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.
# Suchen Sie den Relevance-Agenten in Amazon OpenSearch Service
Der Search Relevance Agent ist eine Funktion von Amazon OpenSearch Service, die Aufgaben zur Optimierung der Suchrelevanz automatisiert. Über eine Chat-Oberfläche in der OpenSearch Benutzeroberfläche können Sie nach Problemen mit der Relevanz suchen, Tipps zur Optimierung erhalten und Workflows in natürlicher Sprache ausführen. Mit dem Search Relevance Agent können Sie einen datengesteuerten Ansatz wählen, anstatt die Einstellungen manuell vorzunehmen.
Der Agent analysiert Benutzerverhaltenssignale und Abfragemuster. Er generiert Hypothesen und validiert sie durch Offline-Auswertung anhand vorab beschrifteter Datensätze. Sie können die Suchrelevanz ohne umfassende Suchkenntnisse verbessern.
Der folgende Screenshot zeigt die Search Relevance Workbench in der OpenSearch Benutzeroberfläche.
## Erste Schritte
Um den Search Relevance Agent zu starten, geben Sie den `/search-relevance` Slash-Befehl im **AI Assistant-Chat** ein. Das Verhalten des Agenten hängt von Ihrem aktuellen Workspace-Kontext ab:
+ Wenn du dich nicht in einem Search-Workspace befindest, fordert dich der Agent auf, zu einem Search-Workspace zu navigieren oder einen zu erstellen.
+ Wenn Sie sich bereits in einem Search-Workspace befinden, werden Sie mit dem Slash-Befehl zur Seite **Search Relevance** Workbench weitergeleitet. Anschließend können Sie im **AI** Assistant-Chat weitere Fragen zur Suchrelevanz stellen.
Der Search Relevance Agent ist in derselben Region verfügbar wie die anderen KI-Funktionen der Agentur. Weitere Informationen finden Sie unter [Verfügbarkeit in Regionen](application-ai-assistant.md#application-ai-assistant-regions).
## Wichtigste Vorteile
Die Optimierung der Suchrelevanz ist komplex. Bei mehrdeutigen Abfragen bestehen Absichtslücken. Suchdaten enthalten häufig Unklarheiten oder große Lücken. Manuelle Optimierungszyklen können Monate dauern. Der Search Relevance Agent begegnet diesen Herausforderungen mit den folgenden Vorteilen:
+ **Schnellere Diagnose und Lösung** — Verkürzen Sie den Zeitaufwand für die Suche und Behebung relevanter Probleme von Tagen auf Stunden. Der Agent automatisiert die Ursachenanalyse und die Optimierung der Workflows für eine schnelle Iteration.
+ **Geringere Abhängigkeit von Suchexperten** — Mit dem Search Relevance Agent können Sie die Suchqualität durch geführte Workflows optimieren, ohne dass Sie spezielles Fachwissen benötigen.
+ **Data-validated Verbesserungen** — Ersetzen Sie die intuitive Optimierung durch automatisierte Bewertungsschleifen. Der Agent testet Änderungen anhand realer Abfragen und Datensätze. Sie können bestätigen, dass Verbesserungen messbar und frei von unbeabsichtigten Regressionen sind.
+ **Volle Kontrolle über den Prozess — Dank eines** kooperativen Ansatzes behalten Sie den vollen Überblick. Sie bleiben der Entscheidungsträger, steuern die Richtung des Agenten und verfeinern die Empfehlungen.
## Capabilities
Mit dem Search Relevance Agent können Sie umfassende Experimente mit abfragedomänenspezifischer Sprache (DSL) über die Search Relevance Workbench durchführen. Sie können die folgenden Aufgaben ausführen:
+ Erstellen Sie Abfragesätze und Beurteilungslisten (von Menschen bewertete Paare von Abfrageergebnissen)
+ Führen Sie kontrollierte Tests durch und quantifizieren Sie die Auswirkungen mithilfe von Standard-Relevanzmetriken
+ Verfeinern Sie Suchfelder, passen Sie Gewichtungen an und optimieren Sie Boost-Funktionen (Regeln, die den Relevanzwert bestimmter Ergebnisse erhöhen)
Sie können in jeder Phase des Suchverbesserungszyklus an der Konversation teilnehmen. Beginnen Sie mit einer diagnostischen Prüfung oder bringen Sie spezifische Hypothesen zum sofortigen Testen mit. Der Agent verwendet UBI-Daten (User Behavior Insights), sofern verfügbar, für eine tiefere Optimierung, aber UBI ist nicht erforderlich, um zu beginnen.