--- sourceDocument: Xanadu – Mitarbeiter-Servicemanagement sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/de-DE/xanadu/employee-service-management Release : - xanadu ft:locale : - de-DE ft:publication_title : - Xanadu – Mitarbeiter-Servicemanagement ft:clusterId : - emplsm bundleId : - emplsm workflow : - Employee --- # HR Predictive Intelligence-Workbench -- Implementierung # HR Predictive Intelligence-Workbench -- Implementierung {#ariaid-title1} * Freigeben Version: Xanadu * * Aktualisiert 1. August 2024 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 3 Minuten Lesedauer Mithilfe von maschinellem Lernen können Sie Ihre Geschäftsprozesse optimieren. Sie können Anwendungsfälle für HR Predictive Intelligence-Workbench trainieren und implementieren, um Ihre vorhandenen Anwendungs-Workflows zu verbessern. ## Allgemeine Anwendungsfallvorlagen untersuchen {#hr-piwb-implementation-guidance__section_otc_5b4_qlb} Mit der Rolle „sn_piwb_hr_content.admin" können Sie die Anwendungsfallvorlagen untersuchen und prädiktive Modelle für maschinelles Lernen erstellen. Zum Erstellen eines auf maschinellem Lernen basierenden Modells wählen Sie zunächst eine vorgefertigte Anwendungsfallvorlage aus. Zum Einrichten der Anwendungsfälle können Sie eine der folgenden Vorlagen verwenden. * Angeleitete Vorlagen beinhalten einen umfassenden Setupprozess, der Ihnen die Implementierung erleichtert. Vorlagen, für die automatisch trainierte Modelle verfügbar sind, beschleunigen den Setupprozess durch die Bereitstellung eines vorab generierten, auf Ihren Daten basierenden Modells. * Klassische Vorlagen beinhalten umfassende Setupinformationen, die Ihnen die Implementierung erleichtern. Nutzen Sie die vorhandenen Vorlagen, um die Modelle basierend auf Ihren Geschäftsanforderungen zu konfigurieren, zu testen und zu trainieren. {#hr-piwb-implementation-guidance__ul_ywp_h3s_2qb} Wenn bei einer Vorlage der Hinweis Automatisch geschultes Modell verfügbar angegeben ist, können Sie direkt zur Bewertungsphase des Setups für den Anwendungsfall übergehen. Wenn das automatisch trainierte 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. ## Lösungsdefinitionen {#hr-piwb-implementation-guidance__section_ifk_n1t_kbb} Diese Lösungsdefinitionen sind als Vorlagen in Instanzen verfügbar, in denen sowohl Predictive Intelligence als auch HR aktiv ist. Erstellen Sie Ihre eigenen Lösungsdefinitions-Datensätze, um das Verhalten anzupassen. {#hr-piwb-implementation-guidance__table_dyg_yp3_gqb__entry__4} | Lösungstyp | Lösungsdefinition | Beschreibung | Implementierung | |-|-|-|-| | Klassifizierung | HR-Service für eingehende Fälle vorhersagen | Sagt den richtigen HR-Service für Fälle vorher. | Geführt | | Klassifizierung | Zuweisungsgruppe für eingehende Fälle vorhersagen | Sagt die richtige Zuweisungsgruppe für Fälle vorher. | Geführt | | Klassifizierung | E-Mail-Fallkategorisierung | Kategorisiert den HR-Service für die E-Mail-Fälle automatisch, um die Produktivität durch Zeit- und Kostenersparnis zu verbessern. | Geführt | | Ähnlichkeit | Ähnliche geschlossene HR-Fälle | Empfiehlt ähnliche Fälle, die in der Vergangenheit geschlossen wurden, um HR-Mitarbeiter bei der schnelleren und besseren Lösung zu unterstützen. | Klassisch | | Ähnlichkeit | Benutzerprofilbasierte