Zurück zum Lernbereich

Externe Code-Bibliotheken (Packages)

Externe Bibliotheken einbinden, ohne den nächsten Sicherheitsalbtraum auszulösen.

  • Grundlagen
  • 13 min
  • Einsteiger

Einfache Sprache

Diese Vorschau ist in Einfacher Sprache. Das ganze Portal gibt es auch in Einfacher Sprache. Du kannst oben die Sprache wechseln. Oder nutze den Knopf unten. Unsere Texte in Einfacher Sprache entstehen KI-gestützt und werden redaktionell begleitet. Sie orientieren sich an den Grundprinzipien der Leichten Sprache, sind aber keine geprüfte Leichte Sprache: Eine Prüfgruppe von Menschen mit Lernschwierigkeiten prüft sie nicht.

Vorschau: Pakete und Bibliotheken in Python

Was sind Pakete?

Python hat eine Bibliothek mit fertigen Programmen. Bibliothek bedeutet: eine Sammlung von Code. Andere Programmierer schreiben diesen Code. Du kannst ihn kostenlos nutzen. Das spart dir viel Arbeit.

Wie bekommst du Pakete?

Pakete holt man mit dem Befehl pip install. Pip ist ein Werkzeug für Python. PyPI ist die Adresse für Pakete. PyPI heißt: eine große Sammlung von Python-Paketen. Mehr als 900.000 Pakete stehen dort bereit.

Warum Python für KI?

Python ist die wichtigste Sprache für KI. Es hat viele Pakete von Fachleuten. NumPy rechnet mit großen Zahlen-Tabellen. Pandas sortiert und analysiert Daten. PyTorch trainiert KI-Modelle.

Du hast Variablen, Schleifen, Funktionen gelernt — du kannst Python schreiben. Aber hier ist das Geheimnis professioneller Entwicklung: Die meisten echten Projekte bestehen zu rund 30% aus eigenem Code und zu 70% aus Bibliotheken, die andere bereits gebaut haben.

Dieser Artikel zeigt dir die drei Schichten von Pythons Code-Universum: was bereits eingebaut ist, wie du fehlendes hinzufügst, und warum dieses Ökosystem Python zur dominierenden KI-Sprache gemacht hat.

Standard Library & Imports

Definition

Modul und Package

Analogie

Wenn du in eine neue Wohnung einziehst, liegt ein Werkzeugkasten schon im Schrank — Hammer, Schraubenzieher, Maßband. Du kannst sofort Bilder aufhängen und Möbel zusammenbauen, ohne in den Baumarkt zu fahren. Pythons Standard Library ist dieser Werkzeugkasten: math ist das Maßband, json der Schraubenzieher-Satz, os die Taschenlampe zum Erkunden des Gebäudes.

Ein echter Werkzeugkasten hat physische Grenzen. Pythons Standard Library ist über die Jahre gewachsen und enthält spezialisierte Module (sqlite3, email, tkinter), die weit über "Basics" hinausgehen. Außerdem erfordert ein Werkzeugkasten keine Wahl, wie du ein Werkzeug herausholst — Pythons drei Import-Formen beeinflussen das Namespace-Verhalten.

import math

Volles Modul geladen. Zugriff über math.sqrt(144). Der Name math dient als Namensraum — kein Namenskonflikt mit eigenen Variablen.

from random import randint

Nur randint geladen. Direkter Aufruf: randint(1, 6). Kürzer, aber bei vielen Imports kann der Überblick verloren gehen.

Merke

Drei Import-Stile

import math
print(math.sqrt(144))           # 12.0

from random import randint
print(randint(1, 6))             # z.B. 4

import json as j
print(j.dumps({"name": "Ada"}))  # {"name": "Ada"}

Alle drei Module sind ohne Installation verfügbar — sie gehören zur Standard Library. Du brauchst nur die passende import-Zeile.

Achtung

Irrtum: import lädt Code aus dem Internet

import lädt nur Module, die bereits auf deinem Computer vorhanden sind — entweder aus der Standard Library oder aus vorher per pip installierten Paketen. import kontaktiert niemals das Internet. Das Herunterladen ist ein separater Schritt mit pip.

