- Einleitung
- Einrichten Ihres Kontos
- Ausgewogenheit
- Cluster
- Konzeptabweichung
- Abdeckung
- Datasets
- Allgemeine Felder
- Beschriftungen (Vorhersagen, Konfidenzniveaus, Beschriftungshierarchie und Beschriftungsstimmung)
- Modelle
- Streams
- Modellbewertung
- Projekte
- Präzision
- Rückruf
- Nachrichten mit und ohne Anmerkungen
- Extraktionsfelder
- Quellen
- Taxonomien
- Training
- „True“ und „false“ positive und negative Vorhersagen
- Validierung
- Messages
- Zugriffssteuerung und Administration
- Verwalten Sie Quellen und Datasets
- Verstehen der Datenstruktur und -berechtigungen
- Erstellen oder Löschen einer Datenquelle in der GUI
- Vorbereiten von Daten für den CSV-Upload
- Hochladen einer CSV-Datei in eine Quelle
- Ein Dataset wird erstellt
- Mehrsprachige Quellen und Datasets
- Aktivieren der Stimmung für ein Dataset
- Ändern der Dataset-Einstellungen
- Löschen einer Nachricht
- Löschen eines Datasets
- Exportieren eines Datasets
- Verwenden von Exchange-Integrationen
- Modelltraining und -wartung
- Grundlegendes zu Beschriftungen, allgemeinen Feldern und Metadaten
- Beschriftungshierarchie und Best Practices
- Vergleichen von Anwendungsfällen für Analyse und Automatisierung
- Konvertieren Ihrer Ziele in Bezeichnungen
- Übersicht über den Modelltrainingsprozess
- Generative Anmerkung
- Der Status des Datasets
- Best Practice für Modelltraining und Anmerkungen
- Training mit aktivierter Beschriftungs-Stimmungsanalyse
- Grundlegendes zu Datenanforderungen
- Trainieren
- Einführung in Verfeinerung
- Erläuterungen zu Präzision und Rückruf
- Präzision und Rückruf
- So funktioniert die Validierung
- Verstehen und Verbessern der Modellleistung
- Gründe für die geringe durchschnittliche Beschriftungsgenauigkeit
- Training mit Beschriftung „Überprüfen“ und Beschriftung „Verpasst“.
- Training mit der Bezeichnung „Teach“ (Verfeinern)
- Training mit der Suche (verfeinern)
- Verstehen und Erhöhen der Abdeckung
- Verbesserung des Abgleichs und Verwendung des Abgleichs
- Wann das Training Ihres Modells beendet werden soll
- Verwenden von allgemeinen Feldern
- Generative Extraktion
- Verwenden von Analyse und Überwachung
- Automations and Communications Mining™
- Entwickler (Developer)
- Verwenden der API
- API-Tutorial
- Quellen
- Datasets
- Anmerkungen
- Anhänge (Attachments)
- Vorhersagen
- Erstellen Sie einen Stream
- Aktualisieren Sie einen Stream
- Rufen Sie einen Stream nach Namen ab
- Rufen Sie alle Streams ab
- Löschen Sie einen Stream
- Ergebnisse aus Stream abrufen
- Kommentare aus einem Stream abrufen (Legacy)
- Bringen Sie einen Stream vor
- Einen Stream zurücksetzen
- Kennzeichnen Sie eine Ausnahme
- Entfernen Sie das Tag einer Ausnahme
- Prüfungsereignisse
- Alle Benutzer abrufen
- Hochladen von Daten
- Herunterladen von Daten
- Exchange Integration mit einem Azure-Dienstbenutzer
- Exchange-Integration mit der Azure-Anwendungsauthentifizierung
- Exchange-Integration mit Azure Application Authentication und Graph
- Migration Guide: Exchange Web Services (EWS) to Microsoft Graph API
- Abrufen von Daten für Tableau mit Python
- Elasticsearch-Integration
- Allgemeine Feldextraktion
- Selbst gehostete Exchange-Integration
