PyPI führt für SciPy 1.18.1 ein macOS-ARM64-Wheel für CPython 3.15; Python 3.15.1 ist offiziell veröffentlicht (SciPy-Dateien auf PyPI, Python-Veröffentlichung).
Schnellste Lösung: Installieren Sie Python 3.15.1 und SciPy 1.18.1 zunächst in einer isolierten Umgebung auf dem Apple-Silicon-Mac. Geben Sie ein Forschungsprojekt erst frei, wenn Abhängigkeiten und Ergebnisse mit einer dokumentierten Projektbasis geprüft sind.

Dieser Leitfaden ist für Sie gedacht, wenn Sie eine neue numerische Analyseumgebung einrichten oder ein bestehendes Forschungsprojekt auf einen Mac übertragen.
Wenn Sie Studierende oder ein Institutsteam betreuen, können Sie die Schritte als nachvollziehbare Abnahme verwenden.
Wer nur eine bestehende Analyse weiter auf einem HPC-System ausführt und keine macOS-Abhängigkeit hat, braucht den Mac-Installationsweg nicht zwingend.

Letzte Aktualisierung: 24.10.2026. Versions- und Wheel-Angaben wurden anhand der SciPy-Veröffentlichungsseite, der Dateiliste zu SciPy 1.18.1 auf PyPI und der offiziellen Python-Veröffentlichung geprüft.

Neues Forschungsprojekt: Umgebung isoliert anlegen

Installieren Sie Pakete nicht in das System-Python und teilen Sie eine Umgebung nicht unbesehen mit anderen Projekten. Eine isolierte virtuelle Umgebung trennt die Python-Pakete eines Projekts von anderen Installationen. So können Sie Änderungen gezielt testen und später nachvollziehen, welcher Interpreter verwendet wurde. Die Python-Dokumentation beschreibt venv als Werkzeug zum Erstellen solcher Umgebungen (Python-Dokumentation zu venv).

Prüfen Sie zunächst, ob der gewünschte Python-Interpreter tatsächlich verfügbar ist. Verwenden Sie dann in Ihrem Projektverzeichnis beispielsweise:

python3.15 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install scipy==1.18.1

Die Befehle setzen voraus, dass python3.15 in Ihrer Shell auf den gewünschten Interpreter verweist. Ist der Befehl nicht vorhanden, installieren oder wählen Sie zuerst eine passende Python-Distribution; wechseln Sie nicht stillschweigend zu einem anderen Interpreter. Python 3.15.1 wurde laut offizieller Veröffentlichung am 21.10.2026 freigegeben.

Führen Sie die Prüfungen innerhalb der aktivierten Umgebung aus:

which python
python --version
python -m pip show scipy
python -c "import scipy; print(scipy.__version__); print(scipy.__file__)"

Der ausgegebene Pfad sollte auf .venv in Ihrem Projekt zeigen. Die Version und der Importpfad müssen zu Ihrer installierten Umgebung passen. Ein erfolgreicher Import zeigt jedoch nur, dass das Paket geladen werden kann. Er bestätigt weder alle Projektabhängigkeiten noch die fachliche Richtigkeit Ihrer Berechnung.

Notieren Sie zu Beginn mindestens den Interpreter, die installierten Paketversionen und den Installationsweg. Für eine erste Bestandsaufnahme können Sie python -m pip freeze verwenden. Das Ergebnis ist ein nützlicher Prüfstand, ersetzt aber keine bewusst gepflegte Abhängigkeitsdatei und keine Dokumentation der Daten- und Analysewege.

Apple Silicon: Wheel, Interpreter und Architektur einzeln abgleichen

Dass ein Mac einen Apple-Prozessor besitzt, beantwortet noch nicht jede Kompatibilitätsfrage. Bei Python-Paketen müssen Sie mindestens die Prozessorarchitektur, die Python-ABI und das Plattformkennzeichen des Wheels zusammen betrachten. Die Spezifikation zu Plattform-Kompatibilitätskennzeichen für Python-Pakete erläutert, wie diese Kennzeichen die Kompatibilität eines Pakets ausdrücken.

