Databricks · seit Erste Alpha-Version: Juni 2018 (Databricks); aktuelle Hauptversion MLflow 3, aktuellstes Minor-Release 3.14.0 (2026) · 2× · zuletzt 29. Juni 2026
MLflow ist eine quelloffene Plattform für das AI-Engineering, die ursprünglich 2018 von Databricks entwickelt wurde und seither vom Linux Foundation-Ökosystem getragen wird. Sie deckt Experiment-Tracking, Modell-Registry und Deployment für klassisches ML sowie Observability (Tracing), Evaluation mit LLM-Judges und Prompt-Management für LLM-Anwendungen und Agenten ab. MLflow basiert auf OpenTelemetry, unterstützt beliebige LLM-Provider/Agenten-Frameworks und ist als Self-Hosting-Lösung sowie als von Databricks verwaltete Cloud-Variante ("Managed MLflow") verfügbar. Die Kernsoftware ist unter Apache-2.0-Lizenz vollständig kostenlos.
Features
| Deployment (Self-host/Cloud) | Self-hosted (inkl. offiziellem Helm-Chart für Kubernetes) oder als Managed MLflow Cloud-Service auf Databricks |
| Lizenz | 100% Open Source unter Apache-2.0-Lizenz, dauerhaft kostenlos |
| Open-Source Option | Ja – 100 % Open Source unter Apache-2.0-Lizenz, dauerhaft kostenlos. Unter Linux Foundation-Governance; über 900 Community-Contributor auf GitHub. |
| Plattform | Lokal, On-Premises, Cloud, Kubernetes sowie als Managed Service auf Databricks, AWS SageMaker, Azure |
| Preis | Open-Source-Kern kostenlos; Managed MLflow auf Databricks nach Nutzung (Compute/Storage) abgerechnet |
| Preismodell | Open Source (Apache 2.0) – kostenlos und lizenzgebührenfrei. Managed Service auf Databricks kostenpflichtig (Databricks-Plattformpreise); Databricks Free Edition für Einstieg verfügbar. |
| Protokoll-Kompatibilität | Tracing basiert nativ auf OpenTelemetry, zusätzlich MCP-Unterstützung |
| Release-Datum | Erstveröffentlichung Juni 2018 (Alpha) durch Databricks; MLflow 3 seit Juni 2025; MLflow 3.14.0 aktuellste Version |
| Unterstützte Modelle/Provider | Beliebiger LLM-Provider und Agenten-Framework; 100+ Integrationen; SDKs für Python, TypeScript/JavaScript, Java, R |