- UiPath® Automatisierungs-Framework
- Offizielle UiPath®-Aktivitäten
- Wie Maschinen lernen, Wörter zu verstehen: eine Anleitung zu Einbettungen in NLP
- Eingabeaufforderungsbasiertes Lernen mit Transformers
- Ef Robots II: Wissensdegesterration und Feinabstimmung
- Effiziente Transformer I: Warnmechanismen
- Tief hierarchische, nicht überwachte Absichtsmodellierung: Nutzen ohne Trainingsdaten
- Beheben von Anmerkungsverzerrungen mit Communications Mining™
- Aktives Lernen: Bessere ML-Modelle in weniger Zeit
- Auf Zahlen kommt es an – Bewertung der Modellleistung mit Metriken
- Darum ist Modellvalidierung wichtig
- Vergleich von Communications Mining™ und Google AutoML für Conversation Data Intelligence
- Lizenzierung
- Häufige Fragen und mehr

Communications Mining-Benutzerhandbuch
Konfigurieren von Feldern
Übersicht über das Einrichten von Extraktionsfeldern
Richten Sie Ihre Beschriftungen ein und entscheiden Sie über die Prozesse, die Sie automatisieren möchten. Richten Sie die Extraktionen unter Berücksichtigung ihrer Vorteile auf eine der folgenden Arten ein. In diesem Abschnitt ist es sehr wichtig, zu entscheiden, welche Datenpunkte Sie extrahieren müssen, um die End-to-End-Automatisierung zu erleichtern
Stellen Sie sicher, dass ein Feldtyp für jedes Feld den richtigen Datentyp verwendet, da Sie den Feldtyp nicht ändern können, ohne Anmerkungen zu verlieren. Nachdem Sie den Feldtyp geändert haben, können Sie das Feld nur manuell neu beschriften, was zeitaufwändig sein kann.
Seite Erkunden
- Sie können zu jedem Zeitpunkt während des Modelltrainingsprozesses eine neue Extraktion einrichten, Ihr Schema ändern oder Ihrem vorhandenen Schema in Explore zusätzliche Felder hinzufügen
- Durch das Einrichten Ihrer Extraktionen in Explore können Sie:
- Ihre Felder auf Daten aus Ihren Nachrichten basieren.
- neue Felder zu Extraktionen hinzufügen, sobald Sie sie sehen.
Seite Einstellungen
- Zu jedem Zeitpunkt während des Modelltrainingsprozesses können Sie eine neue Extraktion einrichten, Ihr Schema ändern oder Ihrem vorhandenen Schema in den Einstellungen zusätzliche Felder hinzufügen.
- Wenn Sie im Voraus wissen, welche Felder Sie extrahieren möchten, können Sie Ihre Extraktionen in den Einstellungen massenweise einrichten.
Seite trainieren
Wenn Sie Ihr Modell über die Registerkarte Trainieren trainieren, können Sie alle neuen Extraktionen einrichten. Sie können auch sowohl Beschriftungen als auch Feldextraktionen mit Anmerkungen versehen, während Sie das geführte Training durchlaufen.
Allgemeine Anleitung
Die generativen LLM-Funktionen der Plattform erstellen die Extraktionen. Vorhersagen basieren auf der trainierten Beschriftung und dem Feldnamen.
Um Ihre Extraktionen einzurichten, richten Sie Ihre Felder ein, die einen Namen und einen Feldtyp erfordern. Es wird empfohlen, dies auf der niedrigsten Bezeichnung auf untergeordneter Ebene zu tun.
Seien Sie beschreibend und prägnant. Wählen Sie Feldnamen aus, die die Daten, die sie darstellen, genau beschreiben. Achten Sie auf ein Ausgewogenheit zwischen Kürze und Klarheit. Geben Sie Ihrem Feld einen genauen und beschreibenden Namen, da er dem Modell den erforderlichen Kontext für die Rolle des Felds gibt.
Wenn Sie beispielsweise bei einer Adressänderung nur eine neue Adresse extrahieren möchten, ist es hilfreich, Feldnamen mit folgenden Namen konfiguriert zu haben: neue Adresse, neue Stadt, neue Postleitzahl und neue Stadt.
Vermeiden Sie nicht eindeutige Feldnamen. Stellen Sie sicher, dass Feldnamen eindeutig sind und nicht leicht mit anderen Feldern oder Konzepten in Ihrem Projekt verwechselt werden können. Anstatt beispielsweise Wert zu verwenden, verwenden Sie einen spezifischeren Namen wie den Umsatzbetrag oder den Kontostand
Sie können Extraktionsfelder mit demselben Feldtyp in, aber nicht für mehrere allgemeine Felder haben. Um dies für allgemeine Felder zu beheben, erstellen Sie einen weiteren Feldtyp mit den gleichen Einstellungen, um dies zu beheben.
Wenn Sie eine Datumsänderungsbeschriftung haben und die Felder „Datum vor“ und „Datum nach“ erfassen möchten, können Sie nicht denselben Datentyp an beide Felder gebunden haben, z. B. einen Datumsdatentyp, der als zugrundeliegender Feldtyp für beide Formulardefinitionen verwendet wird . Infolgedessen müssen Sie zwei verschiedene Feldtypen erstellen, einen für Datum vor und einen anderen für Datum nach, und sie den jeweiligen Formulardefinitionen zuordnen
Best Practice für Feldnamen
Ein Feldname wird verwendet, um das Modell aufzurufen. Wenn Ihre Extraktionen nicht wie erwartet funktionieren, passen Sie Ihren Feldnamen an, um spezieller für Ihren Anwendungsfall zu sein. Das Anpassen des Feldnamens kann die Leistung verbessern.
Die folgenden Feldnamen sind nur Beispiele, und wie Sie Ihre Felder benennen, ist also anwendungsfallabhängig und hängt vom Kontext ab, in dem Sie extrahieren möchten
| Use case | Nicht empfohlene Feldnamen | Bessere Feldnamen |
|---|---|---|
| Als Teil einer Adressänderungsanforderung möchten Sie die Details der neuen Adresse extrahieren, die im Anschluss in Ihr System eingegeben werden sollen. |
|
|
| Im Rahmen einer Logistik Versandanfrage möchten Sie die gesamte Steueraufschlüsselung, sowohl den Mehrwertsteuerbetrag als auch den Mehrwertsteuersatz, für jede Ihrer Waren ermitteln, die in SAP eingegeben werden sollen. |
|
|
| Im Rahmen einer Rechnungsänderungsanforderung möchten Sie feststellen, wie die alte Rechnungsnummer lautete und in was sie geändert werden muss, um die alte Rechnung zu stornieren und eine neue erneut auszustellen. |
|
|
Allgemeine vs. Extraktionsfelder
Es gibt zwei verschiedene Arten von Feldern, die die End-to-End-Automatisierung erleichtern:
- Allgemeine Felder
- Extraktionsfelder.
Es ist wichtig, die verschiedenen in Communications Mining verfügbaren Feldtypen zu verstehen und zu wissen, wann sie jeweils verwendet werden sollen.
| Allgemeine Felder | Extraktionsfelder |
|---|---|
Allgemeine Felder sind Felder, die Sie möglicherweise extrahieren möchten und die sich in mehreren verschiedenen Themen oder Beschriftungen in einem Dataset befinden können.
| Extraktionsfelder sind die Felder, die für eine bestimmte Beschriftung konditioniert und erstellt werden. Mit anderen Worten: Sie ist an eine bestimmte Beschriftung gebunden, die Sie automatisieren möchten.
|
Wenn Sie Ihr Extraktionsschema einrichten, müssen Sie entscheiden, welchen Prozess bzw. welche Bezeichnung Sie automatisieren möchten. Ihr Extraktionsschema sollte immer alle Felder enthalten, die für die automatische Bearbeitung der Anfrage erforderlich sind.
