Definition Was ist Amazon Sagemaker?

Autor / Redakteur: zeroshope / Sarah Böttcher

Amazon Sagemaker ist ein „XaaS“-Angebot, das sich an Entwickler richtet. Diese können eigene Machine-Learning-Modelle in der Cloud entwickeln und trainieren. Zum Einsatz kommt die AWS-Infrastruktur des Anbieters. Das Angebot hat einige Besonderheiten.

Firmen zum Thema

Grundlagenwissen zum IT-Business
Grundlagenwissen zum IT-Business
(Bild: © adiruch na chiangmai - Fotolia.com)

Amazon Sagemaker ist die Bezeichnung für ein „Everything-as-a-Service“-Angebot (XaaS) von Amazon Web Services (AWS), einer Tochterfirma des US-Versandhändlers. Dieses richtet sich an Entwickler, die eigene Machine-Learning-Modelle (MLs) erstellen, testen und trainieren möchten. Diese MLs dienen für Analysen jeder Art in der Public Cloud. Häufig geht es dabei um prädikative Untersuchungen: Hierbei erlernt eine Maschine auf der Grundlage historischer Daten, wie sich Prozesse künftig entwickeln werden.

Besonderheiten von Amazon Sagemaker

Im Vergleich mit ähnlichen Entwicklerplattformen bietet Amazon Sagemaker einige Besonderheiten:

  • Entwicklers können MLs mit unterschiedlichen Abstraktionsgraden erstellen.
  • Die Modelle können nicht nur in der Cloud, sondern auch in Embedded-Systemen sowie auf Edge-Geräten eingesetzt werden.
  • Vortrainierte Modelle stehen zur Verfügung, die theoretisch unverändert eingesetzt werden können. Die Eintrittshürde ist entsprechend gering.
  • Bereits vorhandene Modelle können in Sagemaker dank passender Tools von Grund auf neu erstellt werden.
  • Durch die Positionierung in der Cloud und die Bereitstellung sämtlicher Programme kann Amazon Sagemaker ohne besondere Hard- und Softwareanforderungen verwendet werden.
  • Das eigene Modell kann mit anderen AWS-Diensten verbunden werden.

Nachteile der Plattform

Zwei wesentliche Nachteile sind zu berücksichtigen. Zwar gibt es keine Anschubinvestition für Hard- und Software, um Sagemaker zu verwenden. Dafür müssen die Nutzer aber monatlich zahlen. Es entsteht also ein regelmäßiger Kostenfaktor. Zudem binden sich die Anwender an die Amazon-Cloud – gerade, wenn sie die von ihnen trainierten MLs mit anderen AWS-Diensten verbinden. Eine Migration zu einem anderen Anbieter ist nur noch mit Aufwand möglich.

(ID:47068474)