H2O AI

Eine kurze Beschreibung

H2O.ai ist ein Produktökosystem, das traditionelles maschinelles Lernen, AutoML, die Überwachung der Modellbereitstellung, Enterprise RAG, intelligente Agenten, die Anpassung von LLMs sowie die Entwicklung von AI-Anwendungen umfasst. Es gibt sowohl kostenlose, open-source-Komponenten als auch kommerzielle Plattformen für produktive und konformitätsrelevante Anwendungen.

Einführung in die Tools

H2O.ai wurde 2012 von Sri Ambati gegründet und hat seinen Hauptsitz in Mountain View, Kalifornien, USA. Das Unternehmen ging von der open-source-basierten, verteilten Machine-Learning-Plattform H2O-3 aus; heute umfasst das Produktangebot Predictive AI, Generative AI, intelligente Agenten sowie Enterprise-AI-Cloud-Lösungen.

„H2O AI“ ist nicht der Name einer einzigen Chat-Software. Die Nutzer beziehen sich möglicherweise auf H2O-3, Driverless AI, H2O AI Cloud, Enterprise h2oGPTe, H2O LLM Studio, Wave oder andere Komponenten. Vor der Auswahl muss zunächst die Aufgabe sowie die Anforderungen an die Lizenzen klar definiert werden.

Open-Source-Projekte teilen Teile der Technologie und des Markenimages mit Unternehmensprodukten, doch Lizenzen, Implementierung, Support, Sicherheit und Funktionsgrenzen unterscheiden sich. Dass H2O-3 open source ist, bedeutet nicht, dass H2O AI Cloud kostenlos ist; genauso bedeutet die Open-Source-Natur von h2oGPT nicht, dass Enterprise h2oGPTe ebenfalls open source ist.

Überblick über das Produktportfolio

H2O-3 – Open-Source-Maschinelles-Lernen-Plattform

H2O-3 ist das wichtigste Open-Source-Projekt von H2O.ai. Es nutzt memoriellen verteilten Rechnungssupport und ermöglicht es, Modelle auf einzelnen Rechnern oder in Mehrknoten-Clustern zu trainieren und zu bewerten. Die Benutzer können mit Python, R, Java, Scala, der Flow-Grafikoberfläche oder REST-API arbeiten.

Die aktuelle stabile Dokumentationsversion ist 3.46.0.12. Die Open-Source-Version ist kostenlos und unterliegt der Apache 2.0-Lizenz. Allerdings sind die Installation, Aktualisierungen, Fehlerbehebungen, die Verwaltung der Kapazitäten, die Überwachung sowie das Backup und die Handhabung von Störungen in der Produktion in der Verantwortung des Benutzers.

Algorithmen und AutoML

• Überwachtes Lernen: GLM, GBM, XGBoost, zufällige Wälder, tiefes Lernen, Support-Vektor-Maschinen und Regelmodelle usw.
• Integriertes Lernen: Stacked Ensembles können mehrere Basismodelle kombinieren, um die Generalisierungsfähigkeit zu verbessern.
• Unüberwachtes Lernen: K-Means, PCA, Anomalieerkennung und andere Algorithmen zur Datenexploration.
• Zeit- und Verteilungsmodellierung: Allgemeine additive Modelle, zeitabhängige Merkmale sowie verschiedene Wahrscheinlichkeitsverteilungen.
• H2O AutoML: Trainieren mehrerer Algorithmen innerhalb des Budgets, Anpassung von Parametern, Integration sowie Erstellung von Ranglisten.
• Modellinterpretation: Methoden wie Variable-Wichtigkeit, partielle Abhängigkeit und SHAP variieren je nach Algorithmus und Version.
• Datenanschluss: Unterstützt die Integration mit gängigen Dateiformaten, Objektspeichern, Hadoop, Spark sowie Cloud-Umgebungen.

Typischer Arbeitsablauf von H2O-3

1. Installieren Sie in einer kontrollierten Umgebung H2O-3, das mit der Client-Version übereinstimmt.
2. Starten Sie einen einzelnen Knoten oder einen Cluster und beschränken Sie den Netzwerkzugriff auf die Flow- und REST-Ports.
3. Daten aus Dateien, Datenbanken, Objektspeichern oder Spark-Prozessen importieren.
4. Überprüfen Sie die Spaltenart, fehlende Werte, die Anzahl der Kategorien, Lecks und die Zielverteilung.
5. Die Trainings-, Validierungs- und Testdatensätze werden getrennt, um durch Geschäftszeiten und Entitätsgrenzen keine Informationslecks zu vermeiden.
6. Führen Sie einen einzelnen Algorithmus oder AutoML aus und legen Sie Zeit, Anzahl der Modelle sowie Ressourcenbudget fest.
7. Vergleichen Sie Ranglisten, Stabilität, Fairness, Erklärbarkeit und Kosteneffizienz bei der Abwägung.
8. Wählen Sie basierend auf der aktuellen Lizenz und den Produktanforderungen die Server-Bewertung, die unterstützten Modellkomponenten oder eine Unternehmens-Upgrade-Version aus.

