---
sourceDocument: Xanadu IT Service Management
sourceDocumentLink: https://www.servicenow.com/docs/r/de-DE/xanadu/it-service-management

 Release :

    - xanadu

ft:locale :

    - de-DE

ft:publication_title :

    - Xanadu IT Service Management

ft:clusterId :

    - itsm

bundleId :

    - itsm

workflow :

    - Technology


---

# ITSM Predictive Intelligence-Workbench -- Implementierung

# ITSM Predictive Intelligence-Workbench -- Implementierung {#ariaid-title1}

* Freigeben Version: Xanadu
* 
* Aktualisiert 1. August 2024
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 2 Minuten Lesedauer

Mithilfe von maschinellem Lernen können Sie Ihre Geschäftsprozesse optimieren. Sie können Anwendungsfallmodelle für ITSM Predictive Intelligence-Workbench trainieren und implementieren, um Ihre vorhandenen Anwendungs-Workflows zu verbessern.  
Wichtig:  
Ab Release Xanadu wird ITSM Predictive Intelligence-Workbench auf seine künftige Stilllegung vorbereitet. Ab Release Yokohama gilt es als veraltet und wird nicht mehr unterstützt. Um die neueste Experience für diese Funktionalität zu erhalten, müssen Sie das Plugin „Task Intelligence für ITSM" (com.snc.itsm_ml_task) installieren. Weitere Informationen finden Sie unter

Weitere Informationen finden Sie im Artikel [Abkündigungsprozess \[KB0867184\]](https://support.servicenow.com/kb?id=kb_article_view&sysparm_article=KB0867184) in der Now Support Knowledge Base.

## Anwendungsfallvorlagen untersuchen {#itsm-piwb-implementation-guidance__section_i2r_wcv_mlb}

Benutzer mit der Rolle „piwb_admin" oder „piwb_manager" können sich die vorgefertigten Anwendungsfallvorlagen anschauen und auf maschinellem Lernen basierende Vorhersagemodelle erstellen. Zum Erstellen eines auf maschinellem Lernen basierenden Modells wählen Sie zunächst eine vorgefertigte Anwendungsfallvorlage aus. Einige der vordefinierten Vorlagen sind angeleitete Vorlagen und weisen die Kennzeichnung Geführtes Setup auf. Diese Vorlagen beinhalten einen umfassenden Setupprozess, der Ihnen die Implementierung erleichtert. Vorlagen ohne Anleitung weisen die Kennzeichnung Klassisches Setup auf.  
Abbildung : 1. Angeleitete Anwendungsfallvorlage für ITSM Predictive Intelligence-Workbench  
Abbildung : 2. Anwendungsfallvorlage vom Typ des klassischen Setups für ITSM Predictive Intelligence-Workbench

Vorlagen, für die vortrainierte Modelle verfügbar sind, beschleunigen den Setupprozess durch die Bereitstellung eines vorab generierten, auf Ihren Daten basierenden Modells. Wenn bei einer Vorlage der Hinweis Vortrainiert angegeben ist, können Sie direkt zur Bewertungsphase des Setups für den Anwendungsfall übergehen. Wenn das vortrainierte Modell akzeptabel ist, können Sie es direkt in Ihre Geschäftsprozesse integrieren. Andernfalls können Sie das Modell optimieren oder ein anderes erstellen. Sie können den Namen und die Beschreibung des Anwendungsfalls später noch ändern. Bei vortrainierten Modellen wird der geschätzte Prozentsatz der richtig vorhergesagten Incidents angezeigt.

Bei Vorlagen mit verfügbaren vortrainierten Modellen wird der geschätzte Prozentsatz der richtig vorhergesagten Incidents angezeigt. Wenn das vortrainierte Modell akzeptabel ist, können Sie es direkt in Ihre Geschäftsprozesse integrieren. Andernfalls können Sie das Modell optimieren oder ein anderes erstellen. Sie können den Namen und die Beschreibung des Anwendungsfalls später noch ändern. Bei vortrainierten Modellen wird der geschätzte Prozentsatz der richtig vorhergesagten Incidents angezeigt.  
Abbildung : 3. Anwendungsfallvorlage für vortrainiertes Modell von ITSM Predictive Intelligence-Workbench

Nicht angeleitete Vorlagen vom Typ Klassisches Setup stellen Links zur relevanten Predictive Intelligence-Workbench-Produktdokumentation oder Links zur Anwendung Predictive Intelligence der ServiceNow Platform mit der Schaltfläche Dorthin gehen bereit.  
Abbildung : 4. Verknüpfung von ITSM Predictive Intelligence-Workbench zur Produktdokumentation und zur Predictive Intelligence-Produktdokumentation

## Phasen der Anwendungsfallerstellung {#itsm-piwb-implementation-guidance__section_elz_xdv_mlb}

Die Erstellung eines auf maschinellem Lernen basierenden Vorhersagemodells umfasst mehrere Phasen. Nachdem Sie Ihr Modell erstellt und trainiert haben, müssen Sie es auswerten und optimieren, seine Vorhersageergebnisse testen und es dann in Ihren Geschäftsprozess integrieren. Phasen der Erstellung von Anwendungsfallmodellen:

* Modelle erstellen und trainieren: Legen Sie Parameter fest, um ein Modell zu erstellen, das Sie anhand Ihrer individuellen Daten trainieren. In der Regel werden in dieser Phase mehrere Modelle erstellt. Sie optimieren und verfeinern Ihre Modelle, indem Sie eine passende Kombination aus Abdeckung und Genauigkeit festlegen.
* Modelle testen: Rufen Sie Vorhersageergebnisse aus Ihren Modellen ab, um zu entscheiden, welches sich am besten für die Integration in den Geschäftsprozess eignet. Um zu sehen, ob ein Modell ein korrektes Ergebnis zurückgibt, können Sie entweder den Einzel- oder den Batch-Testprozess verwenden.
* Bestes Modell integrieren: Stellen Sie das beste Modell in Ihrem Geschäftsprozess bereit. Nachdem Sie ermittelt haben, welches Modell die besten und zutreffendsten Ergebnisse zurückgibt, integrieren Sie es in die Produktion.  
  Hinweis:  
  Weitere Informationen über die Implementierung der Integration von trainierten Anwendungsfällen finden Sie unter [Predictive Intelligence-Workbench -- Integration und Anpassung](https://www.servicenow.com/docs/H~E1g0CdDG0O4cujZ_V33Q "Predictive Intelligence-Workbench nutzt geskriptete Erweiterungspunkte, um ein trainiertes Anwendungsfallmodell für die Vorhersage integrieren zu können.").
{#itsm-piwb-implementation-guidance__ul_pfz_vhv_mlb}