Ultralytics Platform#

Ultralytics Platform ist eine umfassende End-to-End-Plattform für Computer Vision, die den gesamten ML-Workflow von der Datenaufbereitung bis zum Modell-Deployment optimiert. Entwickelt für Teams und Einzelpersonen, die produktionsbereite computer vision-Lösungen ohne Infrastrukturkomplexität benötigen.

Was ist Ultralytics Platform?#

Die Ultralytics Platform vereint Dataset-Management und Annotation, Experiment-Tracking, Cloud- und Remote-Training, Modell-Export, dedizierte Inference-Endpunkte und Deployment-Monitoring in einem Workspace. Sie bietet native Unterstützung für YOLO26-, YOLO11-, YOLOv8- und YOLOv5-Modelle.

Workflow: Hochladen → Annotieren → Trainieren → Exportieren → Bereitstellen#

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

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

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Was du tun kannst:

• Hochladen von Bildern, Videos und Datensatzdateien zur Erstellung von Trainingsdatensätzen
• Visualisiere Annotationen mit interaktiven Overlays für alle 6 YOLO-Task-Typen (siehe supported tasks)
• Trainiere Modelle auf Cloud-GPUs (24 in allen Tarifen, 26 mit Pro oder Enterprise für B200 und B300) mit Echtzeit-Metriken
• Exportiere in 20 deployment formats (ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend etc.)
• Bereitstellen in 42 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

Multi-Region-Infrastruktur#

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

Du wählst deine Datenregion während des Onboardings aus. Datasets, Modelle und verwaltete Trainingsdaten verbleiben in dieser Region. Dedizierte Endpunkte werden separat in einer Region bereitgestellt, die du auf der globalen Deployment-Karte auswählst.

Hauptfunktionen#

Datenvorbereitung#

• Datensatzverwaltung: Hochladen von Bildern, Videos oder Datensatzdateien mit automatischer Verarbeitung
• Annotation Editor: Manuelle Annotation für alle 6 YOLO-Task-Typen (detect, segment, semantic, classify, pose, OBB; siehe supported tasks)
• Skelett-Vorlagen: Integrierte (Person, Hand, Gesicht, Hund, Box) und benutzerdefinierte Skelett-Vorlagen für Pose-Annotation mit einem Klick
• Smart Annotation: Verwende SAM 2.1 (Tiny, Small, Base, Large), SAM 3, vortrainierte Ultralytics YOLO-Modelle oder deine eigenen feinabgestimmten YOLO-Modelle aus der Annotations-Toolbar für detect-, segment-, semantic- und OBB-Tasks
• Datensatz-Versionierung: Erstelle nummerierte NDJSON-Snapshots mit Beschreibungen für reproduzierbares Training
• Statistiken: Klassenverteilung, Standort-Heatmaps und Dimensionsanalyse

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

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff

Modelltraining#

• Cloud Training: Trainiere auf Cloud-GPUs (24 in allen Tarifen, 26 mit Pro oder Enterprise für B200 und B300) mit Echtzeitmetriken
• Remote Training: Trainiere überall und streame Metriken an Ultralytics Platform
• Projektorganisation: Gruppiere zugehörige Modelle, vergleiche Experimente, verfolge Aktivitäten
• 20 Export-Formate: ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend und mehr (siehe supported formats)

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

Deployment#

• Inferenz-Test: Teste Modelle direkt im Browser mit eigenen Bildern
• Dedizierte Endpunkte: Bereitstellung in 42 globalen Regionen mit standardmäßigem Scale-to-Zero (einzelne aktive Instanz)
• Monitoring: Echtzeit-Metriken, Anfrage-Logs und Performance-Dashboards

graph LR
    A[Trained Model]:::start --> B{Action}:::decide
    B --> C[Browser Predict]:::proc
    B --> D[Export Format]:::proc
    B --> E[Deploy Endpoint]:::proc
    D --> F[ONNX / TensorRT / CoreML / LiteRT / ...]:::out
    E --> G[42 Global Regions]:::proc
    G --> H[API Endpoint URL]:::proc
    H --> I[Monitor & Scale]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff

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())

Kontoverwaltung#

• 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

Schnellzugriff#

Starte mit diesen Ressourcen:

• Quickstart: Erstelle dein erstes Projekt und trainiere in wenigen Minuten ein Modell
• Datasets: Lade deine Trainingsdaten hoch und verwalte sie
• Annotation: Beschrifte deine Daten mit manuellen und KI-gestützten Tools
• Projects: Organisiere deine Modelle und Experimente
• Cloud Training: Trainiere auf Cloud-GPUs
• Inference: Teste deine Modelle
• Endpoints: Deploye Modelle in die Produktion
• Monitoring: Verfolge die Deployment-Performance
• API Keys: Verwalte den API-Zugriff
• Billing: Guthaben und Zahlung
• Activity: Verfolge Kontoereignisse
• Trash: Stelle gelöschte Elemente wieder her
• REST API: API-Referenz

FAQ#

Wie fange ich mit der Ultralytics Platform an?#

So legst du mit der Ultralytics Platform los:

1. Sign Up: Erstelle ein Konto auf platform.ultralytics.com
2. Region wählen: Wähle deine Datenregion (US, EU oder AP) während des Onboardings
3. Upload Dataset: Öffne Annotate in der Seitenleiste und lade deine Daten hoch
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.

Was 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
• 42 Bereitstellungsregionen: Stelle Modelle weltweit in der Nähe deiner Nutzer bereit
• 7 Task Types: Unterstützung für Detektion, Instanzsegmentierung, semantische Segmentierung, Tiefenschätzung (Modelle und Vorhersage bereits verfügbar, Tiefen-Datasets folgen in Kürze), Klassifizierung, Pose und OBB (siehe task docs)
• AI-Assisted Annotation: Smart annotation mit SAM- und YOLO-Modellen zur Beschleunigung der Datenvorbereitung

Welche 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 Preise und GPU-Optionen.

Wie funktioniert Remote-Training?#

Du kannst Modelle auf deiner eigenen Hardware trainieren und Echtzeit-Metriken an Ultralytics Platform streamen.

pip install "ultralytics>=8.4.104"

# 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.

Welche 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
• Smart Annotation: Verwende SAM 2.1 oder SAM 3 für die klickbasierte Annotation oder führe vortrainierte Ultralytics YOLO-Modelle und deine eigenen feinabgestimmten YOLO-Modelle über die Toolbar für detect, segment, semantic und OBB aus
• Tastenkombinationen: Effiziente Arbeitsabläufe mit Hotkeys

Siehe Annotation für die vollständige Anleitung.

Welche Exportformate werden unterstützt?#

Die Platform unterstützt dieselben 20 Deployment-Formate wie der Ultralytics Export-Modus. PyTorch ist das Quellformat; jede Zeile mit einem format-Argument ist ein Exportziel.

Siehe Models Export, den Export mode guide und den Integrations index für formatspezifische Optionen.

Fehlerbehebung#

Dataset-Probleme#

Trainingsprobleme#

Deployment-Probleme#

Häufige Fragen#