SciPy meldet für Version 1.18.1 erstmals auf PyPI bereitgestellte Python-3.15-Binärpakete. Die PyPI-Dateiliste führt ein passendes macOS-ARM64-Wheel für CPython 3.15. Für die normale CPython-Umgebung auf einem Apple-Silicon-Mac spricht das dafür, die Installation zunächst als Binärpaket zu versuchen, statt sofort einen Quellcode-Build anzustoßen.

Nach der Installation prüfen Sie eine kleine, für Ihr Fachgebiet repräsentative Berechnung. Ein einfacher Import- und Rechentest kann so aussehen:

python - <<'PY'
import numpy as np
import scipy
from scipy import linalg

matrix = np.array([[3.0, 1.0], [1.0, 2.0]])
values = linalg.eigvalsh(matrix)

print("SciPy:", scipy.__version__)
print("Eigenwerte:", values)
PY

Dieser Test kontrolliert den Import und einen grundlegenden Aufruf aus SciPy. Er ist kein Ersatz für den Test Ihres eigentlichen Analysepfads. Ergänzen Sie deshalb mindestens ein Modul, das Ihr Projekt tatsächlich verwendet, und vergleichen Sie die Ausgabe mit einem bereits geprüften Referenzlauf.

Ein installiertes Wheel belegt, dass ein Distributionspaket für die ausgewiesenen Plattform- und Interpretermerkmale verfügbar ist. Daraus folgt nicht, dass Ihre spezifischen Algorithmen, Datenformate, Randbedingungen oder wissenschaftlichen Schlussfolgerungen validiert wurden. Halten Sie diese Unterscheidung in der Abnahme fest: Paketinstallation bestanden und Forschungsprojekt fachlich geprüft sind zwei getrennte Ergebnisse.

Free-Threaded-Build: als separates Experiment behandeln

Wenn Sie einen Free-Threaded-Build von Python 3.15 untersuchen, verwenden Sie ihn nicht als unauffälligen Ersatz für Ihre Standardumgebung. Er ist eine eigene Testkonfiguration. Prüfen Sie, ob Ihr Interpreter tatsächlich als Free-Threaded-Build läuft und ob SciPy sowie alle weiteren benötigten Abhängigkeiten ein passendes Wheel bereitstellen. Verwechseln Sie insbesondere nicht ein Standard-CPython-Wheel mit einem Wheel für eine abweichende ABI.

Gehen Sie dabei kontrolliert vor:

  1. Erstellen Sie eine separate virtuelle Umgebung mit genau dem Free-Threaded-Interpreter, den Sie untersuchen.
  2. Prüfen Sie die SciPy-Dateiliste auf PyPI auf ein Wheel, dessen Kennzeichen zu Interpreter, ABI und macOS-Architektur passen.
  3. Kontrollieren Sie dieselbe Voraussetzung für die übrigen Projektpakete. Ein passendes SciPy-Wheel löst keine fehlenden Wheels anderer Abhängigkeiten.
  4. Führen Sie zunächst Import-, Funktions- und Projekttests aus. Vergleichen Sie die Ergebnisse mit Ihrer Standardumgebung.
  5. Messen Sie Laufzeiten nur mit Ihren eigenen repräsentativen Aufgaben und dokumentieren Sie Testbedingungen und Messverfahren.

Die Verfügbarkeit eines Wheels oder ein erfolgreicher paralleler Lauf ist kein Nachweis für einen Leistungsgewinn. Ob Ihr Projekt von einer solchen Konfiguration profitiert, hängt unter anderem vom konkreten Algorithmus, den verwendeten Paketen und der Aufgabenverteilung ab. Treffen Sie deshalb keine Freigabeentscheidung anhand einer allgemeinen Aussage zur Parallelität. Legen Sie eine projektspezifische Messung und einen fachlichen Ergebnisvergleich zugrunde.

