{"id":209792,"date":"2026-01-28T03:53:50","date_gmt":"2026-01-28T02:53:50","guid":{"rendered":"https:\/\/liora.io\/de\/?p=209792"},"modified":"2026-02-26T15:06:58","modified_gmt":"2026-02-26T14:06:58","slug":"python-mit-google-colab","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/python-mit-google-colab","title":{"rendered":"Google Colab: Python-Projekte im Remote-Team"},"content":{"rendered":"<p><strong><b>Google Colab ist ein Online-Dienst f\u00fcr Jupyter-Notebooks, mit dem Du Python-Code direkt im Webbrowser schreiben und ausf\u00fchren kannst. Kostenlos und mit einem Google-Konto zug\u00e4nglich, ist Colab ideal f\u00fcr Datenanalyse und Data Science mit Python geeignet. Es bietet Codezellen und Textbl\u00f6cke in Markdown-Syntax, um den Code \u00fcbersichtlich zu strukturieren und zu kommentieren.<\/b><\/strong><\/p><p data-start=\"642\" data-end=\"1282\">Ein auf Colab erstelltes Notebook wird automatisch auf Google Drive gespeichert. Praktisch gesehen handelt es sich um eine <code data-start=\"765\" data-end=\"773\">.ipynb<\/code>-Datei, die Du bei Bedarf herunterladen und lokal mit Jupyter Notebook \u00f6ffnen kannst. Umgekehrt lassen sich lokale <code data-start=\"888\" data-end=\"896\">.ipynb<\/code>-Dateien auf Google Drive hochladen, um sie in Colab zu bearbeiten und auszuf\u00fchren \u2013 inklusive Zugriff auf zus\u00e4tzliche Ressourcen wie <a href=\"https:\/\/liora.io\/de\/gpu-data-science\">GPU<\/a> (Graphics Processing Unit) oder <b>TPU<\/b> (Tensor Processing Unit). F\u00fcr die Zusammenarbeit im Team kannst Du ein Colab-Notebook wie ein Google-Dokument freigeben. Au\u00dferdem ist es m\u00f6glich, direkt auf Dateien auf Google Drive zuzugreifen, zum Beispiel bei der Arbeit mit Datens\u00e4tzen im <code data-start=\"1268\" data-end=\"1274\">.csv<\/code>-Format.<\/p><p data-start=\"1284\" data-end=\"1463\">Aber wie teilt man am besten sowohl den Code als auch die zugeh\u00f6rigen Dateien? Genau an diesem Punkt wird es (ein wenig) komplizierter \u2013 und es gibt mehrere Wege, dies umzusetzen.<\/p><p data-start=\"1465\" data-end=\"2048\">W\u00e4hrend ihrer Ausbildung bei Liora arbeiten unsere Teilnehmenden an einem durchgehenden Projekt, bei dem die erworbenen F\u00e4higkeiten in einem vollst\u00e4ndigen, praxisnahen Use Case angewendet werden. Dieses Projekt wird in Teams von zwei bis vier Personen durchgef\u00fchrt \u2013 oft standort\u00fcbergreifend. Um diese Zusammenarbeit auf Distanz effizient zu organisieren, bietet unser p\u00e4dagogisches Team eine Masterclass an, die die Grundlagen erkl\u00e4rt und verschiedene L\u00f6sungswege aufzeigt. Anschlie\u00dfend wird jedes Team individuell betreut \u2013 durch regelm\u00e4\u00dfige Termine mit dem eigenen Mentor.<\/p><p>&nbsp;<\/p><p data-start=\"2050\" data-end=\"2371\">In diesem Artikel zeigen wir Dir <b>die wichtigsten Punkte, um mit Google Colab erfolgreich im Team zu starten<\/b>. Was empfehlen die Mentoren von Liora? Worauf solltest Du besonders achten? In weniger als sieben Minuten hast Du einen klaren \u00dcberblick \u00fcber die drei besten Szenarien f\u00fcr eine reibungslose Zusammenarbeit.