MLOps MLOps überträgt die Arbeitsweisen von DevOps auf maschinelles Lernen: Versionierung von Daten und Modellen, automatisiertes Ausrollen, laufende Überwachung und geregeltes Nachtrainieren. Der Unterschied zu gewöhnlicher Software ist, dass sich die Leistung eines Modells auch ohne Codeänderung verschlechtert, wenn sich die Wirklichkeit ändert.
Kurz-Fakten
Versioniert werden Code, Daten und Modelle gemeinsam
Datendrift verschlechtert Modelle ohne jede Codeänderung
Überwacht wird die Ausgabequalität, nicht nur die Verfügbarkeit
Ein definierter Weg zurück auf die Vorversion ist Pflicht
Bedeutung in der Praxis
Bei gehosteten Sprachmodellen kommt eine Besonderheit hinzu: Der Anbieter tauscht das Modell aus, ohne dass man etwas ändert. Ohne feste Testfälle merkt man die Verhaltensänderung erst an den Beschwerden.
Inhaber von SEO NW in Bertingen. Arbeitet an der Schnittstelle von Suchmaschinenoptimierung und angewandter künstlicher Intelligenz: Prompt Engineering, Retrieval-Augmented Generation und die Frage, unter welchen Bedingungen ein Sprachmodell einen Inhalt übernimmt und der richtigen Quelle zuschreibt.