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.
# Abgleichen von Eingabedaten mithilfe eines Abgleich-Workflows
Ein *Abgleichs-Workflow* ist ein Datenverarbeitungsjob, der Daten aus verschiedenen Eingabequellen kombiniert und vergleicht und anhand verschiedener Abgleichstechniken bestimmt, welche Datensätze übereinstimmen. AWS Entity Resolution liest Ihre Daten von den angegebenen Speicherorten, findet Übereinstimmungen zwischen Datensätzen und weist jedem übereinstimmenden Datensatz eine [Match-ID](glossary.md#match-id-defin) zu.
Das folgende Diagramm fasst zusammen, wie Sie einen passenden Workflow erstellen.
![\[A summary of the four steps to create a matching workflow in AWS Entity Resolution\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/HIW-Matching-Workflow.png)
**Topics**
+ [Passende Workflowtypen](#matching-workflow-types)
+ [Optionen für die Datenausgabe](#data-output-options)
+ [Passende Workflow-Ergebnisse](#matching-workflow-results)
+ [Einen regelbasierten Abgleichs-Workflow erstellen](creating-matching-workflow-rule-based.md)
+ [Erstellung eines auf maschinellem Lernen basierenden Matching-Workflows](create-matching-workflow-ml.md)
+ [Einen auf Provider-Services basierenden Abgleichsworkflow erstellen](create-matching-workflow-provider.md)
+ [Einen passenden Workflow bearbeiten](edit-matching-workflow.md)
+ [Einen passenden Workflow löschen](delete-matching-workflow.md)
+ [Ändern oder Generieren einer Match-ID für einen regelbasierten Matching-Workflow](generate-match-id.md)
+ [Suchen Sie nach einer Match-ID für einen regelbasierten Matching-Workflow](find-match-id.md)
+ [Löschen von Datensätzen aus einem regelbasierten oder ML-basierten Abgleichs-Workflow](delete-records.md)
+ [Fehlerbehebung bei passenden Workflows](troubleshooting.md)
## Passende Workflowtypen
AWS Entity Resolution unterstützt drei Arten von passenden Workflows:
Regelbasierter Abgleich
Verwendet konfigurierbare Regeln, um übereinstimmende Datensätze auf der Grundlage einer exakten oder unscharfen Übereinstimmung bestimmter Felder zu identifizieren. Sie definieren die Übereinstimmungskriterien, z. B. übereinstimmende Namen, die ähnlich geschrieben sind, oder Adressen, die unterschiedlich formatiert sind.
Abgleich auf Grundlage von Machine Learning
Verwendet Modelle für maschinelles Lernen, um ähnliche Datensätze zu identifizieren, auch wenn die Daten Variationen, Fehler oder fehlende Felder aufweisen. Dieser Ansatz kann komplexere Übereinstimmungen erkennen als der regelbasierte Abgleich.
Auf Diensten basierender Abgleich durch Anbieter
Nutzt externe Datenanbieter, um Ihre Daten vor dem Abgleich anzureichern und zu validieren. Diese Art des Abgleichs ist nicht mit der Ausgabe von Amazon Connect Connect-Kundenprofilen kompatibel.
## Optionen für die Datenausgabe
AWS Entity Resolution kann Datenausgabedateien schreiben in:
+ Ein Amazon S3 S3-Standort, den Sie angeben
+ Amazon Connect Connect-Kundenprofile (für die Deduplizierung von Kundendaten)
**Wichtig**
Der Export in Amazon Connect Connect-Kundenprofile ist mit dem anbieterbasierten Abgleich nicht kompatibel. Um in Amazon Connect Connect-Kundenprofile zu exportieren, müssen Sie den regelbasierten Abgleich oder den auf maschinellem Lernen basierenden Abgleich verwenden.
Falls gewünscht AWS Entity Resolution , können Sie die Ausgabedaten mit einem Hashwert versehen, sodass Sie die Kontrolle über Ihre Daten behalten.
Die folgende Tabelle zeigt die drei Typen von Matching-Workflows und ihre unterstützten Ausgabeziele.
| Passender Typ | S3-Ausgabe | Ausgabe von Kundenprofilen |
| --- | --- | --- |
| [regelbasiert](creating-matching-workflow-rule-based.md) | ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/success_icon.svg) Ja | ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/success_icon.svg) Ja |
| [basiert auf maschinellem Lernen](create-matching-workflow-ml.md) | ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/success_icon.svg) Ja | ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/success_icon.svg) Ja |
| [dienstleistungsbasiert](create-matching-workflow-provider.md) | ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/success_icon.svg) Ja | ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/negative_icon.svg)Nein |
## Passende Workflow-Ergebnisse
Nachdem Sie einen passenden Workflow erstellt und ausgeführt haben, können Sie die Ergebnisse an Ihrem angegebenen S3-Standort oder in Amazon Connect Connect-Kundenprofilen anzeigen. Passende Workflows werden generiert, IDs nachdem die Daten indexiert wurden.
Ein passender Workflow kann mehrere Durchläufe haben und die Ergebnisse (Erfolge oder Fehler) werden in einen Ordner mit dem `jobId` Namen geschrieben.
Gehen Sie für jeden Lauf für S3-Ausgabeziele wie folgt vor:
+ Die Datenausgabe enthält sowohl eine Datei für erfolgreiche Treffer als auch eine Datei für Fehler
+ Erfolgreiche Ergebnisse werden in einen `success` Ordner geschrieben, der mehrere Dateien enthält
+ Fehler werden in einen `error` Ordner mit mehreren Feldern geschrieben
Für jeden Lauf der Ausgabeziele von Amazon Connect Customer Profiles:
+ Deduplizierte Kundendatensätze werden direkt an Ihre Amazon Connect Connect-Instance gesendet
+ Sie können Ihren aktuellen Jobverlauf in der Konsole einsehen AWS Entity Resolution
+ Bestehende Profile in Amazon Connect sind nicht im Deduplizierungsprozess enthalten
Nachdem Sie einen Abgleichs-Workflow erstellt und ausgeführt haben, können Sie die Ausgabe des [regelbasierten Abgleichs](creating-matching-workflow-rule-based.md) oder des [maschinellen Lernens (ML) als Eingabe für den dienstbasierten Abgleich](create-matching-workflow-ml.md) [von Anbietern](create-matching-workflow-provider.md) verwenden oder umgekehrt, um Ihre Geschäftsanforderungen zu erfüllen.
Um beispielsweise Abonnementkosten für Anbieter zu sparen, können Sie zunächst einen [regelbasierten Abgleich durchführen, um Übereinstimmungen in Ihren Daten](creating-matching-workflow-rule-based.md) zu finden. [Anschließend können Sie eine Teilmenge nicht übereinstimmender Datensätze an den dienstbasierten Abgleich des Anbieters senden.](create-matching-workflow-provider.md) Beachten Sie, dass Sie, wenn Sie in Kundenprofile exportieren möchten, nur den auf Regeln oder maschinellem Lernen basierenden Abgleich verwenden sollten.
Weitere Informationen zur Behebung von Fehlern finden Sie unter. [Fehlerbehebung bei passenden Workflows](troubleshooting.md)
# Einen regelbasierten Abgleichs-Workflow erstellen
Der *[regelbasierte Abgleich](glossary.md#rule-based-matching-defn)* ist ein hierarchischer Satz von Wasserfall-Abgleichsregeln, die von Ihnen vorgeschlagen werden AWS Entity Resolution, auf der Grundlage der von Ihnen eingegebenen Daten vorgeschlagen werden und von Ihnen vollständig konfiguriert werden können. Der regelbasierte Abgleichs-Workflow ermöglicht es Ihnen, Klartext- oder Hash-Daten zu vergleichen, um anhand von von Ihnen angepassten Kriterien exakte Übereinstimmungen zu finden.
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
+ Die [Vergleichsregel](glossary.md#match-rule-defn), die den Treffer generiert hat.
Wenn Sie einen regelbasierten Abgleichs-Workflow in erstellen AWS Entity Resolution, müssen Sie entweder einen **einfachen** oder einen **erweiterten** Regeltyp wählen. Der Regeltyp bestimmt die Komplexität der Regelbedingungen, die Sie erstellen können. Sie können den Regeltyp nach der Erstellung des Workflows nicht ändern.
Sie können das folgende Diagramm verwenden, um die beiden **Regeltypen** zu vergleichen und festzustellen, welcher für Ihren Anwendungsfall am besten geeignet ist.
