Machine Learning

Die Standardsprache für KI, Machine Learning und Data Science. Open Source, riesiges Ökosystem (PyTorch, TensorFlow, scikit-learn, Transformers, LangChain), von Notebook-Prototyping bis Production-Deployment. 2024 mit Python 3.13 um JIT-Compiler und free-threaded Builds erweitert.

Open-Source Python-Bibliothek für klassisches Machine Learning (Random Forest, SVM, Gradient Boosting, Clustering). Branchenstandard für Data Scientists mit Python-Erfahrung — kein End-User-Tool. Wir führen die Seite aus historischen Gründen weiter, nehmen sie aber redaktionell aus dem aktiven Tool-Katalog.

Visuelle Datenanalyse-Plattform per Drag-and-Drop: Komplexe Daten-Workflows ohne Programmiervorwissen erstellen. Die Desktop-Version ist dauerhaft kostenlos und Open Source, für Teamarbeit und Automatisierung gibt es kostenpflichtige Hub-Pläne.

Open-Source-Plattform für den gesamten ML-Lifecycle: Experiment-Tracking, Model Registry, Deployment und seit MLflow 3.x auch GenAI-Observability, Prompt-Management und Agent-Tracing. De-facto-Standard in vielen Data-Science-Teams.

Databricks ist die Lakehouse-Plattform, die Data Engineering, Analytics und KI in einem System verbindet. Auf Apache Spark, Delta Lake und Unity Catalog aufgebaut, mit der Mosaic-AI-Übernahme um eigene LLM-Trainings- und Serving-Werkzeuge erweitert. Der De-facto-Standard für Konzern-Data-Teams — mit allen Vor- und Nachteilen einer Plattform, die für Großkunden gebaut wurde.

DataRobot ist eine Enterprise-KI-Plattform, die AutoML, Generative AI, Agentic AI und MLOps in einer Umgebung vereint. Besonders stark bei der automatisierten Entwicklung und dem Betrieb von Vorhersagemodellen in Branchen wie Fertigung, Finanzdienstleistungen und Gesundheitswesen.

End-to-End-Plattform für Computer-Vision-Projekte: Bilder hochladen, annotieren, Modelle trainieren und deployen — ohne tiefe ML-Kenntnisse. Breite Nutzerbasis, riesiges öffentliches Dataset-Repository (Roboflow Universe).

Dataiku ist eine kollaborative End-to-End-Plattform für Data Science, Machine Learning und seit 2024 zunehmend für Generative AI und Agentic Workflows. Die visuelle Flow-Ansicht macht ML-Pipelines auch ohne Python-Kenntnisse nachvollziehbar — mit LLM Mesh und Agent Hub hat sich das französische Unternehmen zudem als ernsthafter Enterprise-Player für GenAI-Governance positioniert.

Machine-Learning-Erweiterung für Googles Data Warehouse BigQuery. Analysten trainieren Modelle direkt per SQL — ohne Datenbewegung, ohne separaten ML-Stack. Inklusive Forecasting mit TimesFM und Remote-Calls zu Gemini, Vertex AI und Anthropic-Modellen.

Open-Source-Framework für Deep Learning, ursprünglich von Meta AI entwickelt, seit September 2022 unter dem Dach der PyTorch Foundation (Linux Foundation). Industriestandard für ML-Forschung und KI-Modellentwicklung — aber ein Werkzeug für ML-Engineers, keine einsatzfertige Anwendung für Fachabteilungen oder KMU. Wir führen die Seite nur noch als Hinweis.

Seeq ist eine Prozessanalytik-Plattform speziell für historische Zeitreihendaten aus Produktionsanlagen. Sie verbindet sich direkt mit Historikern (AVEVA PI, OSIsoft, InfluxDB) und ermöglicht Ingenieuren ohne Programmierkenntnisse, Parameterkorrelationen, Muster und Anomalien in Prozessdaten zu erkennen — besonders stark für die nachträgliche Wurzelursachenanalyse.

Microsofts Cloud-Plattform für KI-Dienste bündelt Azure OpenAI Service (GPT-4o, DALL-E, Whisper), Cognitive Services (Vision, Speech, Sprache) und Azure AI Studio unter einem Dach. Besonders stark für deutsche Unternehmen: echtes EU-Datenhosting in deutschen Rechenzentren (Frankfurt), BSI-C5-Attestierung und Microsoft-Enterprise-SLAs machen Azure zur DSGVO-sichersten Option für OpenAI-Modelle.