<\/p>\t\t\n\t\t\t\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/google-colab-die-staerke-der-cloud-fuer-maschinelles-lernen\">Erfahre mehr \u00fcber Google Colab<\/a><\/div><\/div>\n\n\t\t\t<h2 class=\"wp-block-heading\" id=\"h-zuerst-erstelle-und-teile-dein-notebook\"><font size=\"6\">Zuerst: Erstelle und teile Dein Notebook<\/font><\/h2>\t\t\n\t\t<ul><li>Gehe in Deinem Google Drive auf Deinen Projektordner und klicke auf <strong data-start=\"302\" data-end=\"346\">\u201e+ Neu\u201c &gt; \u201eMehr\u201c &gt; \u201eGoogle Colaboratory\u201c<\/strong> (oder auf <strong data-start=\"357\" data-end=\"385\">\u201eWeitere Apps verbinden\u201c<\/strong>, falls es nicht in der Liste erscheint) und dann auf <strong data-start=\"439\" data-end=\"454\">\u201eErstellen\u201c<\/strong>.<\/li><\/ul>\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1310\" height=\"628\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2025\/08\/Collaboration-Share.png\" alt=\"\" loading=\"lazy\">\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t<ul><li>Alternativ kannst Du auch direkt \u00fcber <a href=\"\/\" target=\"_new\" rel=\"noopener\" data-start=\"495\" data-end=\"539\">https:\/\/colab.google<\/a> einsteigen und dort auf <strong data-start=\"564\" data-end=\"582\">\u201eNew Notebook\u201c<\/strong> klicken. Die Datei wird dann automatisch in Deinem Drive im Unterordner <strong data-start=\"655\" data-end=\"676\">\u201eColab Notebooks\u201c<\/strong> gespeichert.<\/li><\/ul>https:\/\/vimeo.com\/1097471289?fl=pl&amp;fe=sh<ul><li style=\"font-weight: 400\">Benenne die Datei um \u2013 standardm\u00e4\u00dfig hei\u00dft sie \u201eUntitled0.ipynb\u201c.<br data-start=\"756\" data-end=\"759\">Dann klick auf den <strong data-start=\"778\" data-end=\"797\">\u201eTeilen\u201c-Button<\/strong> und gib Deinen Teamkollegen Bearbeitungsrechte.<\/li><\/ul><p>\u26a0\ufe0f&nbsp;<b>Wichtig:<\/b> Das Notebook kann nur von einer Person gleichzeitig ausgef\u00fchrt werden.<\/p>\t\t\n\t\t\t<h2 class=\"wp-block-heading\" id=\"h-szenario-1-gemeinsame-datei-mit-bytesio-laden\"><font size=\"6\">Szenario 1: Gemeinsame Datei mit BytesIO laden<\/font><\/h2>\t\t\n\t\t<p>Diese Methode ist besonders f\u00fcr den Projektstart zu empfehlen. Damit k\u00f6nnt Ihr alle dieselbe Quelldatei nutzen, ohne dass jeder den Code zum Laden anpassen muss. Die Datei kann im Drive eines beliebigen Teammitglieds gespeichert sein \u2013 Hauptsache, sie ist \u00f6ffentlich freigegeben.<\/p>https:\/\/vimeo.com\/1097792822?fl=pl&amp;fe=sh\t\t\n\t\t\t<h2 class=\"wp-block-heading\" id=\"h-beispielcode\">Beispielcode:<\/h2>\t\t\n\t\t\t<pre data-line=\"\">\t\t\t\t<code>\n\t\t\t\t\timport pandas as pd\nfrom io import BytesIO\nimport requests\n# Nur zur Veranschaulichung, wie man die file_id findet:\noriginal_link = \"https:\/\/drive.google.com\/file\/d\/1fRkXUdfLzTMkscHsAI8_NJuuDptwk02W\/view?usp=drive_link\"\n# Datei-ID (aus dem Freigabelink) \u2013 DIE DATEI MUSS \u00d6FFENTLICH SEIN\nfile_id = \"1fRkXUdfLzTMkscHsAI8_NJuuDptwk02W\"\n# Download-Link erstellen\ndownload_url = f\"https:\/\/drive.google.com\/uc?id={file_id}\"\n# Datei herunterladen und einlesen\nresponse = requests.get(download_url)\ndata = BytesIO(response.content)\n# CSV-Datei in ein DataFrame laden\ndf = pd.read_csv(data)\ndf.head()\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<p>? <strong data-start=\"1919\" data-end=\"1928\">Tipp:<\/strong> Mehr zur <code data-start=\"1938\" data-end=\"1947\">BytesIO<\/code>-Bibliothek findest Du in der <a href=\"https:\/\/docs.python.org\/3\/library\/io.html\" target=\"_blank\" rel=\"noopener\" data-start=\"1977\" data-end=\"2047\">offiziellen Dokumentation<\/a>.