Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Aktualisieren der Details einer Modellversion
Sie können Details einer bestimmten Modellversion entweder mit der AWS SDK für Python (Boto3) oder der Amazon SageMaker Studio-Konsole anzeigen und aktualisieren.
**Wichtig**
Amazon SageMaker AI integriert Model Cards in Model Registry. Ein im Model Registry registriertes Modellpaket enthält eine vereinfachte Model Card als Bestandteil des Modellpakets. Weitere Informationen finden Sie unter [Modellpaket, Modellkartenschema (Studio)](#model-card-schema).
## Anzeigen und Aktualisieren der Details einer Modellversion (Boto3)
Führen Sie die folgenden Schritte aus, um die Details einer Modellversion mithilfe von Boto3 anzuzeigen.
1. Rufen Sie die `list_model_packages`-API-Operation auf, um die Modellversionen in einer Modellgruppe anzuzeigen.
```
sm_client.list_model_packages(ModelPackageGroupName="ModelGroup1")
```
Die Antwort ist eine Liste mit Zusammenfassungen von Modellpaketen. Sie können den Amazon-Ressourcennamen (ARN) der Modellversionen aus dieser Liste abrufen.
```
{'ModelPackageSummaryList': [{'ModelPackageGroupName': 'AbaloneMPG-16039329888329896',
'ModelPackageVersion': 1,
'ModelPackageArn': 'arn:aws:sagemaker:us-east-2:123456789012:model-package/ModelGroup1/1',
'ModelPackageDescription': 'TestMe',
'CreationTime': datetime.datetime(2020, 10, 29, 1, 27, 46, 46000, tzinfo=tzlocal()),
'ModelPackageStatus': 'Completed',
'ModelApprovalStatus': 'Approved'}],
'ResponseMetadata': {'RequestId': '12345678-abcd-1234-abcd-aabbccddeeff',
'HTTPStatusCode': 200,
'HTTPHeaders': {'x-amzn-requestid': '12345678-abcd-1234-abcd-aabbccddeeff',
'content-type': 'application/x-amz-json-1.1',
'content-length': '349',
'date': 'Mon, 23 Nov 2020 04:56:50 GMT'},
'RetryAttempts': 0}}
```
1. Rufen Sie `describe_model_package` auf, um die Details der Modellversion zu erfahren. Sie übergeben den ARN einer Modellversion, den Sie in der Ausgabe des Aufrufs an `list_model_packages` erhalten haben.
```
sm_client.describe_model_package(ModelPackageName="arn:aws:sagemaker:us-east-2:123456789012:model-package/ModelGroup1/1")
```
Die Ausgabe dieses Aufrufs ist ein JSON-Objekt mit den Details zur Modellversion.
```
{'ModelPackageGroupName': 'ModelGroup1',
'ModelPackageVersion': 1,
'ModelPackageArn': 'arn:aws:sagemaker:us-east-2:123456789012:model-package/ModelGroup/1',
'ModelPackageDescription': 'Test Model',
'CreationTime': datetime.datetime(2020, 10, 29, 1, 27, 46, 46000, tzinfo=tzlocal()),
'InferenceSpecification': {'Containers': [{'Image': '257758044811.dkr.ecr.us-east-2.amazonaws.com/sagemaker-xgboost:1.0-1-cpu-py3',
'ImageDigest': 'sha256:99fa602cff19aee33297a5926f8497ca7bcd2a391b7d600300204eef803bca66',
'ModelDataUrl': 's3://sagemaker-us-east-2-123456789012/ModelGroup1/pipelines-0gdonccek7o9-AbaloneTrain-stmiylhtIR/output/model.tar.gz'}],
'SupportedTransformInstanceTypes': ['ml.m5.xlarge'],
'SupportedRealtimeInferenceInstanceTypes': ['ml.t2.medium', 'ml.m5.xlarge'],
'SupportedContentTypes': ['text/csv'],
'SupportedResponseMIMETypes': ['text/csv']},
'ModelPackageStatus': 'Completed',
'ModelPackageStatusDetails': {'ValidationStatuses': [],
'ImageScanStatuses': []},
'CertifyForMarketplace': False,
'ModelApprovalStatus': 'PendingManualApproval',
'LastModifiedTime': datetime.datetime(2020, 10, 29, 1, 28, 0, 438000, tzinfo=tzlocal()),
'ResponseMetadata': {'RequestId': '12345678-abcd-1234-abcd-aabbccddeeff',
'HTTPStatusCode': 200,
'HTTPHeaders': {'x-amzn-requestid': '212345678-abcd-1234-abcd-aabbccddeeff',
'content-type': 'application/x-amz-json-1.1',
'content-length': '1038',
'date': 'Mon, 23 Nov 2020 04:59:38 GMT'},
'RetryAttempts': 0}}
```
### Modellpaket, Modellkartenschema (Studio)
Alle Informationen zur Modellversion sind auf der Modellkarte des Modellpakets zusammengefasst. Die Modellkarte eines Modellpakets ist eine spezielle Verwendung der Amazon SageMaker Model Card und ihr Schema ist vereinfacht. Das Modellkartenschema des Modellpakets wird in der folgenden erweiterbaren Dropdownliste angezeigt.
