Faragiri

Pakete und Umgebungen lernen Python

Was eine virtuelle Umgebung wirklich verändert, warum der Import in einer Shell klappt und in der anderen nicht, und die Datei, die den Lauf wiederholbar macht.

5Abschnitte
4Min. Lesezeit
4Tiefe

Ein Paket anzufragen installiert mehrere. Bei einer Installation am 22. September 2026 meldete eine frische Umgebung für requests Successfully installed certifi-2026.7.22 charset_normalizer-3.5.1 idna-3.19 requests-2.34.2 urllib3-2.7.0: fünf Pakete für einen Namen. Vier davon sind die Entscheidung von jemand anderem, werden nach dessen Zeitplan aktualisiert, und ab jetzt sind sie die eigene Aufgabe, am Laufen zu halten.

Sie landeten in genau diesem Ordner und nirgendwo sonst. Vom Interpreter der Umgebung aus gelingt der Import; vom Systeminterpreter in derselben Shell aus beantwortet import requests ModuleNotFoundError: No module named 'requests'. Das ist der ganze Mechanismus, und er ist der Grund, warum derselbe Befehl bei einer Kollegin funktioniert und bei einem selbst nicht.

Was eine virtuelle Umgebung genau ist

Es ist ein Ordner mit einem eigenen Interpreter und eigenen site-packages, und ein Wert verrät es zuverlässig: sys.prefix unterscheidet sich von sys.base_prefix. Dieser eine Vergleich ist der verlässliche Weg herauszufinden, in welcher Umgebung man steckt, und er ist mehr wert als ein Blick auf den Prompt, weil der Prompt falsch stehen kann und der Vergleich nicht.

Vier Schichten, ein Import

Wonach ein Import sucht, und welche Schicht der Ordner ersetzt

Eine virtuelle Umgebung fügt keine neue Schicht hinzu, sondern tauscht die beiden mittleren gegen projektspezifische Pfade aus.

  1. Der eigene CodeWird zuerst importiert; eine Datei namens random.py würde Standardmodule verdeckenProjekt
  2. Die site-packages der UmgebungEnthält nur explizit installierte Pakete des Projekts und pipIsoliert
  3. Der Interpreter der Umgebungsys.prefix zeigt hierhin, während sys.base_prefix auf das Basissystem verweistLaufzeit
  4. Der Systeminterpreter und seine PaketeBleibt auf der Maschine erhalten, ist für die Umgebung aber unsichtbarBasis

Der Vergleich zwischen sys.prefix und sys.base_prefix zeigt verlässlich an, ob der Aufruf in einer Umgebung läuft.

Eine frische Umgebung enthält pip und sonst nichts. Alles, was die Maschine global installiert hat, ist für sie unsichtbar, absichtlich, und genau das ist die gekaufte Eigenschaft: zwei Projekte, die unterschiedliche Versionen derselben Bibliothek wollen, hören auf, überhaupt ein Problem zu sein.

Aktivieren ist Bequemlichkeit, der Pfad ist die Tatsache

Aktivieren verändert den PATH, sodass python auf den Interpreter der Umgebung zeigt. Sonst passiert nichts, weshalb jedes Problem in diesem Bereich dieselbe Lösung hat: sich nicht auf das Aktivieren verlassen und den Interpreter über seinen Pfad aufrufen. ./demoenv/bin/python -m pip install requests funktioniert, egal ob etwas aktiviert ist, in einem Cronjob, in einem Makefile und in einem Editor, der seine eigene Shell gestartet hat.

Aufrufpraxis im Vergleich

Expliziter Dateipfad gegen temporäre Shell-Aktivierung

Aktivieren manipuliert lediglich Umgebungsvariablen der aktuellen Shell. Der direkte Pfadaufruf bleibt in jeder Umgebung verbindlich.

  • Direkter PfadaufrufVerbindliche Zuordnung
    • ./demoenv/bin/python -m pip bindet Paketverwaltung fest an den Zielinterpreter
    • Funktioniert ohne Vorbedingungen in Crontab, Makefile und Entwicklungsumgebung
    • Verhindert versehentliche Installationen in den globalen Systeminterpreter
  • Shell-Aktivierung (source)Bequeme Shell-Modifikation
    • Verändert lediglich die PATH-Variable der aktuellen Terminalsitzung
    • Gilt nicht für Subprozesse, Hintergrunddienste oder separate Skripte
    • Erzeugt Scheinsicherheit bei wechselnden Shell-Instanzen

Aufrufstrategie

Der direkte Aufruf über den Dateipfad entkoppelt Skripte von Shell-Zuständen und schließt Installationsfehler aus.

Zwei Gewohnheiten folgen daraus. pip als python -m pip ausführen, nicht als pip, damit das pip, das läuft, und der Interpreter, in den installiert wird, nicht auseinanderfallen können. Und niemals in den Systeminterpreter installieren: auf einer aktuellen Maschine verweigert er das meist von selbst, und wo nicht, legt es die Abhängigkeiten des eigenen Projekts dorthin, wo jedes andere Projekt sie sieht.

Was den Lauf wiederholbar macht

python -m pip freeze druckt genau das Installierte mit exakten Versionen, fünf Zeilen für die Installation oben, beginnend mit certifi==2026.7.22. Das zu committen ist die Mindestanforderung: ohne das bekommt die nächste Person, was auch immer am Tag der Installation aktuell war, und der Fehlerbericht beginnt mit zwei verschiedenen Versionsständen.

