MLOps

MLOps ist die Praxis, Modelle des maschinellen Lernens zuverlässig in den Produktivbetrieb zu bringen, zu überwachen und zu warten — die Disziplin, die industrielle KI nach dem Pilotprojekt am Laufen hält. Sie umfasst Versionierung, Neutraining, Drift-Überwachung und Governance, damit Modelle treffsicher bleiben, wenn sich die Bedingungen ändern.

Viele industrielle KI-Projekte gelingen als Pilot und scheitern dann still, weil das Modell sich verschlechtert, wenn sich Ausrüstung, Prozesse oder Daten ändern. MLOps wendet die Strenge der Softwaretechnik auf Modelle an: Versionen und Daten nachverfolgen, Neutraining automatisieren, Vorhersagequalität und Drift überwachen sowie Änderungen steuern. So wird aus einem einmaligen Modell ein verlässliches Produktivsystem — zunehmend wichtig, je mehr KI Werke einsetzen.