Bibliotheken für maschinelles Lernen

Die meisten ML-Bibliotheken bestehen aus Modulen, sodass Entwickler beim Aufbau von ML-Pipelines, die Vorverarbeitung, Schulung, Metriken und andere Aufgaben übernehmen, kombinieren können. Die Bibliotheken sind häufig Open Source und kostenlos nutzbar, und es gibt viele, aus denen sie wählen können: Eine Github-Seite vereint fast 1000 solcher ML-Bibliotheken allein in der Programmiersprache Python. (Python hat sich zur dominierenden Sprache des maschinellen Lernens entwickelt – obwohl ML-Projekte auch in JavaScript, R und anderen Sprachen vorkommen). 

Es gibt Bibliotheken für alle Arten von Anwendungen. Die Transformer von Hugging Face bieten einfachen Zugang zu vortrainierten Transformermodellen. Bibliotheken wie Stable-Baselines3 unterstützen verstärkendes Lernen. Bibliotheken für maschinelles Lernen können sinnvoll in zwei Hauptkategorien unterteilt werden. Allgemeine Bibliotheken, die als Frameworks oder Plattformen für maschinelle Lernprojekte dienen. Spezialisierte Bibliotheken können für eine bestimmte Phase oder Komponente eines ML-Projekts verwendet werden.

Allgemeine Bibliotheken für maschinelles Lernen – manchmal auch „Allzweck-Frameworks“ oder „Kernplattformen“ genannt – gibt es in Dutzenden. Vier sind jedoch besonders beliebt und stehen routinemäßig an der Spitze der „Best of“-Liste: TensorFlow (und das eng verwandte Keras), PyTorch und scikit-learn. Jede hat leicht unterschiedliche Stärken, je nach den Bedürfnissen des Projekts oder des Teams. 

• NumPy
  
  
• Tensorflow
  
  
• Keras
  
  
• PyTorch
  
  
• Scikit-learn

NumPy ist keine ML-Bibliothek im eigentlichen Sinne, sondern vielmehr die Bibliothek, auf der alle ML-Bibliotheken aufbauen. Im Kern geht es beim maschinellen Lernen darum, Muster in großen Datenmengen zu finden. NumPy, eine Bibliothek, die eine als n-dimensionale Arrays bezeichnete Struktur erstellt, hilft bei der Organisation dieser Datenpunkte und der Anwendung mathematischer Funktionen auf sie (ein Zweig der Mathematik, der als lineare Algebra bekannt ist). Diese n-dimensionalen oder multidimensionalen Arrays – also große manipulierbare Zahlencontainer – werden manchmal auch „Tensoren“ genannt, ein Begriff, der in Diskussionen über ML-Bibliotheken häufig vorkommt. (Ein zweidimensionales Array wird als Matrix bezeichnet).

NumPy verarbeitet zwar Tensoren – die zentrale Datenstruktur des maschinellen Lernens –, aber NumPy ist in der Praxis zu begrenzt für die prozessorintensiven Anforderungen des modernen ML. Unter anderem ist Numpy (dessen Wurzeln in den 1990er Jahren liegen) zu alt, um mit den fortschrittlichen Grafikprozessoren (GPU) zu kommunizieren, die für kommerzielle ML-Projekte typischerweise erforderlich sind (sogenannte „GPU-Beschleunigung“), sondern arbeitet nur mit leistungsschwächeren Zentralprozessoren (CPU).

TensorFlow ist eine allgemeine ML-Bibliothek, die ursprünglich 2015 vom Google Brain-Team entwickelt wurde; nachdem Google die Bibliothek zu einer Open-Source-Bibliothek gemacht hatte, wurde sie immer beliebter. TensorFlow kann nicht nur mit CPU-Prozessoren arbeiten, sondern auch mit leistungsstarken GPU und einem speziellen von Google hergestellten Prozessor, der Tensor Processing Unit (TPU) genannt wird.

TensorFlow eignet sich besonders gut für Deep Learning, eine Variante des maschinellen Lernens, die auf Neural Networks basiert (welche die Struktur des Gehirns nachahmen). „Deep Learning“ wird so genannt, weil es mehrere Schichten zwischen einer Eingabe und einer Ausgabe umfasst. Deep Learning hat sich in kommerziellen Anwendungen wie der Verarbeitung natürlicher Sprache (NLP), der Computer Vision und der Bilderkennung als nützlich erwiesen. TensorFlow stammt von Google und unterstützt viele seiner kommerziellen Anwendungen und Produkte. Es eignet sich hervorragend für die Bereitstellung im großen Maßstab. 

Keras ist eng mit TensorFlow verbunden; ebenfalls von einem Google-Techniker erstellt. Es handelt sich um eine Bibliothek, die in der Regel von Entwicklern verwendet wird, die eine benutzerfreundlichere API für ihre TensorFlow-basierten ML-Projekte wünschen. Eine im Jahr 2025 veröffentlichte Version von Keras bietet Unterstützung für andere Frameworks neben TensorFlow, einschließlich PyTorch. Keras ist auch für seine umfangreiche Dokumentation und hilfreiche Tutorials bekannt.