#### Modell, Paket, Modell, Kartenschema
```
{
"title": "SageMakerModelCardSchema",
"description": "Schema of a model package’s model card.",
"version": "0.1.0",
"type": "object",
"additionalProperties": false,
"properties": {
"model_overview": {
"description": "Overview about the model.",
"type": "object",
"additionalProperties": false,
"properties": {
"model_creator": {
"description": "Creator of model.",
"type": "string",
"maxLength": 1024
},
"model_artifact": {
"description": "Location of the model artifact.",
"type": "array",
"maxContains": 15,
"items": {
"type": "string",
"maxLength": 1024
}
}
}
},
"intended_uses": {
"description": "Intended usage of model.",
"type": "object",
"additionalProperties": false,
"properties": {
"purpose_of_model": {
"description": "Reason the model was developed.",
"type": "string",
"maxLength": 2048
},
"intended_uses": {
"description": "Intended use cases.",
"type": "string",
"maxLength": 2048
},
"factors_affecting_model_efficiency": {
"type": "string",
"maxLength": 2048
},
"risk_rating": {
"description": "Risk rating for model card.",
"$ref": "#/definitions/risk_rating"
},
"explanations_for_risk_rating": {
"type": "string",
"maxLength": 2048
}
}
},
"business_details": {
"description": "Business details of model.",
"type": "object",
"additionalProperties": false,
"properties": {
"business_problem": {
"description": "Business problem solved by the model.",
"type": "string",
"maxLength": 2048
},
"business_stakeholders": {
"description": "Business stakeholders.",
"type": "string",
"maxLength": 2048
},
"line_of_business": {
"type": "string",
"maxLength": 2048
}
}
},
"training_details": {
"description": "Overview about the training.",
"type": "object",
"additionalProperties": false,
"properties": {
"objective_function": {
"description": "The objective function for which the model is optimized.",
"function": {
"$ref": "#/definitions/objective_function"
},
"notes": {
"type": "string",
"maxLength": 1024
}
},
"training_observations": {
"type": "string",
"maxLength": 1024
},
"training_job_details": {
"type": "object",
"additionalProperties": false,
"properties": {
"training_arn": {
"description": "SageMaker Training job ARN.",
"type": "string",
"maxLength": 1024
},
"training_datasets": {
"description": "Location of the model datasets.",
"type": "array",
"maxContains": 15,
"items": {
"type": "string",
"maxLength": 1024
}
},
"training_environment": {
"type": "object",
"additionalProperties": false,
"properties": {
"container_image": {
"description": "SageMaker training image URI.",
"type": "array",
"maxContains": 15,
"items": {
"type": "string",
"maxLength": 1024
}
}
}
},
"training_metrics": {
"type": "array",
"items": {
"maxItems": 50,
"$ref": "#/definitions/training_metric"
}
},
"user_provided_training_metrics": {
"type": "array",
"items": {
"maxItems": 50,
"$ref": "#/definitions/training_metric"
}
},
"hyper_parameters": {
"type": "array",
"items": {
"maxItems": 100,
"$ref": "#/definitions/training_hyper_parameter"
}
},
"user_provided_hyper_parameters": {
"type": "array",
"items": {
"maxItems": 100,
"$ref": "#/definitions/training_hyper_parameter"
}
}
}
}
}
},
"evaluation_details": {
"type": "array",
"default": [],
"items": {
"type": "object",
"required": [
"name"
],
"additionalProperties": false,
"properties": {
"name": {
"type": "string",
"pattern": ".{1,63}"
},
"evaluation_observation": {
"type": "string",
"maxLength": 2096
},
"evaluation_job_arn": {
"type": "string",
"maxLength": 256
},
"datasets": {
"type": "array",
"items": {
"type": "string",
"maxLength": 1024
},
"maxItems": 10
},
"metadata": {
"description": "Additional attributes associated with the evaluation results.",
"type": "object",
"additionalProperties": {
"type": "string",
"maxLength": 1024
}
},
"metric_groups": {
"type": "array",
"default": [],
"items": {
"type": "object",
"required": [
"name",
"metric_data"
],
"properties": {
"name": {
"type": "string",
"pattern": ".{1,63}"
},
"metric_data": {
"type": "array",
"items": {
"anyOf": [
{
"$ref": "#/definitions/simple_metric"
},
{
"$ref": "#/definitions/linear_graph_metric"
},
{
"$ref": "#/definitions/bar_chart_metric"
},
{
"$ref": "#/definitions/matrix_metric"
}
]
}
}
}
}
}
}
}
},
"additional_information": {
"additionalProperties": false,
"type": "object",
"properties": {
"ethical_considerations": {
"description": "Ethical considerations for model users.",
"type": "string",
"maxLength": 2048
},
"caveats_and_recommendations": {
"description": "Caveats and recommendations for model users.",
"type": "string",
"maxLength": 2048
},
"custom_details": {
"type": "object",
"additionalProperties": {
"$ref": "#/definitions/custom_property"
}
}
}
}
},
"definitions": {
"source_algorithms": {
"type": "array",
"minContains": 1,
"maxContains": 1,
"items": {
"type": "object",
"additionalProperties": false,
"required": [
"algorithm_name"
],
"properties": {
"algorithm_name": {
"description": "The name of the algorithm used to create the model package. The algorithm must be either an algorithm resource in your SageMaker AI account or an algorithm in AWS Marketplace that you are subscribed to.",
"type": "string",
"maxLength": 170
},
"model_data_url": {
"description": "Amazon S3 path where the model artifacts, which result from model training, are stored.",
"type": "string",
"maxLength": 1024
}
}
}
},
"inference_specification": {
"type": "object",
"additionalProperties": false,
"required": [
"containers"
],
"properties": {
"containers": {
"description": "Contains inference related information used to create model package.",
"type": "array",
"minContains": 1,
"maxContains": 15,
"items": {
"type": "object",
"additionalProperties": false,
"required": [
"image"
],
"properties": {
"model_data_url": {
"description": "Amazon S3 path where the model artifacts, which result from model training, are stored.",
"type": "string",
"maxLength": 1024
},
"image": {
"description": "Inference environment path. The Amazon Elastic Container Registry (Amazon ECR) path where inference code is stored.",
"type": "string",
"maxLength": 255
