„KNIME“ – Versionsunterschied
[gesichtete Version] | [gesichtete Version] |
K form |
teils neu belegt |
||
Zeile 1: | Zeile 1: | ||
{{Infobox Software |
{{Infobox Software |
||
|Name = |
|Name = KNIME |
||
|Logo = [[Datei:KNIMELogoTM.svg|250px|KNIME - The Open Analytics Platform]] |
|Logo = [[Datei:KNIMELogoTM.svg|250px|KNIME - The Open Analytics Platform]] |
||
|Screenshot = [[Datei:knime.jpg|300px]] |
|Screenshot = [[Datei:knime.jpg|300px]] |
||
|Beschreibung = Bildschirmfoto von KNIME |
|Beschreibung = Bildschirmfoto von KNIME |
||
|Maintainer = |
|Maintainer = KNIME AG |
||
|Hersteller = |
|Hersteller = |
||
|Erscheinungsjahr = |
|Erscheinungsjahr = <!-- Wikidata --> |
||
|AktuelleVersion = <!-- |
|AktuelleVersion = <!-- Wikidata --> |
||
|AktuelleVersionFreigabeDatum = <!-- wikidata --> |
|||
|AktuelleVorabVersion = |
|||
|AktuelleVorabVersionFreigabeDatum = |
|||
|Betriebssystem = [[Linux]], [[Macintosh]], [[Microsoft Windows|Windows]] |
|Betriebssystem = [[Linux]], [[Macintosh]], [[Microsoft Windows|Windows]] |
||
|Programmiersprache = |
|Programmiersprache = [[Java (Programmiersprache)|Java ]] |
||
|Kategorie = [[ |
|Kategorie = [[Datenanalyse]] |
||
|Lizenz = [[GNU General Public License|GPL]] ([[Freie Software]]) |
|Lizenz = [[GNU General Public License|GPL]] ([[Freie Software]]) |
||
|Deutsch = |
|Deutsch = nein |
||
|Website = [ |
|Website = [https://knime.org/ knime.org] |
||
|Dateien = |
|Dateien = |
||
}} |
}} |
||
'''KNIME''', der „Konstanz Information Miner“, ist eine [[freie Software]] für die interaktive [[Datenanalyse]]. Die [[Low-Code-Plattform|Low-Code-Entwicklungsplattform]] KNIME ermöglicht durch das modulare |
'''KNIME''', der „Konstanz Information Miner“, ist eine [[freie Software]] für die interaktive [[Datenanalyse]]. Die [[Low-Code-Plattform|Low-Code-Entwicklungsplattform]] KNIME ermöglicht durch das modulare knotenbasierte Konzept die Integration zahlreicher Verfahren des [[maschinelles Lernen|maschinellen Lernens]] und des [[Data-Mining]]. Die graphische Benutzeroberfläche ermöglicht das einfache und schnelle Aneinandersetzen von Modulen für die Datenvorverarbeitung ([[ETL-Prozess|ETL]]: Extraction, Transformation, Loading), der Modellierung und Analyse und der Visualisierung. |
||
== Geschichte == |
== Geschichte == |
||
Die Entwicklung von KNIME begann im Frühjahr 2004 |
Die Entwicklung von KNIME begann im Frühjahr 2004 eine Gruppe von Software-Entwicklern unter der Leitung von Michael Berthold an der [[Universität Konstanz]] mit der Konzeption der Plattform. Der Schwerpunkt der Entwicklung lag von vorneherein auf einer professionellen Software-Architektur, die skalierbar und hochgradig modular sein musste. Mitte 2006 erschien die erste öffentliche Version als ''Konstanz Information Miner''.