Open-Source-Sicherheitsgrenze

Das H2O-3-Dokument sieht vor, dass die Plattform innerhalb eines sicheren Datenzentrums bereitgestellt wird; Flow- und REST-Dienste sollten nicht direkt im öffentlichen Internet zugänglich sein. Die Standard-Web-Portnummer beträgt in der Regel 54321, wobei die Clusterknoten zusätzlich benachbarte interne Kommunikationsportnummern verwenden.

Offene Quellen bedeuten nicht automatisch Sicherheit. Das Team muss selbst Netzwerksegmentierung, TLS, Authentifizierung, Dateirechte, Datenmaskierung, Patches für Abhängigkeiten, Protokollierung, Schlüssel sowie das Vertrauensverhältnis zwischen den Knoten konfigurieren.

H2O-3 OSS und H2O-3 Secure

H2O-3 Secure ist der kommerzielle Ansatz für die Produktlinie im Jahr 2026, der sich auf die Produktionssteuerung konzentriert. Er behält die Kompatibilität mit dem H2O-3-Code sowie den APIs und Pipelines bei und bietet zudem langfristige Unterstützung, Behebung von Sicherheitslücken, Unternehmenspakete sowie Hilfsmittel für die Audits.

H2O-3 Secure ermöglicht es den Kunden nicht automatisch, die Zertifizierungen SOC 2, ISO 27001 oder ISO 42001 zu erlangen. Es bietet zwar Funktionen zur Unterstützung von Nachweisen und Kontrollmechanismen, doch die Organisation muss weiterhin ihre eigenen Prozesse, Personal, Daten sowie Mechanismen zur Risikobewirtschaftung entwickeln.

H2O Driverless AI

Driverless AI ist eine kommerzielle AutoML-Plattform, die die automatische Verarbeitung von Datenvisualisierungen, Feature-Engineering, Modellauswahl, Parameteranpassung, Validierung, Interpretation sowie die Vorbereitung für die Implementierung übernimmt. Nachdem der Benutzer Ziele und Präferenzen für die Experimente definiert hat, sucht das System nach geeigneten Lösungsansätzen und vergleicht diese miteinander.

Kernkompetenzen

• Automatische Erkennung von Datenqualitätsproblemen, potenziellen ID-Spalten, starken Leckagesignalen und verfügbaren Merkmalen.
• Führen Sie fortgeschrittene Merkmalsumwandlungen durch und erkennen Sie Variableninteraktionen.
• Automatische Auswahl von Algorithmen, Parametern, Überprüfungsmethoden und Bewertungskriterien.
• Unterstützung für verschiedene Experimentieransätze wie Zeitreihen, NLP, Bilder und strukturierte Daten.
• Bietet globale und einzelne Vorhersageerklärungen, Abweichungskontrollen sowie Modelldokumentation.
• Es ist möglich, Modelle, Konverter und Bewertungsfunktionen mit Python-Rezepten zu erweitern.
• Es können REST-Dienste, Python-basierte Bewertungspipelines oder eigenständige Java-Bewertungskomponenten erstellt werden.
• Unterstützung für CPU- und GPU-Umgebungen; die tatsächliche Beschleunigung hängt von den Daten, Algorithmen und der Hardware ab.

Gültige Grenzen

KI ohne Bediener reduziert die Arbeit bei der wiederholten Modellierung, definiert aber nicht anstelle des Benutzers die richtigen Geschäftsziele, Tags, Kostenfunktionen und die Kriterien für die Freigabe in Produktion. Selbst das automatisch erzielte Modell mit der höchsten Punktzahl kann Datenlecks, Drift, Verzerrungen oder unangemessene Entscheidungen aufweisen.

H2O AI Cloud

H2O AI Cloud ist eine end-to-end-Plattform, die auf Kubernetes basiert und in H2O-Hosting-Umgebungen, Kunden-Private-Clouds oder lokaler Infrastruktur laufen kann. Sie vereint Modellierung, Notebooks, MLOps, eine Anwendungsplattform, Berechtigungen sowie mehrere H2O-Produkte in einer einzigen Arbeitsumgebung.

Standard-Kernkomponenten

• AI App Store: Verbreitung und Ausführung von AI-Apps für Geschäftskunden.
• AI Engine Manager: Verwaltung von Rechenenginen wie H2O-3, Driverless AI und Notebook.
• H2O Driverless AI und H2O-3: Sie sind für AutoML sowie Vorhersagemodelle zuständig.
• H2O MLOps: Verwaltung, Bereitstellung, Betrieb und Überwachung von Modellen.
• Wave SDK: Erstellung von Low-Code-AI-Anwendungen mit Python.
• Workflows und Plattformdienste: Umfassen Berechtigungen, Token, Schlüssel, Modellzentren und Telemetrie.
• Komponenten wie H2O Drive, LLM Studio und Admin Analytics werden nach Version oder Konfiguration ausgewählt.

