ZenML

ZenML hilft Teams, ML-Arbeit aus Notebooks in den Produktivbetrieb zu bringen. Entwickler:innen schreiben Pipelines als Python-Funktionen; ZenML führt sie mit einem Orchestrator wie Kubeflow, Airflow oder einem Cloud-Dienst aus und verfolgt Artefakte und Metadaten.

Ein Stack-Konzept trennt Pipelinecode von Infrastruktur. Dieselbe Pipeline läuft lokal während der Entwicklung und in der Cloud im Betrieb. Das Framework unterstützt inzwischen auch LLM-Workflows und Agenten.

ZenML ist quelloffen und bietet eine verwaltete Cloud. Die zusätzliche Abstraktionsschicht müssen Teams erlernen. Alternativen sind MLflow, Kubeflow, Metaflow, Dagster und Prefect. ZenML eignet sich für ML-Teams, die portable Pipelines möchten.