> 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 by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

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

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.