**Vergleichstabelle für Regeltypen**
| Anwendungsfall | Erweiterter Regeltyp | Einfacher Regeltyp |
| --- |--- |--- |
| Schemazuordnungen, die den Eingabetypen zugeordnet one-to-one sind | ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/success_icon.svg) Ja | Nein |
| --- |--- |--- |
| Schemazuweisung mit mehreren Datenspalten, die denselben Eingabetypen zugeordnet sind | ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/negative_icon.svg) Nein | Ja |
| --- |--- |--- |
| Unterstützt exaktes und unscharfes Matching | ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/success_icon.svg) Ja | Nein (nur exakte Übereinstimmung) |
| --- |--- |--- |
| Unterstützt die Operatoren AND, OR und Klammern | ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/success_icon.svg) Ja | Nein (nur AND-Operator) |
| --- |--- |--- |
| Unterstützt Batch-Workflows | ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/success_icon.svg) Ja | Ja |
| --- |--- |--- |
| Unterstützt inkrementelle Workflows | ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/success_icon.svg) Ja | Ja |
| --- |--- |--- |
| Unterstützt Workflows in Echtzeit | ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/negative_icon.svg)Nein | Ja |
| --- |--- |--- |
| Unterstützt Workflows zur ID-Zuordnung | ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/negative_icon.svg) Nein | Ja |
| --- |--- |--- |
Nachdem Sie bestimmt haben, welchen Regeltyp Sie verwenden möchten, verwenden Sie die folgenden Themen, um einen regelbasierten Abgleichsworkflow mit dem Regeltyp „**Erweitert**“ oder „**Einfach**“ zu erstellen.
**Topics**
+ [Erstellen eines regelbasierten Abgleichsworkflows mit dem Regeltyp „Erweitert“](rule-based-mw-advanced.md)
+ [Erstellen eines regelbasierten Abgleichs-Workflows mit dem Regeltyp „Einfach“](rule-based-mw-simple.md)
# Erstellen eines regelbasierten Abgleichsworkflows mit dem Regeltyp „Erweitert“
**Voraussetzungen**
Bevor Sie einen regelbasierten 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.
Das folgende Verfahren zeigt, wie Sie mithilfe der AWS Entity Resolution Konsole oder der API einen regelbasierten Abgleichs-Workflow mit dem Regeltyp **Advanced** erstellen. `CreateMatchingWorkflow`
------
#### [ Console ]
**So erstellen Sie mithilfe der Konsole einen regelbasierten Abgleichsworkflow mit dem **Regeltyp Advanced****
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 19 Dateneingaben hinzufügen.
**Anmerkung**
Um **erweiterte** Regeln verwenden zu können, müssen Ihre Schemazuordnungen die folgenden Anforderungen erfüllen:
Jedes Eingabefeld muss einem eindeutigen Übereinstimmungsschlüssel zugeordnet werden, sofern die Felder nicht zusammen gruppiert sind.
Wenn Eingabefelder zusammen gruppiert sind, können sie denselben Abgleichsschlüssel verwenden.
Die folgende Schemazuordnung wäre beispielsweise für **erweiterte** Regeln gültig:
`firstName: { matchKey: 'name', groupName: 'name' }`
`lastName: { matchKey: 'name', groupName: 'name' }`
In diesem Fall sind die `lastName` Felder `firstName` und zusammen gruppiert und haben den gleichen Namen (Match Key), was zulässig ist.
Überprüfen Sie Ihre Schemazuordnungen und aktualisieren Sie sie so, dass sie dieser one-to-one Abgleichsregel entsprechen, sofern die Felder nicht ordnungsgemäß gruppiert sind, um **erweiterte** Regeln verwenden zu können.
Wenn Ihre Datentabelle eine DELETE-Spalte enthält, muss der Typ der Schemazuordnung lauten, `String` und Sie dürfen kein und haben. `matchKey` `groupName`
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**.
**Anmerkung**
Die Normalisierung wird nur für die folgenden Szenarien unter **Schema-Mapping erstellen** unterstützt:
Wenn die folgenden **Namensuntertypen** gruppiert sind: **Vorname**, Zweiter **Vorname**, **Nachname**.
Wenn die folgenden **Adressuntertypen** gruppiert sind: **Straße 1**, **Straße 2**, **Straße 3**, **Stadt**, **Bundesland**, **Land**, **Postleitzahl**.
Wenn die folgenden **Telefonuntertypen** gruppiert sind: **Telefonnummer**, **Landesvorwahl des Telefons**.
1. Um die **Zugriffsberechtigungen für den Dienst** festzulegen, 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/rule-based-mw-advanced.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 unter Abgleichmethode** die Option **Regelbasierter** Abgleich aus.
1. **Wählen Sie als **Regeltyp** die Option Erweitert aus.**
![\[Bildschirm „Abgleichstechnik auswählen“, bei dem die Option Erweiterter regelbasierter Abgleich ausgewählt ist.\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/choose-matching-method-rule-based-advanced.PNG)
1. Wählen Sie für **den Verarbeitungsrhythmus** eine der folgenden Optionen aus.
+ Wählen Sie **Manuell**, um bei Bedarf einen Workflow für ein Massenupdate auszuführen
+ Wählen Sie **Automatisch**, um einen Workflow auszuführen, sobald sich neue Daten in Ihrem S3-Bucket befinden
**Anmerkung**
Wenn Sie **Automatisch** wählen, stellen Sie sicher, dass Sie EventBridge Amazon-Benachrichtigungen für Ihren S3-Bucket aktiviert haben. Anweisungen zur Aktivierung EventBridge von Amazon mithilfe der S3-Konsole finden Sie unter [Enabling Amazon EventBridge](https://docs.aws.amazon.com/AmazonS3/latest/userguide/enable-event-notifications-eventbridge.html) im *Amazon S3 S3-Benutzerhandbuch*.
1. Geben **Sie für Abgleichsregeln** einen **Regelnamen** ein und erstellen Sie dann die **Regelbedingung**, indem Sie je nach Ziel die entsprechenden Abgleichsfunktionen und Operatoren aus der Dropdownliste auswählen.
Sie können bis zu 25 Regeln erstellen.
****Sie müssen eine Fuzzy-Matching-Funktion (**Cosinus**, **Levenshtein** oder **Soundex**) mit einer exakten Matching-Funktion (Exact,) mithilfe des AND-Operators kombinieren. **ExactManyToMany******
Anhand der folgenden Tabelle können Sie entscheiden, welche Art von Funktion oder Operator Sie je nach Ziel verwenden möchten.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/rule-based-mw-advanced.html)
**Example Regelbedingung, die bei Telefonnummern und E-Mails übereinstimmt**
Im Folgenden finden Sie ein Beispiel für eine Regelbedingung, bei der Datensätze zu Telefonnummern (**Telefonzuweisungsschlüssel**) und E-Mail-Adressen (Abgleichsschlüssel für **E-Mail-Adressen**) abgeglichen werden:
`Exact(Phone,EmptyValues=Process) AND Levenshtein("Email address",2)`
![\[Beispiel für eine Regelbedingung, die Datensätze zu Telefonnummern und E-Mail-Adressen abgleicht.\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/matching-rule-condition-example.png)
Die **Telefonzuordnungstaste** verwendet die Funktion **Exakte** Übereinstimmung, um identische Zeichenketten zuzuordnen. Die Taste **Phone** Match verarbeitet leere Werte beim Abgleich mit dem Modifikator **EmptyValues=Process**.
Der Abgleichsschlüssel für **E-Mail-Adressen** verwendet die **Levenshtein-Vergleichsfunktion**, um Daten mit Rechtschreibfehlern abzugleichen, wobei der standardmäßige Schwellenwert für den Levenshtein-Entfernungsalgorithmus von 2 verwendet wird. Der Abgleichsschlüssel für **E-Mails verwendet keine optionalen Modifikatoren**.
**Der AND-Operator kombiniert die **Genaue** Übereinstimmungsfunktion und die **Levenshtein-Matching-Funktion**.**
**Example Regelbedingung, die zur Durchführung des Matchkey-Matchings verwendet wird ExactManyToMany**
Im Folgenden finden Sie ein Beispiel für eine Regelbedingung, die Datensätze in drei Adressfeldern (**HomeAddress**Match-Schlüssel, Match-Schlüssel und **BillingAddress**Match-Schlüssel) **ShippingAddress**abgleicht, um mögliche Treffer zu finden, indem geprüft wird, ob irgendwelche von ihnen identische Werte haben.
Der `ExactManyToMany` Operator wertet alle möglichen Kombinationen der angegebenen Adressfelder aus, um genaue Übereinstimmungen zwischen zwei oder mehr beliebigen Adressen zu ermitteln. Beispielsweise würde er erkennen, ob die entweder `HomeAddress` mit oder übereinstimmen `BillingAddress` oder `ShippingAddress` ob alle drei Adressen exakt übereinstimmen.
