MLOps
Machine Learning Operations: Praktiken zur Produktiv-Setzung und Pflege von ML-Modellen in Unternehmen. Analog zu DevOps für klassische Software. Umfasst Modell-Training, Deployment, Monitoring, Retraining, Versionierung von Daten und Modellen.
Viele KI-Projekte scheitern beim Übergang vom Data-Science-Notebook in die Produktion. MLOps adressiert das mit Standardpraktiken: automatisierte Pipelines (vom Daten-Ingest bis Modell-Deployment), Monitoring von Modell-Performance in Produktion, automatisches Retraining bei Drift, Versionierung von Daten UND Modellen.
Unterschiede zu DevOps: Modelle altern (Data Drift, Concept Drift), was heute gut prognostiziert, ist in 6 Monaten oft schlechter. MLOps muss kontinuierlich überwachen und neu trainieren. Plus: Reproduzierbarkeit braucht Versionierung von Daten, nicht nur Code (Tools: DVC, Weights & Biases, MLflow).
Reife-Stufen: Stufe 0 (manuell, Notebook-basiert), Stufe 1 (automatisiertes Training), Stufe 2 (vollautomatisierte CI/CD/CT-Pipelines). Die meisten Unternehmen sind 2026 noch auf Stufe 0-1. Tools: MLflow, Kubeflow, Vertex AI, SageMaker, Databricks. Pflicht für produktive KI-Anwendungen.
Verwandte Begriffe
Solche Begriffe sicher anwenden — im IHK-Lehrgang
„MLOps" ist einer von 9 Schlüsselbegriffen, die wir im Manager-Lehrgang in praxisnahen Modulen vertiefen. Hol dir das offizielle IHK-Zertifikat.
Kostenlos testenthekey.academy ist eine deutsche Online-Lernplattform für IHK-zertifizierte berufliche Weiterbildung — 25 Lehrgänge zu KI, Führung, Resilienz, Marketing und HR. 100 % online, self-paced, mit IHK-Zertifikat.