Arbeiten mit maschinellem Lernen in Qlik Answers
Letzte Aktualisierung: 2026-11-18Sie können mit Qlik Predict automatisiertem maschinellem Lernen mithilfe der KI-gestützten Technologie von Qlik Answers arbeiten.
In der agentenbasierten Qlik Answers-Benutzererfahrung können Sie Machine-Learning-Workflows in natürlicher Sprache erstellen und ausführen. Sie können über dasselbe Chat-Erlebnis Datensätze erkunden, Experimente konfigurieren und trainieren sowie Vorhersagen ausführen.
Diese Qlik Answers-Erfahrung ist getrennt vom Zugriff auf Qlik Predict-Funktionen über den Qlik-MCP-Server in einem externen LLM-Client. Weitere Informationen finden Sie unter Qlik MCP-Server.
Arbeiten mit Predict in Qlik Answers

Bevor Sie beginnen
Voraussetzungen:
-
Für Ihren Mandanten ist die regionsübergreifende Inferenz aktiviert – das heißt, der Mandant muss für die agentenbasierte Qlik Answers-Erfahrung aktiviert sein.
-
Ihr Mandant und Ihr Abonnement verfügen über Kapazität für Qlik Answers und Qlik Predict.
Überwachen der Nutzung der Qlik Predict-Kapazitäten für das Abonnement
-
Sie haben Zugriff auf die erforderlichen Datensätze und Qlik Predict Extras.
Öffnen von Qlik Predict in Qlik Answers
Gehen Sie folgendermaßen vor:
-
Klicken Sie auf Öffnen Answers, um Qlik Answers zu öffnen.
-
Wählen Sie im Dropdown-Menü Predict aus.
Predict öffnen

End-to-End-Workflows
Verwenden Sie beim Arbeiten mit Predict die folgenden Workflows.
Schritt 1: Datensatz-Exploration und Erkenntnisse
Nutzen Sie Datensatz-Insights, um die Datenqualität und Kandidatenfelder vor dem Training zu verstehen. Fragen Sie nach Erkenntnissen und Ziel-Empfehlungen.
Sie müssen auch nicht den genauen Namen des Datensatzes kennen, den Sie verwenden möchten – Sie können eine Liste der verfügbaren Datensätze anfordern.
| Aktion | Beispielfragen | Notizen |
|---|---|---|
| Datensatzauswahl |
|
- |
| Datensatzeinblicke |
|
Alternativ können Sie den Datensatz zuerst in Qlik Cloud öffnen und dann Fragen stellen wie:
|
| Zielempfehlung |
|
Nützlich als Folgefragen nach dem Auswählen eines Datensatzes und dem Erkunden von Erkenntnissen. |
Schritt 2: Experiment-Training und -Monitoring
Beschreiben Sie Ihr Ziel und lassen Sie den Agenten ein Experiment konfigurieren und ausführen. Regressions- und Klassifikationsexperimenttypen werden unterstützt. Nachdem Sie einen Datensatz und ein Ziel ausgewählt haben, werden Sie aufgefordert, das Training zu starten.
Wenn Sie bereits zuvor einen Machine-Learning-Workflow gestartet haben, können Sie Predict bitten, bestehende Experimente zu überwachen.
| Aktion | Beispielfragen | Notizen |
|---|---|---|
| Experiment-Training (mit bereits ausgewähltem Datensatz) |
|
Nützlich als Folgefragen nach der Auswahl eines zu verwendenden Trainingsdatensatzes. |
| Experiment-Training (kein Datensatz ausgewählt) |
|
Diese Fragen können Ihnen dabei helfen, direkt zu beginnen, ohne manuell nach Datensätzen anhand ihres Namens suchen zu müssen. |
| Experimentüberwachung |
|
- |
Schritt 3: Modellinterpretation und Empfehlungen
Nach Abschluss des Trainings können Sie eine Interpretation des Modellverhaltens in einfacher Sprache sowie Empfehlungen auf Grundlage der Modellausgabe anfordern.