},
"nearest_model_name": {
"description": "The name of a pre-trained machine learning benchmarked by an Amazon SageMaker Inference Recommender model that matches your model.",
"type": "string"
}
}
}
}
}
},
"risk_rating": {
"description": "Risk rating of model.",
"type": "string",
"enum": [
"High",
"Medium",
"Low",
"Unknown"
]
},
"custom_property": {
"description": "Additional property.",
"type": "string",
"maxLength": 1024
},
"objective_function": {
"description": "Objective function for which the training job is optimized.",
"additionalProperties": false,
"properties": {
"function": {
"type": "string",
"enum": [
"Maximize",
"Minimize"
]
},
"facet": {
"type": "string",
"maxLength": 63
},
"condition": {
"type": "string",
"maxLength": 63
}
}
},
"training_metric": {
"description": "Training metric data.",
"type": "object",
"required": [
"name",
"value"
],
"additionalProperties": false,
"properties": {
"name": {
"type": "string",
"pattern": ".{1,255}"
},
"notes": {
"type": "string",
"maxLength": 1024
},
"value": {
"type": "number"
}
}
},
"training_hyper_parameter": {
"description": "Training hyperparameter.",
"type": "object",
"required": [
"name",
"value"
],
"additionalProperties": false,
"properties": {
"name": {
"type": "string",
"pattern": ".{1,255}"
},
"value": {
"type": "string",
"pattern": ".{1,255}"
}
}
},
"linear_graph_metric": {
"type": "object",
"required": [
"name",
"type",
"value"
],
"additionalProperties": false,
"properties": {
"name": {
"type": "string",
"pattern": ".{1,255}"
},
"notes": {
"type": "string",
"maxLength": 1024
},
"type": {
"type": "string",
"enum": [
"linear_graph"
]
},
"value": {
"anyOf": [
{
"type": "array",
"items": {
"type": "array",
"items": {
"type": "number"
},
"minItems": 2,
"maxItems": 2
},
"minItems": 1
}
]
},
"x_axis_name": {
"$ref": "#/definitions/axis_name_string"
},
"y_axis_name": {
"$ref": "#/definitions/axis_name_string"
}
}
},
"bar_chart_metric": {
"type": "object",
"required": [
"name",
"type",
"value"
],
"additionalProperties": false,
"properties": {
"name": {
"type": "string",
"pattern": ".{1,255}"
},
"notes": {
"type": "string",
"maxLength": 1024
},
"type": {
"type": "string",
"enum": [
"bar_chart"
]
},
"value": {
"anyOf": [
{
"type": "array",
"items": {
"type": "number"
},
"minItems": 1
}
]
},
"x_axis_name": {
"$ref": "#/definitions/axis_name_array"
},
"y_axis_name": {
"$ref": "#/definitions/axis_name_string"
}
}
},
"matrix_metric": {
"type": "object",
"required": [
"name",
"type",
"value"
],
"additionalProperties": false,
"properties": {
"name": {
"type": "string",
"pattern": ".{1,255}"
},
"notes": {
"type": "string",
"maxLength": 1024
},
"type": {
"type": "string",
"enum": [
"matrix"
]
},
"value": {
"anyOf": [
{
"type": "array",
"items": {
"type": "array",
"items": {
"type": "number"
},
"minItems": 1,
"maxItems": 20
},
"minItems": 1,
"maxItems": 20
}
]
},
"x_axis_name": {
"$ref": "#/definitions/axis_name_array"
},
"y_axis_name": {
"$ref": "#/definitions/axis_name_array"
}
}
},
"simple_metric": {
"description": "Metric data.",
"type": "object",
"required": [
"name",
"type",
"value"
],
"additionalProperties": false,
"properties": {
"name": {
"type": "string",
"pattern": ".{1,255}"
},
"notes": {
"type": "string",
"maxLength": 1024
},
"type": {
"type": "string",
"enum": [
"number",
"string",
"boolean"
]
},
"value": {
"anyOf": [
{
"type": "number"
},
{
"type": "string",
"maxLength": 63
},
{
"type": "boolean"
}
]
},
"x_axis_name": {
"$ref": "#/definitions/axis_name_string"
},
"y_axis_name": {
"$ref": "#/definitions/axis_name_string"
}
}
},
"axis_name_array": {
"type": "array",
"items": {
"type": "string",
"maxLength": 63
}
},
"axis_name_string": {
"type": "string",
"maxLength": 63
}
}
}
```
## Details einer Modellversion anzeigen und aktualisieren (Studio oder Studio Classic)
Führen Sie die folgenden Schritte aus, um die Details einer Modellversion anzuzeigen und zu aktualisieren, je nachdem, ob Sie Studio oder Studio Classic verwenden. In Studio Classic können Sie den Genehmigungsstatus für eine Modellversion aktualisieren. Details hierzu finden Sie unter [Aktualisieren des Genehmigungsstatus eines Modells](model-registry-approve.md). In Studio hingegen erstellt SageMaker KI eine Modellkarte für ein Modellpaket, und die Benutzeroberfläche der Modellversion bietet Optionen zum Aktualisieren von Details auf der Modellkarte.
------
#### [ Studio ]
1. Öffnen Sie die SageMaker Studio-Konsole, indem Sie den Anweisungen unter [Amazon SageMaker Studio starten](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-launch.html) folgen.
1. Wählen Sie im linken Navigationsbereich **Modelle** aus dem Menu aus.
1. Wählen Sie die Registerkarte **Registrierte Modelle**, falls diese noch nicht ausgewählt ist.
1. Wählen Sie direkt unter der Registerkarte **Registrierte Modelle** die Option **Modellgruppen** aus, sofern diese Option nicht bereits ausgewählt ist.
1. Wählen Sie den Namen der Modellgruppe aus, die die anzuzeigende Modellversion enthält.
1. Wählen Sie in der Liste der Modellversionen diejenige aus, die Sie anzeigen möchten.
1. Wählen Sie eine der folgenden Registerkarten.
+ **Schulung**: Zum Anzeigen oder Bearbeiten von Details zu Ihrem Trainingsjob, einschließlich Leistungskennzahlen, Artefakten, IAM-Rolle und Verschlüsselung sowie Containern. Weitere Informationen finden Sie unter [Fügen Sie einen Trainingsjob hinzu (Studio)](model-registry-details-studio-training.md).
+ **Evaluieren**: Zum Anzeigen oder Bearbeiten von Details zu Ihrem Trainingsjob, z. B. Leistungskennzahlen, Bewertungsdatensätze und Sicherheit. Weitere Informationen finden Sie unter [Fügen Sie einen Bewertungsjob hinzu (Studio)](model-registry-details-studio-evaluate.md).
+ **Prüfung**: Zum Anzeigen oder Bearbeiten allgemeiner Details in Bezug auf den Geschäftszweck, die Nutzung, das Risiko und technische Details wie Algorithmus und Leistungseinschränkungen des Modells. Weitere Informationen finden Sie unter [Aktualisieren Sie die Prüfungsinformationen (Governance) (Studio)](model-registry-details-studio-audit.md).
