> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-de/mlops-and-bereitstellung/mlops.md).

# Überblick

Machine-Learning-Operations-Tools und -Plattformen zur Verwaltung von ML-Workflows auf GPU-Infrastruktur.

MLOps kombiniert Machine Learning mit DevOps-Praktiken, um die Modellentwicklung, Bereitstellung und Überwachung zu optimieren. Diese Kategorie umfasst beliebte MLOps-Plattformen, die Teams dabei helfen, den gesamten ML-Lebenszyklus von Experimenten bis zur Produktionsbereitstellung zu verwalten.

Stellen Sie umfassende ML-Plattformen und Model-Serving-Lösungen auf CLORE.AI-GPUs bereit, um Ihre Machine-Learning-Workflows zu beschleunigen, Experimente zu verfolgen und Modelle in großem Maßstab über den Clore.ai-Marktplatz bereitzustellen.

## Verfügbare Anleitungen

| Anleitung                                                                                           | Anwendungsfall                          | Schwierigkeitsgrad |
| --------------------------------------------------------------------------------------------------- | --------------------------------------- | ------------------ |
| [BentoML](/guides/guides_v2-de/mlops-and-bereitstellung/bentoml.md)                                 | Plattform für Model Serving             | Mittel             |
| [ClearML](/guides/guides_v2-de/mlops-and-bereitstellung/clearml.md)                                 | Vollständige MLOps-Plattform            | Mittel             |
| [MLflow](/guides/guides_v2-de/mlops-and-bereitstellung/mlflow.md)                                   | Experimentverfolgung & Modellverwaltung | Einfach            |
| [Triton Inference Server](/guides/guides_v2-de/mlops-and-bereitstellung/triton-inference-server.md) | Leistungsstarkes Model Serving          | Fortgeschritten    |

## Plattformvergleich

| Plattform | Am besten geeignet für        | GPU-Unterstützung |
| --------- | ----------------------------- | ----------------- |
| BentoML   | Model Serving                 | Ausgezeichnet     |
| ClearML   | Voller MLOps-Lebenszyklus     | Ausgezeichnet     |
| MLflow    | Experimentverfolgung          | Gut               |
| Triton    | Inference mit hohem Durchsatz | Ausgezeichnet     |

## MLOps-Workflow

1. **Experiment** - Mit MLflow/ClearML verfolgen
2. **Trainieren** - GPU-Instanzen für das Modelltraining verwenden
3. **Bereitstellen** - Mit BentoML/Triton bereitstellen
4. **Überwachen** - Leistung und Drift verfolgen

## Verwandte Anleitungen

* [Training & Feinabstimmung](/guides/guides_v2-de/training/training.md)
* [Sprachmodelle](/guides/guides_v2-de/sprachmodelle/language-models.md)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-de/mlops-and-bereitstellung/mlops.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.