---
sourceDocument: Yokohama Now Plattformverwaltung
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/de-DE/yokohama/platform-administration

 Release :

    - yokohama

ft:locale :

    - de-DE

ft:publication_title :

    - Yokohama Now Plattformverwaltung

ft:clusterId :

    - platadm

bundleId :

    - platadm

workflow :

    - Platform


---

# Relevanz von maschinellem Lernen in KI-Suche

# Relevanz von maschinellem Lernen in KI-Suche {#ariaid-title1}

* Freigeben Version: Yokohama
* 
* Aktualisiert 30. Januar 2025
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 2 Minuten Lesedauer

KI-Suche Zeigt zuerst die relevantesten Suchergebnisse für eine Abfrage an. Maschinelles Lernen optimiert automatisch die Relevanzbewertung der Suchergebnisse für Sucherlebnisse basierend auf aggregierten Anwenderinteraktionen.
Relevanz für maschinelles Lernen ist automatisch aktiviert und nicht konfigurierbar.

## Relevanzmodelle und Bewertung {#machine-learning-relevancy-ais__section_avh_5y2_1nb}

KI-Suche Verwendet ein Relevanzmodell, um eine Relevanzpunktzahl für jedes von einer Suche zurückgegebene Ergebnis zu berechnen. Dokumente mit höheren Relevanzpunktzahlen werden zuerst im Ergebnissatz angezeigt. Die Relevanzpunktzahl eines Ergebnisses ist spezifisch für das bestimmte Dokument, die Suchbegriffe und den Anwender, die der Abfrage zugeordnet sind.  
Jedes Suchprofil enthält ein eigenes Relevanzmodell. Sie können dieses Relevanzmodell nicht anzeigen, ändern oder löschen.  
Hinweis:  
KI-SucheWendet die Relevanzrangliste nicht auf an <kbd class="ph userinput">*** </kbd>Universelle Platzhalterabfragen. Ergebnisse von <kbd class="ph userinput">*** </kbd>Abfragen werden in einer nicht angegebenen Reihenfolge angezeigt.

## Suchsignale und Relevanzoptimierung für maschinelles Lernen {#machine-learning-relevancy-ais__section_obm_cbf_1nb}

KI-Suche UX-Komponenten zeichnen Signale auf, die Anwendersuchen zugeordnet sind. Diese Signale durchsuchen Fügen Sie Daten dazu ein, wie Suchanwender mit dem Sucheingabefeld interagieren, Vorschläge automatisch vervollständigen, Filter für Aspekte und Navigationsregisterkarten, Antwortkarten für Genius-Ergebnisse und Suchergebnisse. Weitere Informationen darüber, wie Suchsignale aufgezeichnet und gespeichert werden, finden Sie unter [Signale durchsuchen](https://servicenow-prod.fluidtopics.net/~Se8ocevHvbwjlnKFCwwyw "Suche speichert Signaldaten aus Anwendersuchen. Die aggregierten Signaldaten tragen dazu bei, die Relevanz der Suchergebnisse in Ihrem System zu verbessern.").

Relevanz für maschinelles Lernen verwendet Daten aus diesen Suchsignalen, um Relevanzmodelle kontinuierlich intelligent zu optimieren. Alle 30 Tage, KI-SucheBerechnet eine neue Version jedes Relevanzmodells, ändert seine Parameter iterativ und testet sie anhand aggregierter Suchsignaldaten für das Suchprofil. Wenn dieser Optimierungsprozess abgeschlossen ist, KI-SucheVergleicht die vorhandenen und neuen Relevanzmodelle, um zu sehen, welche bessere Übereinstimmungen für das Anwendersuchverhalten ergeben, wie in den historischen Signaldaten aufgezeichnet.  
Wenn das neue Relevanzmodell bessere Ergebnisse mit den Signaldaten erzielt, KI-SucheVerwendet die geänderten Parameterwerte, um A/B-Testauswertungen des Live-Suchverkehrs für das Suchprofil durchzuführen. Diese Auswertungen testen einzelne Parameteränderungen, um sicherzustellen, dass sie eine bessere Suchrelevanz erzeugen.  
Hinweis:  
Details zum Evaluierungs-Framework für Suchabfrageparameter, das zum Durchführen von A/B-Testauswertungen verwendet wird, finden Sie unter [Evaluierungs-Framework für Suchabfrageparameter](https://servicenow-prod.fluidtopics.net/0hmWvB5QWI1sMxeR0EsNGg#srch-qry-parm-eval-fw-ais "KI-Suche Führt A/B-Testauswertungen durch, die die Ergebnisrelevanz für alternative Sätze von Suchabfrageparameterwerten vergleichen. Diese Auswertungen bestimmen die Modelle, die KI-SucheWird für Relevanz von maschinellem Lernen und für Genius-Ergebnisse von F&A verwendet.").

Wenn das neue Modell sowohl beim Vergleich der historischen Such-Übereinstimmung als auch beim A/B-Test das ursprüngliche Modell übertrifft, KI-SucheLegt es als aktives Relevanzmodell für das Suchprofil fest und überschreibt das vorhandene Relevanzmodell. Das aktualisierte Relevanzmodell bleibt in Gebrauch, bis der nächste Optimierungszyklus beginnt.  
Diese Optimierungsprozesse für Relevanzmodelle erfolgen für jedes Suchprofil separat. Änderungen am Relevanzmodell in einem Suchprofil wirken sich nicht auf Relevanzmodelle in anderen Suchprofilen aus.  
Hinweis:  
Wenn Sie ein Upgrade auf durchführen YokohamaAb einem vorherigen Release können sich die standardmäßigen Relevanzpunktzahlen für Ihre Suchergebnisse ändern. Relevanzmodelle, die im vorherigen Release trainiert wurden, sollten weiterhin dieselbe Ergebnisreihenfolge erzeugen. Modelle, die vor mehr als einem Release trainiert wurden, werden möglicherweise auf das standardmäßige Relevanzmodell zurückgesetzt.

## Relevanzmodell für Vorschläge zur automatischen Vervollständigung {#machine-learning-relevancy-ais__section_fpl_ljy_gtb}

KI-Suche Verwendet ein dediziertes Relevanzmodell, um Datensätze für die Anzeige als Vorschläge zur automatischen Vervollständigung im Suchfeld zu klassifizieren. Dieses Relevanzmodell punktet Datensätze basierend auf ihrer Aktualität und auf Übereinstimmungen der Suchabfragebegriffe in ihren Titel Felder. Das System trainiert dieses Relevanzmodell für die automatische Vervollständigung des Vorschlags nicht.Details zum Konfigurieren von Vorschlägen für automatische Vervollständigung finden Sie unter [Vorschläge für automatische Vervollständigung in KI-SucheAnwendungen](https://servicenow-prod.fluidtopics.net/KVJICifaPQJmi~N0U7qtyg#auto-complete-ais "Zeigen Sie intelligente Vorschläge automatisch im Eingabefeld Ihrer Suchanwendung an, damit Anwender ihre Suchen formulieren oder direkt zu relevanten Ergebnissen wechseln können. Vorschläge können relevante Suchergebnisse, beliebte Abfragen, aktuelle Abfragen aus dem persönlichen Verlauf des Anwenders und beliebte Suchergebnisse enthalten.").