+ **Bereitstellen**: Um den Speicherort Ihres Inferenz-Image-Containers und der Instances, aus denen der Endpunkt besteht, anzuzeigen oder zu bearbeiten. Weitere Informationen finden Sie unter [Bereitstellungsinformationen aktualisieren (Studio)](model-registry-details-studio-deploy.md).
------
#### [ Studio Classic ]
1. Melden Sie sich bei Amazon SageMaker Studio Classic an. Weitere Informationen finden Sie unter [Amazon SageMaker Studio Classic starten](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-launch.html).
1. Wählen Sie im linken Navigationsbereich das Symbol **Home** ( ![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/studio/icons/house.png) ).
1. Wählen Sie **Modelle** und dann **Modellverzeichnis**.
1. Wählen Sie aus der Liste der Modellgruppen den Namen der Modellgruppe aus, die Sie anzeigen möchten.
1. Eine neue Registerkarte mit einer Liste der Modellversionen in der Modellgruppe wird angezeigt.
1. Wählen Sie in der Liste der Modellversionen den Namen der Modellversion aus, für die Sie Details anzeigen möchten.
1. Wählen Sie auf der sich öffnenden Registerkarte Modellversion eine der folgenden Optionen aus, um Details zur Modellversion anzuzeigen:
+ **Aktivität**: Zeigt Ereignisse für die Modellversion an, z. B. Aktualisierungen des Genehmigungsstatus.
+ **Modellqualität**: Meldet Metriken im Zusammenhang mit Ihren Model Monitor-Modellqualitätsprüfungen, bei denen Modellvorhersagen mit Ground Truth verglichen werden. Weitere Informationen zu den Qualitätsprüfungen von Model Monitor-Modellen finden Sie unter [Modellqualität](model-monitor-model-quality.md).
+ **Erklärbarkeit**: Meldet Metriken im Zusammenhang mit Ihren Model Monitor-Funktionszuordnungsprüfungen, mit denen die relative Rangfolge Ihrer Merkmale in Trainingsdaten mit Live-Daten verglichen wird. Weitere Informationen zu Model Monitor-Erläuterungsprüfungen finden Sie unter [Feature-Attributions-Drift für Modelle in der Produktion](clarify-model-monitor-feature-attribution-drift.md).
+ **Bias**: Meldet Metriken im Zusammenhang mit Ihren Model Monitor Bias-Drift-Prüfungen, bei denen die Verteilung von Live-Daten mit Trainingsdaten verglichen wird. Weitere Informationen zu Bias-Drift-Prüfungen in Model Monitor finden Sie unter [Bias-Drift bei Modellen in der Produktion](clarify-model-monitor-bias-drift.md).
+ **Empfehlung für Inferenzen**: Bietet Empfehlungen für erste Instances für eine optimale Leistung auf der Grundlage Ihres Modells und Ihrer Beispiel-Payloads.
+ **Auslastungstest**: Führt Lasttests für die Instance-Typen Ihrer Wahl durch, wenn Sie Ihre spezifischen Produktionsanforderungen wie Latenz- und Durchsatzbeschränkungen angeben.
+ **Inferenzspezifikation**: Zeigt Instance-Typen für Ihre Inferenz- und Transformationsaufträge in Echtzeit sowie Informationen zu Ihren Amazon ECR-Containern an.
+ **Informationen**: Zeigt Informationen wie das Projekt, mit dem die Modellversion verknüpft ist, die Pipeline, die das Modell generiert hat, die Modellgruppe und den Speicherort des Modells in Amazon S3 an.
------
# Fügen Sie einen Trainingsjob hinzu (Studio)
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich auf die Verwendung der aktualisierten Studio-Erfahrung. Informationen zur Verwendung der Studio-Classic-Anwendung finden Sie unter [Amazon SageMaker Studio Klassisch](studio.md).
Sie können Ihrem Modell einen Trainingsjob hinzufügen, der extern oder mit SageMaker KI erstellt wurde. **Wenn Sie einen SageMaker Schulungsjob hinzufügen, füllt SageMaker KI die Felder für alle Unterseiten auf der Registerkarte „Trainieren“ vorab aus.** Wenn Sie einen extern erstellten Trainingsjob hinzufügen, müssen Sie Details zu Ihrem Trainingsjob manuell hinzufügen.
**Führen Sie die folgenden Schritte aus, um Ihrem Modellpaket einen Ausbildungsauftrag hinzuzufügen.**
1. Wählen Sie die Registerkarte **Trainieren** aus.
1. Wählen Sie **Hinzufügen** aus. Wenn Sie diese Option nicht sehen, wurde Ihnen möglicherweise bereits eine Ausbildungsstelle zugewiesen. Wenn Sie diesen Trainingsjob entfernen möchten, gehen Sie wie folgt vor, um einen Trainingsjob zu entfernen.
1. Sie können einen Schulungsjob hinzufügen, den Sie in SageMaker KI erstellt haben, oder einen Schulungsjob, den Sie extern erstellt haben.
1. Gehen Sie wie folgt vor, um einen Schulungsjob hinzuzufügen, den Sie in SageMaker AI erstellt haben.
1. Wählen Sie **SageMaker KI**.
1. Wählen Sie das Optionsfeld neben dem Trainingsjob aus, den Sie hinzufügen möchten.
1. Wählen Sie **Hinzufügen** aus.
1. Aktualisieren Sie eine Schulungsaufgabe, die Sie extern erstellt haben, indem Sie die folgenden Schritte ausführen.
1. Wählen Sie **Custom (Benutzerdefiniert)** aus.
1. Geben Sie im Feld **Name** den Namen Ihres benutzerdefinierten Trainingsjobs ein.
1. Wählen Sie **Hinzufügen** aus.
# Einen Trainingsjob entfernen (Studio)
Sie können einen extern oder mit SageMaker KI erstellten Schulungsjob aus Ihrem Modell entfernen, indem Sie die folgenden Schritte ausführen.