Empfehlung | Bietet die Erkennung von Inhalten und eine personalisierte Experience, indem die Top-3-Artikel und -Katalogelemente gemäß ihrer Relevanz basierend auf Benutzern mit einem ähnlichen Profil empfohlen werden. | Klassisch | | Ähnlichkeit | Ähnliche HR-Fälle und Wissen | Automatisiert die Erkennung von Wissenslücken in Ihren Knowledge Bases und empfiehlt Einblicke in die Verbesserung von Wissen, das von der Nachfrage bestimmt wird. | Klassisch | | Ähnlichkeit | Ähnliche Wissensartikel für HR-Aufgabe | Zeigt zugehörige Artikel an, um Mitarbeiter bei der Durchführung der HR-, Inhalts- und Kampagnenaufgaben zu unterstützen. | Klassisch | | Ähnlichkeit | Ähnliche Wissensartikel für HR-Fall | Nutzt ML, um die relevantesten Wissensartikel zu identifizieren und HR-Mitarbeiter bei der schnelleren und besseren Lösung zu unterstützen. | Klassisch | | Regression | Lösungszeit für HR-Fälle | Ermittelt die für einen Fall erwartete Lösungszeit durch Analyse ähnlicher abgeschlossener Fälle in der Vergangenheit, um eine bessere Sichtbarkeit und Transparenz zu gewährleisten. | Klassisch | | Clustering | Bedarfseinblicke: Wissen in HR-Fallclustern erforderlich | Identifiziert die Fallcluster, in denen kein Wissen vorhanden ist, und hilft dabei, die Wissenslücken in Ihrer Wissensbasis zu schließen. | Klassisch | [Tabelle : 1. HR-Lösungsdefinitionen] {#hr-piwb-implementation-guidance__table_dyg_yp3_gqb} ## Phasen der Anwendungsfallerstellung {#hr-piwb-implementation-guidance__section_gwt_pml_rpb} 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 auf Grundlage Ihrer individuellen Daten trainieren. Erstellen Sie mehrere Modelle, während Sie Ihre Modelle optimieren und verfeinern, indem Sie eine adäquate Kombination aus Abdeckung und Genauigkeit festlegen. * Modelle testen: Rufen Sie Vorhersageergebnisse aus Ihren Modellen ab, um zu entscheiden, welches sich am besten zur 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. {#hr-piwb-implementation-guidance__ul_zjd_qml_rpb} ## Verwaltung der Vorhersagegenauigkeit {#hr-piwb-implementation-guidance__section_pbx_k2v_bgb} Sie können Prognoseabweichungen verwalten, indem Sie Lösungen neu trainieren, ändern oder neue Lösungen erstellen, um Änderungen in Ihren Geschäftsbedingungen widerzuspiegeln. Testen und ändern Sie Ihre Geschäftsregel im Laufe der Zeit, um sicherzustellen, dass sie für mehrere Verbrauchspunkte und Benutzer-Personas wie gewünscht funktioniert. * **[HR-PIWB-Vorlage: E-Mail-Fälle automatisch kategorisieren](https://servicenow-prod.fluidtopics.net/wrIBqxM1EwEjgQRHZGOHVg)** Verwenden Sie eine geführte Vorlage, die Sie durch die Einrichtung eines ML-Modells für maschinelles Lernen führt, um E-Mail-Fälle automatisch zu kategorisieren und dadurch Produktivitätssteigerungen und Kosteneinsparungen zu erzielen. * **[HR-PIWB-Vorlage: Vorhersage des HR-Service für eingehende Fälle](https://servicenow-prod.fluidtopics.net/ubD~8znectpdYpu0hi9QAg)** Verwenden Sie eine angeleitete Vorlage, die Sie durch die Einrichtung eines Modells für maschinelles Lernen führt, damit der richtige HR-Service für Fälle vorhergesagt wird. * **[HR-PIWB-Vorlage: Zuweisungsgruppe für eingehende Fälle vorhersagen](https://servicenow-prod.fluidtopics.net/Y1q0SzrRvXn9dA8tM~TClg)** Verwenden Sie eine angeleitete Vorlage, mit