
Modelbit AI ist eine Plattform zur Bereitstellung und Verwaltung von ML-Modellen, basierend auf Infrastructure-as-Code, die den gesamten Lebenszyklus von der Entwicklung bis zur Produktion unterstützt.
Sie überbrückt die 'letzte Meile' von der Entwicklung zur Produktion durch automatisierte Deployments, Git-Integration und flexibles Operations-Management.
Durch Git-Integration, Unterstützung von Jupyter Notebook Deployments sowie REST-API- und SQL-Endpunkten für die Anbindung an andere Systeme.
Schnelle Bereitstellung von Produktions-APIs, robuste Versionskontrolle, automatisiertes Operations-Management und flexible Deployment-Optionen.
Datenwissenschaftler, ML-Ingenieure und DevOps-Teams, die den Modelllebenszyklus in Produktion bringen wollen.
Ja, es bietet SQL-Endpunkte, um Modelle direkt aus Data-Warehouses wie Snowflake oder Redshift zu nutzen.

SmartSuite AI ist eine integrierte, KI-gestützte Arbeitsmanagement-Plattform, die Unternehmen hilft, Projekte, Geschäftsprozesse und tägliche Aufgaben in einem zentralen System zu planen, zu verfolgen und zu steuern. Die Lösung verbindet Funktionen aus Projektmanagement, Governance, Risk & Compliance (GRC) und IT-Servicemanagement mit No-Code/Low-Code-Automatisierung. KI-Funktionen unterstützen Text- und Inhaltsaufgaben, generieren Berichte, fassen Informationen zusammen und helfen bei der Erstellung von Aufgabenbeschreibungen. Sichtbar machen sich Fortschritt, Ressourcen und Risiken über Grid-, Kanban-, Gantt-, Kalender- und Dashboard-Ansichten. Zusätzlich stehen umfangreiche Vorlagen, feingranulare Berechtigungen, Audit-Logs und Datensicherheit im Vordergrund. Die Plattform lässt sich mit vielen Anwendungen integrieren und über APIs oder Integrationen in bestehende Systeme einbinden. Hinweis: Es besteht keine offizielle Markenbindung.
Deepnote AI ist eine cloudbasierte Kollaborationsplattform für Data Science, die einen browserbasierten Notebook-Ansatz mit nativen KI-Funktionen verbindet. Sie unterstützt Python, SQL und R und ermöglicht simultanes Arbeiten mehrerer Nutzer an Projekten. KI-gestützte Funktionen umfassen Code-Vervollständigung, Generierung, Erklärung sowie natürliche Sprachabfragen zur Datenabfrage und Analyse. Die Plattform bietet Verbindungen zu über 100 Datenquellen und Cloud-Services und enthält interaktive Visualisierungstools für Diagramme und dynamische Berichte. Von der Datenvorbereitung über Modelltraining bis zur Deployment-Montage deckt sie den ML-Workflow ab. Import- und Exportfunktionen für Jupyter-Notebooks (.ipynb) gewährleisten Kompatibilität, während flexible Rechenressourcen – inklusive GPU-Unterstützung – je nach Plan bereitstehen. So lässt sich datengetrieben arbeiten, ohne lokale Infrastruktur direkt betreiben zu müssen.