ZenML

zenml.io ist die Seite von ZenML, einer Infrastruktur-Schicht, die ML-Pipelines und KI-Agenten in Python schreibbar macht und auf frei wählbaren Orchestratoren und Clouds ausführt.

🛡️ Datenschutz: Anbieter ZenML GmbH mit Sitz in München (Deutschland) laut Datenschutzerklärung. Die Preisseite gibt an, dass Daten, Artefakte und Rechenleistung in der eigenen VPC bleiben und nur Metadaten die Kontrollebene erreichen; genannt werden SOC 2 Type II und ISO/IEC 27001. Ein DPA wird über das Sicherheitsportal bereitgestellt; die Cloud-Nutzungsbedingungen untersagen laut Datenschutzerklärung das Hochladen personenbezogener Daten. Ein Modelltraining mit Nutzerdaten ist nicht dokumentiert und der Hosting-Standort nicht ausgewiesen, daher sollte für personenbezogene Daten vorab ein AVV/DPA geprüft werden.

Das Tool richtet sich an MLOps- und Plattform-Teams, die Machine-Learning- und Agenten-Workflows reproduzierbar in die Produktion bringen wollen.

Tool-Details & Features

💰 Preise: Open Source kostenlos; ZenML Scale ab 999 US-Dollar pro Monat nach Pipeline-Ausführungen, Enterprise nach Angebot; das Produkt Kitaru Cloud kostet 39 US-Dollar pro Monat, Rabatte für Startups und Hochschulen möglich.

⚙️ Technik: Python-basierte Pipelines, die auf beliebigen Orchestratoren laufen; Client-Server-Architektur, Helm-Deployment für Kubernetes, Selbsthosting möglich.

👥 Zielgruppe: ML-Ingenieure, MLOps-Teams und Unternehmen mit produktiven KI-Anwendungen.

🔗 Integrationen: Anbindung an MLflow, Langfuse, SageMaker, Vertex AI sowie Orchestratoren und Clouds; vollständige Liste auf der Integrationsseite.

📊 Funktionen: Pipeline-Orchestrierung, Containerisierung, Metadaten- und Metrik-Logging, Agenten-Orchestrierung, LLMOps-Muster, RAG- und Feintuning-Workflows, Replay von Agentensitzungen.

Vor- & Nachteile

✅ Vorteile: Apache-2.0-Lizenz, Zertifizierungen genannt, Daten bleiben in der eigenen Umgebung, europäischer Hersteller.

❌ Nachteile: Der Scale-Tarif ist verhältnismäßig teuer; Einrichtung setzt DevOps- und Python-Wissen voraus; Hosting-Standort der Cloud nicht ausgewiesen.

Für wen geeignet?

Perfekt für MLOps-Teams, die Pipelines und Agenten infrastrukturunabhängig betreiben möchten.