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.

# Erkennen von Ausreißern mit ML-gestützter Anomalieerkennung
<a name="anomaly-detection"></a>

Amazon Quick Sight verwendet bewährte Amazon-Technologie, um kontinuierlich ML-gestützte Anomalieerkennung anhand von Millionen von Metriken durchzuführen, um versteckte Trends und Ausreißer in Ihren Daten zu entdecken. Dieses Tool ermöglicht es Ihnen, tiefe Einblicke zu erhalten, die oft in Aggregaten stecken und über eine manuelle Analyse nicht skalierbar sind. Mit der ML-gestützten Anomalieerkennung können Sie nach Ausreißern in Ihren Daten suchen, ohne dazu eine manuelle Analyse, kundenspezifische Entwicklung oder Fachwissen im ML-Bereich zu benötigen. 

Amazon Quick Sight benachrichtigt Sie in Ihren Grafiken, wenn es feststellt, dass Sie eine Anomalie analysieren oder Prognosen für Ihre Daten erstellen können. 

Die Erkennung von Anomalien ist in der Region `eu-central-2` Europa (Zürich) nicht verfügbar.

**Wichtig**  
Die ML-gestützte Anomalieerkennung ist eine rechenintensive Aufgabe. Bevor Sie diese verwenden, können Sie sich einen Eindruck der Kosten machen, indem Sie die Menge der Daten analysieren, die Sie verwenden möchten. Wir bieten ein mehrstufiges Preismodell, das auf der Anzahl der Metriken basiert, die Sie pro Monat verarbeiten. 

**Topics**
+ [Begriffsverwendung im Zusammenhang mit dem Erkennen von Anomalien oder Ausreißern](anomaly-detection-outliers-and-key-drivers.md)
+ [Einrichten der ML-gestützten Anomalieerkennung für die die Analyse von Ausreißern](anomaly-detection-using.md)
+ [Untersuchung von Ausreißern und Hauptfaktoren mit ML-gestützter Anomalieerkennung und Beitragsanalyse](anomaly-exploring.md)