PyTorch wurde ursprünglich Ende 2016 von Forschern bei Meta entwickelt. Es handelt sich um eine Python-Portierung der älteren Torch-Bibliothek, deren Kern ein Tensor war. Bis 2022, als PyTorch zur Linux Foundation wechselte, hatten über 2.400 Mitwirkende Berichten zufolge über 150.000 Projekte mit PyTorch realisiert. (Open-Source-maschinelles Lernen ist das vorherrschende Paradigma, da das Feld durch umfassende Zusammenarbeit floriert.) Wie TensorFlow ermöglicht auch PyTorch Entwicklern die Durchführung von NumPy-ähnlichen Operationen, allerdings mit GPU statt CPU – was PyTorch zu einem weiteren Deep-Learning-Framework macht. 

„PyTorch oder Tensorflow?“ ist oft eine erste Frage für diejenigen, die sich auf ein maschinelles Lernprojekt einlassen (früher gab es auch eine Bibliothek namens Theano; sie wurde 2017 eingestellt). Obwohl es keine falsche Antwort gibt, entwickelt sich PyTorch bei vielen Entwicklern aufgrund seines flexiblen und nachsichtigen („Pythonischen“) Designs und seiner Benutzerfreundlichkeit als Favorit. Die Technologie wird seit langem von Akademikern und Forschern bevorzugt, wird aber zunehmend auch für ambitionierte, skalierbare Anwendungsfälle in der Industrie eingesetzt. Teslas Autopilot wurde beispielsweise mit PyTorch entwickelt und es wird auch von Microsofts Cloud-Computing-Plattform Azure unterstützt. PyTorch ist so beliebt geworden, dass sich ein Ökosystem unterstützender Tools (wie Torchvision und TorchText) um es herum entwickelt hat. Sowohl Tensorflow als auch Pytorch verwenden ein Berechnungsdiagramm – eine Datenstruktur, die den Fluss von Operationen und Variablen während des Modelltrainings darstellt. 

IBM ist Mitglied der PyTorch Foundation; es verwendet PyTorch mit seinem watsonx-Portfolio.

Scikit-learn (stilisiert als „scikit-learn“ in Kleinbuchstaben und auch als „sklearn“ bekannt) ist eine weitere grundlegende ML Bibliothek, die für die Interoperabilität mit NumPy und einer verwandten, bei Data Scientists beliebten Bibliothek namens SciPy entwickelt wurde, welche wissenschaftliches Rechnen unterstützt. Scikit-learn enthält eine Reihe von ML-Algorithmen, deren Kern die Mustererkennung ist. Dazu gehören beispielsweise Klassifizierungsalgorithmen (z. B. solche, die beurteilen, ob es sich bei einer E-Mail um Spam handelt oder nicht), Regressionsalgorithmen (die Vorhersage-, Forecasting- und Empfehlungssysteme unterstützen) und Clustering-Algorithmen (die ähnliche Elemente in einem Cluster gruppieren). Während scikit-learn ein großartiger Ort für Anfänger ist, um die Grundlagen des maschinellen Lernens zu erlernen – Konzepte wie Datenvorverarbeitung, Datenpipelines, Entscheidungsbäume und Optimierung –, ist es als Engine für die Herstellung kommerzieller Produkte begrenzt. Wie NumPy fehlt es auch scikit-learn an GPU-Beschleunigung, was bedeutet, dass es nicht für Deep-Learning-Modelle geeignet ist und nicht als „Deep-Learning-Bibliothek“ betrachtet wird. Dennoch ist es als Labor für das Testen von Ideen und die Entwicklung von Prototypen immer noch nützlich.

Der Kern eines jeden ML-Modells – im Wesentlichen der Lernteil – basiert auf einer der oben genannten Basisbibliotheken. Maschinelles Lernen ist jedoch ein komplexes, mehrstufiges Unterfangen, und so haben sich die Bibliotheken weiterentwickelt, um bei den Workflows für bestimmte ML-Aufgaben zu helfen. Darüber hinaus sind verschiedene Branchen (wie der Finanz- oder Medizinbereich) und verschiedene Datentypen (wie Bilder oder Audiodaten) ausreichend unterschiedlich, um von dedizierten ML-Bibliotheken einen Vorteil zu haben. Es würde zwar den Rahmen dieses Artikels sprengen, die fast tausend Open-Source-Bibliotheken zu untersuchen, die sich aus dieser Komplexität ergeben haben, aber es ist hilfreich, einige besonders beliebte Bibliotheken vorzustellen.

Pandas ist die führende Python-Bibliothek für Data Science, eine Kernfunktion in allen ML-Projekten; wie so viele ML-Bibliotheken ist sie auf NumPy aufgebaut. Pandas geht über die Arrays von NumPy hinaus, indem es eine Struktur hinzufügt, die als „Datenrahmen“ bezeichnet wird und die einer Excel-Tabelle ähnelt. Diese zusätzliche Struktur ermöglicht die Datenmanipulation an großen Datensätzen mit realen Daten.

Zwei beliebte Datenvisualisierungsbibliotheken sind matplotlib und seaborn, um Muster und Erkenntnisse aus visuellen Daten aufzudecken. Ersteres erzeugt Diagramme und Grafiken, letzteres dient dazu, es etwas ML-freundlicher zu gestalten (seaborn kann beispielsweise direkt mit Pandas Datenrahmen arbeiten).

Die Einführung eines brauchbaren maschinellen Lernens erfordert eine Menge Experimente und Ausprobieren. Zu diesem Zweck hilft die Bibliothek MLFlow Teams dabei, ML-Modelle, Parameter und Ergebnisse zu protokollieren sowie die Debugging-Aktivitäten zu verwalten und trainierte Modelle in etwas zu verschieben, das bereit zum Versand ist.