<\/p>\t\t\n\t\t\t<h2 class=\"wp-block-heading\" id=\"h-szenario-2-offentliche-dateien-mit-gdown-laden-einzeln-oder-im-paket\"><font size=\"6\">Szenario 2: \u00d6ffentliche Dateien mit gdown laden \u2013 einzeln oder im Paket<\/font><\/h2>\t\t\n\t\t<p>Wir empfehlen diese Methode regelm\u00e4\u00dfig unseren Studierenden. Die Bibliothek <strong data-start=\"362\" data-end=\"373\"><code data-start=\"364\" data-end=\"371\">gdown<\/code><\/strong> ist speziell daf\u00fcr entwickelt worden, Dateien direkt von Google Drive zu importieren \u2013 zuverl\u00e4ssig und einfach. Auch hier gilt: Die Datei muss \u00f6ffentlich freigegeben sein, damit alle im Team darauf zugreifen k\u00f6nnen.<\/p><p>? <strong data-start=\"594\" data-end=\"603\">Tipp:<\/strong> Mit dem Parameter <code data-start=\"622\" data-end=\"634\">quiet=True<\/code> unterdr\u00fcckst Du die Fortschrittsanzeige beim Download \u2013 ideal, um die Ausgabe \u00fcbersichtlich zu halten.<\/p>https:\/\/vimeo.com\/1097792790?fl=pl&amp;fe=sh\t\t\n\t\t\t<h2 class=\"wp-block-heading\" id=\"h-beispiel-einzelne-dateien-laden\">Beispiel: Einzelne Dateien laden<\/h2>\t\t\n\t\t\t<pre data-line=\"\">\t\t\t\t<code>\n\t\t\t\t\t# Pakete importieren\nimport subprocess\nimport sys\nimport pandas as pd\n# Sicherstellen, dass gdown installiert ist\ntry:\n    import gdown\nexcept ImportError:\n    subprocess.check_call([sys.executable, \"-m\", \"pip\", \"install\", \"gdown\"])\n# Datei-ID aus dem Freigabelink (zwischen \/d\/ und \/view)\n# Beispiel-Link: https:\/\/drive.google.com\/file\/d\/1ptwmJbk8ToMt4BvQeG5ni37IeNAOoAsb\/view?usp=drive_link\nfile_id = '1ptwmJbk8ToMt4BvQeG5ni37IeNAOoAsb'  # Ggf. durch eine kleinere Datei ersetzen\nurl = f'https:\/\/drive.google.com\/uc?id={file_id}'\n# Datei herunterladen\ngdown.download(url, 'your_file_name.csv', quiet=True)\n# CSV-Datei laden\ndf = pd.read_csv('your_file_name.csv')\ndf.head()\n\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<p>?\ufe0f Du hast mehrere Dateien im selben Drive-Ordner? Kein Problem \u2013 mit <code data-start=\"1594\" data-end=\"1601\">gdown<\/code> kannst Du den gesamten Ordner herunterladen und anschlie\u00dfend gezielt die ben\u00f6tigten Dateien laden.<\/p>https:\/\/vimeo.com\/1097792752?fl=pl&amp;fe=sh\t\t\n\t\t\t<pre data-line=\"\">\t\t\t\t<code>\n\t\t\t\t\timport gdown\nurl = \"https:\/\/drive.google.com\/drive\/folders\/1HWFHKCprFzR7H7TYhrE-W7v4bz2Vc7Ia\"\ngdown.download_folder(url, quiet=True, use_cookies=False)\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<p>Nach dem Download gibt die Ausgabe eine Liste der heruntergeladenen Dateien zur\u00fcck, z.\u202fB.:<\/p>\t\t\n\t\t\t<pre data-line=\"\">\t\t\t\t<code>\n\t\t\t\t\t['\/content\/ihpperson_data_with_rules\/special_general.csv',\n '\/content\/ihpperson_data_with_rules\/remain_person.csv',\n '\/content\/ihpperson_data_with_rules\/general.csv',\n '\/content\/ihpperson_data_with_rules\/eunuch.csv',\n '\/content\/ihpperson_data_with_rules\/civil_servant.csv']\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<p data-start=\"2282\" data-end=\"2351\">Jetzt kannst Du die Datei Deiner Wahl wie gewohnt mit <code data-start=\"2336\" data-end=\"2344\">pandas<\/code> laden:<\/p>\t\t\n\t\t\t<pre data-line=\"\">\t\t\t\t<code>\n\t\t\t\t\timport pandas as pd\ndf = pd.read_csv('\/content\/ihpperson_data_with_rules\/special_general.csv')\ndf.head()\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<p data-start=\"2478\" data-end=\"2501\">? <strong