```
ExactManyToMany(HomeAddress, BillingAddress, ShippingAddress)
```
**Example Regelbedingung, die Clustering verwendet**
Beim erweiterten regelbasierten Abgleich mit Fuzzy-Bedingungen gruppiert das System Datensätze zunächst auf der Grundlage exakter Treffer in Clustern. Sobald diese anfänglichen Cluster gebildet sind, wendet das System Fuzzy-Matching-Filter an, um weitere Treffer innerhalb jedes Clusters zu identifizieren. Für eine optimale Leistung sollten Sie anhand Ihrer Datenmuster exakte Übereinstimmungsbedingungen auswählen, um gut definierte Ausgangscluster zu erstellen.
Im Folgenden finden Sie ein Beispiel für eine Regelbedingung, die mehrere exakte Treffer mit einer Fuzzy-Match-Anforderung kombiniert. Mithilfe von `AND` Operatoren wird überprüft, ob die drei Felder —`FullName`, Geburtsdatum (`DOB`) und `Address` — zwischen den Datensätzen exakt übereinstimmen. Es ermöglicht auch geringfügige Abweichungen im `InternalID` Feld unter Verwendung einer Levenshtein-Distanz von. `1` Die Levenshtein-Distanz gibt die Mindestanzahl von Änderungen an einzelnen Zeichen an, die erforderlich sind, um eine Zeichenfolge in eine andere zu ändern. Ein Abstand von 1 bedeutet, `InternalIDs` dass ein Treffer gefunden wird, der sich nur um ein Zeichen unterscheidet (z. B. ein einziger Tippfehler, eine Löschung oder eine Einfügung). Diese Kombination von Bedingungen hilft bei der Identifizierung von Datensätzen, bei denen es sehr wahrscheinlich ist, dass sie dieselbe Entität repräsentieren, auch wenn der Identifier kleine Abweichungen aufweist.
```
Exact(FullName) AND Exact(DOB) AND Exact(Address) and Levenshtein(InternalID, 1)
```
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/rule-based-mw-advanced.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 **regelbasierten 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.
1. (Nur **automatischer** Verarbeitungstyp) Wenn Ihre Datentabelle eine DELETE-Spalte enthält, dann:
+ Datensätze, die *true* in der DELETE-Spalte auf gesetzt sind, werden gelöscht.
+ Datensätze, die *false* in der DELETE-Spalte auf gesetzt sind, werden in S3 aufgenommen.
Weitere Informationen finden Sie unter [Schritt 1: Bereiten Sie Datentabellen von Erstanbietern vor](prepare-input-data.md#prepare-first-party-tables).
------
#### [ API ]
**Um mithilfe der API einen regelbasierten Abgleichs-Workflow mit dem Regeltyp **Advanced** zu erstellen**
**Anmerkung**
Standardmäßig verwendet der Workflow die Standardverarbeitung (Batch). Um die inkrementelle (automatische) Verarbeitung zu verwenden, müssen Sie sie explizit konfigurieren.
1. Öffnen Sie ein Terminal oder eine Befehlszeile, um die API-Anfrage zu stellen.
1. Erstellen Sie eine POST-Anfrage an den folgenden Endpunkt:
```
/matchingworkflows
```
1. Stellen Sie im Anforderungsheader den Inhaltstyp auf application/json ein.
**Anmerkung**
*[Eine vollständige Liste der unterstützten Programmiersprachen finden Sie in der AWS Entity Resolution API-Referenz.](https://docs.aws.amazon.com/entityresolution/latest/apireference/Welcome.html)*
1. Geben Sie für den Anfragetext die folgenden erforderlichen JSON-Parameter an:
```
{
"description": "string",
"incrementalRunConfig": {
"incrementalRunType": "string"
},
"inputSourceConfig": [
{
"applyNormalization": boolean,
"inputSourceARN": "string",
"schemaName": "string"
}
],
"outputSourceConfig": [
{
"applyNormalization": boolean,
"KMSArn": "string",
"output": [
{
"hashed": boolean,
"name": "string"
}
],
"outputS3Path": "string"
}
],
"resolutionTechniques": {
"providerProperties": {
"intermediateSourceConfiguration": {
"intermediateS3Path": "string"
},
"providerConfiguration": JSON value,
"providerServiceArn": "string"
},
"resolutionType": "RULE_MATCHING",
"ruleBasedProperties": {
"attributeMatchingModel": "string",
"matchPurpose": "string",
"rules": [
{
"matchingKeys": [ "string" ],
"ruleName": "string"
}
]
},
"ruleConditionProperties": {
"rules": [
{
"condition": "string",
"ruleName": "string"
}
]
}
},
"roleArn": "string",
"tags": {
"string" : "string"
},
"workflowName": "string"
}
```
Wobei Folgendes gilt:
+ `workflowName`(erforderlich) — Muss eindeutig sein und zwischen 1—255 Zeichen und dem Muster [a-zA-Z\$10-9-] \$1 entsprechen
+ `inputSourceConfig`(erforderlich) — Liste mit 1—20 Eingangsquellenkonfigurationen
+ `outputSourceConfig`(erforderlich) — Genau eine Konfiguration der Ausgangsquelle
+ `resolutionTechniques`(erforderlich) — Für den regelbasierten Abgleich auf „RULE\$1MATCHING“ als ResolutionType setzen
+ `roleArn`(erforderlich) — ARN der IAM-Rolle für die Workflow-Ausführung
+ `ruleConditionProperties`(erforderlich) — Liste der Regelbedingungen und Name der passenden Regel.
Zu den optionalen Parametern gehören:
+ `description`— Bis zu 255 Zeichen
+ `incrementalRunConfig`— Konfiguration des inkrementellen Ausführungstyps
+ `tags`— Bis zu 200 Schlüssel-Wert-Paare
1. (Optional) Um die inkrementelle Verarbeitung anstelle der standardmäßigen Standardverarbeitung (Batch) zu verwenden, fügen Sie dem Hauptteil der Anfrage den folgenden Parameter hinzu:
```
"incrementalRunConfig": {
"incrementalRunType": "AUTOMATIC"
}
```
1. Senden Sie die Anforderung .
1. Bei Erfolg erhalten Sie eine Antwort mit dem Statuscode 200 und einem JSON-Text, der Folgendes enthält:
```
{
"workflowArn": "string",
"workflowName": "string",
// Plus all configured workflow details
}
```
1. Wenn der Anruf nicht erfolgreich ist, erhalten Sie möglicherweise einen der folgenden Fehler:
+ 400 — ConflictException wenn der Workflow-Name bereits existiert
+ 400 — ValidationException wenn die Eingabe nicht validiert werden kann
+ 402 — ExceedsLimitException wenn die Kontolimits überschritten werden
+ 403 — AccessDeniedException wenn Sie keinen ausreichenden Zugriff haben
+ 429 — ThrottlingException wenn die Anfrage gedrosselt wurde
+ 500 — InternalServerException wenn ein interner Dienstausfall vorliegt
------
# Erstellen eines regelbasierten Abgleichs-Workflows mit dem Regeltyp „Einfach“
**Voraussetzungen**
Bevor Sie einen regelbasierten 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.
Das folgende Verfahren zeigt, wie Sie mithilfe der AWS Entity Resolution Konsole oder der API einen regelbasierten Abgleichs-Workflow mit dem Regeltyp **Simple** erstellen. `CreateMatchingWorkflow`
------
#### [ Console ]
**So erstellen Sie mithilfe der Konsole einen regelbasierten Abgleichsworkflow mit dem **Regeltyp Simple****
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 19 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**.
**Anmerkung**
Die Normalisierung wird nur für die folgenden Szenarien unter **Schema-Mapping erstellen** unterstützt:
Wenn die folgenden **Namensuntertypen** gruppiert sind: **Vorname**, Zweiter **Vorname**, **Nachname**.
Wenn die folgenden **Adressuntertypen** gruppiert sind: **Straße 1**, **Straße 2**, **Straße 3**, **Stadt**, **Bundesland**, **Land**, **Postleitzahl**.
Wenn die folgenden **Telefonuntertypen** gruppiert sind: **Telefonnummer**, **Landesvorwahl des Telefons**.
1. Um die **Zugriffsberechtigungen für den Dienst** festzulegen, 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/rule-based-mw-simple.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 unter Abgleichmethode** die Option **Regelbasierter** Abgleich aus.
