Hugging Face ist eine Open-Source-Community, die sich auf die Entwicklung von Künstlicher Intelligenz (KI) und Natural Language Processing (NLP) spezialisiert hat [1].
NLP ist die Verarbeitung natürlicher Sprache, also beispielsweise dem gesprochenen Wort, durch künstliche Intelligenz. Dies bedeutet, dass Computer menschliche Sprache verstehen und verarbeiten können.
Die bekannteste Bibliothek von Hugging Face heißt Transformers. Sie bietet eine einfache Möglichkeit, bereits trainierte KI-Modelle für verschiedene Aufgaben zu nutzen, z. B. zur Textklassifikation oder Übersetzung. Die Bibliothek enthält viele bekannte Large Language Models (LLMs) wie beispielsweise BERT, GPT-2, Llama und RoBERTa sowie weitere Modelle, die von der Community entwickelt wurden [2].
Mehr zu Large Language Modellen (LLM) gibt es hier.
Hugging Face betreibt außerdem den Model Hub. Dabei handelt es sich um eine Plattform, auf der Entwickler ihre vortrainierten Modelle teilen können.
Anwendungsfelder
Hugging Face und die Transformers-Bibliothek finden in zahlreichen Bereichen Anwendung, beispielsweise bei Chatbots oder virtuellen Assistenten. Auch in der automatischen Textgenerierung durch KI-Modelle wie GPT-3 können sie nützlich sein, indem sie für kreative Schreibprozesse oder die Generierung von Code verwendet werden. Da besonders NLP für die Mensch-Roboter-Interaktion von Bedeutung ist, kann Hugging Face auch in der Robotik genutzt werden und Robotern helfen, Menschen besser zu verstehen und mit ihnen zu interagieren. Das macht sie intuitiver nutzbar, z. B. in der Pflege, im Kundenservice oder in der Industrie. Modelle zu diesem Zweck finden sich beispielsweise im Projekt „lerobot“. [4]
Programmiersprache und Betriebssystem
Die Hugging Face Transformers-Bibliothek ist hauptsächlich in Python geschrieben und unterstützt alle gängigen Betriebssysteme.
Lizenztypen
Der Lizenztyp hängt vom jeweiligen Modell ab. Die Transformers-Bibliothek steht unter der Apache 2.0-Lizenz, wodurch eine freie kommerzielle und nicht-kommerzielle Nutzung möglich ist. [3]
Mehr zu Lizenztypen gibt es hier.
Vorteile
Hohe Benutzerfreundlichkeit durch einfachen Zugang zu vortrainierten Modellen Offener Zugang durch Open Source Vielfältige Modelle für verschiedene Anwendungsfälle Aktive Community sorgt für regelmäßige Updates und neue Funktionen
Nachteile
Training und Feinabstimmung großer Modelle erfordern leistungsstarke Hardware Die Modelle können Verzerrungen (Bias) aus den Trainingsdaten übernehmen Nicht alle Modelle im Modell-Hub sind für kommerzielle Nutzung freigegeben
Referenzen
[1] Offizielle Seite von Hugging Face: https://huggingface.co/
[2] ASSECOR. Hugging Face. [Online]. Abrufbar: https://www.assecor.de/glossar/hugging-face. [Abruf November 4, 2025].
[3] Github-Seite von Hugging Face: https://github.com/huggingface
[4] GitHub-Seite von lerobot: https://github.com/huggiwngface/lerobot
