Automated Machine Learning (AutoML)

AutoML adressiert ein Skalierungsproblem im ML-Bereich. Klassisches Modelltraining erfordert Data-Science-Expertise, die teuer und knapp ist. AutoML-Plattformen wie Google Cloud AutoML, H2O.ai oder DataRobot automatisieren die mühsamen Schritte, sodass auch Anwender ohne tiefe ML-Kenntnisse produktive Modelle bauen können.

Der Wert liegt in Demokratisierung und Beschleunigung. Eine Produktklassifizierungs-Aufgabe, die ein Data-Science-Team Wochen kosten würde, lässt sich mit AutoML in Stunden lösen. Die Modellqualität ist oft erstaunlich gut, weil AutoML systematisch hunderte Konfigurationen testet, was manuell unmöglich wäre.

Pimcore setzt AutoML-Prinzipien für anwendungsspezifische KI-Funktionen ein. Klassifizierungs-Modelle für Produktdaten werden auf den verfügbaren historischen Daten trainiert und kontinuierlich verbessert, ohne dass Anwender Modellarchitekturen entwerfen oder Hyperparameter wählen müssen. Das macht KI-Funktionen für Pimcore-Nutzer praktisch zugänglich, statt sie auf spezialisierte Data-Science-Teams zu beschränken.