Von Jupyter-Notebooks zur fertigen Web-App: Wie Mercury den Umstieg erleichtert

Das große Problem mit Notebooks

Jupyter-Notebooks sind perfekt, wenn es um Experimente, Analysen und schnelle Prototypen geht. Die meisten Data-Science-Teams arbeiten täglich damit. Doch spätestens dann, wenn man die Ergebnisse mit Fachfremden teilen oder daraus eine echte Anwendung machen möchte, wird es kompliziert.

Die üblichen Lösungen sind selten ideal. Entweder schreibt man alles neu in Flask oder FastAPI, bastelt mit Streamlit herum oder verbringt Wochen damit, Web-Technologien zu lernen. Häufig bleibt das Notebook einfach als statischer Export liegen – und niemand kann wirklich damit interagieren.

Genau hier setzt Mercury an. Das Framework nimmt das Notebook als Grundlage und wandelt es automatisch in eine lauffähige Web-App um.

Was Mercury besonders macht

Mercury ist keine weitere Abwandlung von Streamlit oder Dash. Es richtet sich gezielt an Entwickler, die in Python denken und auch in Python bleiben wollen.

Kein JavaScript nötig
Alles bleibt in Python. Mercury übernimmt die Web-Oberfläche im Hintergrund, ohne dass du dich mit HTML, CSS oder JavaScript auseinandersetzen musst.

Interaktivität ohne Aufwand
Schieberegler, Buttons, Textfelder oder Datei-Uploads lassen sich mit wenigen Zeilen Python-Code einbauen. Kein Boilerplate, keine komplizierten Web-Frameworks.

Sofort sichtbare Änderungen
Während du arbeitest, siehst du die Auswirkungen direkt. Es entsteht kein langes Warten auf Builds oder Server-Neustarts.

Daten im Fokus
Mercury ist für Data-Science-Aufgaben gemacht. Diagramme, Tabellen und Visualisierungen werden sauber dargestellt – egal ob du Matplotlib, Plotly oder Altair nutzt.

Typische Einsatzszenarien

• Schnelle Prototypen für Kunden: In wenigen Stunden statt Tagen einsetzbare Dashboards und Explorations-Tools erstellen.
• Interne Tools und Berichte: Analyse-Ergebnisse direkt im Team nutzbar machen, ohne eine komplette Web-Infrastruktur aufzubauen.
• Interaktive Schulungen: Lernmaterialien, bei denen Teilnehmer selbst Parameter verändern und ausprobieren.
• Dynamische Reports: Statt fester Zahlen können Empfänger Werte anpassen und Szenarien in Echtzeit erkunden.

Wie Mercury technisch funktioniert

Das Framework erkennt die Zellen im Notebook und wandelt sie um. Markdown-Zellen werden zu Dokumentation, Code-Zellen zu Hintergrundlogik und Widgets zu Web-Komponenten. Allerdings folgt die App-Struktur noch immer dem Prinzip der Jupyter-Notebooks.

Integration in bestehende Infrastruktur

Mercury-Apps lassen sich auf klassischen Plattformen wie Heroku, AWS oder DigitalOcean betreiben. Auch serverlose Lösungen und eigene Server laufen problemlos.

For developers using NameOcean's hosting services, Mercury applications can run on cloud instances, giving you full control over your deployment environment while maintaining the simplicity of the Python-first development experience.

Wann Mercury besonders gut passt – und wann nicht

Stärken von Mercury

• Logik größtenteils in Python gehalten
• Schnelle Entwicklungs- und Deploy-Zyklen
• Team mit Python-Erfahrung, aber ohne Web-Entwicklungs-Kenntnisse
• Datenbasierte Tools und Dashboards
• Parameter interaktiv verstellen

Besser andere Tools nutzen

• Starke, komplexe UI-Anforderungen
• Consumer-Apps mit besonderer Brand-Gestaltung
• Wichtige mobile Optimierung
• Realtime-Collaboration-Features benötigt

Schnellstart mit Mercury

Die Einrichtung ist überraschend simple:

import mercury as mr

mr.Slider(label="Select a value", value=5, min=0, max=100)
mr.Button(label="Click me!")
mr.DataFrame(your_data)

Hierbei handelt es sich nicht auf<|eos|>