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. # Pipeline-Aktionen Sie können entweder das Amazon SageMaker Pipelines Python SDK oder den drag-and-drop Visual Designer in Amazon SageMaker Studio verwenden, um Ihre ML-Workflows zu erstellen, anzuzeigen, zu bearbeiten, auszuführen und zu überwachen. Der folgende Screenshot zeigt den visuellen Designer, mit dem Sie Ihre SageMaker Amazon-Pipelines erstellen und verwalten können. ![Screenshot der visuellen drag-and-drop Oberfläche für Pipelines in Studio.](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/pipelines/pipelines-studio-overview.png) Nachdem Ihre Pipeline bereitgestellt wurde, können Sie den Directed Acyclic Graph (DAG) für Ihre Pipeline anzeigen und Ihre Ausführungen mit Amazon Studio verwalten. SageMaker Mit SageMaker Studio können Sie Informationen über Ihre aktuellen und historischen Pipelines abrufen, Ausführungen vergleichen, die DAG für Ihre Ausführungen einsehen, Metadateninformationen abrufen und vieles mehr. Weitere Informationen zum Anzeigen von Pipelines in Studio finden Sie unter [Anzeige der Details einer Pipeline](pipelines-studio-list.md). **Topics** + [Definieren einer Pipeline](define-pipeline.md) + [Bearbeiten einer Pipeline](edit-pipeline-before-execution.md) + [Ausführen Sie eine Pipeline](run-pipeline.md) + [Stopp Sie eine Pipeline](pipelines-studio-stop.md) + [Anzeige der Details einer Pipeline](pipelines-studio-list.md) + [Anzeige der Details eines Pipeline-Laufs](pipelines-studio-view-execution.md) + [Laden Sie eine Pipeline-Definitionsdatei herunter](pipelines-studio-download.md) + [Greifen Sie auf Versuchsdaten aus einer Pipeline zu](pipelines-studio-experiments.md) + [Verfolgen der Herkunft einer Pipeline](pipelines-lineage-tracking.md)