In der folgenden Tabelle werden die wichtigsten Unterschiede zwischen allgemeinen Feldern und Extraktionsfeldern erfasst. Überprüfen Sie die Unterschiede, da zwei völlig unterschiedliche Modelle diese Feldarten vorhersagen.
| Feldtyp | Vorhergesagt | Überprüft um | Sparless* vs.Spanisch* | Spannen überschneiden? | Teilen Sie Feldtypen zwischen Feldern derselben Art | Unterstützte Datentypen** |
| Allgemeine Felder | Automatisch datasetübergreifend | Auf Absatzebene | Nur spanful | Nein | Nein |
|
| Extraktionsfelder | Nur bei Bedarf | Eine Nachrichtenebene (im Beschriftungskontext). | Sowohl spanless als auch spanless | Ja | Ja |
|
*Weitere Informationen finden Sie unter Spanisch Das Feld „Spanful“ und „Spanless“
**Weitere Informationen zu den Datentypen, die jedes Feld unterstützt, finden Sie unter Einrichten von Feldtypen.
Beispiel für Extraktionsfelder
In diesem Beispiel kann die Plattform die Extraktionsfelder identifizieren, die für die Erleichterung der End-to-End-Automatisierung dieser beiden Beschriftungen relevant sind.

Beispiel für allgemeine Felder
In diesem Beispiel ist die Plattform nicht sicher genug, dass eine bestimmte Beschriftung in der Taxonomie für diese Nachricht zutrifft. Die Plattform kann weiterhin bestimmte Felder aus der Nachricht selbst extrahieren. Wenn Sie allgemeine Felder einrichten, kann die Plattform diese Felder unabhängig von einer Beschriftungsvorhersage erfassen.

Einrichten von Feldern in Explore
Um sowohl Ihre allgemeinen Felder als auch Ihre Extraktionsfelder über die Seite „Durchsuchen“ einzurichten oder zu ändern, wenden Sie die folgenden Schritte an:
Stellen Sie sicher, dass ein Feldtyp für jedes Feld den richtigen Datentyp verwendet, da Sie den Feldtyp nicht ändern können, ohne Anmerkungen zu verlieren. Nachdem Sie den Feldtyp geändert haben, können Sie das Feld nur manuell neu beschriften, was zeitaufwändig sein kann.
-
Wählen Sie bei einer Kommunikation mit einer Beschriftung, in der Sie Ihr Extraktionsfeld in Explore definieren möchten, die Option Felder mit Anmerkungen versehen aus.
-
Wenn Sie ein Extraktionsfeld einrichten, zeigen Sie mit dem Mauszeiger in der Leiste Feldanmerkungen auf der rechten Seite auf den Beschriftungsnamen und wählen Sie Felder verwalten aus. Wenn Sie ein allgemeines Feld einrichten, bewegen Sie den Mauszeiger neben Allgemeine Felder und verwalten Sie dort Ihre Felder

-
Wählen Sie Neues Extraktionsfeld aus, um ein neues Extraktionsfeld hinzuzufügen. Sie können mehr als ein Feld hinzufügen
-
Geben Sie den /die Extraktionsfeldnamen und den Feldtyp ein, die Sie extrahieren möchten. Sie können einen vorhandenen Feldtyp auswählen oder einen neuen erstellen, wenn das, was Sie extrahieren möchten, nicht konfiguriert ist.
-
Wählen Sie Speichern aus , um die Extraktionsfelder zu speichern.
Hinweis:In der Anmerkungsoberfläche wird das erste unter einer Beschriftung konfigurierte Feld als Identifikationsfeld für eine Extraktion angezeigt, insbesondere wenn die Extraktion reduziert wird. Um zu ändern, welches Feld angezeigt wird, ordnen Sie die Felder einfach per Drag-and-Drop neu an.