data-start=\"2481\" data-end=\"2499\">Mehr erfahren:<\/strong><\/p><ul data-start=\"2502\" data-end=\"2831\"><li data-start=\"2502\" data-end=\"2596\"><p data-start=\"2504\" data-end=\"2596\">Offizielle Dokumentation: <a href=\"https:\/\/pypi.org\/project\/gdown\" target=\"_blank\" rel=\"noopener\" data-start=\"2530\" data-end=\"2594\">https:\/\/pypi.org\/project\/gdown<\/a><\/p><\/li><li data-start=\"2597\" data-end=\"2831\"><p data-start=\"2599\" data-end=\"2831\">Codebeispiel von Google Colab:<br data-start=\"2629\" data-end=\"2632\"><a href=\"https:\/\/colab.research.google.com\/github\/intodeeplearning\/blog\/blob\/master\/_notebooks\/2022-05-08-how-to-download-files-in-gdrive-using-python.ipynb#scrollTo=I4vv49erlMC3\" target=\"_blank\" rel=\"noopener\" data-start=\"2634\" data-end=\"2831\">Demo-Notebook auf GitHub<\/a><\/p><\/li><\/ul>\t\t\n\t\t\t<h2 class=\"wp-block-heading\" id=\"h-szenario-3-gemeinsamer-dateipfad-mit-drive-shortcut-fur-private-dateien\"><font size=\"6\">Szenario 3: Gemeinsamer Dateipfad mit Drive-Shortcut f\u00fcr private Dateien<\/font><\/h2>\t\t\n\t\t<p data-start=\"293\" data-end=\"664\">M\u00fcssen Deine Quelldateien <strong data-start=\"319\" data-end=\"337\">privat bleiben<\/strong>? Kein Problem \u2013 auch daf\u00fcr gibt es eine L\u00f6sung: Du kannst ein Colab-Notebook im Team teilen und nacheinander bearbeiten, w\u00e4hrend der Datensatz <strong data-start=\"481\" data-end=\"527\">nur f\u00fcr die Teammitglieder freigegeben ist<\/strong>. Ziel dieser Methode ist es, dass <strong data-start=\"562\" data-end=\"607\">alle denselben Dateipfad verwenden k\u00f6nnen<\/strong>, um die Daten zu importieren \u2013 ganz ohne Code\u00e4nderungen.<\/p><p data-start=\"666\" data-end=\"721\">So funktioniert es \u2013 am Beispiel der Nutzer A, B und C:<\/p><p data-start=\"726\" data-end=\"894\">1. <strong data-start=\"726\" data-end=\"731\">A<\/strong> legt den Datensatz <code data-start=\"751\" data-end=\"764\">dataset.csv<\/code> in einem Ordner namens <strong data-start=\"788\" data-end=\"798\">\u201eData\u201c<\/strong> ab, den er im Stammverzeichnis seines Google Drives erstellt hat. Der vollst\u00e4ndige Pfad lautet:<\/p>\t\t\n\t\t\t<pre data-line=\"\">\t\t\t\t<code>\n\t\t\t\t\t'\/content\/drive\/My Drive\/Data\/dataset.csv'\n\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<p>2. <strong data-start=\"966\" data-end=\"971\">A<\/strong> gibt den Ordner \u201eData\u201c f\u00fcr <strong data-start=\"999\" data-end=\"1004\">B<\/strong> und <strong data-start=\"1009\" data-end=\"1014\">C<\/strong> frei.<\/p><p>3. <strong data-start=\"1025\" data-end=\"1030\">B<\/strong> und <strong data-start=\"1035\" data-end=\"1040\">C<\/strong> finden diesen Ordner unter \u201eF\u00fcr mich freigegeben\u201c, erstellen einen <strong data-start=\"1108\" data-end=\"1120\">Shortcut<\/strong> (Rechtsklick auf den Ordner &gt; \u201eVerkn\u00fcpfung zu &#8218;Mein Drive&#8216; hinzuf\u00fcgen\u201c) und legen ihn ebenfalls im Stammverzeichnis von \u201eMein Drive\u201c ab.