<ref>{{Internetquelle |url=https://www.linux-magazin.de/ausgaben/2018/10/knime-workshop/ |autor=Alexander Fillbrunn, Martin Horn |titel=Maschinelles Lernen mit Knime in der Praxis |werk=[[Linux-Magazin]] 10/2018 |sprache=de-DE |abruf=2023-04-22}}</ref> Seit Juni 2008 ermöglicht eine in Zürich ansässige Firma (KNIME AG) auch die Bereitstellung von professioneller technischer Unterstützung und Beratungsdiensten für die KNIME-Plattform. So stieg 2018 der Eigenkapitalgeber [[Invus]] mit ein.<ref>{{Internetquelle |url=https://www.s-ge.com/de/article/aktuell/amerikanischer-eigenkapitalgeber-investiert-knime |hrsg=S-GE |titel=Amerikanischer Eigenkapitalgeber investiert in KNIME |sprache=de |datum=30. Jan. 2018 |autor=Szilvana Spett |abruf=2023-04-22}}</ref> |
||
== |
== Anwendung == |
||
KNIME ist seit etwa 2006 im Bereich der pharmazeutischen Forschung im Einsatz.<ref>Abhishek Tiwaria and Arvind K.T. Sekhar: ''Workflow based framework for life science informatics'', Computational Biology and Chemistry, Volume 31, Issues 5–6, Pages 305–319, {{DOI|10.1016/j.compbiolchem.2007.08.009}}, Elsevier, October 2007.</ref> KNIME wird aber auch in anderen Bereichen wie [[Kundenpflege]] (CRM), [[Business Intelligence]] und Finanzdatenanalyse eingesetzt.<ref>[https://www.heise.de/select/ct/archiv/2006/20/seite-164 Datenbank-Mosaik Data Mining oder die Kunst, sich aus Millionen Datensätzen ein Bild zu machen], [[c't]] 20/2006, S. 164ff, Heise Verlag.</ref> |
|||
KNIME ist ab Version 2.1 unter [[GNU General Public License|GPL]] erhältlich. |
|||
== Interna == |
== Interna == |
||
KNIME wird in [[Java (Programmiersprache)|Java]] |
KNIME wird in [[Java (Programmiersprache)|Java]] unter Verwendung des [[Eclipse RCP]] Frameworks entwickelt und bereitgestellt. Module anderer können leicht als zusätzliche Plugins integriert werden. KNIMEs Core-Version enthält einige hundert Module für die Datenintegration (File I/O, Datenbankoperatoren mit Unterstützung aller gängigen Datenbanken), Datentransformationen (Filter, Konverter, Combiner) sowie die gebräuchlichsten Methoden der Datenanalyse und -visualisierung. |
||
Weitere Eigenschaften von KNIME: |
Weitere Eigenschaften von KNIME: |
||
* KNIMEs Core-Architektur erlaubt die Verarbeitung von großen Datenmengen, die nur durch den vorhandenen Festplattenplatz eingeschränkt sind (die meisten anderen quelloffenen Datenanalyse-Projekte arbeiten arbeitsspeicherbasiert und limitieren dadurch die verarbeitbaren Datenmengen erheblich). Beispiele sind die Analyse von 300 Millionen Adressdaten, 20 Millionen Zellbildern und 10 Millionen molekularen Strukturen. |
* KNIMEs Core-Architektur erlaubt die Verarbeitung von großen Datenmengen, die nur durch den vorhandenen Festplattenplatz eingeschränkt sind (die meisten anderen quelloffenen Datenanalyse-Projekte arbeiten arbeitsspeicherbasiert und limitieren dadurch die verarbeitbaren Datenmengen erheblich). Beispiele sind die Analyse von 300 Millionen Adressdaten, 20 Millionen Zellbildern und 10 Millionen molekularen Strukturen. |
||
