> 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

MLOps-Anleitungen für die Clore.ai-GPU-Cloud

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 by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

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

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.