Building AI-based Systems

Andere Technologien, anderes Denken: unser Vorgehensmodell für datengetriebene Anwendungen.

Der Bauplan für AI-Systeme

Daten sind die Grundlage

Zukünftige Softwaresysteme bestehen aus Informationssystemen, cyberphysikalischen Anteilen und AI-basierten Systemen. All diese Systeme müssen Unternehmen integriert entwickeln.

Ziel der AI-basierten Anwendungen ist es, Zusammenhänge in Daten zu erkennen oder große Datenmengen automatisch zu klassifizieren. Das Entwickeln dieser Anwendungen benötigt im Vergleich zu klassischen IT-Lösungen eine andere Projektstruktur und ein anderes Fachwissen der Beteiligten. Das Beachten dieser Unterschiede beim Auf- und Umsetzen der Projekte ist entscheidend für den Erfolg.

Neue Zusammenhänge

Datengetrieben

Die Experten entwickeln auf der Grundlage vorhandener Daten. Gibt die Datenbasis die notwendigen Informationen her? Verfügbarkeit, Qualität, Herkunft, Konsistenz, aber auch rechtliche Rahmenbedingungen der Nutzung sind ein Thema.

Neue Einblicke

Branchengetrieben

AI-basierte Systeme entstehen nicht im luftleeren Raum. Ohne die Besonderheiten des eigenen Unternehmens und der eigenen Branche zu kennen, entstehen keine sinnvollen Anwendungen. Der Blick der Fachabteilung ist ebenso wichtig wie die AI-Expertise.

Neues Fachwissen

Know-how-getrieben

Das Bewerten und Einsetzen von ML- und AI-Technologien, der Umgang mit Werkzeugen zur Datenanalyse und Kenntnisse für das Entwickeln von Algorithmen: Diese Fertigkeiten spielen bei AI-Projekten die entscheidende Rolle.

„Bei AI-basierten Systemen gibt es keine klaren Anforderungen, die es zu formulieren gilt. Hier geht es um Anomalien, Muster oder Cluster in den zur Verfügung stehenden Daten.“

Prof. Dr. Volker Gruhn, Aufsichtsratsvorsitzender
adesso SE

Vier Rollen für den Erfolg

In einem datengetriebenen Projekt haben vier Rollen entscheidende Bedeutung für die erfolgreiche Umsetzung. Der Begriff Rolle steht dabei für ein Set an Fähigkeiten und Verantwortlichkeiten, nicht für eine Person. So kann eine Person mehrere Rollen in einem Projekt einnehmen oder eine Rolle wird von mehreren Beteiligten ausgefüllt.

Es kommt auf die richtige Expertise an, damit AI-Projekte zum Erfolg führen

Rolle 1

Domain Expert

Er kennt die Geschäftsprozesse des Unternehmens, die Abläufe in der Branche und die Anforderungen der Anwender.

Rolle 2

Data Scientist

Mit dieser Rolle hält das ML-/AI-Fachwissen Einzug in das Projekt. Der Data Scientist kombiniert Fähigkeiten eines IT-Experten und eines Statistikers.

Rolle 3

Software Engineer

Er verantwortet das übergeordnete Software Engineering und stellt das Bindeglied zwischen dem datengetriebenen und dem klassischen Projekt dar.

Rolle 4

Data Domain Expert

Den Zugriff auf und das Wissen über Daten und Datenquellen innerhalb des Unternehmens und der Domäne liefert diese Rolle.

Sechs Schritte – ein Ziel

Ein festes Modell für ein flexibles Vorgehen

Der Entwicklungsprozess datengetriebener Anwendungen lässt sich – abhängig von der vorhandenen Datengrundlage – in bis zu sechs Prozessschritte unterteilen. Die lineare Abfolge dient zum einfachen Visualisieren und Beschreiben. In der Projektpraxis wählen Entwicklerteams nicht den gradlinigen, sondern den passenden Weg für ihr Projekt. Wie der Prozess aussieht, sehen Sie hier.

Quelle

Die Köpfe hinter dem Konzept

Die Idee dieses Ansatzes stammt von Volker Gruhn, Marc Hesenius, Wilhelm Koop, Ole Meyer und Nils Schwenzfeier: Towards a software engineering process for developing data-driven applications. In “Proceedings of the 7th International Workshop on Realizing Artificial Intelligence Synergies in Software Engineering (RAISE ’19)”. IEEE Press, 35–41

Siehe auch: „Von Daten, Rollen und Modellen – ein Bauplan für KI-Anwendungen“ auf heise.de.