Was ist STACKIT AI Model Experiments?
STACKIT AI Model Experiments ist ein vollständig verwalteter MLflow Tracking Server für den gesamten Lebenszyklus von Machine-Learning-Modellen und GenAI-Anwendungen. Der Dienst befindet sich laut STACKIT-Dokumentation aktuell in der Public Preview: Während dieser Phase ist der Dienst selbst kostenlos, abgerechnet wird nur der genutzte STACKIT Object Storage für Ihre ML-Artefakte. Der Dienst trackt Experimente, versioniert Modelle und Prompts und macht Reasoning-Ketten von LLM-Agenten transparent: alles auf souveräner EU-Infrastruktur und ohne komplexes Setup. In Kombination mit STACKIT AI Model Serving und Notebooks entsteht ein durchgängiger MLOps-Workflow.
Kernfunktionen
- Experiment Tracking: Automatisches Logging von Parametern, Metriken, Datenversionen und Artefakten für reproduzierbare Trainingsläufe
- Modell- und Prompt-Registry: Zentrale Versionierung und Kontrolle, welche Modell- oder Prompt-Version in welcher Umgebung aktiv ist
- LLM-Tracing: Nachvollziehbare Reasoning-Ketten für agentenbasierte Workflows und RAG-Pipelines, inklusive Tool-Calls
- LLM-as-a-judge: Automatisierte Evaluierung nicht-deterministischer Ausgaben nach Relevanz, Korrektheit und Sicherheit
- Audit-Trail: Lückenloser, revisionssicherer Verlauf aller Experimente zur Unterstützung des EU AI Act
- Managed Service: Hochverfügbar und skalierbar, sofort einsatzbereit ohne Wartungsaufwand
Typische Anwendungsfälle
Klassisches ML-Training: Data-Science-Teams tracken Experimente für Prognosen, Betrugserkennung oder Empfehlungssysteme und registrieren die besten Modelle für das Deployment über STACKIT AI Model Serving.
GenAI und Agentensysteme: Teams verfolgen und debuggen komplexe Reasoning-Ketten agentenbasierter Systeme inklusive Prompt-Templates und Tool-Calls.
RAG-Optimierung: Entwicklerinnen und Entwickler evaluieren und debuggen Retrieval-Augmented-Generation-Prozesse, um die Antwortqualität ihrer Sprachmodelle gezielt zu verbessern.
Compliance-Dokumentation: Regulierte Branchen nutzen den automatischen Verlauf für nachvollziehbare Modellentscheidungen und Audit-Nachweise.
Vorteile
- Souveränität: Alle Experimente und Artefakte bleiben auf DSGVO-konformer EU-Infrastruktur
- Open-Source-Basis: MLflow ist ein etablierter Standard, Artefakte bleiben portabel
- GenAI-ready: ML-Tracking und LLM-Observability in einem Dienst
- Kein Vendor Lock-in: Experimente und Modelle lassen sich jederzeit migrieren
- Vollständiger MLOps-Stack: Im Zusammenspiel mit Notebooks, Workflows und AI Model Serving
Integration mit innFactory
Als offizieller STACKIT Partner unterstützt innFactory Sie beim Aufbau von MLOps- und LLMOps-Pipelines: von der Experimentverfolgung über LLM-Tracing und Evaluierung bis zum produktiven Modelleinsatz auf souveräner STACKIT-Infrastruktur.
Typische Anwendungsfälle
Häufig gestellte Fragen
Worauf basiert STACKIT AI Model Experiments?
Der Dienst ist ein vollständig verwalteter MLflow Tracking Server. Bestehender MLflow-Code und das gesamte MLflow-Ökosystem lassen sich ohne Umbau nutzen.
Unterstützt der Dienst auch GenAI und LLM-Anwendungen?
Ja. Neben klassischem ML-Tracking bietet er LLM-Tracing, das Reasoning-Ketten von Agenten und RAG-Pipelines transparent macht, sowie Prompt-Versionierung.
Wie funktioniert die Evaluierung von LLM-Ausgaben?
Mit LLM-as-a-judge bewerten Sie nicht-deterministische Ausgaben automatisiert nach Kriterien wie Relevanz, Korrektheit und Sicherheit.
Hilft der Dienst bei der EU-AI-Act-Compliance?
Ja. Alle Experimente, Metriken und Parameter werden lückenlos protokolliert. Dieser revisionssichere Verlauf unterstützt Audit-Anforderungen wie den EU AI Act.
In welchen Regionen ist der Dienst verfügbar?
Der Dienst läuft auf souveräner STACKIT-Infrastruktur; laut aktueller Dokumentation ist die Region eu01 (Deutschland) belegt. Ob und wann weitere Regionen wie eu02 hinzukommen, ist der aktuellen STACKIT-Dokumentation zu entnehmen.
Ist der Dienst schon General Availability (GA)?
Nein. STACKIT AI Model Experiments befindet sich laut offizieller Dokumentation aktuell in der Public Preview. Während dieser Phase ist der Dienst selbst kostenlos, abgerechnet wird nur der genutzte STACKIT Object Storage für Ihre ML-Artefakte.
Entsteht ein Vendor Lock-in?
Nein. Da der Dienst auf Open-Source-MLflow basiert, sind Experimente, Artefakte und Modelle portabel und lassen sich jederzeit migrieren.
Hinweis: Alle Produktinformationen auf dieser Seite wurden sorgfältig zusammengestellt, sind jedoch ohne Gewähr und können veraltet oder unvollständig sein. Cloud-Services entwickeln sich schnell weiter — Funktionen, Preise, SLAs und Verfügbarkeit ändern sich laufend. Verbindliche und aktuelle Informationen finden Sie ausschließlich auf der offiziellen Produktseite von STACKIT (offizielle Dokumentation). Diese Seite stellt kein Angebot von STACKIT dar.