| Aktion | Beispielfragen | Notizen |
|---|---|---|
| Modellempfehlungen |
|
Um optimale Ergebnisse zu erzielen, müssen Sie entweder das Experiment in Ihrem Browser geöffnet haben oder auf den Namen des Experiments im Prompt verweisen. |
| Modellmetriken und Erkenntnisse |
|
Um optimale Ergebnisse zu erzielen, müssen Sie entweder das Experiment in Ihrem Browser geöffnet haben oder auf den Namen des Experiments im Prompt verweisen. |
Beim Analysieren von Modellen im Chat können Sie auch auf Quelle anzeigen klicken, um zusätzliche Details einzublenden, einschließlich Diagrammen zur Aufschlüsselung der Funktionswichtigkeit und Erkenntnissen in natürlicher Sprache.
Verwenden von Quelltext anzeigen zum Analysieren von Modellen mit eingebetteten Diagrammen

Schritt 4: Bereitstellung, Aktivierung und Vorhersagen
Nach dem Training können Sie ein Modell bereitstellen, wodurch eine ML-Bereitstellung erstellt wird. Nachdem Sie angefordert haben, ein Modell bereitzustellen, werden Sie aufgefordert, die Bereitstellung zu bestätigen.
Sie können auch Batch-Vorhersagen mit den von Ihnen bereitgestellten Modellen ausführen. Das System sucht nach kompatiblen Apply-Datensätzen und listet sie zur Auswahl auf. Sie können auch Prompts in natürlicher Sprache verwenden, um einen bestimmten Apply-Datensatz auszuwählen.
Bereitgestellte Modelle werden automatisch aktiviert, sobald Vorhersagen erstellt werden, abhängig von der für das Abonnement verfügbaren Kapazität.
| Aktion | Beispielfragen | Notizen |
|---|---|---|
| Bereitstellung und Überwachung von Modellen |
|
Nützlich als Folgefragen direkt nach der Modellanalyse. Um optimale Ergebnisse zu erzielen, müssen Sie entweder das Experiment in Ihrem Browser geöffnet haben oder auf den Namen des Experiments im Prompt verweisen. |
| Vorhersagen—Anfrage starten |
|
Für optimale Ergebnisse müssen Sie entweder die Bereitstellung in Ihrem Browser geöffnet haben oder den Namen der Bereitstellung im Prompt referenzieren. |
| Vorhersagen—Auswählen eines Anwendungsdatensatzes |
|
Für optimale Ergebnisse müssen Sie entweder die Bereitstellung in Ihrem Browser geöffnet haben oder den Namen der Bereitstellung im Prompt referenzieren. |
| Vorhersagen—Überwachungsstatus |
|
Für optimale Ergebnisse müssen Sie entweder die Bereitstellung in Ihrem Browser geöffnet haben oder den Namen der Bereitstellung im Prompt referenzieren. |
| Vorhersagen—Vorhersageausgabe erkunden |
|
Für optimale Ergebnisse müssen Sie entweder die Bereitstellung in Ihrem Browser geöffnet haben oder den Namen der Bereitstellung im Prompt referenzieren. |
Best Practices für das Stellen von Fragen
Für optimale Ergebnisse beim Arbeiten mit Qlik Predict in Qlik Answers folgen Sie diesen allgemeinen Richtlinien:
-
Wenn Sie sich nicht sicher sind, wie Sie anfangen sollen, fragen Sie Predict, was es tun kann. Qlik Answers kann eine Liste der unterstützten Funktionen bereitstellen.
-
Starten Sie eine neue Unterhaltung, wenn Sie das Thema wechseln oder nicht die benötigte Antwort erhalten.
