Amazon SageMaker ist eine cloudbasierte Plattform für maschinelles Lernen, die von Amazon Web Services angeboten wird und es Entwicklern ermöglicht, Modelle für maschinelles Lernen zu erstellen, zu trainieren und bereitzustellen. Die Plattform wurde im November 2017 auf der AWS re:Invent-Konferenz eingeführt und unterstützt eine Reihe von Abstraktionsebenen, von vortrainierten Modellen bis hin zu benutzerdefinierten Algorithmen. Sie kann Modelle auf eingebetteten Systemen und Edge-Geräten bereitstellen. SageMaker integriert sich in andere AWS-Dienste und bietet eine umfassende Umgebung für ML-Workflows.
Die Plattform ist darauf ausgelegt, den ML-Lebenszyklus zu vereinfachen, und bietet verwaltete Infrastruktur, integrierte Algorithmen und Schnittstellen für die interaktive Entwicklung. Sie hat sich mit Funktionen wie automatischer Skalierung, bestärkendem Lernen und der Bereitstellung von Modellen auf Edge-Geräten weiterentwickelt, was sie zu einem vielseitigen Werkzeug für sowohl Anfänger als auch erfahrene Praktiker macht.
Funktionen
SageMaker arbeitet auf mehreren Abstraktionsebenen. Auf der höchsten Ebene bietet es vortrainierte ML-Modelle, die direkt bereitgestellt werden können, wodurch die Notwendigkeit für benutzerdefiniertes Training reduziert wird. Es bietet auch integrierte ML-Algorithmen, die Entwickler mit ihren eigenen Daten trainieren können und die gängige Aufgaben wie Klassifikation, Regression und Clustering abdecken. Für speziellere Anforderungen bietet die Plattform verwaltete Instanzen von TensorFlow und Apache MXNet, sodass Entwickler benutzerdefinierte Algorithmen von Grund auf erstellen können.
Die Integration mit anderen AWS-Diensten ist eine zentrale Stärke. Entwickler können SageMaker-Modelle mit Amazon DynamoDB für strukturierte Datenspeicherung, AWS Batch für Offline-Stapelverarbeitung oder Amazon Kinesis für Echtzeit-Datenverarbeitung verbinden. Diese Integration ermöglicht End-to-End-Pipelines, von der Datenerfassung bis zur Modellbereitstellung.
Entwicklungsschnittstellen
SageMaker bietet mehrere Schnittstellen für die Interaktion. Eine Web-API ermöglicht die Fernsteuerung von SageMaker-Serverinstanzen, und Amazon bietet API-Bindungen für Sprachen wie Python, JavaScript, Ruby, Java und Go. Das SageMaker-Python-SDK ist über den conda-forge-Kanal von Anaconda zugänglich, und verwaltete Jupyter-Notebook-Instanzen unterstützen interaktive Programmierung. Im Dezember 2025 wurden neue serverlose Anpassungsfunktionen angekündigt, die die Schnittstelle zu KI-Modellen wie Amazon Nova, Llama, Qwen, DeepSeek und GPT-OSS ermöglichen.
Geschichte und Funktionen
SageMaker wurde am 29.11.2017 auf der AWS re:Invent eingeführt. Wichtige Meilensteine umfassen:
- 27.02.2018: Unterstützung für verwaltetes Training und Inferenz von tiefen neuronalen Netzen mit TensorFlow und MXNet.
- 28.02.2018: Automatische Skalierung der Modellinferenz auf mehrere Serverinstanzen.
- 13.07.2018: Unterstützung für das Training rekurrenter neuronaler Netze, word2vec, Multi-Class-Linear-Learner und verteiltes Training in Chainer mit LARS.
- 17.07.2018: AWS Batch Transform für hochdurchsatzfähige Nicht-Echtzeit-Inferenz.
- 08.11.2018: Training und Inferenz von Object2Vec-Wortvektoren.
- 27.11.2018: SageMaker Ground Truth für die Datenbeschriftung mit menschlichen Annotatoren über Mechanical Turk, Drittanbieter oder Mitarbeiter.
- 28.11.2018: SageMaker Reinforcement Learning für die Entwicklung von RL-Modellen in großem Maßstab und SageMaker Neo für die Bereitstellung von Modellen auf Edge-Geräten wie Smartphones und intelligenten Kameras.
- 29.11.2018: AWS Marketplace für SageMaker, der es Drittanbietern ermöglicht, ML-Modelle zu kaufen und zu verkaufen.
- 27.01.2019: SageMaker Neo wurde als Open-Source-Software veröffentlicht.
Diese Funktionen haben den Nutzen von SageMaker erweitert und es zu einem zentralen Werkzeug im KI-Angebot von AWS gemacht.
Integration in das AWS-Ökosystem
SageMaker ist Teil eines breiteren AWS-KI-Stapels, der Dienste wie Amazon Lex, Amazon Polly und Amazon Rekognition umfasst. Es steht auch in Beziehung zu AWS Trainium, AWSs eigener Siliziumlösung für ML-Training, die innerhalb von SageMaker für kosteneffizientes Training verwendet werden kann. Die Integration der Plattform mit anderen AWS-Diensten ermöglicht es Entwicklern, komplexe ML-Anwendungen zu erstellen, die die volle Leistungsfähigkeit der Cloud nutzen.