Einrichten von Feldern in Einstellungen
Um sowohl Ihre allgemeinen Felder als auch Ihre Extraktionsfelder über die Seite Einstellungen einzurichten oder zu ändern, führen Sie die folgenden Schritte aus:
Wenn Sie Ihre Felder auf der Registerkarte Trainieren einrichten, werden Sie zur Registerkarte Einstellungen umgeleitet, um sie zu konfigurieren.
Stellen Sie sicher, dass ein Feldtyp für jedes Feld den richtigen Datentyp verwendet, da Sie den Feldtyp nicht ändern können, ohne Anmerkungen zu verlieren. Nachdem Sie den Feldtyp geändert haben, können Sie das Feld nur manuell neu beschriften, was zeitaufwändig sein kann.
Um Felder auch per Train zu konfigurieren, führen Sie die folgenden Schritte aus:
-
Wechseln Sie zu Einstellungen, dann Taxonomie.
-
Um ein Extraktionsfeld zu erstellen, wechseln Sie zur Registerkarte Beschriftungen und Felder .
-
Wählen Sie auf der spezifischen Beschriftung, auf der Sie ein Extraktionsfeld erstellen möchten, das Dropdownmenü aus. Wenn Sie die Dropdownliste auswählen, wird die Liste aller Felder auf einer bestimmten Beschriftung erweitert.
-
Um ein neues Extraktionsfeld hinzuzufügen, wählen Sie unten Extraktionsfeld aus
-
Geben Sie den Feldnamen sowie den Extraktionsfeldtyp ein, um Ihr neues Extraktionsfeld zu konfigurieren.

-
Um ein neues allgemeines Feld zu erstellen, wechseln Sie zur Registerkarte Allgemeine Felder . Wählen Sie Neues Feld in der oberen rechten Ecke aus
-
Füllen Sie den Feldnamen und den Typ des allgemeinen Felds aus, um Ihre neuen allgemeinen Felder zu konfigurieren

In der Anmerkungsoberfläche wird das erste unter einer Beschriftung konfigurierte Feld als Identifikationsfeld für eine Extraktion angezeigt, insbesondere wenn die Extraktion reduziert wird. Um zu ändern, welches Feld angezeigt wird, ordnen Sie die Felder einfach per Drag-and-Drop neu an.
Einrichten von Feldtypen
Beim Einrichten Ihrer Felder müssen Sie den spezifischen Datentyp auswählen. Die Standardtypen sind:
-
Datum
-
Genauer Text
-
Abgeleiteter Text
-
Geldmenge
-
Nummer
Hinweis:Sie können einen Feldtyp ausschließlich für allgemeine Felder oder Extraktionsfelder verwenden, die nicht von ihnen gemeinsam genutzt werden können. Zudem können Sie nur die Feldtypen Abgeleiteter Text und Zahl für Extraktionsfelder verwenden.

Informationen zur Verwendung der einzelnen Feldtypen finden Sie in der folgenden Tabelle:
| Feldtypen | ||||
| Datentyp | Allgemeines Feld | Extraktionsfeld | Beschreibung | Beispiele |
| Zeichenfolge | X | X | Strings können beliebige Zeichen wie Buchstaben, Zahlen usw. enthalten. Strings können auch Eingabewerte haben, die explizit in der Nachricht vorhanden sind (spanful) oder abgeleitet (spanless). Sehen Sie sich weitere Informationen zu Spannlast-Feldern an . |
|
| Datum* | X | X | Datumsangaben gibt es in verschiedenen unstrukturierten Formaten und verwenden das vortrainierte Datumsfeld von UiPath®. |
|
| Nummer | X | X | Mengen gibt es in verschiedenen unstrukturierten Formaten und verwenden das vortrainierte UiPath®-Mengenfeld, um Zahlen zu interpretieren |
|
| MonetärMenge* | X | X | Geldmengen gibt es in der Regel in verschiedenen unstrukturierten Formaten und verwenden das vortrainierte Geldmengenmodell von UiPath ®. |
|
| RegEx | X | | Wenn ein bestimmtes Feld immer in einem bestimmten Format extrahiert werden muss, können die Regeln mit RegEx konfiguriert werden. Weitere Informationen finden Sie unter Erstellen von benutzerdefinierten allgemeinen Feldern mit regulären Ausdrücken . |
|
| Vorlage | X | | Überprüfen Sie die Liste der unterstützten Vorlagen . |
|
*Innerhalb der Plattform sind Geldmengen und Daten allgemeine Feldtypen, die automatisch normalisiert werden. Weitere Informationen zur Feldnormalisierung finden Sie unter Formatierung allgemeiner Felder.
