# Arbeiten mit Experimenten

Laden Sie Verlaufsdaten in ein automatisiertes ML-Experiment und trainieren Sie ein Modell, um ein geschäftliches Problem zu analysieren und Vorhersagen zu erstellen.

Sie können Experimente in persönlichen oder freigegebenen Bereichen erstellen und bearbeiten.

## Workflow

Bevor Sie ein Experiment für automatisiertes maschinelles Lernen in Qlik Cloud-Analyse erstellen können, benötigen Sie eine gut definierte Frage für maschinelles Lernen, und ein geeigneter Trainingsdatensatz muss im Katalog vorhanden sein. Weitere Informationen finden Sie unter [Definieren von Fragen für maschinelles Lernen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework.htm) und [Vorbereiten Ihres Datensatzes für das Training](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/dataset-preparation.htm).

Die folgenden Schritte beschreiben einen Experiment-Workflow.

1. Experiment erstellen

   Erstellen Sie ein neues Experiment in Qlik Cloud. Fügen Sie es zu einem freigegebenen Bereich hinzu, wenn Sie gemeinsam mit anderen Benutzern daran arbeiten möchten.

   [Erstellen von Experimenten](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/creating-experiments.htm)

2. Experiment konfigurieren

   Wählen Sie ein Ziel aus, für das Sie Vorhersagen treffen möchten, sowie Features zum Unterstützen der Vorhersage.

   [Konfigurieren von Experimenten](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm)

3. Training beginnen

   Beginnen Sie mit dem Training Ihrer ersten Experimentversion.

   [Trainieren von Experimenten](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/training-experiments.htm)

4. Empfohlene Modelle prüfen

   Überprüfen Sie den Verlauf des Modelltrainings und bewerten Sie die Modelle, die Ihnen empfohlen wurden. Verwenden Sie die integrierten Tools zur Analyse von Trainingszusammenfassungen und eingebetteten Analysen, die Einblicke auf Experiment-, Versions- und Modellebene bieten.

   [Überprüfen der Modelle](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/reviewing-experiments.htm)

   Wenn eine weitere Verfeinerung erforderlich ist, können Sie nachfolgende Versionen des Experiments konfigurieren. Passen Sie Parameter wie Features und Algorithmen an und trainieren Sie neue Versionen des Experiments erneut, bis Sie ein gutes Modell erhalten haben.

   [Verfeinern von Modellen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/refining-models.htm)

5. Modell bereitstellen

   Wenn Sie ein gutes Modell haben, können Sie es bereitstellen und mit den Vorhersagen beginnen.

   [Arbeiten mit ML-Bereitstellungen](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-deployments.htm)

## Anforderungen und Berechtigungen

Weitere Informationen über die erforderlichen Bereichsrollen für die Arbeit mit ML-Experimenten in freigegebenen Bereichen finden Sie unter:

* [Berechtigungen in freigegebenen Bereichen für Professional-Benutzer und Benutzer mit kapazitätsbasierten Abonnements](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-prof-full.htm)

* [Berechtigungen in freigegebenen Bereichen für Administratoren](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-admin.htm)

Wenn Sie ein Administrator sind, finden Sie in [Wer kann mit Qlik Predict arbeiten](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm) eine ausführliche Übersicht über die erforderlichen Benutzerberechtigungen für die Arbeit mit ML-Experimenten.

## Anzeigen von Herkunft und Auswirkungsanalyse

Mit den Tools Herkunft und Auswirkungsanalyse in Qlik Cloud können Sie Folgendes analysieren:

* Die Herkünfte eines ML-Experiments und die zum Trainieren der einzelnen Modelle verwendeten Daten.

  [Analysieren der Herkunft für ML-Inhalte](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/Catalog/lineage.htm#MLLineage)

* Wie das ML-Experiment und seine Ergebnisse in nachgelagerten Inhalten in Qlik Cloud verwendet werden.

  [Auswirkungsanalyse für ML-Inhalte](https://help.qlik.com/de-DE/cloud-services/Subsystems/Hub/Content/Sense_Hub/Catalog/impact-analysis2.htm#MLImpact)