**Führen Sie die folgenden Schritte aus, um Ihren Schulungsauftrag aus Ihrem Modellpaket zu entfernen.**
1. Wählen Sie „**Zug**“.
1. Wählen Sie auf der Registerkarte „**Zug**“ das **Zahnradsymbol** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/icons/Settings_squid.png)).
1. Wähle neben deinem Trainingsjob die Option **Entfernen** aus.
1. Wähle **Ja, ich möchte entfernen**.
1. Wählen Sie **Fertig** aus.
# Details zum Trainingsjob aktualisieren (Studio)
Führen Sie die folgenden Schritte aus, um die Details eines Schulungsjobs zu aktualisieren, der extern oder mit SageMaker KI erstellt wurde und mit Ihrem Modell verknüpft ist.
**Um Details zum Trainingsjob zu aktualisieren (und anzuzeigen):**
1. Auf der Registerkarte **Trainieren** können Sie den Status des Trainingsauftrags anzeigen. Der Status gibt an, `Complete` ob Sie Ihrem Modellpaket einen Trainingsjob hinzugefügt haben und `Undefined` falls nicht.
1. Um Details zu Ihrem Trainingsjob wie Leistung, Hyperparameter und identifizierende Details einzusehen, wählen Sie die Registerkarte **Trainieren**.
1. Aktualisieren Sie Details zur Modellleistung, indem Sie die folgenden Schritte ausführen, um Details zur Modellleistung anzuzeigen.
1. Wählen Sie in der linken Seitenleiste des Tabs „**Zug**“ die Option „**Leistung**“.
1. Sieh dir **Kennzahlen** zu deinem Trainingsjob an. Auf der Seite „**Leistung**“ werden die Kennzahlen nach Name und Wert sowie alle Anmerkungen aufgeführt, die Sie zu der Metrik hinzugefügt haben.
1. (Optional) Führen Sie die folgenden Schritte aus, um Anmerkungen zu vorhandenen Metriken hinzuzufügen.
1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Seite mit der Modellversion und wählen Sie dann **„Bearbeiten“**.
1. Fügen Sie Anmerkungen zu einer der aufgelisteten Metriken hinzu.
1. Wählen Sie oben auf der Seite mit der Modellversion die Option In der **Bearbeitung der Modellversion **speichern**...** u-Banner.
1. Sehen Sie sich **benutzerdefinierte Metriken** an, die sich auf Ihren Ausbildungsjob beziehen. Benutzerdefinierte Metriken sind ähnlich wie Kennzahlen formatiert.
1. (Optional) Führen Sie die folgenden Schritte aus, um benutzerdefinierte Metriken hinzuzufügen.
1. Wählen Sie **Hinzufügen** aus.
1. Geben Sie einen Namen, einen Wert und optionale Anmerkungen für Ihre neue Metrik ein.
1. (Optional) Um benutzerdefinierte Metriken zu entfernen, wählen Sie das **Papierkorbsymbol** neben der Metrik, die Sie entfernen möchten.
1. Sieh dir im Textfeld „**Beobachtungen**“ alle Notizen an, die du im Zusammenhang mit der Leistung deines Trainingsjobs hinzugefügt hast.
1. (Optional) Führen Sie die folgenden Schritte aus, um Beobachtungen hinzuzufügen oder zu aktualisieren.
1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Seite mit der Modellversion und wählen Sie dann **„Bearbeiten“**.
1. Fügen Sie Ihre Notizen im Textfeld **Beobachtungen** hinzu oder aktualisieren Sie sie.
1. Wählen Sie oben auf der Seite mit der Modellversion die Option In der **Bearbeitung der Modellversion **speichern**...** u-Banner.
1. Aktualisieren Sie Details zu Modellartefakten, indem Sie die folgenden Schritte ausführen, um Details zu Modellartefakten anzuzeigen.
1. Wählen Sie in der linken Seitenleiste der Registerkarte „**Zug**“ die Option „**Artefakte**“.
1. Sehen Sie sich im Feld **Standort (S3 URI)** den Amazon S3 Speicherort Ihrer Trainingsdatensätze an.
1. Sehen Sie sich im Feld **Modelle** den Namen und die Amazon-S3-Speicherorte von Modellartefakten aus anderen Modellen an, die Sie in den Trainingsjob aufgenommen haben.
1. Aktualisieren eines der Felder auf der Seite **Artifacts**, indem Sie die folgenden Schritte ausführen, um eines der Felder zu aktualisieren.
1. Wählen Sie die vertikale Ellipse oben rechts auf der Modellversionsseite und wählen Sie **Bearbeiten**.
1. Geben Sie neue Werte in eines der Felder ein.
1. Wählen Sie oben auf der Seite mit der Modellversion die Option In der **Bearbeitung der Modellversion **speichern**...** u-Banner.
1. Aktualisieren Sie Details zu Hyperparametern, indem Sie die folgenden Schritte ausführen, um Details zu Hyperparametern anzuzeigen.
1. **Wählen Sie in der linken Seitenleiste der Registerkarte „Zug“ die Option „**Hyperparameter**“.**
1. Sehen Sie sich die bereitgestellte SageMaker KI und die definierten benutzerdefinierten Hyperparameter an. Jeder Hyperparameter wird mit seinem Namen und Wert aufgeführt.
1. Sehen Sie sich die benutzerdefinierten Hyperparameter an, die Sie hinzugefügt haben.
1. (Optional) Führen Sie die folgenden Schritte aus, um einen zusätzlichen benutzerdefinierten Hyperparameter hinzuzufügen.
1. **Wählen Sie oberhalb der oberen rechten Ecke der Tabelle **Benutzerdefinierte Hyperparameter** die Option Hinzufügen aus.** Ein Paar neuer leerer Felder wird angezeigt.
1. Geben Sie den Namen und den Wert des neuen benutzerdefinierten Hyperparameters ein. Diese Werte werden automatisch gespeichert.
1. (Optional) Um einen benutzerdefinierten Hyperparameter zu entfernen, wählen Sie das **Papierkorbsymbol** rechts neben dem Hyperparameter.