Wenn pip bauen will: Ursache vor dem Compiler suchen

Ein unerwarteter Quellcode-Build ist zunächst ein Diagnosehinweis. Er bedeutet nicht automatisch, dass SciPy auf Ihrem Mac grundsätzlich nicht verfügbar ist oder dass Sie sofort eine Compiler-Toolchain einrichten müssen. Prüfen Sie zuerst, welches Python pip verwendet, welche Architektur der Interpreter meldet und welche Plattformkennzeichen für die Installation infrage kommen.

Starten Sie die Diagnose mit:

python -c "import platform, sys; print(sys.executable); print(platform.machine()); print(sys.version)"
python -m pip install -v scipy==1.18.1

Lesen Sie die ausführliche Installationsausgabe. Achten Sie darauf, ob pip ein Wheel findet, welchen Index es abfragt und an welcher Stelle es auf eine Quelldistribution zurückfällt. Vergleichen Sie die im Protokoll erkennbare Interpreter- und Plattformkombination mit den verfügbaren Dateien auf PyPI. Auch ein abweichender Paketindex, eine falsche Interpreter-Auswahl oder eine andere ABI kann erklären, warum das passende Wheel nicht berücksichtigt wird.

Sie können die Binärpaket-Verfügbarkeit außerdem gezielt testen:

python -m pip install --only-binary=:all: scipy==1.18.1

Scheitert dieser Versuch, ist das Ergebnis nicht automatisch ein Grund, einen Build zu erzwingen. Klären Sie zuerst, ob die Umgebung die erwartete Architektur und ABI verwendet und ob der konfigurierte Index die passende Datei bereitstellt. Ein Wheel-Fehler und ein Netzwerk- oder Indexproblem sehen für Sie sonst leicht wie derselbe Installationsfehler aus, verlangen aber unterschiedliche Lösungen.

Erst wenn ein passendes Wheel für Ihre bewusst gewählte Konfiguration fehlt und ein Quellcode-Build erforderlich ist, folgen Sie den SciPy-Bauanweisungen. Beachten Sie dabei die Versionsgrenze der verfügbaren Referenz: Die verlinkte SciPy-Builddokumentation gehört zu SciPy 1.17.0. Übernehmen Sie ihre Schritte daher nicht ungeprüft als Anleitung für SciPy 1.18.1. Prüfen Sie die für Ihre Zielversion geltenden offiziellen Hinweise, bevor Sie Werkzeuge installieren oder einen Build starten.

Bestehendes Projekt übertragen: Abhängigkeiten und Ergebnisse abgleichen

Bei einer Migration ist die Installation von SciPy nur ein Teil der Arbeit. Vergleichen Sie zunächst den bisherigen Projektstand mit dem neuen Mac: Python-Version, SciPy, NumPy und die übrigen direkten und transitiven Abhängigkeiten. Falls Ihre Gruppe eine Lockdatei oder eine dokumentierte Umgebung verwendet, prüfen Sie diese gegen den geplanten Interpreter, statt Pakete einzeln nach Gefühl zu aktualisieren.

Legen Sie anschließend eine Kopie des Projekts an und verwenden Sie nicht sensible Beispieldaten oder einen freigegebenen Projektausschnitt. Führen Sie denselben zentralen Analysepfad wie in der bisherigen Umgebung aus. Speichern Sie Eingabeversion, Befehle, Paketstände und relevante Ausgaben. Wenn Daten nicht auf ein externes System übertragen werden dürfen, klären Sie vor einem Remote-Test die institutionellen Vorgaben und die Datenschutzanforderungen nach DSGVO.

Vergleichen Sie nicht nur eine einzelne Endzahl. Prüfen Sie auch die Verarbeitungsschritte, Grenzfälle, fehlende Werte und das Verhalten der Module, die für Ihre Fragestellung entscheidend sind. Bei Abweichungen untersuchen Sie zuerst, ob sich Datenbereinigung, Datentypen, Sortierung, numerische Toleranzen oder eine Abhängigkeit geändert haben. Ähnliche Versionsangaben allein beweisen keine Ergebnisgleichheit.

