Kubeflow
Kubernetes-native Open-Source-Plattform für das Deployment, die Skalierung und das Management von ML-Workflows.
Kubeflow orchestriert ML-Workflows auf Kubernetes mit Pipelines, AutoML und Model Serving – ideal für große Infrastrukturen.
Erklärung
Kubeflow bietet Pipelines (Workflow-Orchestrierung), Katib (Hyperparameter-Tuning), KFServing (Model Serving) und Notebooks auf Kubernetes-Infrastruktur.
Relevanz für Marketing
Kubeflow ist die Standard-ML-Plattform für Kubernetes-zentrierte Organisationen.
Häufige Fallstricke
Hohe Komplexität durch Kubernetes-Abhängigkeit. Steile Lernkurve. Overhead für kleine Teams.
Entstehung & Geschichte
Google veröffentlichte Kubeflow 2017 basierend auf internen ML-Infrastruktur-Erfahrungen. Version 1.0 erschien 2020. Das Projekt wurde Teil der CNCF und entwickelte sich zur Standard-ML-Plattform für Kubernetes-Umgebungen.
Abgrenzung & Vergleiche
Kubeflow vs. MLflow
Kubeflow fokussiert auf Pipeline-Orchestrierung auf Kubernetes; MLflow auf leichtgewichtiges Experiment Tracking und Model Management.
Kubeflow vs. Apache Airflow
Airflow ist ein allgemeiner Workflow-Orchestrator; Kubeflow ist spezialisiert auf ML mit nativer Kubernetes-Integration.