1. **Wählen Sie als **Regeltyp** die Option Einfach aus.**
![\[Bildschirm „Abgleichstechnik wählen“ mit aktivierter Option „Einfacher regelbasierter Abgleich“.\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/choose-matching-method-rule-based-simple.PNG)
1. Wählen Sie für **den Verarbeitungsrhythmus** eine der folgenden Optionen aus.
+ Wählen Sie **Manuell**, um bei Bedarf einen Workflow für ein Massenupdate auszuführen
+ Wählen Sie **Automatisch**, um einen Workflow auszuführen, sobald sich neue Daten in Ihrem S3-Bucket befinden
**Anmerkung**
Wenn Sie **Automatisch** wählen, stellen Sie sicher, dass Sie EventBridge Amazon-Benachrichtigungen für Ihren S3-Bucket aktiviert haben. Anweisungen zur Aktivierung EventBridge von Amazon mithilfe der S3-Konsole finden Sie unter [Enabling Amazon EventBridge](https://docs.aws.amazon.com/AmazonS3/latest/userguide/enable-event-notifications-eventbridge.html) im *Amazon S3 S3-Benutzerhandbuch*.
1. (Optional) Für den **Index nur für die ID-Zuordnung** können Sie wählen, ob Sie die Möglichkeit **aktivieren** möchten, die Daten nur zu indizieren und nicht zu generieren IDs.
Standardmäßig werden passende Workflows generiert, IDs nachdem die Daten indexiert wurden.
1. Geben **Sie für Abgleichsregeln** einen **Regelnamen** ein und wählen Sie dann die Option **Abgleichsschlüssel** für diese Regel aus.
Sie können bis zu 15 Regeln erstellen und bis zu 15 verschiedene Abgleichsschlüssel auf Ihre Regeln anwenden, um Vergleichskriterien zu definieren.
![\[Benutzeroberfläche für Abgleichsregeln mit Feldern zur Eingabe des Regelnamens und zur Auswahl von Vergleichsschlüsseln.\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/matching-rules.PNG)
1. Wählen Sie als **Vergleichstyp** je nach Ziel eine der folgenden Optionen aus.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/rule-based-mw-simple.html)
![\[Optionen für Vergleichstypen: Mehrere Eingabefelder, um Übereinstimmungen zwischen Daten zu finden, die in mehreren Feldern gespeichert sind, oder Einzelnes Eingabefeld, um den Vergleich innerhalb eines Felds einzuschränken.\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/comparison-type.PNG)
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/rule-based-mw-simple.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 **regelbasierten 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.
------
#### [ API ]
**So erstellen Sie mithilfe der API einen regelbasierten Abgleichsworkflow mit dem **Regeltyp Einfach****
**Anmerkung**
Standardmäßig verwendet der Workflow die Standardverarbeitung (Batch). Um die inkrementelle (automatische) Verarbeitung zu verwenden, müssen Sie sie explizit konfigurieren.
1. Öffnen Sie ein Terminal oder eine Befehlszeile, um die API-Anfrage zu stellen.
1. Erstellen Sie eine POST-Anfrage an den folgenden Endpunkt:
```
/matchingworkflows
```
1. Stellen Sie im Anforderungsheader den Inhaltstyp auf application/json ein.
**Anmerkung**
*[Eine vollständige Liste der unterstützten Programmiersprachen finden Sie in der AWS Entity Resolution API-Referenz.](https://docs.aws.amazon.com/entityresolution/latest/apireference/Welcome.html)*
1. Geben Sie für den Anfragetext die folgenden erforderlichen JSON-Parameter an:
```
{
"description": "string",
"incrementalRunConfig": {
"incrementalRunType": "string"
},
"inputSourceConfig": [
{
"applyNormalization": boolean,
"inputSourceARN": "string",
"schemaName": "string"
}
],
"outputSourceConfig": [
{
"applyNormalization": boolean,
"KMSArn": "string",
"output": [
{
"hashed": boolean,
"name": "string"
}
],
"outputS3Path": "string"
}
],
"resolutionTechniques": {
"providerProperties": {
"intermediateSourceConfiguration": {
"intermediateS3Path": "string"
},
"providerConfiguration": JSON value,
"providerServiceArn": "string"
},
"resolutionType": "RULE_MATCHING",
"ruleBasedProperties": {
"attributeMatchingModel": "string",
"matchPurpose": "string",
"rules": [
{
"matchingKeys": [ "string" ],
"ruleName": "string"
}
]
},
"ruleConditionProperties": {
"rules": [
{
"condition": "string",
"ruleName": "string"
}
]
}
},
"roleArn": "string",
"tags": {
"string" : "string"
},
"workflowName": "string"
}
```
Wobei Folgendes gilt:
+ `workflowName`(erforderlich) — Muss eindeutig sein und zwischen 1—255 Zeichen und dem Muster [a-zA-Z\$10-9-] \$1 entsprechen
+ `inputSourceConfig`(erforderlich) — Liste mit 1—20 Eingangsquellenkonfigurationen
+ `outputSourceConfig`(erforderlich) — Genau eine Konfiguration der Ausgangsquelle
+ `resolutionTechniques`(erforderlich) — Für regelbasierten Abgleich auf „RULE\$1MATCHING“ setzen
+ `roleArn`(erforderlich) — ARN der IAM-Rolle für die Workflow-Ausführung
+ `ruleConditionProperties`(erforderlich) — Liste der Regelbedingungen und Name der passenden Regel.
Zu den optionalen Parametern gehören:
+ `description`— Bis zu 255 Zeichen
+ `incrementalRunConfig`— Konfiguration des inkrementellen Ausführungstyps
+ `tags`— Bis zu 200 Schlüssel-Wert-Paare
1. (Optional) Um die inkrementelle Verarbeitung anstelle der standardmäßigen Standardverarbeitung (Batch) zu verwenden, fügen Sie dem Hauptteil der Anfrage den folgenden Parameter hinzu:
```
"incrementalRunConfig": {
"incrementalRunType": "AUTOMATIC"
}
```
1. Senden Sie die Anforderung .
1. Bei Erfolg erhalten Sie eine Antwort mit dem Statuscode 200 und einem JSON-Text, der Folgendes enthält:
```
{
"workflowArn": "string",
"workflowName": "string",
// Plus all configured workflow details
}
```
1. Wenn der Anruf nicht erfolgreich ist, erhalten Sie möglicherweise einen der folgenden Fehler:
+ 400 — ConflictException wenn der Workflow-Name bereits existiert
+ 400 — ValidationException wenn die Eingabe nicht validiert werden kann
+ 402 — ExceedsLimitException wenn die Kontolimits überschritten werden
+ 403 — AccessDeniedException wenn Sie keinen ausreichenden Zugriff haben
+ 429 — ThrottlingException wenn die Anfrage gedrosselt wurde
+ 500 — InternalServerException wenn ein interner Dienstausfall vorliegt
------
# 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.
# Einen auf Provider-Services basierenden Abgleichsworkflow erstellen
Mit dem *[dienstbasierten Abgleich auf Anbieterbasis](glossary.md#provider-service-matching)* können Sie Ihre bekannten Kennungen Ihrem bevorzugten Datendienstanbieter zuordnen.
AWS Entity Resolution unterstützt derzeit die folgenden Datenanbieterdienste:
+ LiveRamp
+ TransUnion
+ Vereinheitlichte ID 2.0
Weitere Informationen zu den unterstützten Anbieterdiensten finden Sie unter[Vorbereiten von Eingabedaten von Drittanbietern](prepare-third-party-input-data.md).
Sie können ein öffentliches Abonnement für diese Anbieter nutzen AWS Data Exchange oder direkt mit dem Datenanbieter ein privates Angebot aushandeln. Weitere Informationen zum Erstellen eines neuen Abonnements oder zur Wiederverwendung eines vorhandenen Abonnements für einen Anbieterdienst finden Sie unter[Schritt 1: Abonnieren Sie einen Anbieterdienst unter AWS Data Exchange](prepare-third-party-input-data.md#subscribe-provider-service).
In den folgenden Abschnitten wird beschrieben, wie Sie einen anbieterbasierten Matching-Workflow erstellen.
**Topics**
+ [Einen passenden Workflow erstellen mit LiveRamp](#create-mw-liveramp)
+ [Einen passenden Workflow erstellen mit TransUnion](#create-mw-transunion)
+ [Einen passenden Workflow mit UID 2.0 erstellen](#create-mw-uid)
## Einen passenden Workflow erstellen mit LiveRamp
Der LiveRamp Dienst stellt eine Kennung namens RampID bereit. Die RampID ist eine der am häufigsten auf Demand-Side-Plattformen verwendeten IDs Plattformen, um ein Publikum für eine Werbekampagne zu gewinnen. Mithilfe eines passenden Workflows mit LiveRamp können Sie Hash-E-Mail-Adressen in auflösen. RAMPIDs
**Anmerkung**
AWS Entity Resolution unterstützt die PII-basierte RampID-Zuweisung.
**Voraussetzungen**
Bevor Sie einen passenden Workflow mit LiveRamp erstellen, müssen Sie:
1. Erstellen Sie eine Schemazuordnung. Weitere Informationen finden Sie unter [Eine Schemazuordnung erstellen](create-schema-mapping.md).