Für die Übergabe an andere Personen sollte Ihr Prüfprotokoll knapp, aber ausführbar sein. Halten Sie fest, wie die Umgebung aktiviert wird, welche Eingaben für den Test erforderlich sind, welche Ausgabe erwartet wird und wo Abweichungen dokumentiert werden. Damit kann eine betreuende Person den Test wiederholen, ohne Ihre lokale Shell-Konfiguration erraten zu müssen.

FAQ: Installation und Forschungsfreigabe gezielt klären

Ist SciPy 1.18.1 mit Python 3.15.1 verfügbar?

Die offiziellen Angaben zeigen SciPy 1.18.1 mit einem CPython-3.15-Wheel für macOS ARM64; Python 3.15.1 ist offiziell veröffentlicht. Das beantwortet die Frage nach der Paketverfügbarkeit, nicht die nach Ihrer gesamten Umgebung. Prüfen Sie zusätzlich, ob alle Projektabhängigkeiten passende Pakete besitzen und ob Ihre Analyse reproduzierbare Resultate liefert.

Wie gelingt die Installation auf einem Apple-Silicon-Mac?

Erstellen Sie mit dem gewünschten Interpreter eine virtuelle Umgebung, aktivieren Sie sie und führen Sie die Installation über python -m pip aus. Dadurch vermeiden Sie eher, dass ein anderes pip aus Ihrer Shell angesprochen wird. Kontrollieren Sie danach Interpreterpfad, Paketversion und Import. Führen Sie zusätzlich einen Test mit einem für Ihre Forschung relevanten SciPy-Modul durch, statt den Import allein als Abnahme zu werten.

Was bedeutet es, wenn pip auf einen Quellcode-Build zurückfällt?

Prüfen Sie zunächst die ausführliche Installationsausgabe, den aktiven Interpreter, die Rechnerarchitektur und den Paketindex. Vergleichen Sie anschließend die erwarteten Plattform- und ABI-Kennzeichen mit den Dateien auf PyPI. Fehlt ein passendes Wheel tatsächlich, kann ein Build nötig sein. Wenn pip aber nur einen anderen Index abfragt oder ein nicht passendes Python verwendet, löst eine zusätzliche Compilerinstallation die eigentliche Ursache nicht.

Wie weisen Sie die Reproduzierbarkeit eines Forschungsprojekts nach?

Installieren Sie die dokumentierten Abhängigkeiten in der neuen Umgebung und führen Sie einen freigegebenen, nicht sensiblen Projekttest mit denselben relevanten Eingaben aus. Vergleichen Sie nicht nur das Endergebnis, sondern auch zentrale Zwischenschritte und Randbedingungen. Speichern Sie Umgebung, Testdatenstand und Ausgaben. Bei Differenzen untersuchen Sie zuerst Abhängigkeiten und Datenverarbeitung; eine übereinstimmende SciPy-Version allein ist kein Nachweis wissenschaftlicher Gleichwertigkeit.

Arbeitsort wählen: lokale Umgebung, Remote Mac oder HPC

Die passende Umgebung hängt davon ab, was Sie prüfen müssen. Für die Installation und interaktive Entwicklung ist ein lokaler Mac bequem, sofern Sie bereits Zugriff darauf haben und Daten dort verarbeitet werden dürfen. Ein Remote Mac kann sinnvoll sein, wenn Ihnen ein lokaler Mac fehlt und Sie eine echte macOS-Umgebung für interaktive Abhängigkeitstests benötigen. Umfangreiche, institutionell verwaltete Berechnungen bleiben dagegen häufig auf dem HPC-System, wenn dort Datenzugriff, Rechenressourcen und Freigaben geregelt sind. Prüfen Sie die Vorgaben Ihrer Einrichtung, bevor Sie Forschungsdaten übertragen.