Viele Felder müssen möglicherweise in ein strukturiertes Datenformat für nachgelagerte Prozesse normalisiert werden.
Spannendes Feld
Ein Spanisch-Feld ist ein Datenpunkt, der ausdrücklich im Text angegeben ist, zum Beispiel eine Handels-ID, eine Versicherungsnummer.
Spannloses Feld
Ein Spannless-Feld ist ein Datenpunkt, der möglicherweise nicht explizit im Text angegeben ist , aber aus der Nachricht extrahiert werden muss (d. h. aus der Nachricht abgeleitet werden kann). Mit anderen Worten: Der Textabschnitt, den Sie extrahieren möchten, ist möglicherweise nicht unbedingt in der Nachricht vorhanden .
Geben Sie beim Einrichten von allgemeinen Feldern an, ob der Eingabewert in der Nachricht vorhanden sein muss oder ob er aus der Nachricht abgeleitet werden kann (d. h – muss genau so aus dem Text extrahiert werden, wie er ist).
Einige Beispiele für Felder, die möglicherweise spannless sein müssen:
- Werte, die normalisiert werden müssen, z. B. ein Datum
- Werte, die über verschiedene Bereiche in einer E-Mail hinweg verkettet werden müssen.
- Werte, die nirgendwo in einer E-Mail vorhanden sind, aber durch die Art der E-Mail impliziert werden
- Werte, die sich über mehrere Absätze, Zeilen oder Spalten erstrecken, d. h. die nicht in einem kontinuierlichen Bereich erscheinen.
Hinweis:
Spannlose Felder sind nur verfügbar, wenn der Datentyp als String in einem Extraktionsfeld konfiguriert ist.
Überprüfen Sie die folgenden Beispiele für die Optionen unter dem Eingabewert beim Erstellen eines neuen Feldtyps:
-
Muss in der Nachricht vorhanden sein – Diese Option ist eine Spanne.
-
Aus der Nachricht abgeleitet – Diese Option ist spannless.

Erstellen eines neuen Feldtyps
Ein Feldtyp ist der Ausgangsstatus Ihres neuen Felds. Wenn Sie keinen Feldtyp zum Verwenden haben, führen Sie die folgenden Schritte aus, um einen neuen Feldtyp einzurichten. Sie können den neuen Feldtyp über das Dropdownmenü beim Erstellen eines Felds oder auch auf der Seite Feldtyp selbst einrichten.
Fügen Sie einen möglichst breiten Feldtyp hinzu und optimieren Sie ihn dann, um ihn spezifischer zu gestalten. Konfigurieren Sie den Feldtyp wie folgt:
-
Name – Geben Sie Ihrem Feldtyp einen Namen.
Hinweis:Der Feldtypname wird vom Modell nicht in der Weise für den Kontext verwendet wie Feldnamen.
-
Definieren für – Definieren Sie, ob Sie einen neuen Feldtyp für ein Extraktionsfeld oder ein allgemeines Feld einrichten. Wählen Sie eine der folgenden Optionen aus: Extraktionsfeld oder Allgemeines Feld
-
Datentyp – Wählen Sie beim Einrichten Ihrer allgemeinen Felder oder Extraktionsfelder den spezifischen Datentyp für den Feldtyp aus.