Wenn Python import math ausführt, durchsucht es eine Liste von Verzeichnissen in sys.path. Diese Liste enthält: das Verzeichnis deines Skripts, die Standard-Library-Pfade und das site-packages-Verzeichnis (wo pip installiert).

import sys
print(sys.path)
# ['/home/ada/projekt', '/usr/local/lib/python3.12', '/usr/local/lib/python3.12/lib-dynload',
#  '/usr/local/lib/python3.12/site-packages']

Beim ersten Import kompiliert Python das Modul in Bytecode und speichert ihn im Ordner __pycache__. Bei späteren Imports wird der Cache verwendet — das beschleunigt den Start.

pip & PyPI — Der App Store für Python

Definition

pip und PyPI

Analogie

PyPI ist wie ein App Store: Du suchst nach Funktionalität, tippst einen Installationsbefehl, und es ist einsatzbereit. Aber anders als Handy-Apps, die in isolierten Sandboxes laufen, teilen sich Python-Pakete dasselbe Installationsverzeichnis. Wenn Projekt A LibX Version 2 braucht und Projekt B LibX Version 3, kollidieren sie — wie zwei Apps, die um dieselbe Datei kämpfen.

Ein App Store wird von einem Unternehmen kuratiert und geprüft. PyPI ist offen — jeder kann hochladen. Es gibt keine verpflichtende Qualitätskontrolle, deshalb muss man lernen, Pakete selbst zu bewerten (Download-Zahlen, Wartungsaktivität, Dokumentation).

Merke

Der pip-Workflow: Installieren → Importieren → Verwenden

  1. 1. pip install requests — Paket von PyPI herunterladen und installieren
  2. 2. import requests — Das installierte Paket in deinem Code verfügbar machen
  3. 3. requests.get(url).status_code — Das Paket verwendenhier: HTTP-Anfrage senden

Merke

requirements.txt — Abhängigkeiten reproduzierbar machen

Professionelle Projekte listen alle benötigten Pakete in einer requirements.txt-Datei auf:

requests==2.34.2
pandas>=2.0.0
numpy>=1.24.0

Ein einziger Befehl — pip install -r requirements.txt — installiert alle Abhängigkeiten. Und Abhängigkeiten sind transitiv: Wenn du pandas installierst, kommt numpy automatisch mit, weil pandas es intern braucht. Achtung: == legt genau eine Version fest, >= nur eine Untergrenze. pandas>=2.0.0 installiert heute schon pandas 3. Wirklich reproduzierbar wird die Datei erst, wenn alle Pakete mit == gepinnt sind, etwa per pip freeze > requirements.txt.

Achtung

Irrtum: import installiert automatisch fehlende Pakete

import und pip install sind strikt getrennte Operationen. Der Import-Mechanismus durchsucht nur lokale Verzeichnisse (Standard Library + site-packages) — er kontaktiert niemals PyPI. Ohne vorherige Installation mit pip bekommst du einen ModuleNotFoundError.

Auf PyPI kann jeder Pakete hochladen. Bevor du ein unbekanntes Paket installierst, prüfe diese Signale:

Download-Zahlen (populäre Pakete sind besser getestet), letztes Update (aufgegebene Projekte sind riskant), Dokumentationsqualität (gute Docs = aktive Wartung), GitHub-Stars und Issues (Community-Engagement), und Sicherheits-Audits (bei sensiblen Anwendungen). Die Regel: Je mehr Leute ein Paket verwenden, desto wahrscheinlicher werden Fehler schnell gefunden und behoben. Beliebtheit schützt aber nicht vor Angriffen: Im März 2026 tauchten auf PyPI zwei manipulierte Versionen der viel genutzten KI-Bibliothek litellm auf, die Zugangsdaten stahlen. Pinne deshalb exakte Versionen, damit nicht ungeprüft das neueste Release nachrutscht. Und prüfe jeden Paketnamen auf pypi.org, bevor du installierst: Angreifer registrieren gezielt Tippfehler-Namen wie „reqeusts“ und Namen, die KI-Assistenten manchmal frei erfinden.

Das Ökosystem — Warum Python die KI-Sprache wurde

Pythons Drei-Schichten-Modell

Externe Pakete (PyPI) 900.000+ Pakete aus der Community
Standard Library 200+ Module, die Python mitliefert
Dein Code Die Logik, die du selbst schreibst

Jedes Paket ist wie ein spezialisierter LEGO-Stein, gefertigt von Experten. Du baust daraus eigene Kreationen zusammen, ohne wissen zu müssen, wie Plastik gegossen wird — genauso wie du eine ML-Pipeline baust, ohne C-Code für Matrixmultiplikation zu schreiben.