1. Aktualisieren Sie Details zur Umgebung des Trainingsauftrags, indem Sie die folgenden Schritte ausführen.
1. Wählen Sie in der linken Seitenleiste des Tabs „**Trainieren**“ die Option „**Umgebung**“.
1. Sehen Sie sich die Amazon ECR-URI-Standorte für alle Schulungsjob-Container an, die von SageMaker KI (für einen SageMaker Schulungsjob) oder von Ihnen (für einen benutzerdefinierten Schulungsjob) hinzugefügt wurden.
1. (Optional) Um einen zusätzlichen Trainingsjob-Container hinzuzufügen, wählen Sie **Hinzufügen** und geben Sie dann die URI des neuen Trainingscontainers ein.
1. Gehen Sie wie folgt vor, um den Namen des Trainingsjobs und die Amazon-Ressourcennamen (ARN) für den Trainingsjob zu aktualisieren und anzuzeigen.
1. Wählen Sie in der linken Seitenleiste des Tabs „**Zug**“ die Option „**Details**“.
1. Sehen Sie sich den Namen des Trainingsaufträge und den ARN des Trainingsaufträge an.
# Fügen Sie einen Bewertungsjob hinzu (Studio)
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich auf die Verwendung der aktualisierten Studio-Erfahrung. Informationen zur Verwendung der Studio-Classic-Anwendung finden Sie unter [Amazon SageMaker Studio Klassisch](studio.md).
Nachdem Sie Ihr Modell registriert haben, können Sie es mit einem oder mehreren Datensätzen testen, um seine Leistung zu beurteilen. Sie können einen oder mehrere Bewertungsaufträge aus Amazon S3 hinzufügen oder Ihren eigenen Bewertungsauftrag definieren, indem Sie alle Details manuell eingeben. **Wenn Sie einen Job aus Amazon S3 hinzufügen, füllt SageMaker AI die Felder für alle Unterseiten auf der Registerkarte Evaluieren vorab aus.** Wenn Sie Ihren eigenen Bewertungsjob definieren, müssen Sie Details zu Ihrem Bewertungsjob manuell hinzufügen.
**Führen Sie die folgenden Schritte aus, um Ihrem Modellpaket Ihren ersten Bewertungsauftrag hinzuzufügen.**
1. Wählen Sie die Registerkarte **Evaluieren**.
1. Wählen Sie **Hinzufügen** aus.
1. Sie können einen Bewertungsauftrag aus Amazon S3 oder einen benutzerdefinierten Bewertungsauftrag hinzufügen.
1. Führen Sie die folgenden Schritte aus, um einen Bewertungsauftrag mit Begleitmaterial von Amazon S3 hinzuzufügen.
1. Wählen Sie **S3** aus.
1. Geben Sie einen Namen für den Bewertungsauftrag ein.
1. Geben Sie den Amazon-S3-Standort für das Ausgabematerial Ihres Bewertungsauftrags ein.
1. Wählen Sie **Hinzufügen** aus.
1. Um einen benutzerdefinierten Bewertungsauftrag hinzuzufügen, führen Sie den folgenden Schritt aus, um Ihren Auftrag zur Bewertung hinzuzufügen:
1. Wählen Sie **Custom (Benutzerdefiniert)** aus.
1. Geben Sie einen Namen für den Bewertungsauftrag ein.
1. Wählen Sie **Hinzufügen** aus.
**Führen Sie die folgenden Schritte aus, um Ihrem Modellpaket einen zusätzlichen Bewertungsauftrag hinzuzufügen.**
1. Wählen Sie die Registerkarte **Evaluieren**.
1. Wählen Sie auf der Registerkarte „**Zug**“ das **Zahnradsymbol** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/icons/Settings_squid.png)).
1. Wählen Sie im Dialogfeld **Hinzufügen** aus.
1. Sie können einen Bewertungsauftrag aus Amazon S3 oder einen benutzerdefinierten Bewertungsauftrag hinzufügen.
1. Führen Sie die folgenden Schritte aus, um einen Bewertungsauftrag mit Begleitmaterial von Amazon S3 hinzuzufügen.
1. Wählen Sie **S3** aus.
1. Geben Sie einen Namen für den Bewertungsauftrag ein.
1. Geben Sie den Amazon-S3-Standort für das Ausgabematerial Ihres Bewertungsauftrags ein.
1. Wählen Sie **Hinzufügen** aus.
1. Um einen benutzerdefinierten Bewertungsauftrag hinzuzufügen, führen Sie den folgenden Schritt aus, um Ihren Auftrag zur Bewertung hinzuzufügen:
1. Wählen Sie **Custom (Benutzerdefiniert)** aus.
1. Geben Sie einen Namen für den Bewertungsauftrag ein.
1. Wählen Sie **Hinzufügen** aus.
# Entfernen Sie einen Evaluierungsauftrag (Studio)
Sie können einen extern oder mit SageMaker KI erstellten Bewertungsauftrag aus Ihrem Modell entfernen, indem Sie die folgenden Schritte ausführen.
**Führen Sie die folgenden Schritte aus, um Ihren Evaluierungsauftrag aus Ihrem Modellpaket zu entfernen.**
1. Wählen Sie die Registerkarte **Evaluieren**.
1. Wählen Sie auf der Registerkarte „**Zug**“ das **Zahnradsymbol** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/icons/Settings_squid.png)).
1. (Optional) Um Ihren Bewertungsjob in der Liste zu finden, geben Sie einen Suchbegriff in das Suchfeld ein, um die Auswahlliste einzugrenzen.
1. Aktivieren Sie das Optionsfeld neben Ihrem Bewertungsauftrag.
1. Wählen Sie **Remove (Entfernen)** aus.
1. Wählen Sie **Ja, ich möchte löschen**.
1. Wählen Sie **Fertig** aus.
# Aktualisieren Sie einen Evaluierungsjob (Studio)
Gehen Sie wie folgt vor, um die Details eines extern oder mit SageMaker KI erstellten Evaluierungsauftrags zu aktualisieren, der mit Ihrem Modell verknüpft ist.
