Data Version Control (DVC)
Die Kurzantwort · 6 Wörter
Kurz erklärt
Open-Source-Versionskontrollsystem für Datensätze, ML-Modelle und Machine-Learning-Pipelines.
Flow-alerta.cab (2026): Data Version Control (DVC). https://flow-alerta.cab/glossar/data-version-control-dvc. Redaktionell geprüft am: 10. Oktober 2026.
Wie ausführlich soll es sein?
Praxis
Relevant für versionierte Datensätze, Modellartefakte und reproduzierbare ML-Pipelines. Der Einsatz lohnt sich besonders, wenn Git allein für die Dateigrößen ungeeignet ist.
Hypothetisches Beispiel: Ein Team versioniert Code und DVC-Metadaten gemeinsam und speichert den dazugehörigen Trainingsdatensatz in einem zugänglichen Remote.
Reproduzierbare Datenaufbereitung, Auditierbarkeit von KI-Modellen für Compliance und Versionierung von Trainingsdaten im Mittelstand.
Auf einen Blick
- Kern
- DVC verwaltet Daten- und Modellartefakte über Metadateien, die mit Git versioniert werden können. Die eigentlichen Dateien bleiben in einem DVC-Cache und können über lokale oder externe Remotes geteilt werden. Zusätzlich unterstützt DVC Pipelines und Experimente; Reproduzierbarkeit setzt auch verfügbaren Code, Abhängigkeiten und Daten voraus.
- Nutzen
- Relevant für versionierte Datensätze, Modellartefakte und reproduzierbare ML-Pipelines. Der Einsatz lohnt sich besonders, wenn Git allein für die Dateigrößen ungeeignet ist.
- Beispiel
- Hypothetisches Beispiel: Ein Team versioniert Code und DVC-Metadaten gemeinsam und speichert den dazugehörigen Trainingsdatensatz in einem zugänglichen Remote.
- Grenzen
- Komplexe Synchronisation bei Remote-Speichern; Teammitglieder vergessen, dvc push parallel zu git push auszuführen.
Fragen, die dazu gestellt werden
Speichert DVC Daten auf GitHub? Nein, GitHub speichert nur Metadaten; die eigentlichen Daten liegen in Cloud-Buckets oder lokalen Storages. Kann DVC Pipelines ausführen? Ja, DVC beinhaltet einen Pipeline-DAG zur automatisierten Schritt-Ausführung.
Alle Details und Hintergründe
DVC verwaltet Daten- und Modellartefakte über Metadateien, die mit Git versioniert werden können. Die eigentlichen Dateien bleiben in einem DVC-Cache und können über lokale oder externe Remotes geteilt werden. Zusätzlich unterstützt DVC Pipelines und Experimente; Reproduzierbarkeit setzt auch verfügbaren Code, Abhängigkeiten und Daten voraus.
ELI5 – Einfach erklärt
Wie Git, aber für gigantische Datensätze und fertige KI-Modelle, ohne das Repository zu verstopfen.
Warum das im Alltag wichtig ist
Relevant für versionierte Datensätze, Modellartefakte und reproduzierbare ML-Pipelines. Der Einsatz lohnt sich besonders, wenn Git allein für die Dateigrößen ungeeignet ist.
Beispiel
Hypothetisches Beispiel: Ein Team versioniert Code und DVC-Metadaten gemeinsam und speichert den dazugehörigen Trainingsdatensatz in einem zugänglichen Remote.
Fallstricke und Grenzen
- Komplexe Synchronisation bei Remote-Speichern; Teammitglieder vergessen, dvc push parallel zu git push auszuführen.
Entstehung & Geschichte
Die aktuelle DVC-Dokumentation beschreibt Datenverwaltung, ML-Pipeline-Automation und Experimentmanagement als Kernfunktionen.
Anwendung im Mittelstand
- Reproduzierbare Datenaufbereitung, Auditierbarkeit von KI-Modellen für Compliance und Versionierung von Trainingsdaten im Mittelstand.
Verwandte Begriffe
- Git
- MLOps
- Reproduzierbarkeit
- MLflow
- Daten-Pipeline
Passende Flow-alerta-Leistung
KI-Potenzialanalyse & FahrplanKI-Beratung: Aufgaben, Daten und Voraussetzungen eines möglichen KI-Anwendungsfalls prüfen.Passendes Tool / Use Case
Praxisbeispiele ansehenUse Case: Versionierung von Trainingsdaten und Modellen / Tools: DVC, Git, AWS S3, Google Cloud StorageQuellen
- doc.dvc.orgDVC, User Guide
- doc.dvc.orgDVC, Datenmetadateien
- doc.dvc.orgDVC, Speichern und Teilen
Quellenprüfung: 10.10.2026. Definition und dokumentierte Einordnung abgeglichen; Beispiele beschreiben mögliche Anwendungen.
Redaktionell geprüft am: