Link to this sectionUltralytics Platform#

Ultralytics Platform ist eine umfassende End-to-End-Plattform für Computer Vision, die den gesamten ML-Workflow von der Datenvorbereitung bis zur Modellbereitstellung rationalisiert. Entwickelt für Teams und Einzelpersonen, die produktionsreife Computer Vision Lösungen ohne die Komplexität der Infrastruktur benötigen.

Link to this sectionWas ist Ultralytics Platform?#

Ultralytics Platform wurde entwickelt, um fragmentierte ML-Tools durch eine vereinheitlichte Lösung zu ersetzen. Sie kombiniert die Fähigkeiten von:

• Roboflow - Datenmanagement und Annotation
• Weights & Biases - Experiment-Tracking
• SageMaker - Cloud-Training
• HuggingFace - Modell-Deployment
• Arize - Monitoring

Alles in einer Plattform mit nativer Unterstützung für YOLO26 und YOLO11 Modelle.

Link to this sectionWorkflow: Hochladen → Annotieren → Trainieren → Exportieren → Bereitstellen#

Die Plattform bietet einen End-to-End-Workflow:

graph LR
    subgraph Data["📁 Data"]
        A[Upload] --> B[Annotate]
        B --> C[Analyze]
    end
    subgraph Train["🚀 Train"]
        D[Configure] --> E[Train on GPU]
        E --> F[View Metrics]
    end
    subgraph Deploy["🌐 Deploy"]
        G[Export] --> H[Deploy Endpoint]
        H --> I[Monitor]
    end
    Data --> Train --> Deploy

Was du tun kannst:

• Hochladen von Bildern, Videos und Datensatzdateien zur Erstellung von Trainingsdatensätzen
• Visualisieren von Annotationen mit interaktiven Overlays für alle 6 YOLO-Aufgabentypen (siehe unterstützte Aufgaben)
• Trainieren von Modellen auf Cloud GPUs (22 bei allen Plänen, 24 bei Pro oder Enterprise für B200 und B300) mit Echtzeit-Metriken
• Exportieren in 19+ Exportformate (ONNX, TensorRT, CoreML, TFLite, etc.)
• Bereitstellen in 43 globalen Regionen mit dedizierten Endpunkten per Mausklick
• Überwachen des Trainingsfortschritts, der Deployment-Gesundheit und von Nutzungsmetriken
• Zusammenarbeiten, indem Projekte und Datensätze für die Community öffentlich gemacht werden

Link to this sectionMulti-Region-Infrastruktur#

Deine Daten bleiben in deiner Region. Ultralytics Platform betreibt Infrastruktur in drei globalen Regionen:

Du wählst deine Region während des Onboardings aus, und alle deine Daten, Modelle und Deployments verbleiben in dieser Region.

Link to this sectionHauptfunktionen#

Link to this sectionDatenvorbereitung#

• Datensatzverwaltung: Hochladen von Bildern, Videos oder Datensatzdateien mit automatischer Verarbeitung
• Annotation Editor: Manuelle Annotation für alle 6 YOLO-Aufgabentypen (Detektion, Segmentierung, semantische Segmentierung, Pose, OBB, Klassifizierung; siehe unterstützte Aufgaben)
• Skelett-Vorlagen: Integrierte (Person, Hand, Gesicht, Hund, Box) und benutzerdefinierte Skelett-Vorlagen für Pose-Annotation mit einem Klick
• Smart Annotation: Nutze SAM 2.1 (Tiny, Small, Base, Large), SAM 3, vortrainierte Ultralytics YOLO-Modelle oder deine eigenen feinabgestimmten YOLO-Modelle aus der Annotations-Symbolleiste für Detektions-, Segmentierungs-, semantische Segmentierungs- und OBB-Aufgaben
• Datensatz-Versionierung: Erstelle nummerierte NDJSON-Snapshots mit Beschreibungen für reproduzierbares Training
• Statistiken: Klassenverteilung, Standort-Heatmaps und Dimensionsanalyse

graph LR
    A[Upload Dataset/Images/Video] --> B[Auto-Process]
    B --> C[Browse & Filter]
    C --> D{Annotate}
    D --> E[Manual Tools]
    D --> F[SAM Smart]
    D --> G[YOLO Auto-Label]
    E --> H[Train-Ready Dataset]
    F --> H
    G --> H

Link to this sectionModelltraining#

• Cloud-Training: Trainieren auf Cloud GPUs (22 bei allen Plänen, 24 bei Pro oder Enterprise für B200 und B300) mit Echtzeit-Metriken
• Remote-Training: Trainiere von überall und streame Metriken an die Plattform (W&B-Stil)
• Projektorganisation: Gruppiere zugehörige Modelle, vergleiche Experimente, verfolge Aktivitäten
• 19+ Exportformate: ONNX, TensorRT, CoreML, TFLite und mehr (siehe unterstützte Formate)

Du kannst Modelle entweder über die Web-UI (Cloud-Training) oder von deinem eigenen Rechner aus (Remote-Training) trainieren:

Link to this sectionDeployment#

• Inferenz-Test: Teste Modelle direkt im Browser mit eigenen Bildern
• Dedizierte Endpunkte: Bereitstellung in 43 globalen Regionen mit standardmäßigem Scale-to-Zero (eine aktive Instanz)
• Monitoring: Echtzeit-Metriken, Anfrage-Logs und Performance-Dashboards

graph LR
    A[Trained Model] --> B{Action}
    B --> C[Browser Predict]
    B --> D[Export Format]
    B --> E[Deploy Endpoint]
    D --> F[ONNX / TensorRT / CoreML / TFLite / ...]
    E --> G[43 Global Regions]
    G --> H[API Endpoint URL]
    H --> I[Monitor & Scale]

Nach der Bereitstellung kannst du deinen Endpunkt aus jeder Sprache aufrufen:

import requests

url = "https://your-endpoint-url/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}

with open("image.jpg", "rb") as f:
    response = requests.post(url, headers=headers, files={"file": f})

print(response.json())

Link to this sectionKontoverwaltung#

• Teams & Organisationen: Arbeite mit Teammitgliedern zusammen, verwalte Rollen und Einladungen
• API-Schlüssel: Sichere Schlüsselverwaltung für Remote-Training und API-Zugriff
• Credits & Abrechnung: Pay-as-you-go-Training mit transparenter Preisgestaltung
• Aktivitäts-Feed: Verfolge alle Kontoereignisse und Aktionen
• Papierkorb & Wiederherstellen: 30-tägiges Soft-Delete mit Wiederherstellung von Elementen
• DSGVO-Konformität: Datenexport und Kontolöschung

Link to this sectionSchnellzugriff#

Starte mit diesen Ressourcen:

• Quickstart: Erstelle dein erstes Projekt und trainiere ein Modell in wenigen Minuten
• Datensätze: Lade deine Trainingsdaten hoch und verwalte sie
• Annotation: Label deine Daten mit manuellen und KI-gestützten Tools
• Projekte: Organisiere deine Modelle und Experimente
• Cloud-Training: Trainiere auf Cloud GPUs
• Inferenz: Teste deine Modelle
• Endpunkte: Stelle Modelle für die Produktion bereit
• Monitoring: Verfolge die Deployment-Performance
• API-Schlüssel: Verwalte den API-Zugriff
• Abrechnung: Credits und Bezahlung
• Aktivität: Verfolge Kontoereignisse
• Papierkorb: Gelöschte Elemente wiederherstellen
• REST API: API-Referenz

Link to this sectionFAQ#

Link to this sectionWie fange ich mit der Ultralytics Platform an?#

So fängst du mit der Ultralytics Platform an:

1. Anmelden: Erstelle ein Konto unter platform.ultralytics.com
2. Region wählen: Wähle deine Datenregion (US, EU oder AP) während des Onboardings
3. Datensatz hochladen: Navigiere zum Bereich Datensätze, um deine Daten hochzuladen
4. Modell trainieren: Erstelle ein Projekt und starte das Training auf Cloud GPUs
5. Bereitstellen: Teste dein Modell und stelle es an einem dedizierten Endpunkt bereit

Eine detaillierte Anleitung findest du auf der Quickstart-Seite.

Link to this sectionWas sind die Vorteile der Ultralytics Platform?#

Ultralytics Platform bietet:

• Einheitlicher Workflow: Daten, Training und Deployment an einem Ort
• Multi-Region: Datenresidenz in US-, EU- oder AP-Regionen
• No-Code-Training: Trainiere fortschrittliche YOLO-Modelle, ohne Code zu schreiben
• Echtzeit-Metriken: Streame den Trainingsfortschritt und überwache Deployments
• 43 Deployment-Regionen: Deploie Modelle in der Nähe deiner Nutzer weltweit
• 6 Aufgabentypen: Unterstützung für Detektion, Instanzsegmentierung, semantische Segmentierung, Pose, OBB und Klassifizierung (siehe Aufgabendokumentation)
• KI-gestützte Annotation: Smarte Annotation mit SAM und YOLO Modellen zur Beschleunigung der Datenvorbereitung

Link to this sectionWelche GPU-Optionen stehen für das Cloud-Training zur Verfügung?#

Die Ultralytics Platform unterstützt mehrere GPU-Typen für das Cloud-Training:

Siehe Cloud Training für vollständige Preisinformationen und GPU-Optionen.

Link to this sectionWie funktioniert Remote-Training?#

Du kannst Modelle auf deiner eigenen Hardware trainieren und Echtzeit-Metriken an die Plattform streamen, ähnlich wie bei Weights & Biases.

pip install "ultralytics>=8.4.60"

# Set your API key
export ULTRALYTICS_API_KEY="YOUR_API_KEY"

# Train with project/name to stream metrics
yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

Siehe Cloud Training für weitere Details zum Remote-Training.

Link to this sectionWelche Annotationstools sind verfügbar?#

Die Plattform enthält einen voll ausgestatteten Annotationseditor mit Unterstützung für:

• Manuelle Tools: Bounding Boxes, Polygone, Keypoints mit Skelett-Vorlagen, orientierte Boxen, Klassifizierung
• Skelett-Vorlagen: Platziere alle Keypoints auf einmal mithilfe integrierter (Person, Hand, Gesicht, Hund, Box) oder benutzerdefinierter Vorlagen
• Smarte Annotation: Nutze SAM 2.1 oder SAM 3 für klickbasierte Annotation oder führe vortrainierte Ultralytics YOLO Modelle und deine eigenen feinabgestimmten YOLO Modelle aus der Werkzeugleiste für Detektion, Segmentierung, semantische Segmentierung und OBB aus
• Tastenkombinationen: Effiziente Arbeitsabläufe mit Hotkeys

Siehe Annotation für den vollständigen Leitfaden.

Link to this sectionWelche Exportformate werden unterstützt?#

Die Plattform unterstützt 19+ Deployment-Formate:

Siehe Modell-Export, das Export-Modus Handbuch und den Integrationsindex für formatspezifische Optionen.

Link to this sectionFehlerbehebung#

Link to this sectionDataset-Probleme#

Link to this sectionTrainingsprobleme#

Link to this sectionDeployment-Probleme#

Link to this sectionHäufige Fragen#