**Um Details zum Evaluierungsjob zu aktualisieren (und anzuzeigen):**
1. Sehen **Sie sich auf der Registerkarte Evaluieren** den Status des Evaluierungsjobs an. Der Status gibt an`Complete`, ob Sie Ihrem Modellpaket einen Evaluierungsjob hinzugefügt haben und `Undefined` falls nicht.
1. Um Details zu Ihrem Evaluierungsjob, wie Leistung und Position der Artefakte, einzusehen, wählen Sie die Registerkarte **Evaluieren**.
1. Aktualisieren Sie Details zur Modellleistung während der Bewertung, indem Sie die folgenden Schritte ausführen.
1. Wählen Sie in der Seitenleiste der Registerkarte **Evaluieren** die Option **Leistung** aus.
1. Sehen Sie sich in der Metrikenliste **Kennzahlen** an, die sich auf Ihre Bewertungsaufgabe beziehen. In der **Metrikenliste** werden die einzelnen Metriken nach Namen, Wert und allen Anmerkungen angezeigt, die Sie zu der Metrik hinzugefügt haben.
1. Sehen Sie sich im Textfeld **Beobachtungen** alle Notizen an, die Sie zur Leistung Ihrer Bewertungsaufgabe hinzugefügt haben.
1. Gehen Sie wie folgt vor, um eines der **Notizfelder** für eine Metrik oder das Feld **Beobachtungen** zu aktualisieren.
1. Wählen Sie die vertikale Ellipse oben rechts auf der Modellversionsseite und wählen Sie **Bearbeiten**.
1. Geben Sie Anmerkungen für eine beliebige Metrik oder in das Textfeld **Beobachtungen** ein.
1. Wählen Sie oben auf der Seite mit der Modellversion die Option In der **Bearbeitung der Modellversion **speichern**...** u-Banner.
1. Aktualisieren Sie Details zu Ihren Bewertungs-Job-Datensätzen, indem Sie die folgenden Schritte ausführen.
1. Wählen Sie in der linken Seitenleiste der Seite **Evaluieren** die Option **Artefakte** aus.
1. Sehen Sie sich die Datensätze an, die in Ihrem Bewertungsjob verwendet wurden.
1. (Optional) Um einen Datensatz hinzuzufügen, wählen Sie **Hinzufügen** aus und geben Sie eine Amazon-S3-URI für den Datensatz ein.
1. (Optional) Um einen Datensatz zu entfernen, wählen Sie das **Papierkorbsymbol** neben dem Datensatz, den Sie entfernen möchten.
1. Um den Jobnamen und den ARN des Evaluierungsjobs anzuzeigen, wählen Sie **Details** aus.
# Aktualisieren Sie die Prüfungsinformationen (Governance) (Studio)
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich auf die Verwendung der aktualisierten Studio-Erfahrung. Informationen zur Verwendung der Studio-Classic-Anwendung finden Sie unter [Amazon SageMaker Studio Klassisch](studio.md).
Dokumentieren Sie wichtige Modelldetails, damit Ihr Unternehmen ein solides Framework für Modell-Governance einrichten kann. Sie und Ihre Teammitglieder können auf diese Details zurückgreifen, sodass sie das Modell für die entsprechenden Anwendungsfälle verwenden, den Geschäftsbereich und die Eigentümer des Modells kennen und die Modellrisiken verstehen. Sie können auch Details zur erwarteten Leistung des Modells und zu den Gründen für Leistungseinschränkungen speichern.
**Führen Sie die folgenden Schritte aus, um Details zur Modellsteuerung anzuzeigen oder zu aktualisieren.**
1. Zeigen Sie auf der Registerkarte **Audit** den Genehmigungsstatus der Musterkarte an. Der Status kann einer der folgenden sein:
+ **Entwurf**: Die Modellkarte ist immer noch ein Entwurf.
+ **Genehmigung ausstehend**: Die Modellkarte wartet auf ihre Genehmigung.
+ **Genehmigt**: Die Modellkarte wurde genehmigt.
1. Um den Genehmigungsstatus der Modellkarte zu aktualisieren, wählen Sie das Pulldown-Menü neben dem Genehmigungsstatus und wählen Sie den aktualisierten Genehmigungsstatus aus.
1. Aktualisieren Sie Details zu Ihrem Modellpaketrisiko, indem Sie die folgenden Schritte ausführen, um Details zu aktualisieren und anzuzeigen.
1. Wählen Sie in der linken Seitenleiste der Registerkarte **Audit** die Option **Risiko** aus.
1. Sehen Sie sich die aktuelle Risikobewertung und die Erläuterung der Risikoeinstufung an.
1. Aktualisieren Sie die Bewertung oder Erklärung, indem Sie die folgenden Schritte ausführen.
1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der **Audit-Seite** und wählen Sie **Bearbeiten**.
1. (Optional) Wählen Sie eine aktualisierte Risikoeinstufung.
1. (Optional) Aktualisieren Sie die Erläuterung der Risikoeinstufung.
1. Wählen Sie oben auf der Seite mit der Modellversion die Option In der **Bearbeitung der Modellversion **speichern**...** u-Banner.
1. Aktualisieren Sie Details zur Verwendung Ihres Modellpakets, indem Sie die folgenden Schritte ausführen.
1. Wählen Sie in der linken Seitenleiste der Registerkarte **Audit** die Option **Verwendung** aus.
1. Sehen Sie sich den Text an, den Sie in den folgenden Feldern hinzugefügt haben:
+ **Problemtyp**: Die Kategorie des Algorithmus für maschinelles Lernen, der zur Erstellung Ihres Modells verwendet wurde.
+ **Algorithmustyp**: Der spezifische Algorithmus, der zur Erstellung Ihres Modells verwendet wurde.
+ **Verwendungszwecke**: Die aktuelle Anwendung des Modells in Ihrem Geschäftsproblem.
+ **Faktoren, die die Wirksamkeit des Modells beeinflussen**: Hinweise zu den Leistungseinschränkungen Ihres Modells.
+ **Empfohlene Verwendung**: Die Arten von Anwendungen, die Sie mit dem Modell erstellen können, die Szenarien, in denen Sie eine angemessene Leistung erwarten können, oder die Art der Daten, die mit dem Modell verwendet werden sollen.
