KNIME ( / naɪ m /​ (Konstanz Information Miner) [ 2 ] ist einePlattformDatenanalyse, Reporting und Datenintegration. KNIME integriert verschiedene Komponenten fürmaschinelles LernenundData Miningmithilfe seines modularen Datenpipeline-Konzepts „Building Blocks of Analytics“. Einegrafische Benutzeroberflächeund die Verwendung vonJava Database Connectivity(JDBC) ermöglichen die Zusammenstellung von Knoten, die unterschiedliche Datenquellen zusammenführen, einschließlich Vorverarbeitung (Extraktion, Transformation, Ladenoder ETL), für Modellierung, Datenanalyse und Visualisierung mit minimalem oder gar keinem Programmieraufwand. KNIME istfreie Open-Source-Software undunter derGNU General Public License (GPL).

Seit 2006 wird KNIME in der pharmazeutischen Forschung eingesetzt [ 3 ] sowie in anderen Bereichen wie Kundenbeziehungsmanagement (CRM), Datenanalyse, Business Intelligence , Text Mining und Finanzdatenanalyse [ 4 ] . Kürzlich wurden Versuche unternommen, KNIME als Werkzeug für die robotergestützte Prozessautomatisierung (RPA) zu nutzen [ 5 ] .

Der Hauptsitz von KNIME befindet sich in Zürich, weitere Niederlassungen gibt es in Konstanz, Berlin und Austin (USA). [ 6 ]

Geschichte

Die Entwicklung von KNIME begann im Januar 2004 mit einem Team von Softwareingenieuren der Universität Konstanz als Open-Source-Plattform. Das ursprüngliche Team unter der Leitung von Michael Berthold kam von einem Softwareunternehmen der pharmazeutischen Industrie aus dem Silicon Valley. Das anfängliche Ziel war die Schaffung einer modularen, hochskalierbaren und offenen Datenverarbeitungsplattform, die die einfache Integration verschiedener Module zum Laden, Verarbeiten, Transformieren, Analysieren und Visualisieren von Daten ermöglicht, ohne sich auf einen bestimmten Anwendungsbereich zu konzentrieren. Die Plattform war für die Zusammenarbeit, die Forschung und die Integration verschiedener anderer Datenanalyseprojekte gedacht. [ 7 ]

2006 erschien die erste Version von KNIME. Mehrere Pharmaunternehmen begannen, KNIME einzusetzen, und diverse Anbieter von Life-Science -Software integrierten ihre Tools in die Plattform. [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ] Nach einem Artikel in der deutschen Zeitschrift c’t [ 13 ] schlossen sich später im selben Jahr Anwender aus weiteren Bereichen [ 14 ] [ 15 ] KNIME an. Stand 2012 nutzten weltweit über 15.000 Anwender (ohne Downloads, aber mit regelmäßigen Updates) KNIME in den Life Sciences sowie bei Banken, Verlagen, Automobilherstellern, Telekommunikationsunternehmen, Beratungsfirmen und diversen anderen Branchen. Auch zahlreiche Forschungsgruppen setzten KNIME ein. Die neuesten Updates für KNIME Server und KNIME Big Data Extensions bieten Unterstützung für Apache Spark 2.3, Parquet und HDFS-Speicher.

KNIME wurde zum sechsten Mal in Folge im Gartner Magic Quadrant als führendes Unternehmen für Data-Science- und Machine-Learning -Plattformen positioniert .

Designphilosophie, Merkmale

Dies sind die Designprinzipien und Merkmale, denen die KNIME-Software folgt: [ 16 ]

