherheitsservices. 

6. Kontinuierliches Lernen und Feedbackschleifen 

Unternehmen mit adaptiven Erkennungsverfahren können besser auf unerwartete Bedrohungen reagieren. Da sich E-Mail-Angriffe rasant weiterentwickeln, müssen auch die Erkennungsmethoden kontinuierlich angepasst werden. Ein einmaliges Training der KI reicht dafür nicht aus. 

Rückmeldungen aus den Entscheidungen von Sicherheitsanalysten, Nutzermeldungen, Sandboxing-Ergebnissen, Daten zu Angriffskampagnen sowie bestätigten Fehlalarmen und übersehenen Bedrohungen sollten daher laufend in die Verbesserung der Reputationsbewertung und Erkennungsmethoden einfließen. 

Gegen welche Angriffsarten bietet mehrschichtige KI-gestützte E-Mail-Sicherheit den besten Schutz? 

Eine mehrschichtige KI-Architektur ist besonders wirksam bei der Abwehr unterschiedlicher Angriffsarten. Dazu zählen Phishing-Angriffe mit gefälschten Anmeldeseiten oder QR-Codes, E-Mail-Betrug sowie die Identitätsvortäuschung von Führungskräften. Weitere Bedrohungen sind gezielte Angriffe auf Lieferanten und Geschäftspartner, Kontoübernahmen, interne Phishing-Angriffe über kompromittierte Postfächer sowie Malware, die über neue Verbreitungsmethoden oder wechselnde URLs eingeschleust wird. 

Auch der Schutz vor alltäglichem Spam und anderen E-Mail-Bedrohungen wird dadurch verbessert. Die eigentliche Herausforderung liegt jedoch nicht in der Erkennung gewöhnlicher Spam-Nachrichten. Deutlich schwieriger ist es, eine authentisch wirkende E-Mail zu erkennen, die von einem echten Benutzerkonto stammt, Teil eines vertrauten E-Mail-Verlaufs ist und zu einer einzigen ungewöhnlichen Handlung auffordert. Genau hier müssen Inhaltsanalyse, Kontextbewertung und die Korrelation verschiedener Signale ineinandergreifen. 


Wie der KI-Ansatz von Hornetsecurity die verschiedenen Ebenen verknüpft 

Unser KI-Ansatz verbindet spezialisierte Technologien über den gesamten Schutzprozess hinweg: 

  • Targeted Fraud Forensics Filter (TFFF) erkennt die Betrugsabsicht. 
  • Social Graph Analysis überprüft bestehende Geschäfts- und Kommunikationsbeziehungen. 
  • Die AI Correlation Engine verknüpft Hunderte technische und kontextbezogene Signale. 
  • IsItPhishing AI untersucht verlinkte Zielseiten anhand visueller Merkmale. 
  • AI Email Security Analyst hilft Nutzern und Administratoren nachzuvollziehen, warum eine E-Mail als sicher, verdächtig oder schädlich eingestuft wurde. 

Dabei handelt es sich nicht einfach um eine Auflistung einzelner Produkte, sondern um das Zusammenspiel verschiedener Sicherheitstechnologien: Sicherheitsprüfungen vor der Zustellung ermöglichen eine frühzeitige Erkennung von Bedrohungen. Die Analyse von Kommunikationsbeziehungen verbessert die Erkennung von BEC-Angriffen. Durch die Korrelation verschiedener Signale entsteht eine fundiertere Bedrohungsbewertung, während nachvollziehbare Analyseergebnisse eine schnellere Untersuchung ermöglichen. 

365 Total Protection entdecken

Für Microsoft 365 vereint 365 Total Protection E-Mail-Sicherheit, Backup, Compliance, Berechtigungsmanagement und Sicherheitsschulungen in einer Lösung. 

Advanced Threat Protection entdecken

Advanced Threat Protection ergänzt den Schutz durch Funktionen wie erweiterte Filtermechanismen, Sandboxing, die Erkennung gezielter Angriffe und die Abwehr neuer Bedrohungen. Dieser integrierte Ansatz erleichtert den Schutz vor Cyberrisiken, da Unternehmen nicht auf zahlreiche voneinander unabhängige KI-Tools angewiesen sind. 