+ **Ethische Überlegungen**: Eine Beschreibung, wie Ihr Modell aufgrund von Faktoren wie Alter oder Geschlecht diskriminieren könnte.
1. Aktualisieren Sie eines der zuvor aufgelisteten Felder, indem Sie die folgenden Schritte ausführen.
1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Seite mit der Modellversion und wählen Sie dann **„Bearbeiten“**.
1. (Optional) Verwenden Sie die Dropdownmenüs für **Problemtyp** und **Algorithmustyp**, um bei Bedarf neue Werte auszuwählen.
1. (Optional) Aktualisieren Sie die Textbeschreibungen in den verbleibenden Feldern.
1. Wählen Sie oben auf der Seite mit der Modellversion die Option In der **Bearbeitung der Modellversion **speichern**...** u-Banner.
1. Aktualisieren Sie Details zu den Beteiligten Ihres Modellpakets, indem Sie die folgenden Schritte ausführen.
1. Wählen Sie in der linken Seitenleiste der Registerkarte **Audit** die Option **Stakeholder** aus.
1. Sehen Sie sich den aktuellen Besitzer und Ersteller des Modells an, falls vorhanden.
1. Aktualisieren des Besitzers oder Erstellers des Modells, indem Sie die folgenden Schritte ausführen:
1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Seite mit der Modellversion und wählen Sie dann **„Bearbeiten“**.
1. Aktualisieren Sie die Felder Modellbesitzer oder Modellersteller.
1. Wählen Sie oben auf der Seite mit der Modellversion die Option In der **Bearbeitung der Modellversion **speichern**...** u-Banner.
1. Gehen Sie wie folgt vor, um Details zu dem Geschäftsproblem, das mit Ihrem Modellpaket behoben wird, zu aktualisieren und einzusehen.
1. Wählen Sie in der linken Seitenleiste der Registerkarte **Audit** die Option **Business** aus.
1. Sehen Sie sich die aktuellen Beschreibungen, falls vorhanden, für das Geschäftsproblem an, das das Modell adressiert, für die Beteiligten am Geschäftsproblem und für den Geschäftsbereich.
1. Gehen Sie wie folgt vor, um eines der Felder auf der Registerkarte „**Unternehmen**“ zu aktualisieren.
1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Seite mit der Modellversion und wählen Sie dann **„Bearbeiten“**.
1. Aktualisieren Sie die Beschreibungen in einem der Felder.
1. Wählen Sie oben auf der Seite mit der Modellversion die Option In der **Bearbeitung der Modellversion **speichern**...** u-Banner.
1. Gehen Sie wie folgt vor, um die vorhandene Dokumentation (dargestellt als Schlüssel-Wert-Paare) für Ihr Modell zu aktualisieren und anzuzeigen.
1. **Wählen Sie in der linken Seitenleiste der Audit-Seite die Option **Dokumentation** aus.**
1. Zeigen Sie vorhandene Schlüssel-Wert-Paare an.
1. Führen Sie die folgenden Schritte aus, um Schlüssel-Wert-Paare hinzuzufügen.
1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Seite mit der Modellversion und wählen Sie dann **„Bearbeiten“**.
1. Wählen Sie **Hinzufügen** aus.
1. Geben Sie einen neuen Schlüssel und den zugehörigen Wert ein.
1. Wählen Sie oben auf der Seite mit der Modellversion die Option In der **Bearbeitung der Modellversion **speichern**...** u-Banner.
1. Gehen Sie wie folgt vor, um alle Schlüssel-Wert-Paare zu entfernen.
1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Seite mit der Modellversion und wählen Sie dann **„Bearbeiten“**.
1. Wählen Sie das **Papierkorbsymbol** neben dem Schlüssel-Wert-Paar, das Sie entfernen möchten.
1. Wählen Sie oben auf der Seite mit der Modellversion die Option In der **Bearbeitung der Modellversion **speichern**...** u-Banner.
# Bereitstellungsinformationen aktualisieren (Studio)
**Wichtig**
Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich auf die Verwendung der aktualisierten Studio-Erfahrung. Informationen zur Verwendung der Studio-Classic-Anwendung finden Sie unter [Amazon SageMaker Studio Klassisch](studio.md).
Nachdem Sie die Leistung Ihres Modells bewertet und festgestellt haben, dass es für Produktionsworkloads einsatzbereit ist, können Sie den Genehmigungsstatus des Modells ändern, um die CI/CD Bereitstellung zu starten. Weitere Informationen zu Definitionen des Genehmigungsstatus finden Sie unter [Aktualisieren des Genehmigungsstatus eines Modells](model-registry-approve.md).
**Führen Sie die folgenden Schritte aus, um Details zur Bereitstellung des Modellpakets anzuzeigen oder zu aktualisieren.**
1. Sehen **Sie sich auf der Registerkarte Bereitstellen** den Genehmigungsstatus des Modellpakets an. Mögliche Werte können folgende sein:
+ **Ausstehende Genehmigung**: Das Modell ist registriert, aber noch nicht für die Bereitstellung genehmigt oder abgelehnt.
+ **Genehmigt**: Das Modell ist für den CI/CD-Einsatz zugelassen. Wenn es eine EventBridge Regel gibt, die die Modellbereitstellung bei einer Modellgenehmigung einleitet, wie dies bei einem Modell der Fall ist, das auf einer SageMaker KI-Projektvorlage basiert, stellt SageMaker KI das Modell ebenfalls bereit.
+ **Abgelehnt: Die Bereitstellung des Modells wurde abgelehnt**.
Wenn Sie den Genehmigungsstatus ändern müssen, wählen Sie das Dropdownmenü neben dem Status und wählen Sie den aktualisierten Status aus.
1. Um den Genehmigungsstatus des Modellpakets zu aktualisieren, wählen Sie das Dropdown-Menü neben dem Genehmigungsstatus und wählen Sie den aktualisierten Genehmigungsstatus aus.
1. Sehen Sie sich in der **Containerliste die Container** für das Inferenzbild an.
1. Sehen Sie sich in der **Instancesliste** die Instances an, aus denen Ihr Bereitstellungsendpunkt besteht.