1. Haben Sie ein Abonnement für den LiveRamp Dienst
1. Haben Sie die entsprechenden Berechtigungen für den Amazon S3 S3-Daten-Staging-Bucket konfiguriert, in den die entsprechende Workflow-Ausgabe vorübergehend geschrieben werden soll.
Bevor Sie einen ID-Mapping-Workflow mit erstellen LiveRamp, fügen Sie dem S3-Daten-Staging-Bucket die folgenden Berechtigungen hinzu.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Principal": {
"AWS": "arn:aws:iam::715724997226:root"
},
"Action": [
"s3:PutObject",
"s3:GetObject",
"s3:GetObjectVersion",
"s3:DeleteObject"
],
"Resource": [
"arn:aws:s3:::",
"arn:aws:s3:::/*"
]
},
{
"Effect": "Allow",
"Principal": {
"AWS": "arn:aws:iam::715724997226:root"
},
"Action": [
"s3:ListBucket",
"s3:GetBucketLocation",
"s3:GetBucketPolicy",
"s3:ListBucketVersions",
"s3:GetBucketAcl"
],
"Resource": [
"arn:aws:s3:::",
"arn:aws:s3:::/*"
]
}
]
}
```
------
Ersetzen Sie jeden ** durch Ihre Informationen.
| | |
| --- |--- |
| staging-bucket | Amazon S3 S3-Bucket, in dem Ihre Daten vorübergehend gespeichert werden, während ein auf Anbieterdiensten basierender Workflow ausgeführt wird. |
**Um einen passenden Workflow zu erstellen mit LiveRamp:**
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.
**Anmerkung**
Die Normalisierung wird nur für die folgenden Szenarien unter **Schema-Mapping erstellen** unterstützt:
Wenn die folgenden **Namensuntertypen** gruppiert sind: **Vorname**, Zweiter **Vorname**, **Nachname**.
Wenn die folgenden **Adressuntertypen** gruppiert sind: **Straße 1**, **Straße 2**: **Straße, Adresse 3, Name** der **Stadt**, **Bundesland****, Land**, **Postleitzahl**.
Wenn die folgenden **Telefonuntertypen** gruppiert sind: **Telefonnummer**, **Landesvorwahl des Telefons**.
Wenn Sie den reinen E-Mail-Auflösungsprozess verwenden, deaktivieren Sie die Option **Daten normalisieren**, da nur Hash-E-Mails für Eingabedaten verwendet werden.
1. Um die **Zugriffsberechtigungen für den Dienst** festzulegen, 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-provider.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 **Abgleichmethode** die Option **Provider-Services** aus.
1. Wählen Sie für **Provider-Dienste** die Option **LiveRamp**.
**Anmerkung**
Stellen Sie sicher, dass das Format und die Normalisierung Ihrer Dateneingabedatei den Richtlinien des Dienstanbieters entsprechen.
Weitere Informationen zu den Richtlinien zur Formatierung von Eingabedateien für den Abgleichs-Workflow finden Sie in der [Dokumentation unter Perform Identity Resolution Through ADX](https://docs.liveramp.com/identity/en/perform-identity-resolution-through-adx.html). LiveRamp
1. Wählen Sie für **LiveRamp Produkte** ein Produkt aus der Dropdownliste aus.
![\[Optionen für Anbieterdienste, wobei der LiveRamp Anbieterdienst ausgewählt ist.\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/choose-matching-method-liveramp.png)
**Anmerkung**
Wenn Sie **Assignment PII wählen,** müssen Sie bei der Entitätsauflösung mindestens eine Spalte angeben, in der es sich nicht um eine Identifikationsspalte handelt. Zum Beispiel GESCHLECHT.
1. Geben Sie für die **LiveRamp Konfiguration** einen **Client ID Manager ARN** und einen **Client Secret Manager ARN** ein.
![\[LiveRamp Konfigurationsformular mit Feldern für Client ID Manager ARN und Client Secret Manager ARN.\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/choose-matching-method-liveramp-config.png)
1. Wählen Sie für **Data Staging** den **Amazon S3 S3-Standort** für die temporäre Speicherung Ihrer Daten während der Verarbeitung.
Sie benötigen eine Genehmigung für den **Amazon S3 S3-Speicherort** für Data Staging. Weitere Informationen finden Sie unter [Erstellen einer Workflow-Jobrolle für AWS Entity Resolution](create-workflow-job-role.md).
1. Wählen Sie **Weiter** aus.
1. Für **Schritt 3: Datenausgabe 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 **LiveRamp generierte Ausgabe** an.
Dies sind die zusätzlichen Informationen, die von generiert wurden LiveRamp.
1. Entscheiden Sie für die **Datenausgabe**, welche Felder Sie einschließen, ausblenden oder maskieren möchten, und ergreifen Sie dann die empfohlenen Maßnahmen, die auf Ihren Zielen basieren.
**Anmerkung**
Wenn Sie sich dafür entschieden haben **LiveRamp**, wird aufgrund von LiveRamp Datenschutzfiltern, die personenbezogene Daten (PII) entfernen, in einigen Feldern der **Ausgabestatus** **Nicht verfügbar** angezeigt.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/create-matching-workflow-provider.html)
![\[AWS Entity Resolution Schnittstelle zur Erstellung von Workflows zur ID-Zuordnung mit Optionen zur Angabe des Speicherorts für die Datenausgabe.\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/specify-data-output.PNG)
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.
## Einen passenden Workflow erstellen mit TransUnion
Wenn Sie den TransUnion Service abonniert haben, können Sie das Kundenverständnis verbessern, indem Sie kundenbezogene Datensätze, die auf unterschiedlichen Kanälen gespeichert sind, mit TransUnion Personen- und Haushalts-E-Schlüsseln und über 200 Datenattributen verknüpfen, abgleichen und erweitern.
Der TransUnion Service stellt Identifikatoren bereit, die als TransUnion Einzelperson und Haushalt bezeichnet werden. IDs TransUnion ermöglicht die ID-Zuweisung (auch als Kodierung bezeichnet) bekannter Identifikatoren wie Name, Adresse, Telefonnummer und E-Mail-Adresse.
**Voraussetzungen**
Bevor Sie einen passenden Workflow mit erstellen LiveRamp, müssen Sie:
1. Erstellen Sie eine Schemazuordnung. Weitere Informationen finden Sie unter [Eine Schemazuordnung erstellen](create-schema-mapping.md).
1. Haben Sie ein Abonnement für den TransUnion Dienst
1. Haben Sie die entsprechenden Berechtigungen für den Amazon S3 S3-Daten-Staging-Bucket konfiguriert, in den die entsprechende Workflow-Ausgabe vorübergehend geschrieben werden soll.
Bevor Sie einen passenden Workflow mit erstellen TransUnion, fügen Sie dem S3-Daten-Staging-Bucket die folgenden Berechtigungen hinzu.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Principal": {
"AWS": "arn:aws:iam::381491956555:root"
},
"Action": [
"s3:PutObject",
"s3:GetObject",
"s3:GetObjectVersion",
"s3:DeleteObject"
],
"Resource": [
"arn:aws:s3:::",
"arn:aws:s3:::/*"
]
},
{
"Effect": "Allow",
"Principal": {
"AWS": "arn:aws:iam::381491956555:root"
},
"Action": [
"s3:ListBucket",
"s3:GetBucketLocation",
"s3:GetBucketPolicy",
"s3:ListBucketVersions",
"s3:GetBucketAcl"
],
"Resource": [
"arn:aws:s3:::",
"arn:aws:s3:::/*"
]
}
]
}
```
------
Ersetzen Sie jeden ** durch Ihre Informationen.
| | |
| --- |--- |
| staging-bucket | Amazon S3 S3-Bucket, in dem Ihre Daten vorübergehend gespeichert werden, während ein auf Anbieterdiensten basierender Workflow ausgeführt wird. |
**Um einen passenden Workflow zu erstellen mit TransUnion:**
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**.
**Anmerkung**
Die Normalisierung wird nur für die folgenden Szenarien unter **Schema-Mapping erstellen** unterstützt:
Wenn die folgenden **Namensuntertypen** gruppiert sind: **Vorname**, Zweiter **Vorname**, **Nachname**.
Wenn die folgenden **Adressuntertypen** gruppiert sind: **Straße 1**, **Straße 2**: **Straße, Adresse 3, Name** der **Stadt**, **Bundesland****, Land**, **Postleitzahl**.
Wenn die folgenden **Telefonuntertypen** gruppiert sind: **Telefonnummer**, **Landesvorwahl des Telefons**.
1. Um die **Zugriffsberechtigungen für den Dienst** festzulegen, 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-provider.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 **Abgleichmethode** die Option **Provider-Services** aus.