Hinweis:Je nachdem, ob Sie einen neuen Feldtyp oder ein allgemeines Feld für eine Extraktion einrichten, kann Ihr Datentyp, den Sie konfigurieren können, variieren. Je nach ausgewähltem Datentyp sind auch zusätzliche Konfigurationen möglich.
-
Eingabewert – Wählen Sie eine der folgenden Optionen aus:
- Muss in der Nachricht vorhanden sein – Der Wert muss als kontinuierlicher Textabschnitt in der Nachricht vorhanden sein.
- Aus der Nachricht abgeleitet – Der Wert kann aus dem Kontext in der Nachricht abgeleitet werden. Sie können Werte eingeben und optional Nachweise in der Nachricht mit Anmerkungen versehen.

Erstellen eines neuen Feldtyps (Registerkarte Einstellungen)
Das Erstellen eines neuen Feldtyps kann bei Bedarf auch auf der Seite Feldtyp erfolgen. Auf den Feldseiten wird vorab ausgewählt, wofür es definiert ist, und es wird sofort diesem Feld zugewiesen
Sie können einen neuen Feldtyp entweder über die Registerkarte Erkunden oder die Registerkarte Einstellungen auf der Registerkarte Trainieren einrichten.
Sobald der Datentyp für einen Feldtyp konfiguriert wurde, können Sie ihn nicht mehr ändern. Wählen Sie beim Erstellen eines Feldtyps den richtigen Datentyp aus. Wenn Sie nicht die richtigen Daten auswählen, müssen Sie den Feldtyp löschen und mit dem richtigen Datentyp neu erstellen.
Sie können einen neuen Feldtyp sowohl für Extraktionsfelder als auch für allgemeine Felder über die Registerkarte Einstellungen einrichten
Führen Sie die folgenden Schritte aus, um einen neuen Feldtyp auf der Registerkarte „Einstellungen“ einzurichten:
-
Navigieren Sie zur Seite Einstellungen .
-
Wählen Sie die Registerkarte Taxonomie aus.
-
Wählen Sie die Registerkarte Feldtypen aus.
-
Wählen Sie Neuer Feldtyp aus.
-
Konfigurieren Sie Ihren neuen Feldtyp.

Erstellen eines neuen Feldtyps in Explore
Führen Sie die folgenden Schritte aus, um einen neuen Feldtyp einzurichten:
-
Wählen Sie auf der Registerkarte Erkunden die Option Felder mit Anmerkungen versehen aus.
-
Wählen Sie die drei vertikalen Punkte entweder neben den allgemeinen Feldern oder den Extraktionsfeldern aus.
-
Wählen Sie Felder verwalten aus.
Hinweis:Sie können einen neuen Feldtyp nur im jeweiligen Abschnitt der Extraktionsfelder erstellen.
-
Wählen Sie im Abschnitt Felder verwalten das Auswahlmenü Feldtyp.
-
Wählen Sie Neuer Feldtyp aus und richten Sie Ihren Feldtyp ein.
Hinweis:Im Bereich Feldanmerkungen müssen Sie den Feldtyp einrichten, der einem allgemeinen Feld oder dem jeweiligen Abschnitt der Extraktionsfelder entspricht.

- Übersicht über das Einrichten von Extraktionsfeldern
- Seite Erkunden
- Seite Einstellungen
- Seite trainieren
- Allgemeine Anleitung
- Best Practice für Feldnamen
- Allgemeine vs. Extraktionsfelder
- Beispiel für Extraktionsfelder
- Beispiel für allgemeine Felder
- Einrichten von Feldern in Explore
- Einrichten von Feldern in Einstellungen
- Einrichten von Feldtypen
- Spannendes Feld
- Spannloses Feld
- Erstellen eines neuen Feldtyps
- Erstellen eines neuen Feldtyps (Registerkarte Einstellungen)
- Erstellen eines neuen Feldtyps in Explore