FastAPI

Angefangen hat es mit einem ganz analogen Problem: einer wachsenden Whisky-Sammlung und einem Notizbuch, in dem Verkostungs-Notizen mit der Zeit verblassen — und mit ihnen der Geschmack im Kopf. Dazu der Klassiker, dass man irgendwann den Überblick verliert, welche Flaschen schon zuhause stehen. Aus diesem Bedarf wuchs die Idee, GPT-4o-Vision für Etiketten-Erkennung zu nutzen — Foto vom Etikett, Flasche ist im System. Aus dem Whisky-Use-Case wurde mAI Whisky, parallel folgte die gleiche Idee für Wein als zweite App: mAI Wine. Beide sind heute live im App Store. Landing: maitasting.app. ...

Werkzeuge liegen die meiste Zeit ihres Lebens im Keller. Eine Bohrmaschine wird im Schnitt rund 13 Minuten überhaupt benutzt — den Rest der Zeit sammelt sie Staub, neben einer Stichsäge, die der Nachbar zwei Häuser weiter ebenfalls einmal im Jahr aus dem Regal holt. In der gleichen Straße steht in jedem zweiten Keller dieselbe Schlagbohrmaschine, derselbe Akku-Schrauber, derselbe Vertikutierer. Das ist absurd. Aus diesem Frust ist die Idee zu Wippestoolen entstanden — einer kleinen, lokalen Plattform, auf der Nachbarn ihre Werkzeuge teilen, ausleihen und wiederfinden können. Inspiriert von Foodsharing, aber für die Schmuckkästchen-Säge im Keller. Die Landing-Seite läuft unter wippestoolen.vercel.app, das eigentliche Produkt entsteht gerade Schritt für Schritt nebenbei. ...

In der heutigen digitalen Welt ist das Deployment von Anwendungen entscheidend für den Projekterfolg. FastAPI hat sich als leistungsstarkes Framework für die Entwicklung von APIs etabliert. In diesem Artikel erläutere ich die Vorteile und Schritte für das Deployment einer Anwendung mit FastAPI. Außerdem zeige ich, warum sich FastAPI besonders gut für das Deployment von Machine-Learning-(ML)-Modellen eignet. Vorteile von FastAPI Die Nutzung von FastAPI bietet zahlreiche Vorteile: Maximale Flexibilität: FastAPI ermöglicht eine einfache Anpassung und Erweiterung der API. Bessere Performance: Im Vergleich zu Lambda-Funktionen entfällt der Cold Start, was die Reaktionszeit verbessert. Swagger-Dokumentation: FastAPI generiert automatisch eine Swagger-Dokumentation für die Endpunkte (z. B. /health, /predict1, /predict2 usw.). Geringere Kosten: Es wird kein Sagemaker-Endpunkt benötigt, was die Kosten reduziert. Besseres Monitoring: Alle Endpunkte können im ECS-Cluster überwacht werden. Sicherheitsniveau: HTTPS und x-api-key bieten ein vergleichbares Sicherheitsniveau. Eigene Domain: Die Anwendung kann unter einer eigenen, informationsreichen Domain betrieben werden. Warum FastAPI für ML-Modelle? FastAPI eignet sich besonders gut für das Deployment von Machine-Learning-Modellen aus mehreren Gründen: ...