Warum MATLAB und nicht Python, R, Tensorflow oder ähnliche offene und freie Software?

Wieso setzt ANDATA auf MATLAB® und nicht auf offene und freie Programme wie z.B. Python, R, Tensorflow, ROS, usw. in professionellen Projekten?

ANDATA setzt in der Entwicklung in erster Linie auf MATLAB® und nicht auf freie und offenen Programme wie Python, R, Tensorflow, ROS oder ähnliche. Das hat mehrere Gründe:

• OpenSource-Umgebungen mögen zwar frei von Lizenzkosten sein, Aufwand für die Konfiguration und Pflege sind allerdings nicht zu unterschätzen. Als professionelle Firma muss man den Pflege-Aufwand und den Aufwand für die letztendliche Lösungsfindung in die Gesamtbilanz einbeziehen und nicht alleine die Lizenzkosten.
• Mit OpenSource gibt es keine Garantie für nachhaltige Weiterentwicklung. Hinter professionellen Programmen steht ein anderes Commitment und andere Verbindlichkeiten. Damit ist eine bessere Nachhaltigkeit garantiert.
• MATLAB ist bzgl. Performance äußerst konkurrenzfähig, vgl.
• https://de.mathworks.com/discovery/matlab-vs-r.html
• https://de.mathworks.com/products/matlab/matlab-vs-python.html
• MATLAB bietet eine durchgängige Entwicklungsumgebung mit einem umfassenden Set an ausgereiften Funktionen und Algorithmen.
• MATLAB bietet bessere und einfachere Möglichkeiten für graphische Auswertungen zur Ergebnis-Darstellung.
• Nur weil ANDATA auf MATLAB setzt, bedeutet das nicht, dass auch ANDATA-Kunden voll auf MATLAB setzen müssen. Die Implementierungen und Endlösungen können in der Regel auch unabhängig davon gestaltet werden.
• Einige wesentliche Konzern-Kunden entscheiden sich aus strategischen und rechtlichen Gründen bewusst gegen Open-Source-Lösungen, speziell wenn es um sicherheitskritische Anwendungen geht.

Die Seite hier soll keine Werbeseite für MathWorks® wie auch keine Ansage gegen Open-Source sein! Die Argumente mögen in ähnlicher Form genauso für Mathematica, Maple, oder ähnliche Programme gelten.

Genauso wie wir ständig verschiedene Implementierungen von unterschiedlichsten Machine-Learning-Verfahren und Simulationsumgebungen testen und vergleichen, tun wir das regelmäßig mit Entwicklungsumgebungen und Berechnungsprogrammen. In diversen professionellen und akademischen Projekten arbeiten wir auch mit diversen freien Python- oder Java-Bibliotheken sowie anderen Umgebungen bzw. kombinieren wir diese mit MATLAB (beispielsweise auch mit https://de.mathworks.com/help/matlab/matlab-engine-for-python.html). Außerdem binden wir oftmals verschiedene Machine-Learning-Modelle aus Python in den Brainer ein.

Unsere obigen Erfahrungen werden dabei allerdings meist bestätigt und gelten insbesondere, wenn Modellbildung und Simulation Kernkompetenz und Kerngeschäft sind.