Entwickler:innen kommen aktuell kaum noch um die Auseinandersetzung mit KI herum. Sei es, weil Tools wie Copilot oder StarCoder sie bei der täglichen Arbeit unterstützen, oder weil Chefs, Team Leads oder Projektleiter:innen der Meinung sind, dass bei jedem noch so banalen Projekt KI im Spiel sein sollte. Doch wie gelingen eigentlich ML-Projekte, sei es intern oder in Zusammenarbeit mit externen Unternehmen? Wir haben im ML Insider mit Christoph Henkelmann über seine Erfahrungen als technischer Geschäftsführer bei divisio mit ML-Projekten gesprochen.

Wie steigt man in neue ML-Projekte ein?

Wie bei vielen Softwareprojekten stellt sich zunächst die Frage, wie viel inhouse erledigt werden kann und ob, bzw. an welcher Stelle externe Dienstleister:innen zu Rate gezogen werden müssen, erklärt Christoph. Für Firmen, die gerade erst mit KI in Berührung kommen, ist es aber oft keine leichte Aufgabe, diese Frage eindeutig zu beantworten. Und selbst wenn man sich für die Abwicklung durch externe Entwickler:innen entscheidet, sind damit nicht automatisch auch alle Probleme abgegeben.

Denn für die meisten Unternehmen liegt das Problem besonders darin, sich der KI zu committen und für die Beschaffung der Daten zu sorgen. Dabei kann nicht nur der Datenschutz und die Compliance zunächst eine große Herausforderung sein, sondern auch die Bereitstellung der (Trainings)daten selbst zum Problem werden. Nicht selten seien auch große Firmen nicht in der Lage, umfassendes Datenmaterial ohne Weiteres bereitzustellen, so Christoph.

Es gibt leider eine Sache, die ist so pauschal und plump, aber die stimmt meiner Erfahrung nach wirklich, nämlich dass es immer wieder ein People-Problem ist.

Externe ML-Entwickler:innen brauchen zuverlässige Zuarbeit

Gemeint ist damit auch, dass umfangreiche Daten zwar oftmals in irgendeiner Form gesammelt werden, die Organisationsform der Firma aber keine klaren Verantwortlichen besitzt, die diese verwalten. Dabei kommt noch hinzu, dass das Bereitstellen von schlecht verwalteten Daten und gegebenenfalls noch die Mithilfe beim Labeling enorm zeitaufwändig ist. Hier können externe Dienstleister:innen allerdings wenig helfen.

Oft wird in Unternehmen geglaubt, dass mit dem Einkauf externer ML-Entwickler:innen der Aufwand für das Gelingen des Projekts gegen null geht. Das ist aber bei weitem nicht der Fall. Jede:r, der oder die sich einmal mit dem Labeling oder auch dem Bereitstellen von Daten beschäftigen muss, weiß, wie aufwändig das sein kann.

Die neue Folge des Video-Podcast ML Insider

In der neuen Folge des ML Insider klärt uns Christoph ein wenig auf, was die Initialisierung und Durchführung von ML-Projekten angeht. Diese Ausgabe ist nicht nur spannend für ML-Entwickler:innen, die ihre Expertise als externe Beratende verkaufen möchten, sondern auch für all diejenigen, die überlegen, ML-Projekte in ihrer Firma zu realisieren.

Solltet Ihr noch keinen Fullstack-Abo haben, könnt Ihr einen kostenlosen Probemonat starten und alle Folgen des ML Insider anschauen, sowie auf zahlreiche Artikel, Tutorials, Videos und Magazine für einen Monat kostenlos zugreifen.

Regulierung und Compliance im kommenden MLCon Magazin

Wen das Thema Regulierung und Compliance interessiert, der darf sich auf einen wunderbaren Artikel von Bernd Fondermann zum aktuellen Stand des EU AI Act in der kommenden Ausgabe des MLCon Magazin freuen. Einfach den Newsletter abonnieren und sich über die Veröffentlichung informieren lassen.