Zusätzliche, gegen Bezahlung erhältliche Komponenten

Einführung in den AI-Cloud-Dienst

1. Bitten Sie um eine Demonstration und klären Sie mit dem Vertrieb die Managed- oder Hybrid-Implementierungsvariante ab.
2. Bestimmen Sie den Arbeitsbereich, den Identitätsanbieter, das Netzwerk, die Schlüssel, den Datenspeicherbereich sowie die Verantwortlichkeiten der Administrator:innen.
3. Erstellen Sie einen Driverless AI-, H2O-3- oder Notebook-Engine und konfigurieren Sie CPU, RAM, GPU und Festplatte.
4. Laden Sie Beispieldaten hoch oder verbinden Sie sie – führen Sie zunächst die Klassifizierung der Daten sowie die Freigabeverfahren durch.
5. Führen Sie Experimente durch und überprüfen Sie auf einem unabhängigen Validierungsdatensatz die Leistung, Stabilität, Erklärbarkeit und Fairness.
6. Registrieren Sie das Kandidat-Modell in MLOps und konfigurieren Sie Genehmigungen, Dienste, Überwachung und Rollback.
7. Verwenden Sie Wave oder den App Store, um eine Benutzeroberfläche für das Unternehmen zu erstellen, und beschränken Sie die Rechte für jede Arbeitsumgebung sowie jedes Anwendungsinstanz.
8. Überwachen nach dem Go-Live von Modellen, Anwendungen, Ressourcen, Anmeldungen, Kosten und Sicherheitsvorfällen.

Enterprise h2oGPTe und AI Super Agent

Enterprise h2oGPTe ist eine generative KI-Plattform für unternehmensinterne Daten, die Dokumentensammlungen, Wissensdatenbanken, Datenbanken, Vorhersagemodelle sowie Geschäftswerkzeuge in RAG und intelligente Agenten integrieren kann. Sie unterstützt mehrere Modelle, Modellrouting, Schutzregeln, Kostenkontrolle sowie lokale, cloudbasierte oder isolierte Implementierungen.

Unternehmens-RAG und Dokumenten-AI

Die Plattform ermöglicht das Verfassen von Fragen und Antworten, das Erstellen von Zusammenfassungen sowie die Suche nach Informationen – außerdem kann strukturierte JSON-Daten erzeugt werden. Sie eignet sich zur Extraktion von Informationen aus Verträgen, Compliance-Kriterien und Prüfdokumenten. Auch bei antworten, die auf bestimmten Quellen beruhen, muss überprüft werden, ob die Suche vollständig war, ob die verwendeten Informationen noch aktuell sind und ob das Modell die Informationen richtig verstanden hat.

Kombination von prädiktiver KI und generativer KI

h2oGPTe kann die Vorhersagungsergebnisse von H2O-3 oder Driverless AI, die Shapley-Erklärungen sowie Geschäftsdaten an einen Agenten zur Analyse weiterleiten. Auf diese Weise können aus der „Wahrscheinlichkeit eines Eintritts“ weitere Geschäftsempfehlungen abgeleitet werden, doch das Sprachmodell darf die ursprünglichen Modelldaten nicht ändern.

H2O AI Super Agent

Super Agent ist der universelle Prioritätsagent in Enterprise h2oGPTe, mit dem Tools ausgewählt, Code geschrieben und ausgeführt, Fehler behoben sowie mehrstufige Aufgaben iterativ abgeschlossen werden können. Derselbe Antrag kann je nach Kontext und Tool unterschiedliche Verarbeitungspfade aufweisen und erfordert daher eine Sandbox, Freigabe sowie eine vollständige Auditspur.

• Eignet sich für tiefgehende Analysen, Prognoseanalysen, Dokumentverarbeitung, Datensuche und Workflows zwischen Systemen.
• Komplexe Ziele können in Unteraufgaben aufgeteilt und mehrere spezialisierte Agenten koordiniert werden.
• Unterstützung für verschiedene Ansätze zur Implementierung von künstlicher Intelligenz – Cloud, VPC, lokaler Betrieb sowie vollständige Isolation.
• Toolaufrufe und Codeausführung erhöhen das Risiko von Berechtigungsüberschreitungen; es muss eine Minimierung der Berechtigungen pro Aufgabe erfolgen.
• Die Referenzrangliste spiegelt die Leistung in einem bestimmten Testset wider und bedeutet nicht, dass jedes Unternehmensproblem von diesem System besser gelöst wird als von anderen.
• Für Entscheidungen mit hohem Risiko, Schreibvorgänge sowie externe Kommunikationen sollte eine manuelle Freigabe sowie die Möglichkeit zur Rückerstattung beibehalten werden.

Unterschiede zwischen der Open-Source-Version und der Unternehmensversion von h2oGPT

Die Open-Source-Lösung h2oGPT bot Funktionen wie lokale Dokumentenabfragen, RAG, Modellableitungen sowie Multimedieeingaben und war unter der Apache 2.0-Lizenz verfügbar. Das offizielle GitHub-Repo ist mittlerweile archiviert; die letzte Code-Veröffentlichung stammt aus dem Jahr 2025, wobei die aktuellste offizielle Version weiterhin 0.2.1 aus dem Jahr 2024 ist.