Aber LEGO-Steine passen immer zusammen (genormte Noppen). Python-Pakete können Versionskonflikte und inkompatible Abhängigkeiten haben. Und LEGO wird von einem Unternehmen kuratiert, während PyPI ein offener Basar ist — von industrie-reifen Bibliotheken bis zu aufgegebenen Hobbyprojekten.

NumPy Arrays und lineare Algebra in C/Fortran
pandas DataFrames für Datenanalyse
scikit-learn Klassisches Machine Learning
PyTorch Deep Learning mit GPU-Beschleunigung
Django Web-Framework für komplexe Anwendungen
requests HTTP-Anfragen einfach gemacht

Merke

Python als Klebesprache

Python ist als Interpreter relativ langsam. Aber seine Stärke liegt nicht in Geschwindigkeit, sondern in der Rolle als "Klebesprache": Python liefert die benutzerfreundliche Oberfläche, während die schwere Berechnung in kompiliertem C/C++ oder CUDA darunter läuft.

import pandas as pd
df = pd.read_csv("data.csv")
print(df.describe())   # Statistische Zusammenfassung

from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(X, y)        # ML-Modell in einer Zeile

Hinter diesen wenigen Python-Zeilen stecken Tausende Zeilen optimierter C/Fortran-Code. Python gibt die Befehle — die eigentliche Berechnung passiert in kompiliertem Code.

Achtung

Irrtum: Python ist zu langsam für KI

Python selbst ist langsam für reine Schleifen. Aber KI-Aufgaben laufen in C/C++/CUDA hinter Bibliotheksaufrufen. Python ist das Lenkrad, nicht der Motor. Die eigentlichen Matrixmultiplikationen, Gradientenberechnungen und Datentransformationen passieren in kompiliertem Code — Python orchestriert sie nur.

Interaktiv: Package-Manager Checkliste

Beantworte die folgenden Fragen zu deinem Python-Projekt. Am Ende erhältst du eine Empfehlung, welches Werkzeug für die Paketverwaltung am besten zu deiner Situation passt.

Package-Manager Checkliste

Finde heraus, welches Werkzeug für die Paketverwaltung am besten zu deinem Python-Projekt passt.

1.Arbeitest du an mehreren Python-Projekten gleichzeitig?
Verschiedene Projekte brauchen oft verschiedene Paketversionen — Isolation verhindert Konflikte.
2.Brauchen deine Projekte unterschiedliche Python-Versionen?
z.B. Projekt A braucht Python 3.12, Projekt B braucht Python 3.14.
3.Müssen andere Entwickler dein Projekt reproduzierbar aufsetzen können?
Team-Arbeit, CI/CD und Deployment erfordern festgehaltene Abhängigkeiten.
4.Installierst du Pakete aus anderen Quellen als PyPI (z.B. Conda-Forge)?
Manche wissenschaftliche Pakete (z.B. CUDA-Toolkit, MKL) sind über Conda einfacher zu installieren.
5.Entwickelst du eine eigene Library, die andere per pip installieren sollen?
Library-Entwicklung braucht Build-Tools und Metadaten (pyproject.toml).
6.Brauchst du automatisches Dependency-Locking (exakte Versionen aller transitiven Abhängigkeiten)?
Lock-Dateien garantieren, dass auf jedem Rechner exakt dieselben Versionen installiert werden.
0 / 6 beantwortet

Merke

Das Wichtigste auf einen Blick

  1. Pythons Standard Library deckt Alltagsaufgaben ab (Mathematik, JSON, Dateien, Datum) — prüfe immer erst die "batteries included", bevor du extern installierst.
  2. pip install lädt von PyPI herunter; import lädt, was bereits lokal installiert ist — das sind strikt getrennte Schritte.
  3. Python dominiert KI nicht wegen Geschwindigkeit, sondern weil sein Ökosystem hochperformanten C/C++-Code hinter einer sauberen, anfängerfreundlichen API verpackt.

Prüfen

Quiz: Packages und Imports

Noch offen

Was ist der Unterschied zwischen import und pip install?

Wähle eine Antwort

Auflösung: 1) C · 2) B · 3) C · 4) C

Prüfen

Checkpoint

Kannst du das in eigenen Worten erklären? Hake ab, was sitzt.

0 von 3 sitzen