1. Wählen Sie für **Provider-Dienste** die Option **TransUnion**.
**Anmerkung**
Stellen Sie sicher, dass das Format und die Normalisierung Ihrer Dateneingabedatei den Richtlinien des Dienstanbieters entsprechen.
![\[Optionen für Anbieterdienste, wobei der TransUnion Anbieterdienst ausgewählt ist.\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/choose-matching-method-transunion.PNG)
1. Wählen Sie für **Data Staging** den **Amazon S3 S3-Standort** für die temporäre Speicherung Ihrer Daten während der Verarbeitung.
Sie benötigen eine Genehmigung für den **Amazon S3 S3-Speicherort** für Data Staging. Weitere Informationen finden Sie unter [Erstellen einer Workflow-Jobrolle für AWS Entity Resolution](create-workflow-job-role.md).
1. Wählen Sie **Weiter** aus.
1. Für **Schritt 3: Datenausgabe 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 **TransUnion generierte Ausgabe** an.
Dies sind die zusätzlichen Informationen, die von generiert wurden TransUnion.
1. Entscheiden Sie für die **Datenausgabe**, welche Felder Sie einschließen, ausblenden oder maskieren möchten, und ergreifen Sie dann die empfohlenen Maßnahmen, die auf Ihren Zielen basieren.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/create-matching-workflow-provider.html)
1. Sehen Sie sich für die **vom System generierte Ausgabe** alle enthaltenen Felder an.
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.
## Einen passenden Workflow mit UID 2.0 erstellen
Wenn Sie den Unified ID 2.0-Dienst abonniert haben, können Sie Werbekampagnen mit deterministischer Identität aktivieren und sich auf die Interoperabilität mit vielen Teilnehmern im gesamten UID2 Werbeökosystem verlassen. Weitere Informationen finden Sie unter Überblick über [Unified ID 2.0]( https://unifiedid.com/docs/intro).
Der Unified ID 2.0-Dienst stellt UID 2 in Rohform bereit, die für die Erstellung von Werbekampagnen auf der The Trade Desk-Plattform verwendet wird. UID 2.0 wird mithilfe eines Open-Source-Frameworks generiert.
In einem Workflow können Sie entweder **Email Address** oder **Phone number** für die UID2 Rohgenerierung verwenden, aber nicht beide. Wenn beide in der Schemazuordnung vorhanden sind, wählt der Workflow das Feld aus **Email Address** und das **Phone number** wird ein Pass-Through-Feld sein. Um beide zu unterstützen, erstellen Sie eine neue Schemazuweisung, der zwar zugeordnet, aber **Email Address** nicht zugeordnet **Phone number** ist. Erstellen Sie dann einen zweiten Workflow mit dieser neuen Schemazuordnung.
**Anmerkung**
Rohkost UID2s entsteht durch Zugabe von Salzen aus Salzkübeln, die etwa einmal pro Jahr rotiert werden, sodass auch UID2 das Rohöl rotiert wird. Daher wird empfohlen, das Rohprodukt UID2s täglich aufzufrischen. Weitere Informationen finden Sie unter [https://unifiedid.com/docs/how-often-should-uidgetting-started/gs-faqs\$1](https://unifiedid.com/docs/getting-started/gs-faqs#how-often-should-uid2s-be-refreshed-for-incremental-updates) 2 -incremental-updates. s-be-refreshed-for
**Voraussetzungen**
Bevor Sie einen passenden Workflow mit UID 2.0 erstellen, müssen Sie:
1. Erstellen Sie eine Schemazuordnung. Weitere Informationen finden Sie unter [Eine Schemazuordnung erstellen](create-schema-mapping.md).
1. Haben Sie ein Abonnement für den UID 2.0-Dienst
**Um einen passenden Workflow mit UID 2.0 zu erstellen:**
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. Lassen Sie die Option **Daten normalisieren** aktiviert, sodass Dateneingaben (**Email Address**oder**Phone number**) vor dem Abgleich normalisiert werden.
Weitere Informationen zur Normalisierung finden Sie unter **Email Address** Normalisierung [von E-Mail-Adressen](https://unifiedid.com/docs/getting-started/gs-normalization-encoding#email-address-normalization) in der UID 2.0-Dokumentation.
Weitere Informationen zur Normalisierung finden Sie unter **Phone number** Normalisierung von [Telefonnummern in der UID 2.0-Dokumentation](https://unifiedid.com/docs/getting-started/gs-normalization-encoding#phone-number-normalization).
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-provider.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 **Abgleichmethode** die Option **Provider-Services** aus.
1. Wählen Sie für **Provider-Dienste** **Unified ID 2.0** aus.
![\[Optionen für Providerdienste, bei denen der Unified ID-Anbieterdienst ausgewählt ist.\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/images/choose-matching-method-uid.PNG)
1. Wählen Sie **Weiter** aus.
1. Für **Schritt 3: Datenausgabe 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 von **Unified ID 2.0 generierte Ausgabe** an.
Dies ist eine Liste aller zusätzlichen Informationen, die von UID 2.0 generiert wurden
1. Entscheiden Sie bei der **Datenausgabe**, welche Felder Sie einbeziehen, 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-provider.html)
1. Sehen Sie sich für die **vom System generierte Ausgabe** alle enthaltenen Felder an.
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.
# Einen passenden Workflow bearbeiten
Durch die Bearbeitung des Matching-Workflows können Sie Ihre Prozesse zur Auflösung von Entitäten beibehalten up-to-date und auf die sich im Laufe der Zeit ändernden Anforderungen Ihres Unternehmens reagieren. Möglicherweise möchten Sie die Abgleichskriterien, Techniken oder Datenausgaben anpassen, um die Genauigkeit und Effizienz des Entitätsauflösungsprozesses zu verbessern. Wenn Sie Probleme oder Fehler in den Ergebnissen des aktuellen Workflows feststellen, kann Ihnen die Bearbeitung des Workflows dabei helfen, diese Probleme zu diagnostizieren und zu lösen.
**So bearbeiten Sie einen passenden 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 den passenden Workflow aus.
1. Wählen Sie auf der Seite mit den entsprechenden Workflow-Details in der oberen rechten Ecke die Option **Workflow bearbeiten** aus.
1. Nehmen Sie auf der Seite **Passende Workflow-Details angeben** die erforderlichen Änderungen vor und wählen Sie dann **Weiter** aus.
1. Nehmen Sie auf der Seite **Abgleichstechnik auswählen** die erforderlichen Änderungen vor und klicken Sie dann auf **Weiter**.
**Wichtig**
Sie können den **Verarbeitungsrhythmus von** **Manuell** auf **Automatisch** ändern, aber nachdem Sie ihn auf **Automatisch** geändert haben, können Sie ihn nicht mehr wieder auf **Manuell** ändern.
**Wenn der **Verarbeitungsrhythmus bereits** auf **Automatisch** eingestellt ist, können Sie ihn nicht mehr auf Manuell ändern.**
1. Nehmen Sie auf der Seite „**Datenausgabe angeben**“ die erforderlichen Änderungen vor und wählen Sie dann **Weiter**.
1. Nehmen Sie auf der Seite **Überprüfen und speichern** die erforderlichen Änderungen vor und wählen Sie dann **Speichern**.
# Einen passenden Workflow löschen
Wenn ein passender Workflow nicht mehr verwendet wird oder veraltet ist, kann das Löschen dazu beitragen, dass dein Workspace organisiert und übersichtlich bleibt. Wenn du einen neuen, verbesserten Workflow entwickelt hast, der einen älteren ersetzt, kann das Löschen des alten Workflows dazu beitragen, dass du nur die meisten Prozesse verwendest. up-to-date
**Um einen passenden Workflow zu löschen:**
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 den passenden Workflow aus.
1. Wählen Sie auf der Seite mit den entsprechenden Workflow-Details in der oberen rechten Ecke die Option **Löschen** aus.
1. Bestätigen Sie den Löschvorgang und wählen Sie dann **Löschen**.
# Ändern oder Generieren einer Match-ID für einen regelbasierten Matching-Workflow
Eine *Match-ID* ist die Kennung, die von jeder übereinstimmenden Datensatzgruppe generiert AWS Entity Resolution und auf diese angewendet wird, nachdem ein Abgleichs-Workflow ausgeführt wurde. Dies ist Teil der passenden Workflow-Metadaten, die in der Ausgabe enthalten sind.
Wenn Sie Datensätze für einen bestehenden Kunden aktualisieren oder Ihrem Datensatz einen neuen Kunden hinzufügen müssen, können Sie die AWS Entity Resolution Konsole oder die `GenerateMatchID` API verwenden. Das Ändern einer vorhandenen Match-ID trägt dazu bei, die Konsistenz bei der Aktualisierung von Kundeninformationen aufrechtzuerhalten. Wenn Sie Ihrem System bisher unbekannte Kunden hinzufügen, ist die Generierung einer neuen Match-ID erforderlich.
