Model Registry
ML-Modelle und Versionen zentral verwalten und mit KI-Systemen verknüpfen.
Die Model Registry ist ein zentrales Verzeichnis aller ML-Modelle, die in deinen KI-Systemen eingesetzt werden. Sie ermöglicht Versionsverfolgung, Metadaten-Pflege und die direkte Verknüpfung mit dem KI-Inventar. Modellversionen und Trainings-Metriken lassen sich zusätzlich direkt aus MLflow übernehmen, statt sie manuell abzutippen.
Information
Die Model Registry ist ein Enterprise-Feature.
Was wird erfasst?
Modell-Name und Version
Eindeutige Identifikation jedes eingesetzten Modells inkl. Versionsnummer.
Anbieter / Framework
Woher kommt das Modell – eigenes Training, Open Source oder zugekaufter Service.
Trainings-Datensatz
Verweis auf die verwendeten Trainingsdaten für Auditierbarkeit.
Performance-Metriken
Accuracy, F1, AUC oder andere relevante Metriken zum Nachweis der Qualität.
Fairness-Checkliste
Geführte Bias/Fairness-Prüfung (Demographic Parity, Equal Opportunity u. a.) mit Wert, Einordnung und Begründung je Metrik – statt freiem Textfeld.
Verknüpftes KI-System
Welches System im Inventar nutzt dieses Modell.
Eintrag anlegen – Schritt für Schritt
- 1Model Registry in der linken Navigation öffnen
- 2System im Selector auswählen (falls mehrere Systeme vorhanden)
- 3Auf „Neuen Modell-Eintrag anlegen" klicken oder Modelle aus MLflow importieren
- 4Modell-Name, Version und Anbieter eintragen
- 5Framework, Trainings-Datensatz, Metriken und Fairness-Checkliste ergänzen
- 6Speichern – der Eintrag erscheint in der Registry
Bedeutung für Audits
Auditoren verlangen häufig den Nachweis, welche Modellversion zu welchem Zeitpunkt im Einsatz war. Die Model Registry liefert diese Traceability direkt – ohne manuelle Recherche in internen Wikis.