Enterprise h2oGPTe bleibt das wichtigste kommerzielle Produkt von H2O.ai; seine Funktionen, Architektur und Unterstützung entwickeln sich ständig weiter. Aufgrund ähnlicher Namen darf h2oGPT, das als archiviert gilt, nicht fälschlich als die vollständige Open-Source-Version der Unternehmensplattform bezeichnet werden.

H2O LLM Studio

H2O LLM Studio ist ein Open-Source-Framework mit grafischer Benutzeroberfläche unter der Apache 2.0-Lizenz, das zur Vorbereitung, Feinabstimmung, Bewertung und Exportierung großer oder kleiner Sprachmodelle verwendet wird. Der offizielle Repository ist weiterhin aktiv; die Version 1.15.0 wurde im August 2026 veröffentlicht.

Fähigkeiten der Open-Source-Version

• Datensets, Modelle, Trainingsparameter und Bewertungen werden über eine grafische Benutzeroberfläche konfiguriert.
• Unterstützung für Hugging Face-Modelle sowie verschiedene effiziente Methoden zur feinen Abstimmung von Parametern.
• Speichern von Experimenten, Metriken, Checkpoints und Schlussfolgerungs-Einstellungen.
• Eignet sich für Forschung in Einzelteams, Prototypen sowie Umgebungen zur selbstständigen Feinabstimmung.
• Für das Training sind eine geeignete GPU, Treiber, Grafikspeicher, Speicherplatz sowie Lizenzen für die Modelle erforderlich.
• Open-Source-Software ist kostenlos, doch Rechenleistung, Datenvorbereitung, Wartung und Sicherheit sind es nicht.

Enterprise LLM Studio

Enterprise LLM Studio ist eine lizenzierte Version, die auf einer open-source-basierten Trainingsplattform aufbaut und für mehrbenutzerfähige Produktivumgebungen hinter Firewalls oder in privaten Clouds konzipiert ist. Es bietet zentrale Speicherung von Modellen und Datensätzen, Rollenrechte, Versionsverwaltung, eine vollständige REST-API sowie Strategien zur Datengenerierung und automatischen Feinabstimmung.

Die Enterprise-Version ist vollständig geschlossen und stellt kein einfaches Hosting-Paket für das Apache 2.0-Projekt dar. Die experimentellen Funktionen zur multimodalen Ausbildung sowie zur Objekterkennung sollten ohne Überprüfung nicht direkt in kritischen Produktionsprozessen eingesetzt werden.

H2O Wave und die Entwicklung von AI-Anwendungen

H2O Wave ist ein Open-Source-Framework zur Entwicklung von Echtzeit-Webanwendungen und Dashboards in Python oder R, das unter der Apache 2.0-Lizenz steht. Entwickler können vorgefertigte UI-Komponenten nutzen, um Modelle, Daten, Formulare und Interaktionen darzustellen, ohne zunächst eine vollständige Frontend-Technologie zu implementieren.

Die Wave-App kann eigenständig laufen oder in den Anwendungsstore von H2O AI Cloud importiert werden, um sie im Arbeitsbereich zu teilen. Der offizielle Repository ist derzeit aktiv; die Version 1.8.12 wurde im August 2026 veröffentlicht.

Wave-App erstellen

1. Installieren Sie eine mit dem Projekt kompatible Python- oder R-Umgebung sowie das Wave SDK.
2. Definieren von Seiten, Karten, Formularen, Tabellen und Visualisierungskomponenten.
3. Verbindung zu H2O-3, Driverless AI, externen Modellen oder Geschäft-APIs.
4. Fügen Sie für die Aktionen Hochladen, Abfragen, Vorhersagen und Herunterladen Eingabekontrollen sowie Berechtigungen hinzu.
5. Testen Sie lokal und dokumentieren Sie Abhängigkeiten, Umgebungsvariablen, Modell- und Datenversionen.
6. Einsatz als eigenständige Anwendung oder Verpackung der Anwendung zur Importierung in den AI Cloud App Store.
7. Einstellen von Instance-Schlafmodus, Ressourcen, Zugriffsgruppen, Protokollen, Aktualisierungen und Rollbacks.

