Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich. # Erstellung eines auf maschinellem Lernen basierenden Matching-Workflows Der auf *[maschinellem Lernen basierende Abgleich](glossary.md#ml-matching-defn)* ist ein voreingestellter Prozess, bei dem versucht wird, Datensätze aus allen von Ihnen eingegebenen Daten abzugleichen. Der auf maschinellem Lernen basierende Matching-Workflow ermöglicht es Ihnen, Klartextdaten zu vergleichen, um mithilfe eines Modells für maschinelles Lernen eine Vielzahl von Übereinstimmungen zu finden. **Anmerkung** Das Modell für maschinelles Lernen unterstützt den Vergleich von Hash-Daten nicht. Wenn eine AWS Entity Resolution Übereinstimmung zwischen zwei oder mehr Datensätzen in Ihren Daten gefunden wird, wird Folgendes zugewiesen: + Den Datensätzen im abgeglichenen Datensatz wird eine [Match-ID](glossary.md#match-id-defin) zugewiesen + Der Prozentsatz des [Übereinstimmungskonfidenzniveaus](glossary.md#confidence-level-defn). Sie können die Ausgabe eines ML-basierten Abgleichs-Workflows als Eingabe für den Datendienstanbieterabgleich verwenden oder umgekehrt, um Ihre spezifischen Ziele zu erreichen. Sie können beispielsweise einen ML-basierten Abgleich ausführen, um zunächst in Ihren eigenen Datensätzen nach Übereinstimmungen in Ihren Datenquellen zu suchen. Wenn für eine Teilmenge kein Abgleich gefunden wurde, können Sie anschließend einen Abgleich auf [Anbieterbasis ausführen, um weitere Treffer](create-matching-workflow-provider.md) zu finden. **Voraussetzungen** Bevor Sie einen ML-basierten Abgleichsworkflow erstellen, müssen Sie: 1. Erstellen Sie eine Schemazuordnung. Weitere Informationen finden Sie unter [Eine Schemazuordnung erstellen](create-schema-mapping.md). 1. Wenn Amazon Connect Connect-Kundenprofile als Ausgabeziel verwenden, stellen Sie sicher, dass Sie die entsprechenden Berechtigungen konfiguriert haben. **So erstellen Sie einen ML-basierten Matching-Workflow:** 1. Melden Sie sich bei der an AWS-Managementkonsole und öffnen Sie die AWS Entity Resolution Konsole unter [https://console.aws.amazon.com/entityresolution/](https://console.aws.amazon.com/entityresolution/). 1. Wählen Sie im linken Navigationsbereich unter **Workflows** die Option **Matching** aus. 1. Wählen Sie auf der Seite **Abgleichende Workflows** in der oberen rechten Ecke die Option **Passenden Workflow erstellen** aus. 1. Gehen Sie für **Schritt 1: Passende Workflow-Details angeben** wie folgt vor: 1. Geben Sie einen **passenden Workflow-Namen** und optional eine **Beschreibung** ein. 1. Wählen Sie für **Dateneingabe** eine **AWS Glue Datenbank **AWS-Region****, die **AWS Glue Tabelle** und dann die entsprechende **Schemazuordnung** aus. Sie können bis zu 20 Dateneingaben hinzufügen. 1. Die Option **Daten normalisieren** ist standardmäßig ausgewählt, sodass Dateneingaben vor dem Abgleich normalisiert werden. Wenn Sie Daten nicht normalisieren möchten, deaktivieren Sie die Option **Daten normalisieren**. Der auf maschinellem Lernen basierende Matching normalisiert [Name](glossary.md#normalization-ML-defn-name) nur, und. [Phone](glossary.md#normalization-ML-defn-phone) [Email](glossary.md#normalization-ML-defn-email) 1. Um die **Zugriffsberechtigungen für den Dienst** anzugeben, wählen Sie eine Option und ergreifen Sie die empfohlene Maßnahme. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/create-matching-workflow-ml.html) 1. (Optional) Um **Tags** für die Ressource zu aktivieren, wählen Sie **Neues Tag hinzufügen** aus und geben Sie dann das **Schlüssel** - und **Wertepaar** ein. 1. Wählen Sie **Weiter** aus. 1. Für **Schritt 2: Passende Technik wählen**: 1. Wählen Sie als **Matching-Methode** die Option Matching auf **maschinellem Lernen** aus. ![\[AWS Entity Resolution Schnittstelle zur Erstellung eines passenden Workflows mit Optionen für den regelbasierten oder maschinellen Lernabgleich.\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/choose-matching-method-machine-learning.PNG) 1. Für die **Schrittfrequenz** ist die Option **Manuell ausgewählt**. Mit dieser Option können Sie bei Bedarf einen Workflow für ein Massenupdate ausführen. **Anmerkung** Die automatische (inkrementelle) Verarbeitung wird für Matching-Workflows, die auf maschinellem Lernen basieren, nicht unterstützt. 1. Wählen Sie **Weiter** aus. 1. Für **Schritt 3: Datenausgabe und Format angeben:** 1. Wählen Sie für **Datenausgabeziel und -format** den **Amazon S3 S3-Speicherort** für die Datenausgabe und ob das **Datenformat** **Normalisierte Daten oder **Originaldaten**** sein soll. 1. Wenn Sie unter **Verschlüsselung** die **Verschlüsselungseinstellungen anpassen** wählen, geben Sie den **AWS KMS Schlüssel** ARN ein. 1. Sehen Sie sich die vom **System generierte Ausgabe** an. 1. Entscheiden Sie für die **Datenausgabe**, welche Felder Sie einschließen, ausblenden oder maskieren möchten, und ergreifen Sie dann die empfohlenen Maßnahmen, die Ihren Zielen entsprechen. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/create-matching-workflow-ml.html) 1. Wählen Sie **Weiter** aus. 1. Für **Schritt 4: Überprüfen und erstellen**: 1. Überprüfen Sie die Auswahlen, die Sie für die vorherigen Schritte getroffen haben, und bearbeiten Sie sie gegebenenfalls. 1. Wählen Sie **Create and run** aus. Es wird eine Meldung angezeigt, die darauf hinweist, dass der passende Workflow erstellt und der Job gestartet wurde. 1. Sehen Sie sich auf der Seite mit den entsprechenden Workflow-Details auf der Registerkarte **Metriken** unter **Metriken für den letzten Job** Folgendes an: + Die **Job-ID**. + **Der **Status** des passenden Workflow-Jobs: In **Warteschlange**, **In Bearbeitung**, **Abgeschlossen, Fehlgeschlagen**** + Die **Zeit, in der der Workflow-Job abgeschlossen wurde**. + Die Anzahl der **verarbeiteten Datensätze**. + Die Anzahl der **nicht verarbeiteten Datensätze**. + Das ** IDs generierte eindeutige Match**. + Die Anzahl der **Eingabedatensätze**. Sie können auch die Job-Metriken für übereinstimmende Workflow-Jobs, die zuvor ausgeführt wurden, unter dem **Jobverlauf** anzeigen. 1. Nachdem der passende Workflow-Job **abgeschlossen ist (**Status** ist Abgeschlossen**), können Sie zur Registerkarte **Datenausgabe** wechseln und dann Ihren **Amazon S3 S3-Standort** auswählen, um die Ergebnisse anzuzeigen. 1. (Nur **manueller** Verarbeitungstyp) Wenn Sie einen auf **maschinellem Lernen basierenden Abgleichs-Workflow** mit dem Verarbeitungstyp **Manuell** erstellt haben, können Sie den Abgleichs-Workflow jederzeit ausführen, indem Sie auf der Seite mit den entsprechenden Workflow-Details die Option **Workflow ausführen** wählen.