  • Visuelles, interaktives Framework : KNIME Software legt Wert auf eine benutzerfreundliche und intuitive Datenanalyse. Dies wird durch ein visuelles und interaktives Framework erreicht, in dem Datenflüsse per Drag & Drop kombiniert werden können . Anwender können individuelle und interaktive Anwendungen entwickeln, indem sie einfache bis komplexe und hochautomatisierte Datenpipelines erstellen . Diese können beispielsweise den Zugriff auf Datenbanken , Machine-Learning- Bibliotheken , Logik zur Workflow-Steuerung (z. B. Schleifen, Verzweigungen usw.), Abstraktion (z. B. interaktive Widgets ), Aufrufe, dynamische Datenanwendungen, integrierte Bereitstellung oder Fehlerbehandlung umfassen.
  • Modularität : Verarbeitungseinheiten und Datencontainer bleiben voneinander unabhängig. Diese Designentscheidung ermöglicht eine einfache Verteilung der Berechnungen und die unabhängige Entwicklung verschiedener Algorithmen . Datentypen in KNIME sind gekapselt , d. h. es gibt keine vordefinierten Typen. Dies erleichtert das Hinzufügen neuer Datentypen und deren Integration in bestehende Typen, einschließlich typspezifischer Renderer und Komparatoren. Dieses Prinzip ermöglicht zudem die Überprüfung der Ergebnisse nach jeder einzelnen Datenoperation.
  • Erweiterbarkeit : KNIME Software ist auf Erweiterbarkeit ausgelegt . Das Hinzufügen neuer Verarbeitungsknoten oder Ansichten wird durch einen Plug-in-Mechanismus vereinfacht . Dieser Mechanismus gewährleistet, dass Benutzer ihre benutzerdefinierten Funktionen ohne komplizierte Installations- oder Deinstallationsvorgänge verteilen können.
  • Verknüpfung von No-Code und Code : Die Plattform unterstützt die Integration sowohl visueller Programmieransätze ( No-Code ) als auch skriptbasierter Programmieransätze (z. B. Python , R , JavaScript ) für die Datenanalyse. Dieses Designprinzip wird als Low-Code bezeichnet .
  • Automatisierung und Skalierbarkeit : Beispielsweise trägt die Parametrisierung über Flussvariablen oder die Kapselung von Workflow-Segmenten in Komponenten dazu bei, manuelle Arbeit und Fehler in Analysen zu reduzieren. Darüber hinaus verringert die Planung der Workflow-Ausführung (verfügbar im KNIME Business Hub und KNIME Community Hub für Teams) die Abhängigkeit von personellen Ressourcen. Im Hinblick auf die Skalierbarkeit sind die Verarbeitung großer Datensätze (Millionen von Zeilen), die standardmäßige gleichzeitige Ausführung mehrerer Prozesse und die Wiederverwendung von Workflow-Segmenten einige Beispiele.
  • Volle Nutzbarkeit : Aufgrund des Open-Source- Charakters bietet die KNIME Analytics Platform volle Nutzbarkeit ohne zeitliche Begrenzung.

Innenteile

KNIME allows users to visually create data flows (or pipelines), selectively execute some or all analysis steps, and later inspect the results, models, using interactive widgets and views. KNIME is written in Java and based on Eclipse. It makes use of an extension mechanism to add plug-ins providing added functions. The core version includes hundreds of modules for data integration (file input/output (I/O), database nodes supporting all common database management systems through JDBC or native connectors: SQLite, MS-Access, SQL Server, MySQL, Oracle, PostgreSQL, Vertica and H2), data transformation (filter, converter, splitter, combiner, joiner), and the commonly used methods of statistics, data mining, analysis and text analytics. Visualization is supported with the Report Designer extension. KNIME workflows can be used as data sets to create report templates that can be exported to document formats such as doc, ppt, xls, pdf and others. Other KNIME abilities are:

  • KNIMEs core-architecture allows processing of large data volumes that are only limited by the available hard disk space (not limited to the available RAM). E.g., KNIME allows analyzing 300 million customer addresses, 20 million cell images, and 10 million molecular structures.
  • Added plug-ins allow integrating methods for text mining, image mining, time series analysis, and networking.
  • KNIME integrates various other open-source projects, e.g., machine learning algorithms from Weka, H2O, Keras, Spark, the R project and LIBSVM; plotly, JFreeChart, ImageJ, and the Chemistry Development Kit.[17]

KNIME is implemented in Java, allows for wrappers calling other code, in addition to providing nodes that allow it to run Java, Python, R, Ruby and other code fragments.[18] Since 2021, KNIME's Python Integration utilizes Anaconda for Python distribution and environment management.[19]

License

Im Jahr 2024 wurde KNIME Version 5.3 unter derselben GPLv3-Lizenz wie die Vorgängerversionen veröffentlicht. [ 20 ] Ab Version 2.1 wird KNIME unter der GPLv3 -Lizenz veröffentlicht, mit einer Ausnahme, die es kommerziellen Softwareanbietern erlaubt , die wohldefinierte Node-Programmierschnittstelle ( API ) zu verwenden, um proprietäre Erweiterungen [ 21 ] oder Wrapper, die ihre Tools von KNIME aus aufrufen, hinzuzufügen. [ 19 ]

Kurse

KNIME ermöglicht die Durchführung von Datenanalysen ohne Programmierkenntnisse. Es werden mehrere kostenlose Online-Kurse angeboten. [ 22 ]

Siehe auch

  • Weka – maschinelle Lernalgorithmen, die in KNIME integriert werden können
  • ELKI – Data-Mining-Framework mit vielen Clustering-Algorithmen
  • Keras – Bibliothek für neuronale Netze
  • Orange – ein Open-Source-Toolkit für Datenvisualisierung, maschinelles Lernen und Data Mining mit einer ähnlichen visuellen Programmierschnittstelle.
  • Liste kostenloser und Open-Source-Softwarepakete

