KNIME

colspan="2" class="notheme" style="text-align:center; background:#Vorlage:Standardfarbe; color:#202122;" | KNIME - The Open Analytics Platform
Datei:Knime 5.2 GUI.png Beispiel Arbeitsablauf
Basisdaten
Hauptentwickler	KNIME AG
Entwickler
Erscheinungsjahr
Aktuelle Version	()
Aktuelle Vorabversion	()
Betriebssystem	Linux, Macintosh, Windows
Programmier­sprache	Java
Kategorie	Datenanalyse
Lizenz	GPL (Freie Software)
deutschsprachig	ja
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

Im Frühjahr 2004 begann eine Gruppe von Software-Entwicklern unter der Leitung von Michael Berthold an der Universität Konstanz mit der Konzeption der Plattform KNIME. 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 name="Linux Magazin">Alexander Fillbrunn, Martin Horn: Maschinelles Lernen mit Knime in der Praxis. In: Linux-Magazin 10/2018. Abgerufen am 22. April 2023 (). </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. 2018 stieg der Eigenkapitalgeber Invus ein.<ref>Szilvana Spett: Amerikanischer Eigenkapitalgeber investiert in KNIME. S-GE, 30. Januar 2018, abgerufen am 22. April 2023. </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>Datenbank-Mosaik Data Mining oder die Kunst, sich aus Millionen Datensätzen ein Bild zu machen, c’t 20/2006, S. 164ff, Heise Verlag.</ref>

Technologie

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:

• Zusätzliche Plugins ermöglichen die Einbindung von Methoden für Text Mining<ref>Ricardo A. Dorr, Juan J. Casal, Roxana Toriano: Text Mining of Biomedical Articles Using the Konstanz Information Miner (KNIME) Platform: Hemolytic Uremic Syndrome as a Case Study. In: Healthcare Informatics Research. Band 28, Nr. 3, 2022, S. 276–283, doi:10.4258/hir.2022.28.3.276. </ref> und Image Mining sowie die Zeitserienanalyse.
• Einbindungen für zahlreiche andere Open-Source-Verfahren existieren, u. a. die Verfahren von WEKA<ref>Alexander Fillbrunn, Christian Dietz, Julianus Pfeuffer, René Rahn, Gregory A. Landrum: KNIME for reproducible cross-domain analysis of life science data. In: Journal of Biotechnology. Band 261, 10. November 2017, S. 149–156, doi:10.1016/j.jbiotec.2017.07.028, PMID 28757290. </ref>, das statistische R-Projekt sowie LibSVM<ref name="Linux Magazin"/>, JFreeChart, CDK<ref>Michael R. Berthold, Nicolas Cebron, Fabian Dill, Thomas R. Gabriel, Tobias Kötter, Thorsten Meinl, Peter Ohl, Kilian Thiel, Bernd Wiswedel: KNIME - the Konstanz information miner: version 2.0 and beyond. In: ACM SIGKDD Explorations Newsletter. Band 11, Nr. 1, 2009, ISSN 1931-0145, S. 26–31, doi:10.1145/1656274.1656280. </ref> und ImageJ.<ref>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. </ref>

Rezeption

KNIME schneidet 2007 im Vergleich 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>

Literatur

• Gábor Bakos: KNIME Essentials. Birmingham: Packt 2013.

Weblinks

• Offizielle Webpräsenz
• KNIME Hub – Offizielle Plattform für Workflows und Nodes

Einzelnachweise

<references />