Option Geeignet, wenn … Prüfen Sie vor der Entscheidung Grenze
Lokaler Apple-Silicon-Mac Sie bereits einen geeigneten Mac nutzen und lokal testen dürfen Python-Interpreter, Wheel-Kennzeichen, Projektabhängigkeiten und Speicherort der Daten Anschaffung und lokale Administration liegen bei Ihnen oder Ihrer Einrichtung
Remote Mac Sie für Installation, interaktive Entwicklung oder macOS-Abnahme keinen lokalen Mac haben Tatsächlich verfügbare macOS-Umgebung, Zugriffsweg, Übergabe und Datenschutzfreigabe Nicht ohne Prüfung als Ersatz für institutionelle HPC-Ressourcen oder sensible Datenablagen behandeln
Hochschul-HPC Ihre Hauptaufgabe eine freigegebene, umfangreiche Berechnung auf der vorhandenen Infrastruktur ist Ob Ihre Software dort unterstützt wird und ob ein Mac-spezifischer Test separat erforderlich ist Ein HPC-System stellt nicht automatisch eine macOS-Umgebung bereit

Wenn ein Labor keinen Mac hat, trennen Sie die Aufgaben nach Zweck: Ein Mac kann die macOS-spezifische Installation und einen kontrollierten Projekttest abdecken; die eigentliche umfangreiche Analyse muss deshalb nicht automatisch dorthin verlagert werden. Entscheidend sind institutionelle Regeln, Datenklassifizierung und die erforderliche Rechenumgebung. Prüfen Sie für eine mögliche Testumgebung die Informationen zu MACCOME und die Angaben zu verfügbaren Mac-Optionen. Verifizieren Sie die konkreten Bedingungen direkt anhand der aktuellen Produktinformationen, bevor Sie einen Test planen.

Prüfpunkt vor der Freigabe Erfüllt, wenn … Rückfall, wenn nicht erfüllt
Interpreter und Wheel Interpreterpfad und Paketdatei passen zu Ihrer gewünschten Konfiguration Installationsprotokoll und Index prüfen; nicht blind kompilieren
Projektabhängigkeiten Die dokumentierten Pakete lassen sich in der isolierten Umgebung nachvollziehbar installieren Umgebung nicht freigeben; Abweichungen mit der Projektverantwortung klären
Fachliche Ergebnisse Der repräsentative Projekttest liefert innerhalb der vereinbarten fachlichen Kriterien erwartete Resultate Analysepfad und Abhängigkeiten untersuchen; Versionsnummern nicht als Beweis verwenden
Daten und Zugriff Übertragung, Speicherung und Zugriff sind institutionell zulässig Mit nicht sensiblen Beispieldaten testen oder auf freigegebener Infrastruktur bleiben
Übergabe Eine andere Person kann Installation und Test anhand Ihrer Aufzeichnungen wiederholen Protokoll ergänzen, bevor die Umgebung als reproduzierbar gilt

Für eine temporäre macOS-Prüfumgebung spricht vor allem, wenn Sie ohne eigenes Gerät ein Wheel, die Projektinstallation oder einen nicht sensiblen Projektmitschnitt testen müssen. Dagegen sprechen Aufgaben, die dauerhaft hohe Rechenlast, lokale physische Anschlüsse oder eine bereits genehmigte HPC-Datenumgebung voraussetzen. Ein eigener Mac kann für dauerhaft wiederkehrende Arbeit sinnvoller sein; ein Remote-Angebot ist kein Ersatz für diese Abwägung.

Wenn Ihr nächster Schritt ein begrenzter Installations- oder Migrationstest ist, prüfen Sie bei MACCOME zuerst die tatsächlich verfügbaren Umgebungs- und Zugriffsangaben. Nutzen Sie anschließend eine nicht sensible Projektkopie und Ihre dokumentierte Referenz, um SciPy-Import, Abhängigkeiten und Resultate abzunehmen. So entscheiden Sie anhand Ihres Forschungsfalls, ob der Remote Mac die fehlende macOS-Testumgebung ergänzt oder ob lokale beziehungsweise institutionelle Infrastruktur die passendere Wahl bleibt.