SAS Viya ist die cloud-native KI- und Analytikplattform des US-amerikanischen Softwareunternehmens SAS Institute, das seit 1976 auf statistische Analyse und Unternehmensanalytik spezialisiert ist. Viya vereint Datenmanagement, Advanced Analytics, Machine Learning und KI-Modellbereitstellung auf einer skalierbaren Plattform — mit Kubernetes-basierter Cloud-Architektur, integrierten Governance-Funktionen und EU-Datenhaltung für regulierungsintensive Branchen.

Deep-Learning-Framework von Google. Python-Bibliothek für Entwickler und Forscherinnen — kein End-User-Tool und damit nicht mehr Teil unseres redaktionellen Katalogs.

Predictive Maintenance Plattform spezialisiert auf Rotationsmaschinen (Motoren, Pumpen, Ventilatoren). Machine Learning analysiert Vibration und Akustiksignale zur Fehlervorhersage.

Zentrale Plattform für Open-Source-KI-Modelle. Hugging Face hostet über eine Million vortrainierte Modelle, Datasets und Demo-Apps für NLP, Computer Vision, Audio und multimodale Anwendungen. Mit Storage Regions in der EU auch für DSGVO-sensible Projekte nutzbar.

Vorgefertigtes Foundation-Modell für Zeitreihenprognosen, trainiert auf über 100 Milliarden Datenpunkten aus Handel, Energie, Finanzen und IoT. Liefert via API präzise Forecasts ohne eigenes Modelltraining — besonders stark bei kurzen Datenhistorien, wo klassische ML-Modelle noch nicht zuverlässig arbeiten.

Orange ist ein kostenloses, visuelles Data-Mining-Tool mit Drag-and-Drop-Oberfläche — kein Code nötig. Besonders stark für explorative Cluster-Analysen, Klassifikation und Datenvisualisierung. Läuft vollständig lokal; Daten verlassen das Unternehmen nicht.

KI-gestützte Preisprognose-Plattform für Industrierohstoffe (Metalle, Kunststoffe, Altpapier, Energie). ChAI kombiniert makroökonomische Indikatoren, Satellitendaten und Markt-Feeds zu 1-, 3- und 6-Monats-Prognosen. Primär für Trader und Industrie-Einkauf konzipiert — für Recycler meist überdimensioniert.

Glasgower Spin-off der Cronin-Gruppe (University of Glasgow). Verbindet eine eigene chemische Programmiersprache mit robotischer Synthesehardware (Chemputern) und ML, um Moleküle automatisiert herzustellen — Zielmarkt sind Pharma-, Agro- und Materialforschung.

PyOD ist die umfassendste Open-Source-Bibliothek für Anomalie- und Ausreißererkennung in Python. Über 60 Detektoren — von Isolation Forest über Autoencoder bis zu graph- und zeitreihenspezifischen Verfahren — unter einer einheitlichen scikit-learn-kompatiblen API. De-facto-Standard in Forschung und Industrie.

ML-Plattform für Kosmetikformulierungen, die Stabilität, Verträglichkeit und Wirksamkeit von Rezepturen vorhersagt, bevor die erste Laborcharge hergestellt wird. Trainiert auf proprietären Formulation-Datenbanken.

Prophet ist Metas quelloffene Bibliothek für Zeitreihenprognosen. Sie modelliert saisonale Muster, Trends und Sonderereignisse (z. B. Feiertage, Events) ohne tiefes Machine-Learning-Wissen. Besonders geeignet für Netzwerktraffic-, Energieverbrauchs- und Kapazitätsprognosen mit ausgeprägter Wochentags- und Tageszeit-Saisonalität.

Yunex Traffic (ehemals Siemens Mobility Traffic) entwickelt das adaptive Verkehrssteuerungssystem Yutraffic Fusion. Es analysiert Echtzeit-Sensordaten, erstellt kurzfristige Verkehrsprognosen und passt Signalschaltungen automatisch an — ohne manuelle Eingriffe. Das System wurde als erstes dieser Art in Deutschland in Ellwangen (Baden-Württemberg) im Auftrag des Landesverkehrsministeriums eingesetzt.

CoatingAI ist eine Schweizer KI-Plattform für automatisierte Prozesskontrolle in Pulverbeschichtungsanlagen. Die Software optimiert Prozessparameter in Echtzeit auf Basis von Schichtdickenmessungen und Umgebungsbedingungen — und reduziert damit Materialverbrauch und Nacharbeitsquoten. Laut Unternehmensangaben garantiert CoatingAI mindestens 10 % Einsparung beim Pulververbrauch.