Hierarchie der Abhängigkeiten

Vom direkten Wunsch zur fixierten Umgebung

Eine saubere Paketkonfiguration unterscheidet das eigentliche Zielpaket von automatisch mitinstallierten Unterbibliotheken.

  1. Transitive BibliothekenVier automatisch installierte Begleitpakete wie urllib3 und charset_normalizer
  2. Sperrdatei (Lockfile)Exakte Versionsstände beginnend mit certifi==2026.7.22 für reproduzierbare Builds
  3. Deklariertes Hauptpaketrequests als einziger expliziter Eintrag in pyproject.toml

Die Trennung von pyproject.toml und Sperrdatei erlaubt gezielte Versionserhöhungen, ohne transitive Abhängigkeiten manuell zu verwalten.

Die heutige Form ist besser als eine eingefrorene Liste, denn eine eingefrorene Liste kann die direkten Abhängigkeiten nicht von den vier mitgelieferten unterscheiden. requests in pyproject.toml zu deklarieren und ein Werkzeug die Sperrdatei schreiben zu lassen, behält diesen Unterschied, sodass das Anheben einer einzigen Sache nicht erfordert zu wissen, welchen der fünf Namen man eigentlich wollte.

Was 2026 zum Standard wurde

uv ist das Werkzeug, zu dem die meisten Python-Projekte 2026 gewechselt sind, kostenlos und quelloffen. Es legt die Umgebung an, löst auf und installiert und schreibt eine Sperrdatei, in einem Programm, wo früher drei standen, und es ist schnell genug, dass Neuanlegen der Umgebung niemand mehr vermeidet. Es hat die Kombination aus venv, pip und pip-tools abgelöst, und die ehrliche Anmerkung ist, dass python -m venv und python -m pip immer vorhanden sind, weshalb diese Seite auf ihnen aufbaut.

Ökosystem-Wandel

Die Konsolidierung der Paketwerkzeuge

Drei separate Hilfswerkzeuge und lose Textdateien wurden durch ein einziges Werkzeug und standardisierte Metadaten abgelöst.

Klassischer WerkzeugverbundNebeneinander von venv, pip, pip-tools und requirements.txt
  1. 01Umgebungserstellunguv ersetzt venv mit spürbar schnellerem Anlegen isolierter Verzeichnisse
  2. 02PaketverwaltungDeterministische Auflösung ersetzt manuelle Aufrufe von pip install
  3. 03Konfigurationsformatpyproject.toml löst verstreute Konfigurationen in setup.py und Textdateien ab
Moderner Standard 2026uv mit integrierter Verwaltung und deklarativer pyproject.toml

Standardwerkzeuge wie python -m venv bleiben auf jedem System vorhanden, während uv im Projektalltag Beschleunigung bringt.

pyproject.toml ist die Datei, kostenlos mit dem Ökosystem und 2026 der Standard. Sie hat setup.py und die lose requirements.txt-Konvention abgelöst, und der praktische Gewinn ist, dass die deklarierten und die aufgelösten Abhängigkeiten zwei verschiedene Listen in zwei verschiedenen Dateien sind. In größeren deutschen Firmen und Behörden ist zusätzlich üblich, dass der Code selbst englische Bezeichner trägt und nur description und die Kommentare in pyproject.toml auf Deutsch stehen, weil das Team international liest, aber intern deutsch dokumentiert.

Wo diese Umgebung zickt

Das ist der Stolperstein der ganzen Sparte, und er kommt früh: jemand, der Python schreiben kann, trifft auf eine Umgebung, die sich nicht installieren lässt, schließt daraus, schlecht im Programmieren zu sein, und trifft eigentlich auf Paketverwaltung, wovon niemand gesagt hat, dass es ein eigenes Fach ist. In vielen deutschen Behörden und größeren Firmen kommt eine zweite Schicht dazu: die Firewall erlaubt keinen direkten Zugriff auf pypi.org, sondern nur auf einen internen Spiegel, und ein Installationsbefehl, der an anderer Stelle funktioniert, hängt hier einfach.

Diagnoseleitfaden

Vier Schritte bei blockierten Installationen

Fast alle Installationsprobleme beruhen auf abweichenden Interpreter-Pfaden oder restriktiven Netzwerk-Proxies.

  1. 01Tatsächlichen Interpreter identifizierenpython -c "import sys; print(sys.executable)" zeigt den real genutzten Binärpfad
  2. 02Pfad mit Projektordner vergleichenSicherstellen, dass der Interpreter im Verzeichnis der virtuellen Umgebung liegt
  3. 03Netzwerk- und Firewall-Regeln prüfenPrüfen, ob pypi.org blockiert ist und ein interner Spiegel konfiguriert werden muss
  4. 04Gezielten Modulaufruf ausführenPakete mit dem ermittelten Interpreter über python -m pip installieren

Die Ausgabe von sys.executable klärt in wenigen Sekunden, ob ein Befehl im Systeminterpreter oder in der Umgebung landet.

Die eine Gewohnheit, die das meiste davon beseitigt: bevor irgendetwas anderes fehlschlägt, python -c "import sys; print(sys.executable)" ausführen und lesen, mit welchem Interpreter man tatsächlich spricht. Fast jede Installation, die nicht funktioniert hat, hat diesen Pfad anders, als der, der den Code ausführt. Was der Interpreter mit den gefundenen Paketen macht, steht bei Codeausführung, und was bereits mitgeliefert wird, bevor eine Abhängigkeit überhaupt nötig ist, klärt Der Standardbibliothek.

Daneben

Darüber