Referenzen

  1. ^ „Neuerungen in KNIME Analytics Platform 5.5“ . KNIME.com . Abgerufen am 2. Juli 2025 .
  2. ^ Berthold, Michael R.; Cebron, Nicolas; Dill, Fabian; Gabriel, Thomas R.; Kötter, Tobias; Meinl, Thorsten; Ohl, Peter; Thiel, Kilian; Wiswedel, Bernd (16. November 2009). „KNIME – der Konstanzer Informationsschürfer“ (PDF) . ACM SIGKDD Explorations Newsletter . 11 (1): 26. doi : 10.1145/1656274.1656280 . S2CID 408188 . 
  3. ^ Tiwari, Abhishek; Sekhar, Arvind KT (Oktober 2007). „Workflow-basiertes Framework für die Bioinformatik“. Computational Biology and Chemistry . 31 ( 5–6 ): 305–319 . doi : 10.1016/j.compbiolchem.2007.08.009 . PMID 17931570 . 
  4. ^ Chasco, Coro; Taques, Fernando H.; Taques, Flávio H. (Januar 2025). „Integration von Big Data mit KNIME als Alternative ohne Programmiercode: eine Anwendung auf die Patentdatenbank PATSTAT“ . Journal of Geographical Systems . 27 (1): 31–61 . Bibcode : 2025JGS....27...31T . doi : 10.1007/s10109-024-00445-0 .
  5. ^ „KNIME Analytics Platform Bot“ . Archiviert vom Original am 3. Juni 2021. Abgerufen am 12. April 2021 .,
  6. ^ „KNIME veröffentlicht neue Benutzeroberfläche und KI-Assistenten – Silicon Canals“ . 19. Juli 2023. Abgerufen am 3. April 2026 .
  7. ^ „Offen für Innovation“ . KNIME.com . Archiviert vom Original am 10. März 2020. Abgerufen am 24. Februar 2020 .
  8. ^ "Tripos" . Tripos, Inc. Archiviert vom Original am 17. Juli 2011.
  9. ^ „KNIME Extensions: Modulares, hochgradig konfigurierbares Framework für die einfache Workflow-Automatisierung und Datenanalyse“ . Schrödinger, Inc. 2005–2025. Archiviert vom Original am 25. September 2009. Abgerufen am 22. Mai 2025 .
  10. ^ ChemAxon, archiviert am 17.07.2011 im Internet Archive.
  11. ^ "NovaMechanics Ltd" . Archiviert vom Original am 18. April 2023. Abgerufen am 14. November 2017 .
  12. ^ „Treweren Consultants“ . Archiviert vom Original am 24. April 2017. Abgerufen am 7. Dezember 2010 .
  13. ^ Datenbank-Mosaik Data Mining oder die Kunst, sich aus Millionen Datensätzen ein Bild zu machen, c't 20/2006, S. 164ff, Heise Verlag.
  14. ^ "Forum auf der KNIME Webseite" . Archiviert vom Original am 26. April 2017 . Abgerufen am 7. Dezember 2010 .
  15. ^ „Allgegenwärtig“ . Archiviert vom Original am 29. August 2010. Abgerufen am 7. Dezember 2010 .
  16. ^ Berthold, Michael R.; Cebron, Nicolas; Dill, Fabian T.; Gabriel, Thomas R.; Kötter, Tobias; Meinl, Thorsten; Ohl, Peter; Thiel, Kilian; Wiswedel, Bernd (16. November 2009). „KNIME – der Konstanzer Information Miner: Version 2.0 und höher“ . ACM SIGKDD Explorations Newsletter . 11 (1): 26–31 . doi : 10.1145/1656274.1656280 .
  17. Beisken , S.; Meinl, T.; Wiswedel, B.; De Figueiredo, LF; Berthold, M.; Steinbeck, C. (2013). „ KNIME-CDK: Workflow-gesteuerte Chemoinformatik“ . BMC Bioinformatics . 14 : 257. doi : 10.1186/1471-2105-14-257 . PMC 3765822. PMID 24103053 .  
  18. ^ Divya (2023). Bansal, Ajay Kumar (Hrsg.). Data Science Toolbox (PDF) . Jalandhar Delhi, Phagwara: Lovely Professional University. S. 287. ISBN 978-81-19334-46-9Die
  19. ^ a b Hawkins, Mike (19. Februar 2021). „Erweiterung der KNIME Python-Integration mit Plotly Express und Kaleido“ . Towards Data Science . Abgerufen am 3. April 2026 .
  20. ^ „KNIME 5.3 Lizenzbedingungen“ . 3. August 2024. Archiviert vom Original am 3. August 2024. Abgerufen am 3. August 2024 .
  21. ^ KNIME 2.1.0 veröffentlicht. Archiviert am 17.04.2010 im Internetarchiv (Wayback Machine).
  22. ^ „KNIME Lernzentrum“ . KNIME. Archiviert vom Original am 23. November 2024. Abgerufen am 4. Dezember 2024 .
  • Offizielle Website
  • KNIME auf GitHub
  • KNIME Hub – Offizielle Community-Plattform zum Suchen und Finden von Nodes, Komponenten und Workflows sowie zur Zusammenarbeit an neuen Lösungen
  • Nodepit – KNIME-Knotensammlung mit Unterstützung für Versionierung und Knoteninstallation