**Anmerkung**
Es fallen zusätzliche Gebühren an, unabhängig davon, ob Sie die Konsole oder die API verwenden. Der von Ihnen gewählte Verarbeitungstyp wirkt sich sowohl auf die Genauigkeit als auch auf die Reaktionszeit des Vorgangs aus.
**Wichtig**
Wenn Sie die AWS Entity Resolution Berechtigungen für Ihren S3-Bucket widerrufen, während ein Job in Bearbeitung ist, verarbeitet und berechnet die Ausgabe der Ergebnisse an S3 trotzdem, die Ergebnisse können jedoch nicht an Ihren Bucket gesendet AWS Entity Resolution werden. Um dieses Problem zu vermeiden, stellen Sie sicher, dass Sie AWS Entity Resolution über die richtigen Berechtigungen zum Schreiben in Ihren S3-Bucket verfügen, bevor Sie einen Job starten. Wenn Berechtigungen während der Verarbeitung widerrufen werden, wird AWS Entity Resolution versucht, die Ergebnisse bis zu 30 Tage nach Abschluss des Jobs erneut zu liefern, sobald Sie die richtigen Bucket-Berechtigungen wiederhergestellt haben.
Das folgende Verfahren führt Sie durch den Prozess der Suche oder Generierung einer Match-ID, der Auswahl eines Verarbeitungstyps und der Anzeige der Ergebnisse.
------
#### [ Console ]
**So ändern oder generieren Sie eine Match-ID mithilfe der Konsole**
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 den regelbasierten Abgleichs-Workflow, der verarbeitet wurde (**Auftragsstatus** ist **Abgeschlossen**).
1. Wählen Sie auf der Seite mit den entsprechenden Workflow-Details die Registerkarte **Abgleichen IDs** aus.
1. Wählen Sie **Match-ID ändern oder generieren**.
**Anmerkung**
Die Option **Match-ID ändern oder generieren** ist nur für Matching-Workflows verfügbar, die den **automatischen Verarbeitungsrhythmus** verwenden. Wenn Sie die **manuelle** Schrittfrequenz ausgewählt haben, wird diese Option als inaktiv angezeigt. Um diese Option zu verwenden, bearbeiten Sie Ihren Workflow so, dass er den **automatischen Verarbeitungsrhythmus** verwendet. Weitere Informationen zur Bearbeitung von Workflows finden Sie unter[Einen passenden Workflow bearbeiten](edit-matching-workflow.md).
1. Wählen Sie die **AWS Glue Tabelle** aus der Dropdownliste aus.
Wenn der Workflow nur eine AWS Glue Tabelle enthält, ist diese standardmäßig ausgewählt.
1. Wählen Sie den **Verarbeitungstyp**.
+ **Konsistent** — Sie können nach einer vorhandenen Match-ID suchen oder sofort eine neue Match-ID generieren und speichern. Diese Option hat die höchste Genauigkeit und die langsamere Reaktionszeit.
+ **Hintergrund** (wird wie `EVENTUAL` in der API angezeigt) — Sie können nach einer vorhandenen Match-ID suchen oder sofort eine neue Match-ID generieren. Der aktualisierte Datensatz wird im Hintergrund gespeichert. Diese Option bietet eine schnelle erste Reaktion, und die vollständigen Ergebnisse sind später in S3 verfügbar.
+ **Schnelle ID-Generierung** (wird wie `EVENTUAL_NO_LOOKUP` in der API angezeigt) — Sie können eine neue Match-ID erstellen, ohne nach einer vorhandenen suchen zu müssen. Der aktualisierte Datensatz wird im Hintergrund gespeichert. Diese Option hat die schnellste Antwort. Sie wird nur für eindeutige Datensätze empfohlen.
1. Für **Datensatzattribute**
1. Geben Sie den **Wert** für die **eindeutige ID ein**.
1. Geben Sie für jeden **Abgleichsschlüssel** einen **Wert** ein, der auf der Grundlage der in Ihrem Workflow konfigurierten Regeln mit vorhandenen Datensätzen übereinstimmt.
1. Wählen Sie „**Match-ID suchen“ und „Datensatz speichern**“.
Es wird eine Erfolgsmeldung angezeigt, die besagt, dass entweder die Match-ID gefunden oder eine neue Match-ID generiert und der Datensatz gespeichert wurde.
1. Sehen Sie sich die entsprechende Match-ID und die zugehörige Regel, die im Matching-Workflow gespeichert wurde, in der Erfolgsmeldung an.
1. (Optional) Um die Match-ID zu kopieren, wählen Sie **Kopieren**.
------
#### [ API ]
**Um eine Match-ID mithilfe der API zu ändern oder zu generieren**
**Anmerkung**
[Um diese API erfolgreich aufzurufen, müssen Sie zuerst erfolgreich einen regelbasierten Matching-Workflow mithilfe der StartMatchingJob API ausgeführt haben.](https://docs.aws.amazon.com/entityresolution/latest/apireference/API_StartMatchingJob.html)
[Eine vollständige Liste der unterstützten Programmiersprachen finden Sie im Abschnitt „[Siehe auch](https://docs.aws.amazon.com/entityresolution/latest/apireference/API_GenerateMatchId.html#API_GenerateMatchId_SeeAlso)“ der GenerateMatch ID.](https://docs.aws.amazon.com/entityresolution/latest/apireference/API_GenerateMatchId.html)
1. Öffnen Sie ein Terminal oder eine Befehlszeile, um die API-Anfrage zu stellen.
1. Erstellen Sie eine POST-Anfrage an den folgenden Endpunkt:
```
/matchingworkflows/workflowName/generateMatches
```
1. Stellen Sie im Anforderungsheader den Inhaltstyp auf application/json ein.
1. Geben Sie in der Anfrage-URI Ihre an. `workflowName`
Das `workflowName` muss:
+ Es muss zwischen 1 und 255 Zeichen lang sein
+ Entspricht dem Muster [a-Za-Z\$10-9-] \$1
1. Geben Sie für den Anfragetext den folgenden JSON-Code an:
```
{
"processingType": "string",
"records": [
{
"inputSourceARN": "string",
"recordAttributeMap": {
"string" : "string"
},
"uniqueId": "string"
}
]
}
```
Wobei Folgendes gilt:
+ `processingType`(optional) — Der Standardwert ist. `CONSISTENT` Wählen Sie einen der folgenden Werte:
+ `CONSISTENT`- Für höchste Genauigkeit bei langsamerer Reaktionszeit
+ `EVENTUAL`- Für eine schnellere Erstreaktion mit Hintergrundverarbeitung
+ `EVENTUAL_NO_LOOKUP`- Für die schnellste Reaktion, wenn Datensätze bekanntermaßen einzigartig sind
+ `records`(erforderlich) — Array, das genau ein Datensatzobjekt enthält
1. Senden Sie die Anforderung .
Bei Erfolg erhalten Sie eine Antwort mit dem Statuscode 200 und einem JSON-Text, der Folgendes enthält:
```
{
"failedRecords": [
{
"errorMessage": "string",
"inputSourceARN": "string",
"uniqueId": "string"
}
],
"matchGroups": [
{
"matchId": "string",
"matchRule": "string",
"records": [
{
"inputSourceARN": "string",
"recordId": "string"
}
]
}
]
}
```
Wenn der Anruf nicht erfolgreich ist, erhalten Sie möglicherweise einen der folgenden Fehler:
+ 403 — AccessDeniedException wenn Sie keinen ausreichenden Zugriff haben
+ 404 — ResourceNotFoundException wenn die Ressource nicht gefunden werden kann
+ 429 — ThrottlingException wenn die Anfrage gedrosselt wurde
+ 400 — ValidationException wenn die Eingabe nicht validiert werden kann
+ 500 — InternalServerException wenn ein interner Dienstfehler vorliegt
------
# Suchen Sie nach einer Match-ID für einen regelbasierten Matching-Workflow
Nach Abschluss eines regelbasierten Abgleichs-Workflows können Sie die Match-ID und die zugehörige Regel für jeden verarbeiteten Datensatz abrufen. Anhand dieser Informationen können Sie nachvollziehen, wie Datensätze abgeglichen wurden und welche Regeln angewendet wurden. Das folgende Verfahren zeigt, wie Sie mit der AWS Entity Resolution Konsole oder der `GetMatchID` API auf diese Daten zugreifen können.
------
#### [ Console ]
**Um mit der Konsole nach einer Match-ID zu suchen**
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 den regelbasierten Abgleichs-Workflow, der verarbeitet wurde (**Auftragsstatus** ist **Abgeschlossen**).