Entwicklung von Schnittstellen und Integration

Für welche Benutzer geeignet

• Datenwissenschaftler: Nutzung von H2O-3 oder Driverless AI zur Modellierung strukturierter Daten und zum AutoML.
• Maschinelles-Lernen-Ingenieur: Bereitstellung, Überwachung und Aktualisierung von Vorhersagemodellen oder generativen KI-Diensten.
• Forscher und Studenten: Führen kostenlose, selbstgesteuerte Experimente mit H2O-3 und LLM Studio durch.
• Team für Unternehmensplattformen: Vereinheitlichte Berechnungen, Arbeitsbereiche, Modelle, Anwendungen und Governance über AI Cloud.
• Regulierte Branchen: Bewertung von H2O-3 Secure, Erklärungen zu Driverless AI sowie Unternehmenssicherheitskontrollen.
• Wissensmanagement-Team: Nutzung von Enterprise h2oGPTe zur Erstellung privater RAG- und Dokumentenassistenten.
• Modellteam: Anpassung, Bewertung und Bereitstellung von Fachmodellen mit Enterprise LLM Studio.
• Anwendungsentwickler: Nutzen Sie Wave, um die Fähigkeiten des Modells in eine Business-Oberfläche umzuwandeln.
• Es eignet sich nicht für Privatnutzer, die sofort einen günstigen, allgemeingültigen Chatbot haben möchten – H2O ist in erster Linie für technische oder unternehmerische Anwendungen bestimmt.

Typische Anwendungsszenarien

• Betrug, Kreditwürdigkeit, Abwanderung, Nachfrage, Risiken und Vorhersage von Ausrüstungsfehlern.
• AutoML auf strukturierten Daten anwenden und verschiedene Algorithmen sowie integrierte Modelle vergleichen.
• Automatische Erstellung von Merkmalen, Überprüfungsstrategien, Erklärungen und Modelldokumentation.
• Registrieren, bereitstellen, überwachen des Vorhersagemodells und erneutes Trainieren nach Drift.
• Auf der Grundlage von Unternehmensdokumenten und Datenbanken werden fundierte Fragen-Antworten sowie strukturierte Extraktionen erstellt.
• Lassen Sie den Agenten komplexe Forschungen durch die Kombination von Prognoseergebnissen, Werkzeugen und Code durchführen.
• Feinabstimmung von LLMs oder SLMs im jeweiligen Bereich und Vergleich von Qualität, Verzögerung und Kosten.
• Verwenden Sie Wave, um Modelle, Formulare, Berichte und Geschäftsprozesse zu einer AI-Anwendung zusammenzufügen.

Vorteile des Produkts

• Gleichzeitig verfügt es über eine ausgereifte Palette an vorhersagender KI, AutoML, generativer KI und Agentenprodukten.
• H2O-3, LLM Studio und Wave nutzen lockere Open-Source-Lizenzen, die das Lernen und die Eigenverwaltung erleichtern.
• Python, R, Java, Scala, REST und grafische Benutzeroberflächen bedienen verschiedene Technologieanwender.
• Von Experimenten und Erklärungen über die Implementierung bis hin zur Überwachung entsteht so ein relativ vollständiger Lebenszyklus eines Unternehmens.
• Unterstützung für gehostete Clouds, Kunden-Clouds, lokale Umgebungen sowie teilweise vollständig isolierte Umgebungen.
• Driverless AI legt den Schwerpunkt auf Feature-Engineering, Erklärung, Überprüfung und Bewertungspipelines statt nur auf das Trainieren eines einzelnen Modells.
• Enterprise h2oGPTe kann RAG, Vorhersagemodelle, Tools sowie Mehrmodell-Routing kombinieren.
• Die Behörden verfügen über GitHub-Organisationen mit validierten Domainnamen, wodurch die Open-Source-Repositorys, Lizenzen sowie der Wartungszustand überprüft werden können.

Einschränkungen und Auswahlrisiken

• Es gibt viele Produkte mit ähnlichen Namen, wodurch es leicht passieren kann, dass Open-Source-Komponenten, kommerzielle Erweiterungen und Cloud-Plattformen fälschlich verwechselt werden.
• Die Preise für die Produkte des Unternehmens werden nicht öffentlich angegeben; für Lizenzen, Support sowie Berechnungs- und Implementierungskosten müssen separate Angebote erstellt werden.
• H2O-3 ist ein in-Memory-Distributed-System; das Training mit großen Datenmengen erfordert viel Speicher sowie eine spezielle Clusterplanung.
• AutoML kann die Zeit für Experimente verkürzen, ersetzt aber nicht die Definition der Ziele, die Datenverwaltung, die Ursachenzuordnung sowie die Verantwortung bei der Einführung in den Betrieb.
• Der AI Cloud umfasst zahlreiche Komponenten; für Identität, Netzwerk, Speicherung, Aktualisierungen und Support sind systematische Umsetzungen erforderlich.
• Das Open-Source-Repositorium h2oGPT wurde archiviert. Neue Projekte, die weiterhin davon Gebrauch machen, gehen das Risiko ein, sich um Abhängigkeiten und Sicherheitslücken kümmern zu müssen.
• Modelle, Datensätze und Drittanbieter-Grundmodelle haben jeweils eigene Lizenzen; die Apache 2.0-Lizenz gilt nicht für alle Modellgewichte.
• Die von Unternehmens-KI erzeugten Ergebnisse können fehlerhaft sein oder zu ungerechten Ausfällen führen; die neuesten Verträge verlangen eine endgültige manuelle Überprüfung durch den Kunden.
• Anwendungen wie medizinische Diagnosen, Biometrie, kritische Infrastrukturen, Waffen und hochriskante Finanztransaktionen sind durch Unternehmenslizenzen eingeschränkt.
• Auf der Historie-Seite steht weiterhin „90 Tage kostenlose Testphase“, doch der aktuelle Haupt-Eingang führt nun zur Anfrage einer Demo. Die alte Testphase sollte nicht als aktuelle Zusage angesehen werden.

