Vom POC in die Produktion - Wie KI- Und Datenprojekte in der Realität ankommen | Laura Hinsch

UNF#CK YOUR DATA

Auf den Marketingslides sieht es immer so einfach aus. Im PoC läuft das KI oder ML Projekt sauber durch. Aber in die wirkliche Integration in den Alltag und die Produktion schaffen es die wenigsten. Warum ist das so und wie bekommen wir das besser hin? Darüber spricht Christian Krug, der Host des Podcasts „Unf*ck Your Data“ mit Laura Hinsch, Solution Architect bei der DB Systel.

Dass nicht alles glänzt was auf den Marketingfolien der Hersteller steht wissen wir. Allerdings dachten wir auch das PoCs (Proof of concept) jetzt der neue heiße Mist sind und wir damit schnell unsere Probleme lösen.

Leider versanden immer noch viele Projekte in der PoC Hölle und schaffen es nie das Licht der Produktion zu erblicken.

Manchmal weil das Konzept nicht aufgeht, dafür machen wir es ja. Leider aber auch oft wegen vermeidbarer Fehler. Denn nur einen PoC machen und alles so einfach wie möglich denken ist nur minimal besser als die Slides. Bereits bei der Planung des PoC sollte man die Umsetzung in der Produktion im Kopf haben, denn hier befinden wir uns dann in echten lebenden Organisationen. Damit sinkt auch die Fehlertoleranz. Im besten Fall verliert man nur Nutzerakzeptanz, im Schlimmsten sogar Menschen ihr Leben.

Und hier sollte man Ansetzen:

Was ist die Kritikalität des Projektes? Was kann ich verbessern und wie genau muss es sein? Manchmal reichen 75% Genauigkeit in einem Machine Learning Projekt aus. Ab und zu müssen es 99,99% sein. Dies muss man vorher beachten.

Wer nutzt das Tool am Ende? Wie sieht der Alltag dieser Menschen aus? Wo muss ich die Funktion integrieren, damit die Leute sie auch wirklich benutzen? Das Ganze wird natürlich dadurch erschwert, dass die Leute die Tool kaufen oder beauftragen oft nicht die sind, die sie auch wirklich benutzen.

Wo muss das Ding am Ende laufen und was darf es kosten? Der berühmte „It rund on my machine” Scherz darf eben nicht passieren. Die Anwendung muss eben auch möglichst einfach in die bestehenden Systeme integriert werden können. Gerade bei großen und gewachsenen Unternehmen ist das nicht zu unterschätzen. Natürlich muss es am Ende auch wirtschaftlich sinnvoll sein. Wenn du das zehnfach der Einsparung an monatlichen Kosten durchhaust ist auch keinem geholfen.

Macht das Thema jetzt irgendwie nicht so spannend. Aber am Ende des Tages ist das auch alles kein Hexenwerk. Einfach ein bisschen planen am Anfang und die richtigen Haken setzen. Dann klappts auch mit der Produktivsetzung.

▬▬▬▬▬▬ Profile: ▬▬▬▬

Zum LinkedIn-Profil von Laura: https://www.linkedin.com/in/laura-hinsch-54b97a276/

Zum LinkedIn-Profil von Christian: https://www.linkedin.com/in/christian-krug/

Christians Wonderlink: https://wonderl.ink/@christiankrug

Unf*ck Your Data auf Linkedin: https://www.linkedin.com/company/unfck-your-data

▬▬▬▬▬▬ Buchempfehlung: ▬▬▬▬

Buchempfehlung von Laura: Momo – Michael Ende

Alle Empfehlungen in Melenas Bücherladen: https://gunzenhausen.buchhandlung.de/unfuckyourdata

▬▬▬▬▬▬ Hier findest Du Unf*ck Your Data: ▬▬▬▬

Zum Podcast auf Spotify: https://open.spotify.com/show/6Ow7ySMbgnir27etMYkpxT?si=dc0fd2b3c6454bfa

Zum Podcast auf iTunes: https://podcasts.apple.com/de/podcast/unf-ck-your-data/id1673832019

Zum Podcast auf Deezer: https://deezer.page.link/FnT5kRSjf2k54iib6

Zum Podcast auf Youtube: https://www.youtube.com/@unfckyourdata

▬▬▬▬▬▬ Merch: ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬

https://unfckyourdata-shop.de/

▬▬▬▬▬▬ Kontakt: ▬▬▬▬

E-Mail: [email protected]

▬▬▬▬▬▬ Timestamps: ▬▬▬▬▬▬▬▬▬▬▬▬▬

00:00 Einführung in die Welt der Eisenbahn und KI

05:01 Vom POC zur Produktion: Der Weg der KI-Projekte

09:57 Die Balance zwischen Genauigkeit und Geschäftsnutzen

14:46 Die Bedeutung der Nutzer in KI-Projekten

20:09 Anforderungsmanagement und MVP-Entwicklung

22:04 Von Proof of Concept zur Produktion

24:29 Herausforderungen bei der Skalierung von Projekten

26:50 Systemkontext und Integration in bestehende Systeme

29:01 Zielarchitektur und Entscheidungsfindung

32:02 Der Spagat zwischen Experimentieren und Planung

36:59 Die Herausforderungen bei der Implementierung von POCs

39:24 Entscheidungsfindung und Kriterien in der Architektur

41:40 Wirtschaftlichkeit und Kosten von Projekten

44:56 Branchen- und Unternehmensspezifische Anforderungen

48:45 Integration von Algorithmen in bestehende Systeme

51:29 Abschlussfragen und persönliche Einblicke