---
sourceDocument: Yokohama IT Operations Management
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/de-DE/yokohama/it-operations-management

 Release :

    - yokohama

ft:locale :

    - de-DE

ft:publication_title :

    - Yokohama IT Operations Management

ft:clusterId :

    - itom

bundleId :

    - itom

workflow :

    - Technology


---

# Zuweisen einer Warnung von höherer oder geringerer Bedeutung

# Zuweisen einer Warnung von höherer oder geringerer Bedeutung {#ariaid-title1}

* Freigeben Version: Yokohama
* 
* Aktualisiert 30. Januar 2025
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 1 Minute Lesedauer

Bezeichnen Sie eine Warnung in Health Log AnalyticsAls aussagekräftig oder unbedeutend, oder stellen Sie die normale Wichtigkeit der Metrik wieder her, die an der Generierung beteiligt ist.
Wenn Sie einer Warnung eine höhere oder niedrigere Bedeutung zuweisen, können Sie die Warnungen priorisieren Health Log AnalyticsGeneriert. Hier sind einige häufige Anwendungsfälle zum Anpassen der Wichtigkeit einer Warnung:

* Warnungen als aussagekräftig kennzeichnen: Sie können eine signifikante Warnung wahrscheinlicher machen, dass sie in einen eingeschlossen wird Log AnalyticsGruppieren Sie, wenn sich die zugehörige Metrik anomal verhält. Dadurch wird sichergestellt, dass wichtige Warnungen angemessene Aufmerksamkeit erhalten.
* Ablenkende Warnungen stummschalten: Sie können Warnungen für unbedeutende Probleme stummschalten, um Rauschen zu reduzieren und zu vermeiden, dass Warnungen bei geringfügigen Problemen überfordert werden. Dadurch können Sie sich auf kritischere Warnungen konzentrieren. Sie können eine Liste der stummgeschalteten Metriken anzeigen, um sicherzustellen, dass Sie Metriken kennen, die keine Warnungen mehr generieren.
* Empfindlichkeit für bestimmte Anomalien reduzieren: Sie können die Empfindlichkeit der Anomalieerkennung auf eine bestimmte Anomalie reduzieren. Dies kann Ihnen helfen, sich auf bedeutendere Anomalien zu konzentrieren.
* Normale Bedeutung wiederherstellen: Wenn Sie eine Warnung zuvor als signifikant markiert, stummgeschaltet oder die Empfindlichkeit für bestimmte Anomalien verringert haben, können Sie die zugehörige Metrik auf ihre normale Bedeutung zurücksetzen. Dies ist nützlich, wenn Sie die Warnung nicht mehr speziell behandeln möchten.
{#hla-op-alert-significance__ul_rgn_wpt_22c}  
Sie können Folgendes tun, um die Wichtigkeit einer Warnung anzupassen oder die Empfindlichkeit auf bestimmte Anomalien zu reduzieren:

* [Markieren Sie eine Warnung als signifikant](https://servicenow-prod.fluidtopics.net/EgAe_5aPXSsK57phu5VdzA "Erhöhen Sie die Wahrscheinlichkeit, dass eine Warnung in aufgenommen wird Log AnalyticsGruppieren Sie, wenn sich die zugeordnete Metrik anomal verhält, indem Sie die Warnung als aussagekräftig markieren.")

  Erhöhen Sie die Wahrscheinlichkeit, dass eine Warnung in aufgenommen wird Log AnalyticsGruppieren Sie, wenn sich die zugeordnete Metrik anomal verhält, indem Sie die Warnung als aussagekräftig markieren.
* [Unwichtige Warnung stummschalten](https://servicenow-prod.fluidtopics.net/H2rzorOCh36zWOPjEjTB_w "Eliminieren Sie störende neue Warnungen für unbedeutende Probleme, indem Sie sie stummschalten.")

  Eliminieren Sie störende neue Warnungen für unbedeutende Probleme, indem Sie sie stummschalten. [Zeigen Sie die Liste der Metriken an, die stummgeschaltet wurden](https://servicenow-prod.fluidtopics.net/PNfJPuD3_VdbtYRHecngFg "Zeigen Sie die Liste der Metriken an, die stummgeschaltet wurden, damit keine Warnungen mehr generiert werden.")Und generieren keine Warnungen mehr.
* [Verringern Sie die Empfindlichkeit gegenüber ähnlichen Anomalien](https://servicenow-prod.fluidtopics.net/VHtS0df2VH_M4FdUlNO5eg "Erstellen Health Log AnalyticsAnomalieerkennung ist weniger empfindlich auf Anomalien wie die, die den Strom ausgelöst haben Log AnalyticsWarnung.")

  Erstellen Health Log AnalyticsAnomalieerkennung ist weniger empfindlich auf Anomalien wie die, die den Strom ausgelöst haben Log AnalyticsWarnung.
* [Stellen Sie die normale Wichtigkeit einer Warnungsmetrik wieder her](https://servicenow-prod.fluidtopics.net/BrPl4ryi2yrefoCqphR2Gw "Normale Bedeutung an die Metrik zurückgeben, die an der Generierung von beteiligt ist Log AnalyticsWarnung. Verwenden Sie diese Option, wenn eine Warnung nicht mehr speziell behandelt werden soll, die stummgeschaltet, als signifikant markiert oder gegenüber ähnlichen Anomalien weniger empfindlich gemacht wurde.")

  Normale Bedeutung an die Metrik zurückgeben, die an der Generierung von beteiligt ist Log AnalyticsWarnung.
{#hla-op-alert-significance__ul_fp3_mp2_32c}

Detaillierte Informationen zu Warnungsmetriken finden Sie unter [Wie Health Log AnalyticsGeneriert Warnungen](https://servicenow-prod.fluidtopics.net/MAEiF19jrzBEjA2vQVyTXA "Health Log Analytics Identifiziert Muster in Ihren Protokolldaten und lernt das Musterverhalten. Wann HLADie KI-Engine von erkennt anomales Verhalten und sendet ein Ereignis an ServiceNow EreignismanagementAnwendung. Als Operator können Sie diese prädiktiven Warnungen verwenden, um neu auftretende IT-Probleme zu behandeln, bevor sie sich auf Anwender auswirken.").
* **[Markieren Sie eine Warnung als signifikant](https://servicenow-prod.fluidtopics.net/5kEE~tTUtgAduQ7E_y3_VA)**   
  Erhöhen Sie die Wahrscheinlichkeit, dass eine Warnung in aufgenommen wird ProtokollanalysegruppeWenn sich die zugeordnete Metrik anomal verhält, indem die Warnung als aussagekräftig gekennzeichnet wird.
* **[Unwichtige Warnung stummschalten](https://servicenow-prod.fluidtopics.net/2401A0AYETlot1KkQsxdkA)**   
  Eliminieren Sie störende neue Warnungen für unbedeutende Probleme, indem Sie sie stummschalten.
* **[Stellen Sie eine stummgeschaltete Warnung oder eine signifikante Warnung wieder her](https://servicenow-prod.fluidtopics.net/r11HKSko~TkDPa8Y8Hqjeg)**   
  Wenn Sie nicht mehr möchten, dass eine stummgeschaltete Warnung oder eine Warnung, die als signifikant markiert wurde, speziell behandelt werden soll, können Sie die normale Wichtigkeit der Metrik wiederherstellen, die an der Generierung beteiligt ist.