-
Wenn Sie nicht die gewünschte Antwort erhalten, versuchen Sie, mehr Details anzugeben, und beschreiben Sie genau, was Sie tun möchten. Beispielsweise kann das Verweisen auf die genauen Namen von Datasets und anderen Extras Qlik Answers besser dabei helfen, diese beim Starten des Trainings oder Ausführen von Vorhersagen zu finden.
-
Formulieren Sie Ihre Frage um, wenn sie zunächst nicht die gewünschte Antwort liefert.
Weitere Informationen finden Sie unter Best Practices für das Chatten mit Qlik Answers.
Berechtigungen
Sie benötigen sowohl Qlik Answers- als auch Qlik Predict-Berechtigungen, um End-to-End-Machine-Learning-Workflows abzuschließen.
Konkret benötigen Sie Folgendes:
-
Professional-Benutzerberechtigung (gilt nur für benutzerbasierte Abonnements)
-
Die erforderliche Berechtigung Agentic AI > Datenanalyse ist auf Zulässig gesetzt. Diese Berechtigung wird von einem Mandantenadministrator zugewiesen.
-
Die erforderlichen Qlik Predict-Berechtigungen für die Arbeit mit ML-Experimenten und -Bereitstellungen, die Ihnen von einem Mandantenadministrator zugewiesen wurden. Siehe:
-
Zugriff auf die Bereiche, in denen sich die Datensätze, Experimente und Bereitstellungen befinden. Siehe:
Beschränkungen
Datensätze
Aktualisieren und Löschen von Datensätzen
Sie können Datensätze nicht über den Chat hochladen oder löschen.
Datensätze ändern
Folgendes ist im Chat nicht möglich:
-
Ändern von Trainingsdatensätzen nach dem Ausführen einer Experimentversion.
-
Ausführen mehrerer Vorhersagen mit unterschiedlichen Anwendungsdatensätzen innerhalb desselben Chats.
Als Workaround starten Sie zuerst einen neuen Chat, wenn Sie Experimente trainieren oder Vorhersagen mit einem anderen Datensatz ausführen müssen. Wenn Sie Experimente trainieren, erfordert dies auch die Erstellung eines neuen Experiments im neuen Chat.
Weitere Informationen zum Starten neuer Chats finden Sie unter Chatten mit Qlik Answers.
Große Datensätze
Chat unterstützt keine Datensätze, die einen der folgenden Grenzwerte für den Mandanten Qlik Cloud überschreiten:
-
Maximale Datensatzgröße (Trainingsdatensätze)
-
Maximale Anzahl der Datensatzzellen (Trainingsdatensätze)
-
Maximale Anzahl an einbezogenen Spalten (Trainings- und Anwendungsdatensätze)
Experiment-Funktionen
-
Bias-Erkennung wird nicht unterstützt.
-
Es ist nicht möglich, Modelltrainingsberichte zu analysieren oder herunterzuladen.
-
Es ist nicht möglich, auf eingebettete Analysen (Registerkarten Vergleichen und Analysieren) für das Experiment zuzugreifen.
-
Alle Features und Algorithmen werden bei der Konfiguration des Experiments für das Training ausgewählt. Sie können Features oder Algorithmen nicht abwählen. Darüber hinaus wird zum Trainieren von Modellen stets eine intelligente Modelloptimierung verwendet – eine manuelle Optimierung wird nicht unterstützt.
-
Es ist nicht möglich, zweite und nachfolgende Versionen eines Experiments zu trainieren.
Modelltypen
Nicht verfügbar für Zeitreihenmodelle.
Vorhersagetypen
Nicht verfügbar für Echtzeit- oder Konnektor-basierte Vorhersagen.
ML-Modellverwaltung
-
Sie können ein vorhandenes bereitgestelltes Modell nicht über den Chat ersetzen.
-
Sie können nicht mehrere Modelle aus verschiedenen Experimentversionen über den Chat bereitstellen.
-
Es ist nicht möglich, auf eingebettete Analysen (Modelloperationen und Drift-Überwachung) für die Bereitstellung zuzugreifen.