<\/p><p>Alle Teammitglieder k\u00f6nnen nun <strong data-start=\"1293\" data-end=\"1311\">denselben Pfad<\/strong> verwenden, um auf den Datensatz zuzugreifen:<\/p>\t\t\n\t\t\t<pre data-line=\"\">\t\t\t\t<code>\n\t\t\t\t\t'\/content\/drive\/My Drive\/Data\/dataset.csv'\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t\t<h2 class=\"wp-block-heading\" id=\"h-verbindung-zu-google-drive-in-collab\">Verbindung zu Google Drive in Collab<\/h2>\t\t\n\t\t<p>Jedes Teammitglied, das das Notebook nutzt, muss zuerst Google Drive einbinden. Das geschieht \u00fcber folgenden Code:<\/p>\t\t\n\t\t\t<pre data-line=\"\">\t\t\t\t<code>\n\t\t\t\t\tfrom google.colab import drive\ndrive.mount('\/content\/drive')\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<p>Danach kann der Datensatz ganz einfach geladen werden:<\/p>\t\t\n\t\t\t<pre data-line=\"\">\t\t\t\t<code>\n\t\t\t\t\t# Gemeinsamer Dateipfad f\u00fcr A, B und C\nimport pandas as pd\npath = '\/content\/drive\/My Drive\/Data\/dataset.csv'\ndf = pd.read_csv(path)\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t\t<h2 class=\"wp-block-heading\" id=\"h-zusammenfassung-welche-methode-wann\"><font size=\"6\">Zusammenfassung: Welche Methode wann?<\/font><\/h2>\t\t\n\t\t<p data-start=\"1922\" data-end=\"2017\">Je nach Projektphase und Anforderungen gibt es verschiedene Wege, um Daten gemeinsam zu nutzen:<\/p><ul data-start=\"2019\" data-end=\"2529\"><li data-start=\"2019\" data-end=\"2155\"><p data-start=\"2021\" data-end=\"2155\"><strong data-start=\"2021\" data-end=\"2045\">BytesIO (Szenario 1)<\/strong>: Ideal am Anfang, wenn mit einem \u00f6ffentlichen Datensatz gearbeitet wird. Einfachste Syntax, kein Setup n\u00f6tig.<\/p><\/li><li data-start=\"2157\" data-end=\"2323\"><p data-start=\"2159\" data-end=\"2323\"><strong data-start=\"2159\" data-end=\"2181\">gdown (Szenario 2)<\/strong>: Perfekt, wenn mehrere Dateien bereinigt und kombiniert werden m\u00fcssen \u2013 zum Beispiel aus einem Drive-Ordner. Ebenfalls \u00f6ffentlich zug\u00e4nglich.<\/p><\/li><li data-start=\"2325\" data-end=\"2529\"><p data-start=\"2327\" data-end=\"2529\"><strong data-start=\"2327\" data-end=\"2358\">Drive-Shortcut (Szenario 3)<\/strong>: Die beste L\u00f6sung, wenn Datens\u00e4tze <strong data-start=\"2394\" data-end=\"2419\">privat bleiben sollen<\/strong>. Ein gemeinsam genutzter Ordner, \u00fcber einen Shortcut im Stammverzeichnis, sorgt f\u00fcr identische Pfade im Team.<\/p><\/li><\/ul>\t\t\n\t\t\t\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">Lerne Python in unseren Weiterbildungen<\/a><\/div><\/div>\n","protected":false},"excerpt":{"rendered":"<p><strong><b>Google Colab ist ein Online-Dienst f\u00fcr Jupyter-Notebooks, mit dem Du Python-Code direkt im Webbrowser schreiben und ausf\u00fchren kannst. Kostenlos und mit einem Google-Konto zug\u00e4nglich, ist Colab ideal f\u00fcr Datenanalyse und Data Science mit Python geeignet. Es bietet Codezellen und Textbl\u00f6cke in Markdown-Syntax, um den Code \u00fcbersichtlich zu strukturieren und zu kommentieren.<\/b><\/strong><\/p>\n","protected":false},"author":85,"featured_media":219798,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-209792","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/209792","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/85"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=209792"}],"version-history":[{"count":5,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/209792\/revisions"}],"predecessor-version":[{"id":216671,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/209792\/revisions\/216671"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/219798"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=209792"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=209792"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}