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

 Release :

    - yokohama

ft:locale :

    - de-DE

ft:publication_title :

    - Yokohama Now Platform-Fähigkeiten

ft:clusterId :

    - platcap

bundleId :

    - platcap

workflow :

    - Platform


---

# Erstellen Sie ein MetricBaseModellauslöser

# Erstellen Sie ein MetricBaseModellauslöser {#ariaid-title1}

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

Modellauslöser werden ausgeführt, wenn die Zeitreihendaten von den erwarteten Werten abweichen.

## Vorbereitungen

Erforderliche Rolle: Administrator

## Warum und wann dieser Vorgang ausgeführt wird

Es werden vier Modelltypen unterstützt: Autoregressiver integrierter gleitender Durchschnitt (ARIMA), probabilistischer exponentiell gewichteter gleitender Durchschnitt (PEWMA), Holt-Winters und saisonale Trendaufschlüsselung mit Loess (STL).  MetricBase Verwendet das Modell, um eine Definition der erwarteten Normalwerte zu erstellen.

## Prozedur

1. Navigieren zu AlleMetricBaseMetricBase-AuslöserAuslöserdefinitionenan.
2. Wählen Sie Neu.
3. Auf MetricBase Lösen Sie das Formular „Erstellung" aus, wählen Sie aus Modellauslöser Option.
4. Füllen Sie im Formular die Felder aus.  
   Die Auslöserebenen sind in diesem Formular anfänglich nicht sichtbar. Sie konfigurieren die Ebenen später.
   {#create-metricbase-model-trigger__table_khd_cjn_pbb__entry__2}

   | Feld | Beschreibung |
   |-|-|
   | Name | Benennen Sie den Modellauslöser. |
   | Modell | Trainiertes Modell, das dieser Auslöser verwendet. Weitere Informationen finden Sie unter [Erstellen und trainieren Sie ein Vorhersagemodell](https://servicenow-prod.fluidtopics.net/9HC_9BACn5G1nMKEzJgpdw "Verwenden Sie statistische Modelle, um signifikante Anomalien in Echtzeit mit zu bestimmen MetricBaseAuslöser. Sie müssen ein Modell mithilfe repräsentativer Daten trainieren, die bereits in gespeichert wurden MetricBase."). |
   | Metrik | Tabellenmetrik, die Sie überwachen möchten. Dieser Wert wird automatisch basierend auf dem Modell festgelegt, was bedeutet, dass Sie ihn nicht selbst festlegen können. |
   | Tabellenname | Tabelle in  MetricBase Datenbank, die die Metrik enthält, die Sie überwachen möchten. Dieser Wert wird automatisch basierend auf dem Modell festgelegt, was bedeutet, dass Sie ihn nicht selbst festlegen können. |
   | Aktiv | Option zum Aktivieren des Auslösers. |
   | Beschreibung | Beschreibung des Auslösers. |
   | Spitzenwertrichtung | Geben Sie an, ob Sie nur für Anomalien auslösen möchten, die oberhalb der vorhergesagten Werte (nach oben), unterhalb der vorhergesagten Werte (nach unten) oder beides (beide) auftreten. |
   [ ]

   {#create-metricbase-model-trigger__table_khd_cjn_pbb}
5. Wählen Sie Speichern.  
   Ein neuer Datensatz wird erstellt.
6. In MetricBaseModellauslöserebenen-Bereich Doppelklicken Sie im soeben erstellten Datensatz auf jede Zelle, um Werte hinzuzufügen, die Auslöserparameter angeben.  
   {#create-metricbase-model-trigger__table_khd_cjn_pbba__entry__2}

   | Spalte | Beschreibung |
   |-|-|
   | Ebene | Zahlen, die auf einen zunehmenden Schweregrad hinweisen. Sie können beispielsweise Ebene 1 als 2 Standardabweichungen vom Mittelwert definieren. Ebene 2 kann 4 Standardabweichungen sein. Jede Ebene sollte eine andere auslösen Workflow-StudioFlow. Ebene Wird häufig in Bedingungsskripts verwendet. Weitere Informationen finden Sie unter [Auslöser bedingt ausführen](https://servicenow-prod.fluidtopics.net/jZhzb79yQJv1y~zJqlkGxA "MetricBase Löst die Ausführung basierend auf einer einzelnen Metrik aus. Bedingungsskripts stellen zusätzliche Anforderungen fest, die bestimmen, ob ein Auslöser einen Flow auslöst."). |
   | Funktion | Immer Größer als oder gleich , Bedeutet, dass die Zeitreihenmetrik zum Auslösen größer oder gleich der Anzahl der Standardabweichungen vom in angegebenen Mittelwert sein muss Anzahl der Standardabweichungen . |
   | Anzahl der Standardabweichungen | Gleitkommawert, der die Anzahl der Standardabweichungen angibt, die die Zeitreihenmetrik vom Mittelwert abweichen muss, um eine Warnung auf dieser Ebene auszulösen. |
   [ ]

   {#create-metricbase-model-trigger__table_khd_cjn_pbba}
7. **Wahlweise:** Fügen Sie der Tabelle Zeilen hinzu, um ein mehrschichtiges auslösendes Verhalten zu erstellen.  
   Normalerweise gibt jede zusätzliche Zeile (Ebene) einen schwerwiegenderen Zustand an. Die Workflow-StudioFlow, der der Ebene zugeordnet ist, sollte mit zunehmendem Schweregrad warnen.
8. Wählen Sie Aktualisieren.
9. **Wahlweise:** Fügen Sie eine auslösende Bedingung hinzu, die bestimmt, ob ein Auslöser eine ausführt Workflow-StudioFlow.  
   Weitere Informationen finden Sie unter [Auslöser bedingt ausführen](https://servicenow-prod.fluidtopics.net/jZhzb79yQJv1y~zJqlkGxA "MetricBase Löst die Ausführung basierend auf einer einzelnen Metrik aus. Bedingungsskripts stellen zusätzliche Anforderungen fest, die bestimmen, ob ein Auslöser einen Flow auslöst.").
10. Testen Sie Ihr Modell, und lösen Sie es anhand echter Daten aus, bevor Sie es in der Produktion bereitstellen.
{#create-metricbase-model-trigger__steps_yjd_rgq_zgb}

## Formular „Modellauslöser" {#create-metricbase-model-trigger__example_bct_z1y_ytb}

## Nächste Maßnahme

Ordnen Sie diesen Auslöser einem zu Workflow-StudioFlow. Weitere Informationen finden Sie unter [Weisen Sie einem Flow einen Auslöser zu](https://servicenow-prod.fluidtopics.net/VGYif8ECprxy3UNM0oKgkA "Nachdem Sie jetzt einen Auslöser erstellt haben, verwenden Sie Workflow-StudioUm den Flow anzugeben, den ein Auslöser ausführt. Die Flows können Warnungen für unerwartetes Verhalten bereitstellen.").