der Sie durch die Einrichtung eines Modells für maschinelles Lernen geführt werden, damit die richtige Zuweisungsgruppe für Fälle vorhergesagt wird. * **[HR-PIWB-Vorlage: Wissensfall-Cluster und Bedarfseinblicke vorhersagen](https://servicenow-prod.fluidtopics.net/QxxG8jSnoO8VKZWTW6wTgQ)** Verwenden Sie die klassische Setupvorlage, um Ihre Cluster-Lösungsvorlage mit einem ML-Modell (maschinelles Lernen) zu konfigurieren und zu trainieren, um Fallcluster mit Wissenslücken vorherzusagen, um den Wissensbedarf zu ermitteln und um die Wissensartikel zu verbessern. * **[HR-PIWB-Vorlage: Wissenslücken und Einblicke vorhersagen](https://servicenow-prod.fluidtopics.net/h0u90F2_3YXYv8drNV1lww)** Verwenden Sie die klassische Vorlage, die Sie durch die Einrichtung eines ML-Modells für maschinelles Lernen führt, um die Erkennung von Wissenslücken zu automatisieren und Einblicke in die Verbesserung von Wissen nach Bedarf zu empfehlen. * **[HR-PIWB-Vorlage: Wissen zur HR-Falllösung vorhersagen](https://servicenow-prod.fluidtopics.net/gJYCP0kb7fphQtIVBFuUDw)** Verwenden Sie die klassische Setupvorlage, um mit dem ML-Modell für maschinelles Lernen eine Vorlage für Ähnlichkeitslösungen zu konfigurieren und zu trainieren, um Wissensartikel zu empfehlen, die HR-Mitarbeiter bei der schnelleren Falllösung unterstützen. * **[HR-PIWB-Vorlage: Ähnliche Fälle nach Mitarbeiterprofil empfehlen](https://servicenow-prod.fluidtopics.net/US3GYuaN4OvMd7CjeOXxIQ)** Verwenden Sie die klassische Setupvorlage, um Ihre Vorlage für Ähnlichkeitslösungen mit dem ML-Modell für maschinelles Lernen zu konfigurieren und zu trainieren, um die Erkennung von Inhalten und eine personalisierte Experience zu bieten und relevante Artikel und Katalogelemente basierend auf einem ähnlichen Mitarbeiterprofil zu empfehlen. * **[HR-PIWB-Vorlage: Wissen zum Abschluss von HR-Aufgaben vorhersagen](https://servicenow-prod.fluidtopics.net/pT2XFZZzsHZNZZGErcEYhg)** Verwenden Sie die klassische Setupvorlage, um Ihre Vorlage für Ähnlichkeitslösungen mit dem ML-Modell für maschinelles Lernen zu konfigurieren und zu trainieren, um Mitarbeitern Wissensartikel zur Erledigung der HR-Aufgaben zu empfehlen. * **[HR-PIWB-Vorlage: Ähnliche Fälle empfehlen](https://servicenow-prod.fluidtopics.net/IYQq7SXL_dd2yLPS4wllqQ)** Verwenden Sie die klassische Setupvorlage, um Ihre Vorlage für Ähnlichkeitslösungen mit dem ML-Modell für maschinelles Lernen zu konfigurieren und zu trainieren, um ähnliche abgeschlossene HR-Fälle zu empfehlen. * **[HR-PIWB-Vorlage: Geschätzte Zeit bis zur Lösung empfehlen](https://servicenow-prod.fluidtopics.net/M~K7J4sGBZQCtpWbYFFQVw)** Trainieren Sie Ihre Lösung, indem Sie Verlaufsdaten verwenden, um numerische Ausgaben basierend auf den Verlaufsdaten vorherzusagen. Konfigurieren Sie die Lösungsdefinition, um die geschätzte Zeit bis zur Lösung eines HR-Falls vorherzusagen. **Zugehörige Informationen** * [Predictive Intelligence](https://www.servicenow.com/docs/access?context=predictive-intelligence&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US) * [Erste Schritte mit Predictive Intelligence](https://www.servicenow.com/docs/access?context=install-predictive-intelligence&version=xanadu&pubname=xanadu-intelligent-experiences§ion=get-started-predictive-intelligence&ft:locale=en-US)