* Zusätzliche Plugins ermöglichen die Einbindung von Methoden für [[Text Mining]] und Image Mining sowie die Zeitserienanalyse. |
* Zusätzliche Plugins ermöglichen die Einbindung von Methoden für [[Text Mining]] und Image Mining sowie die Zeitserienanalyse. |
||
* Einbindungen für zahlreiche andere Open-Source-Verfahren existieren, u. a. die Verfahren von [[Waikato Environment for Knowledge Analysis|WEKA]], das statistische [[R (Programmiersprache)|R-Projekt]] sowie Lib[[Support Vector Machine|SVM]], [[JFreeChart]] und [[ImageJ]]. |
* Einbindungen für zahlreiche andere Open-Source-Verfahren existieren, u. a. die Verfahren von [[Waikato Environment for Knowledge Analysis|WEKA]], das statistische [[R (Programmiersprache)|R-Projekt]] sowie Lib[[Support Vector Machine|SVM]], [[JFreeChart]] und [[ImageJ]].<ref>{{Literatur |Autor=Christian Dietz, Curtis T. Rueden, Stefan Helfrich, Ellen T. A. Dobson, Martin Horn, Jan Eglinger, Edward L. Evans, Dalton T. McLean, Tatiana Novitskaya, William A. Ricke, Nathan M. Sherer, Andries Zijlstra, Michael R. Berthold, Kevin W. Eliceiri |Titel=Integration of the ImageJ Ecosystem in KNIME Analytics Platform |Sammelwerk=Frontiers in Computer Science |Band=2 |Verlag= |Datum=2020 |Seiten= |ISSN=2624-9898 |DOI=10.3389/fcomp.2020.00008/full}}</ref> |
||
== Rezeption == |
|||
KNIME schneidet in Vergleichen von quelloffenen Data-Mining-Systemen überdurchschnittlich gut ab und hebt sich insbesondere durch seine Benutzerfreundlichkeit heraus.<ref>Xiaojun Chen, Yunming Ye, Graham Williams and Xiaofei Xu: ''A Survey of Open Source Data Mining Systems'', Lecture Notes in Computer Science, vol. 4819, pp. 3–14, {{DOI|10.1007/978-3-540-77018-3_2}}, Springer-Verlag, 2009.</ref> |
|||
== Weblinks == |
== Weblinks == |
||
* [ |
* [https://knime.org/ Offizielle Webpräsenz] |
||
*[https://hub.knime.com/ KNIME Hub - Offizielle |
* [https://hub.knime.com/ KNIME Hub] - Offizielle Plattform für Workflows und Nodes |
||
* [https://nodepit.com NodePit – Suchmaschine für KNIME Nodes und Workflows] |
|||
== Einzelnachweise == |
== Einzelnachweise == |
Version vom 22. April 2023, 13:31 Uhr
KNIME
| |
---|---|
Bildschirmfoto von KNIME | |
Basisdaten
| |
Hauptentwickler | KNIME AG |
Erscheinungsjahr | Januar 2004 |
Aktuelle Version | 5.2.4[1] (17. März 2024) |
Betriebssystem | Linux, Macintosh, Windows |
Programmiersprache | Java |
Kategorie | Datenanalyse |
Lizenz | GPL (Freie Software) |
deutschsprachig | nein |
knime.org |
KNIME, der „Konstanz Information Miner“, ist eine freie Software für die interaktive Datenanalyse. Die Low-Code-Entwicklungsplattform KNIME ermöglicht durch das modulare knotenbasierte Konzept die Integration zahlreicher Verfahren des maschinellen Lernens und des Data-Mining. Die graphische Benutzeroberfläche ermöglicht das einfache und schnelle Aneinandersetzen von Modulen für die Datenvorverarbeitung (ETL: Extraction, Transformation, Loading), der Modellierung und Analyse und der Visualisierung.