Preise und Lizenzen

Stand dem 23. August 2026 hat H2O.ai für seine Unternehmensprodukte keinen einheitlichen, festen Preis bekannt gegeben. H2O-3 OSS, H2O LLM Studio und Wave können mit Open-Source-Code kostenlos genutzt werden, während die kommerziellen Produkte nach der Anzahl der Deployments, Komponenten, Benutzer, Rechenleistung, Unterstützung sowie dem Umfang des Vertrags berechnet werden.

Probephase

Auf der offiziellen Website wurden in den historischen Anleitungen sowie auf den Seiten mit alten Lösungsvorschlägen eine 90-tägige kostenlose Testversion von H2O AI Cloud vorgestellt. Auf den früheren Seiten zu Driverless AI wurde ebenfalls eine 21-tägige Testphase angeboten. Der aktuelle Haupt-Eingangsbereich zeigt „Request a Demo“ an – es gibt keine überprüfbare Laufzeit für eine kostenlose Selbstversuchsversion.

Die Unternehmensbewertung sollte in schriftlichen Testdokumenten oder POC-Dokumenten die Komponenten, die Datenspeicherkapazität, die GPU, die Konkurrenzfähigkeit, die Unterstützung, die Laufzeit sowie die Bedingungen für Löschung und Umwandlung in einen regulären Vertrag festlegen. Die Kosten für Infrastruktur oder Images im Cloud-Markt können außerdem getrennt von den Lizenzkosten für das H2O-Software abgerechnet werden.

GitHub und Open-Source-Projekte

H2O.ai verfügt über eine offizielle GitHub-Organisation, die durch die Domainverifizierung bestätigt wurde. Derzeit sind dort etwa 195 Repositorien öffentlich zugänglich. Nicht alle Projekte in dieser Organisation können unter derselben Lizenz betrachtet werden, und auch die öffentlich verfügbaren Rezepte oder Beispielcodes gelten nicht als Open Source im Sinne von Driverless AI und AI Cloud.

Hinweise zur Nutzung von Open Source

• Lesen Sie zuerst die eigene Lizenz, die NOTICE, die Abhängigkeiten und die Modellkarte jedes Repositoriums.
• Erhalten Sie Aufzeichnungen über die verwendeten Commit-Zeilen, veröffentlichte Versionen, die Versionen der Python- oder R-Pakete sowie die Server-Version.
• Überprüfen Sie, ob das Lager archiviert ist, welche Sicherheitsupdates vorliegen, welche Probleme noch ungelöst sind und die Kompatibilitätsmatrix.
• Die Apache 2.0-Lizenz für Open-Source-Frameworks gewährt nicht automatisch das Recht an Trainingsdaten oder Modellgewichten.
• Verwalten Sie Forks, Beispiele, Rezepte und Kernprodukte in offiziellen Organisationen getrennt voneinander.
• In der Produktionsumgebung müssen SLAs, Reaktion auf Sicherheitslücken, Updates, Rollbacks sowie langfristige Unterstützung selbst eingerichtet werden.

Privatsphäre, Sicherheit und Konformität

Laut der aktuellen Datenschutzrichtlinie von H2O.ai werden die vom Kunden bereitgestellten Eingaben, Metadaten sowie Modelldaten nicht zur Trainierung der H2O.ai-Modelle verwendet – es sei denn, es wird schriftlich etwas anderes vereinbart. Bei kostenlosen, probatorischen oder API-Diensten können die Eingaben zwar sofort verarbeitet werden, doch es können dennoch begrenzte Mengen an Metadaten zur Sicherstellung, zur Fehlerbehebung oder zur Verhinderung von Missbrauch gespeichert werden.

Die Unternehmens-DPA wird im April 2026 aktualisiert und umfasst gebührenpflichtige sowie kostenlose Versionen, Testversionen, API- und Testfunktionen. Die Kunden sind dafür verantwortlich, die Rechtmäßigkeit der Daten sowie die Ergebnisse der KI-Verarbeitung letztendlich manuell zu überprüfen. H2O.ai verspricht, technische und organisatorische Maßnahmen auf dem Niveau der Branchenstandards beizubehalten.

