Continuous Integration / Continuous Deployment (CI/CD)

Continuous Integration / Continuous Deployment im Überblick

CI/CD (Continuous Integration / Continuous Deployment) ist die Praxis, Software-Änderungen automatisch zu testen und in Produktion zu bringen. Jeder Commit löst eine Pipeline aus: Tests laufen automatisch, und wenn alles grün ist, wird die neue Version deployed – ohne manuelle Eingriffe. Für KI-Projekte bedeutet das: Auch Modell-Updates, Daten-Pipelines und Prompt-Änderungen werden automatisch getestet und ausgerollt. ML-CI/CD erweitert klassisches CI/CD um Modell-Evaluation: Ein neues Modell wird nur deployed, wenn es auf dem Holdout-Testset besser ist als das aktuelle Produktionsmodell. Tools wie GitHub Actions, GitLab CI und Jenkins bilden die Basis, ergänzt durch MLflow oder W&B für Modell-Tracking.

CI/CD automatisiert den Weg von einer Code-Änderung bis zur Produktion.

Die Pipeline:

Code Push → Build → Test → (Review) → Deploy → Monitor
    CI ─────────────────┘        CD ──────────────────┘

Typische CI/CD-Pipeline:

Technisch betrachtet

GitHub Actions Beispiel

name: CI/CD
on: [push]
jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - run: npm install
      - run: npm test
  deploy:
    needs: test
    runs-on: ubuntu-latest
    steps:
      - run: npm run build
      - run: npm run deploy

CI/CD für ML (CT - Continuous Training)

• Data Validation: Neue Daten auf Schema und Qualität prüfen
• Model Training: Automatisches Training bei neuen Daten
• Model Evaluation: Performance gegen Baseline vergleichen
• Model Registry: Neue Version registrieren
• Deployment: Bei besserer Performance automatisch deployen