DVC

dvc.org ist die Seite von DVC (Data Version Control), einem Open-Source-Werkzeug, das Daten, Modelle und Experimente im Git-Stil versioniert.

🛡️ Datenschutz: Open-Source-Software (Apache-2.0-Lizenz laut GitHub), die in der eigenen Umgebung installiert und betrieben werden kann; die Verarbeitung erfolgt dann dort und nicht zwingend bei einem Anbieter. Die Startseite nennt Iterative als Entwickler; ein Firmensitz ist auf den geprüften Seiten nicht belegt.

Das Tool richtet sich an Data-Science- und ML-Teams, die Datensätze und Modelle reproduzierbar versionieren wollen.

Tool-Details & Features

💰 Preise: Kostenlos und Open Source; die Startseite verweist für Unternehmensanforderungen auf lakeFS, Preise dazu nicht geprüft.

⚙️ Technik: Kommandozeilenwerkzeug, das Versionsinformationen im Git-Repository und die Daten im eigenen Cloud- oder Server-Speicher ablegt; Installation per pip, conda, Homebrew und weiteren Paketmanagern.

👥 Zielgruppe: Data Scientists, ML-Ingenieure und kleine bis mittlere Data-Science-Projekte.

🔗 Integrationen: Speicher auf S3, Azure, Google Cloud und per SSH; VS-Code-Erweiterung; Anbindung an MLflow und Amazon SageMaker AI laut Website.

📊 Funktionen: Daten- und Modellversionierung, reproduzierbare Pipelines, die nur betroffene Schritte neu ausführen, Experimenttracking ohne externen Server.

Vor- & Nachteile

✅ Vorteile: Nutzt vorhandene Git-Workflows, Daten bleiben im eigenen Speicher, freie Lizenz.

❌ Nachteile: Laut Startseite eher für kleine Data-Science-Projekte gedacht, für große Datenmengen wird lakeFS empfohlen; Git- und Kommandozeilenkenntnisse nötig.

Für wen geeignet?

Perfekt für Data-Science-Teams, die Daten und Experimente nachvollziehbar mit Git verwalten möchten.