> For the complete documentation index, see [llms.txt](https://agents.glueckkanja.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://agents.glueckkanja.com/de/agents/classification-optimizer/changelog.md).

# Änderungsprotokoll

### \[1.0.1] - 2025-11-03

Das Agenten-Output wurde aktualisiert.

### \[1.0.0] - 2025-09-30

#### Erste Veröffentlichung

Erste Version des Classification Optimizer! Diese Version bietet eine umfassende Analyse der Effektivität Ihrer Microsoft Purview-Klassifizierung mit datenbasierten Empfehlungen zur Verbesserung.

**Enthalten ist Folgendes:**

* SIT-Basismetriken, die Erkennungsfrequenz und -verteilung anzeigen
* Analyse von Ko-Vorkommensmustern mit statistischen Kennzahlen (Support, Lift, bedingte Wahrscheinlichkeit)
* Neue zusammengesetzte SIT-Empfehlungen basierend auf realen Erkennungsmustern
* Empfehlungen zur Parametrierung, um Fehlalarme zu reduzieren und die Genauigkeit zu verbessern
* Kandidaten für trainierbare Klassifizierer für komplexe, kontextabhängige Muster
* Empfehlungen zur Richtlinienoptimierung (Bereichsdefinition, Gruppierung, Regelanpassung)
* Konfigurierbare Analysemodi (schnell, standard, tief), um Geschwindigkeit und Detailgrad auszubalancieren
* Debug-Modus mit detaillierten Ausführungsprotokollen und Skill-Ausgaben
* Integration mit Security Copilot für Abfragen in natürlicher Sprache


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://agents.glueckkanja.com/de/agents/classification-optimizer/changelog.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.