Erleben Sie mehrschichtige KI-gestützte E-Mail-Sicherheit in der Praxis  

Sie möchten sich nicht länger auf eine einzelne KI-Funktion verlassen? Vereinbaren Sie eine Demo und erfahren Sie, wie Hornetsecurity Ihre Microsoft 365-Umgebung mit integriertem, mehrschichtigem KI-Schutz absichern kann. 

Fazit: KI ist keine einzelne Funktion, sondern eine umfassende Sicherheitsarchitektur 

Einfache KI-Modelle stoßen bei Angriffen an ihre Grenzen, die Textinhalte, Identitäten, Kommunikationsbeziehungen, visuelle Täuschungsmethoden, den Missbrauch von IT-Infrastrukturen und Techniken zur Umgehung der Malware-Erkennung kombinieren. Eine leistungsfähige KI-gestützte E-Mail-Sicherheitslösung funktioniert dagegen wie ein reaktionsfähiges Nervensystem: Sie erkennt frühzeitig Warnsignale und kann durch die Auswertung zusätzlicher relevanter Informationen verbessert werden. 

Der KI-Ansatz von Hornetsecurity bietet Sicherheitsteams in Microsoft 365 eine mehrschichtige, nachvollziehbare und kontinuierlich lernende Lösung zum Schutz vor komplexen Cyberbedrohungen. Moderne E-Mail-Angriffe sind längst nicht mehr eindimensional. Deshalb sollte auch Ihre Sicherheitsstrategie auf mehreren Ebenen ansetzen. 

Cybersecurity 2026 is out now!

Cybersecurity Report 2026

Die Beschleunigung globaler Bedrohungen durch KI

FAQ

Welche Funktionen bietet KI-gestützte E-Mail-Sicherheit? 

KI-gestützte E-Mail-Sicherheit umfasst die Analyse von E-Mail-Inhalten, die Bewertung von Kommunikationsbeziehungen und die Überprüfung von URLs. Hinzu kommen Malware-Scans, visuelle KI-Analysen, die Erkennung ungewöhnlicher Verhaltensmuster sowie die Korrelation verschiedener Sicherheitssignale. 

Worin unterscheidet sich KI-gestützte E-Mail-Sicherheit von herkömmlichen Filtern? 

Herkömmliche E-Mail-Filter basieren hauptsächlich auf Regeln, Signaturen und Reputationsbewertungen. Eine mehrschichtige KI-Architektur berücksichtigt zusätzlich Verhaltensmuster, Kommunikationsbeziehungen und visuelle Merkmale. Dadurch lassen sich auch E-Mails erkennen, die bislang noch nicht als schädlich bekannt sind. 

Schützt KI-gestützte E-Mail-Sicherheit vor KI-generierten Phishing-Angriffen? 

Ja, KI-gestützte E-Mail-Sicherheit kann dabei helfen, KI-generierte Phishing-Angriffe zu erkennen und abzuwehren. Mithilfe von Machine Learning analysiert sie E-Mail-Muster und das Verhalten von Absendern. In Kombination mit der Aufmerksamkeit und dem Sicherheitsbewusstsein der Nutzer bietet dieser Ansatz einen besonders wirksamen Schutz vor solchen Bedrohungen. 

Kann KI neue Phishing-Betrugsmaschen und Malware erkennen? 

Ja. In Kombination mit Technologien wie Sandboxing, Verhaltensanalyse, dynamischer URL-Überprüfung, Anomalieerkennung und globaler Threat Intelligence kann KI auch bislang unbekannte oder schwer erkennbare Bedrohungen aufdecken. Allerdings kann kein Unternehmen einen vollständigen Schutz garantieren. Ziel ist es daher, Bedrohungen möglichst frühzeitig zu erkennen und schnell darauf zu reagieren, um potenzielle Schäden zu minimieren.