1. Wählen Sie auf der Seite mit den entsprechenden Workflow-Details die Registerkarte **Abgleichen IDs** aus.
1. Wählen Sie „**Match-ID nachschlagen**“.
**Anmerkung**
Die Option „**Match-ID nachschlagen**“ ist nur für passende Workflows verfügbar, die den **automatischen** Verarbeitungsrhythmus verwenden. Wenn Sie die **manuelle** Schrittfrequenz ausgewählt haben, wird diese Option als inaktiv angezeigt. Um diese Option zu verwenden, bearbeiten Sie Ihren Workflow so, dass er den **automatischen Verarbeitungsrhythmus** verwendet. Weitere Informationen zur Bearbeitung von Workflows finden Sie unter[Einen passenden Workflow bearbeiten](edit-matching-workflow.md).
1. Führen Sie eine der folgenden Aktionen aus:
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/entityresolution/latest/userguide/find-match-id.html)
1. Geben Sie **unter Datensatzattribute** den **Wert** für einen vorhandenen **Abgleichsschlüssel** ein, um nach jedem vorhandenen Datensatz zu suchen.
**Tipp**
Geben Sie so viele Werte wie möglich ein, um die Match-ID leichter zu finden.
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**.
1. Wenn Sie die Abgleichsregeln anzeigen möchten, erweitern Sie den Bereich **Abgleichsregeln anzeigen**.
1. Wählen Sie **Look up**.
Eine Erfolgsmeldung wird angezeigt, die besagt, dass die Match-ID gefunden wurde.
1. Sehen Sie sich die entsprechende Match-ID und die zugehörige Regel an, die gefunden wurde.
------
#### [ API ]
**Um mithilfe der API nach einer Match-ID zu suchen**
**Anmerkung**
[Um diese API erfolgreich aufzurufen, müssen Sie zuerst erfolgreich einen regelbasierten Matching-Workflow mithilfe der StartMatchingJob API ausgeführt haben.](https://docs.aws.amazon.com/entityresolution/latest/apireference/API_StartMatchingJob.html)
Eine vollständige Liste der unterstützten Programmiersprachen finden Sie im Abschnitt „[Siehe auch](https://docs.aws.amazon.com/entityresolution/latest/apireference/API_GetMatchId.html#API_GetMatchId_SeeAlso)“ der [GetMatchID-API](https://docs.aws.amazon.com/entityresolution/latest/apireference/API_GetMatchId.html).
1. Öffnen Sie ein Terminal oder eine Befehlszeile, um die API-Anfrage zu stellen.
1. Erstellen Sie eine POST-Anfrage an den folgenden Endpunkt:
```
/matchingworkflows/workflowName/matches
```
1. Stellen Sie im Anforderungsheader den Inhaltstyp auf application/json ein.
1. Geben Sie in der Anfrage-URI Ihre an. `workflowName`
Das `workflowName` muss:
+ Es muss zwischen 1 und 255 Zeichen lang sein
+ Entspricht dem Muster [a-Za-Z\$10-9-] \$1
1. Geben Sie für den Anfragetext den folgenden JSON-Code an:
```
{
"applyNormalization": boolean,
"record": {
"string" : "string"
}
}
```
Wobei Folgendes gilt:
`applyNormalization`(optional) — Auf setzen, `true` um die im Schema definierten Attribute zu normalisieren
`record`(erforderlich) — Der Datensatz, für den die Match-ID abgerufen werden soll
1. Senden Sie die Anforderung .
Bei Erfolg erhalten Sie eine Antwort mit dem Statuscode 200 und einem JSON-Text, der Folgendes enthält:
```
{
"matchId": "string",
"matchRule": "string"
}
```
Das `matchId` ist der eindeutige Bezeichner für diese Gruppe von übereinstimmenden Datensätzen und `matchRule` gibt an, nach welcher Regel der Datensatz übereinstimmte.
Wenn der Anruf nicht erfolgreich ist, wird möglicherweise einer der folgenden Fehler angezeigt:
+ 403 — AccessDeniedException wenn Sie keinen ausreichenden Zugriff haben
+ 404 — ResourceNotFoundException wenn die Ressource nicht gefunden werden kann
+ 429 — ThrottlingException wenn die Anfrage gedrosselt wurde
+ 400 — ValidationException wenn die Eingabe nicht validiert werden kann
+ 500 — InternalServerException wenn ein interner Dienstfehler vorliegt
------
# Löschen von Datensätzen aus einem regelbasierten oder ML-basierten Abgleichs-Workflow
Wenn Sie Datenverwaltungsvorschriften einhalten müssen, können Sie die Datensätze entweder aus einem regelbasierten oder einem ML-basierten Abgleichs-Workflow löschen.
**Um Datensätze aus einem regelbasierten oder ML-basierten Abgleichs-Workflow zu löschen**
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 den regelbasierten oder den ML-basierten Abgleichs-Workflow.
1. Wählen Sie auf der Seite mit den entsprechenden Workflow-Details in der Dropdownliste **Aktionen** die Option **Eindeutig löschen IDs** aus.
1. Geben Sie die eindeutige ID, die Sie löschen möchten, im IDs Abschnitt **Eindeutig ein**.
Sie können bis zu 10 eindeutige Zeichen eingeben IDs.
1. Geben Sie die **Eingangsquelle** an, aus der das eindeutige Objekt gelöscht werden soll IDs.
Wenn es nur eine **Eingabequelle** für den Workflow gibt, wird die **Eingabequelle** standardmäßig aufgeführt.
Wenn Sie nur eine **Eingabequelle** angeben, wirkt sich dies nicht auf die eindeutigen IDs Eingabequellen aus anderen Eingabequellen aus.
1. Wählen Sie **Eindeutig löschen IDs**.
# Fehlerbehebung bei passenden Workflows
Verwenden Sie die folgenden Informationen, um häufig auftretende Probleme zu diagnostizieren und zu beheben, die bei der Ausführung von passenden Workflows auftreten können.
## Ich habe nach der Ausführung eines passenden Workflows eine Fehlerdatei erhalten
### Häufige Ursache
Ein passender Workflow kann mehrere Durchläufe haben und die Ergebnisse (Erfolge oder Fehler) werden in einen Ordner mit dem `jobId` Namen geschrieben.
Die erfolgreichen Ergebnisse eines Abgleichsworkflows werden in einen `success` Ordner geschrieben, der mehrere Dateien enthält, und jede Datei enthält eine Teilmenge der erfolgreichen Datensätze.
Die Fehler für einen passenden Workflow werden in einen `error` Ordner mit mehreren Feldern geschrieben, von denen jedes eine Teilmenge der Fehlerdatensätze enthält.
Die Fehlerdatei kann aus den folgenden Gründen erstellt werden:
+ Die [eindeutige ID](glossary.md#unique-id-defn) lautet:
+ Null
+ fehlt in einer Datenzeile
+ fehlt in einem Datensatz in der Datentabelle
+ wiederholt in einer anderen Datenzeile in der Datentabelle
+ nicht angegeben
+ innerhalb derselben Quelle nicht eindeutig
+ nicht einzigartig in mehreren Quellen
+ überschneidet sich zwischen den Quellen
+ mehr als 38 Zeichen (nur regelbasierter Matching-Workflow)
+ Eines der Felder in der [Schemazuordnung](glossary.md#schema-mapping-definition) enthält einen reservierten Namen:
+ EmailAddress
+ InputSourceARN
+ MatchRule
+ ID abgleichen
+ HashingProtocol
+ ConfidenceLevel
+ Quelle
**Anmerkung**
Wenn der Datensatz in der Fehlerdatei aus den oben genannten Gründen erstellt wurde, wird Ihnen eine Gebühr berechnet, da dadurch Bearbeitungskosten für den Service anfallen. Wenn der Eintrag in der Fehlerdatei auf einen internen Serverfehler zurückzuführen ist, werden Ihnen keine Gebühren berechnet.
### Auflösung
**Um dieses Problem zu lösen**
1. Prüfen Sie, ob die [Unique ID](glossary.md#unique-id-defn) gültig ist.
Wenn die [eindeutige ID](glossary.md#unique-id-defn) nicht gültig ist, aktualisieren Sie die eindeutige ID in Ihrer Datentabelle, speichern Sie die neue Datentabelle, erstellen Sie eine neue Schemazuordnung und führen Sie den entsprechenden Workflow erneut aus.
1. Prüfen Sie, ob eines der Felder in der [Schemazuordnung](glossary.md#schema-mapping-definition) einen reservierten Namen enthält.
Wenn eines der Felder einen reservierten Namen enthält, erstellen Sie eine neue Schemazuordnung mit einem neuen Namen und führen Sie den entsprechenden Workflow erneut aus.