MLOps – Nachhaltige Entwicklung und Betrieb von Machine-Learning-Anwendungen

Das Training von ML-Modellen kann viel Zeit in Anspruch nehmen. Die eigentliche Herausforderung aber ist die Integration eines ML-Systems in die Produktionsumgebung, d.h. in das Softwareprodukt, mit dem die Nutzer:innen interagieren. Ein ML-System besteht dabei aus drei Hauptelementen: den Trainingsdaten, dem ML-Modell und dem Code für das Training der Modelle. Wir nutzen die DevOps-Prinzipien für ML-Systeme (MLOps), um die ML-Entwicklung (Development) und den ML-Betrieb (Operations) zu kombinieren. In diesem Primer erklären wir die Grundlagen und Prinzipien von MLOps mit dem Ziel, die MLOps-Prozesse aus der Engineering-Perspektive zu vermitteln.