Modelllebenszyklus-Management (Model Lifecycle Management)

Modelllebenszyklus-Management bezeichnet die geordnete Steuerung eines KI-Modells von der Auswahl über die Einführung und den Betrieb bis zu Migration, Ablösung oder Abschaltung. In produktiven KI-Systemen reicht es nicht, einmal ein leistungsfähiges Modell auszuwählen. Anbieter ändern Preise, Verfügbarkeit, Modellversionen, Sicherheitszusagen, Latenzprofile und Nutzungsbedingungen. Gleichzeitig verändern sich interne Anforderungen, regulatorische Vorgaben und Qualitätsmetriken. Ein belastbares Lebenszyklusmodell hält deshalb fest, welche Modellversion genutzt wird, welche Evaluationen vor dem Einsatz bestanden sein müssen, welche Kosten- und Qualitätsgrenzen gelten, wie Rollouts erfolgen, welche Fallback-Modelle bereitstehen und wann eine Migration ausgelöst wird. Dazu gehören auch Modell-Pinning, Monitoring, Regressionstests, Dokumentation von Entscheidungen und ein klarer Plan für Modellabschaltungen. Besonders wichtig wird das Management, wenn mehrere Modelle für verschiedene Aufgabenklassen kombiniert werden. So wird aus einem einzelnen Modellentscheid ein wiederholbarer Betriebsprozess. Dann muss nachvollziehbar bleiben, welches Modell welche Aufgabe übernimmt und wie Änderungen ohne Qualitätsbruch ausgerollt werden. Modelllebenszyklus-Management macht KI-Systeme dadurch stabiler, prüfbarer und weniger abhängig von kurzfristigen Anbieterentscheidungen.