Prozess der Sicherheitsbereitstellung

1. Wählen Sie je nach Datenkategorie zwischen Open-Source Self-Management, Managed, Hybrid, lokaler Lösung oder vollständig isolierter Lösung.
2. Bestellung, EULA und DPA unterschreiben und alle Komponenten, Modelle, Zulieferer sowie Datenbereiche aufzählen.
3. Die Verwaltungsebene, Flow, REST, Modellservices sowie die Kommunikation zwischen Knoten werden in ein kontrolliertes Netzwerk eingebettet.
4. Verknüpfung mit der Unternehmensidentität – Zuweisen von minimalen Berechtigungen nach Arbeitsbereich, Projekt, Modell, Anwendung und Aktion.
5. Legen Sie Schlüssel, Objektspeicherkennwörter, Modelltokens und Datenbankkonten in den Secure Key Service.
6. Im Testumfeld werden Übergriffsbefugnisse, Prompt-Injection, Datenlecks, bösartige Modelle und Abhängigkeitsrisiken überprüft.
7. Manuelle Zugangskontrollen für Schulung, Freigabe, Bereitstellung, Aufruf von Agentenwerkzeugen und hochriskante Ausgaben einrichten.
8. Ständige Überwachung von Sicherheitslücken, Modelldrift, abweichenden Aufrufen, Ressourcenkosten und Audit-Einträgen.

Kommerzielle und hochriskante Anwendungen

Das H2O-Open-Source-Projekt kann unter Einhaltung der jeweiligen Lizenzen für kommerzielle Zwecke genutzt werden. Für kommerzielle Produkte gilt jedoch nur eine eingeschränkte Lizenz für interne Geschäftszwecke während der Laufzeit des Abonnements. Die Nutzung im Auftrag Dritter, die Weiterlizenzierung sowie die Bereitstellung von Hosting-Diensten und Modelldateien müssen vertraglich festgelegt werden.

Die derzeitigen Unternehmens-EULA beschränken ausdrücklich die Nutzung von KI in Systemen, die zum Verlust von Leben, zu schweren Verletzungen oder katastrophalen Schäden führen können, einschließlich medizinischer Diagnose und Behandlung, biometrischer Überwachung, Notdiensten, kritischer Infrastrukturen, der Luftfahrt, autonomer Fahrzeuge, Waffen sowie finanzieller Entscheidungen mit hohem Risiko.

• Daten, Modelle, Abhängigkeiten sowie Lizenzen für Drittanbieter-APIs müssen separat überprüft werden.
• Modelle, die rechtliche oder erhebliche Auswirkungen auf Einzelpersonen haben, erfordern Fairness, Erklärbarkeit, die Möglichkeit zur Beschwerde sowie eine menschliche Überprüfung.
• Generative KI und Agenteneingaben können fehlerhaft sein und dürfen nicht direkt als Grundlage für professionelle oder hochriskante Entscheidungen dienen.
• Modellkarten, Experimente, Eigenschaften, Datenversionen, Genehmiger und Bereitstellungsprotokolle müssen nachvollziehbar sein.
• Referenzwerte, Kundenerfolge und Leistungsverhältnisse geben nur unter bestimmten Bedingungen Aufschluss und stellen keine Garantie für eigene Ergebnisse dar.
• Die Aufsichtsbehörden sollten Risikomodelle, Datenschutz, Überprüfungen sowie Kontrollmechanismen für Änderungen in formelle Prozesse aufnehmen.

Unterstützungsplattformen

Grundlegende Informationen

Empfehlungswert

Empfehlungswert: 4,6 / 5. H2O.ai bietet eine seltene, vollständige Kombination aus Open-Source-Distributed-Machine-Learning, AutoML, Erklärbarkeit, Modelllebenszyklus und unternehmensweiter generativer KI.

Es eignet sich am besten für Organisationen mit Fähigkeiten in Datenwissenschaft, Plattformentwicklung und Governance – und nicht für Einzelpользоват:innen, die nach einer preisgünstigen, sofort einsetzbaren Chatschnittstelle suchen. Eine große Anzahl an Produkten, unklare Preise für Unternehmen sowie komplexe Grenzen zwischen Open-Source-Lösungen und kommerziellen Produkten stellen die größten Herausforderungen bei der Auswahl dar.

Häufige Fragen

Was ist H2O.ai?

H2O.ai ist ein Unternehmen sowie ein Ökosystem aus KI-Produkten, das H2O-3-Maschinelles Lernen, automatisches Modellieren mit Driverless AI, AI Cloud, Unternehmens-RAG und -Agenten, Fine-Tuning von LLMs sowie die Entwicklung von Wave-Anwendungen umfasst.

Ist H2O.ai kostenlos?

Teilweise kostenlos. Offene Quellkomponenten wie H2O-3, H2O LLM Studio und Wave können kostenlos genutzt werden. Driverless AI, H2O AI Cloud, H2O-3 Secure sowie Unternehmensprodukte für generatives AI erfordern hingegen eine kommerzielle Lizenz.

Ist H2O-3 wie H2O AI Cloud?

Es ist nicht dasselbe. H2O-3 ist ein Open-Source-Maschinelles-Lernen-Engine, während H2O AI Cloud eine Unternehmensumgebung darstellt, die mehrere Engines, MLOps-, Notebook-, Anwendungs-, Berechtigungs- und Plattformdienste miteinander verbindet.