Geschichte
Die Entwicklung von KNIME begann im Frühjahr 2004 eine Gruppe von Software-Entwicklern unter der Leitung von Michael Berthold an der Universität Konstanz mit der Konzeption der Plattform. Der Schwerpunkt der Entwicklung lag von vorneherein auf einer professionellen Software-Architektur, die skalierbar und hochgradig modular sein musste. Mitte 2006 erschien die erste öffentliche Version als Konstanz Information Miner.[2] Seit Juni 2008 ermöglicht eine in Zürich ansässige Firma (KNIME AG) auch die Bereitstellung von professioneller technischer Unterstützung und Beratungsdiensten für die KNIME-Plattform. So stieg 2018 der Eigenkapitalgeber Invus mit ein.[3]
Anwendung
KNIME ist seit etwa 2006 im Bereich der pharmazeutischen Forschung im Einsatz.[4] KNIME wird aber auch in anderen Bereichen wie Kundenpflege (CRM), Business Intelligence und Finanzdatenanalyse eingesetzt.[5]
Interna
KNIME wird in Java unter Verwendung des Eclipse RCP Frameworks entwickelt und bereitgestellt. Module anderer können leicht als zusätzliche Plugins integriert werden. KNIMEs Core-Version enthält einige hundert Module für die Datenintegration (File I/O, Datenbankoperatoren mit Unterstützung aller gängigen Datenbanken), Datentransformationen (Filter, Konverter, Combiner) sowie die gebräuchlichsten Methoden der Datenanalyse und -visualisierung. Weitere Eigenschaften von KNIME:
- KNIMEs Core-Architektur erlaubt die Verarbeitung von großen Datenmengen, die nur durch den vorhandenen Festplattenplatz eingeschränkt sind (die meisten anderen quelloffenen Datenanalyse-Projekte arbeiten arbeitsspeicherbasiert und limitieren dadurch die verarbeitbaren Datenmengen erheblich). Beispiele sind die Analyse von 300 Millionen Adressdaten, 20 Millionen Zellbildern und 10 Millionen molekularen Strukturen.
- Zusätzliche Plugins ermöglichen die Einbindung von Methoden für Text Mining und Image Mining sowie die Zeitserienanalyse.
- Einbindungen für zahlreiche andere Open-Source-Verfahren existieren, u. a. die Verfahren von WEKA, das statistische R-Projekt sowie LibSVM, JFreeChart und ImageJ.[6]
Rezeption
KNIME schneidet in Vergleichen von quelloffenen Data-Mining-Systemen überdurchschnittlich gut ab und hebt sich insbesondere durch seine Benutzerfreundlichkeit heraus.[7]
Weblinks
- Offizielle Webpräsenz
- KNIME Hub - Offizielle Plattform für Workflows und Nodes
Einzelnachweise
- ↑ github.com.
- ↑ Alexander Fillbrunn, Martin Horn: Maschinelles Lernen mit Knime in der Praxis. In: Linux-Magazin 10/2018. Abgerufen am 22. April 2023 (deutsch).
- ↑ Szilvana Spett: Amerikanischer Eigenkapitalgeber investiert in KNIME. S-GE, 30. Januar 2018, abgerufen am 22. April 2023.
- ↑ Abhishek Tiwaria and Arvind K.T. Sekhar: Workflow based framework for life science informatics, Computational Biology and Chemistry, Volume 31, Issues 5–6, Pages 305–319, doi:10.1016/j.compbiolchem.2007.08.009, Elsevier, October 2007.
- ↑ Datenbank-Mosaik Data Mining oder die Kunst, sich aus Millionen Datensätzen ein Bild zu machen, c't 20/2006, S. 164ff, Heise Verlag.
- ↑ Christian Dietz, Curtis T. Rueden, Stefan Helfrich, Ellen T. A. Dobson, Martin Horn, Jan Eglinger, Edward L. Evans, Dalton T. McLean, Tatiana Novitskaya, William A. Ricke, Nathan M. Sherer, Andries Zijlstra, Michael R. Berthold, Kevin W. Eliceiri: Integration of the ImageJ Ecosystem in KNIME Analytics Platform. In: Frontiers in Computer Science. Band 2, 2020, ISSN 2624-9898, doi:10.3389/fcomp.2020.00008/full.
- ↑ Xiaojun Chen, Yunming Ye, Graham Williams and Xiaofei Xu: A Survey of Open Source Data Mining Systems, Lecture Notes in Computer Science, vol. 4819, pp. 3–14, doi:10.1007/978-3-540-77018-3_2, Springer-Verlag, 2009.