Kann H2O-3 OSS zur Herstellung verwendet werden?

Technisch kann es von dem Team selbst implementiert werden, doch offiziell werden der Produktionsunterstützung, die Behebung von Sicherheitslücken, die Unternehmenspakete, die Modellkomponenten sowie die Funktionen zur Prüfung der Systeme in H2O-3 Secure untergebracht. Schlüsselbare Produktivsysteme sollten anhand der aktuellen Anforderungen hinsichtlich Funktionen und Support bewertet werden.

Wird kI ohne Fahrer die Datenwissenschaftler ersetzen?

Nein. Es automatisiert die Feature-Entwicklung, die Einstellung der Parameter, die Überprüfung, die Interpretation sowie die Vorbereitung für die Implementierung. Doch die Geschäftsziele, die Datenqualität, die Ursachenzuordnung, die Bewertung von Risiken sowie die Produktionsverantwortung liegen weiterhin in den Händen von Fachleuten.

Ist h2oGPT immer noch ein aktives Open-Source-Projekt?

Das offizielle h2ogpt-Repository ist derzeit archiviert; die neueste offizielle Version liegt bei 0.2.1. Die alten Codeversionen können weiterhin unter Apache 2.0 genutzt werden, doch für neue Projekte sollten Abhängigkeiten, Sicherheitslücken sowie Alternativen zur Wartung geprüft werden.

Ist Enterprise h2oGPTe open source?

Es ist nicht open source. Es handelt sich um eine kommerzielle Plattform, die kontinuierlich gewartet wird und Funktionen wie RAG, Agenten, Wächter, Multi-Tenant-Funktionalitäten, MLOps sowie Support bietet. Sie kann nicht mit der bereits archivierten, open source-basierten h2oGPT verglichen werden.

Ist H2O LLM Studio offen zugänglich?

Die Open-Source-Version verwendet Apache 2.0 und wird weiterhin aktiv aktualisiert. Enterprise LLM Studio hingegen ist ein proprietäres Produkt mit mehreren Benutzern, zentraler Verwaltung, REST-API sowie Automatisierungsfunktionen.

Wie hoch sind die Preise für die Produkte des Unternehmens?

Die offizielle Website gibt keinen einheitlichen, festen Preis an. Die Kosten variieren je nach Produktkomponenten, Implementierungsart, Rechenleistung, Anzahl der Nutzer, Support, Datenmenge und Umfang der Umsetzung. Es ist daher notwendig, eine Demonstration sowie einen Kostenvoranschlag anzufordern.

Gibt es noch 90 Tage kostenlose Probezeit?

Die alten Anleitungen erwähnen weiterhin einen 90-tägigen Testzeitraum mit H2O AI Cloud, doch der aktuelle Hauptzugang ist nun die Anfrage für eine Demonstration. Die alte 90-Tage-Regel sollte nicht als aktuelles Recht angesehen werden, es sei denn, es gibt eine schriftliche Bestätigung vom Vertrieb.

Wird die Kundendaten zur Schulung des H2O-Modells verwendet?

Laut der aktuellen Datenschutzrichtlinie werden die von den Kunden eingegebenen Daten, Metadaten sowie Modelldaten nicht zur Trainierung der H2O.ai-Modelle verwendet, es sei denn, es gibt eine ausdrückliche schriftliche Zustimmung beider Parteien. Dritte Modelle, von den Kunden mitgebrachte Modelle sowie Testfunktionen müssen weiterhin im Rahmen eines spezifischen Vertrags geprüft werden.

Eignet sich H2O AI für chinesische Nutzer?

Der Algorithmus von H2O-3 ist an sich nicht von der Schnittstellensprache abhängig; die Fähigkeit der generativen KI zum Umgang mit Chinesisch hängt vom gewählten Modell, den Anpassungsdaten, den Embeddings sowie der Bewertung ab. Die offiziellen Dokumentationen sowie die Umsetzungen in Unternehmen sind hauptsächlich auf Englisch verfügbar.

Zusammenfassung

Der Vorteil von H2O.ai besteht darin, offene Maschinelles-Lernen-Tools mit Unternehmensproduktplattformen zu verbinden. Das Team kann mit den Prototypen H2O-3 oder LLM Studio beginnen und anschließend je nach Anforderungen in Bezug auf Sicherheit, Support, Bereitstellung und Governance Produkte wie Secure, Driverless AI, AI Cloud oder unternehmensspezifische generative AI-Lösungen auswählen.

Bei der Auswahl muss man für jedes einzelne Produkt die Lizenz, den Lagerstatus, das Gewicht des Modells, die Bereitstellungsmöglichkeiten, die zugehörigen Modelldateien, die API, den Preis sowie die Unterstützung überprüfen. Der häufigste Fehler besteht darin, anzunehmen, dass alle Produkte open source sind, nur weil das Unternehmen mit Open-Source-Produkten begonnen hat, oder dass h2oGPT in der archivierten Version als kostenlose Version von Enterprise h2oGPTe angesehen wird.