KI-Modell: Checkliste Einführung von KI- und Datentechnologien
1. Business-Verständnis
Mehrwert: Sichern stellt sicher, dass KI-Initiativen mit den strategischen Unternehmenszielen übereinstimmen und einen eindeutigen Nutzen bieten.
Erläuterung:
Das Verständnis des Geschäftsproblems ist die Grundlage jeder KI-Initiative. Dieser Schritt beinhaltet die Definition der spezifischen Herausforderungen oder Möglichkeiten, die durch KI angegangen werden sollen. Durch eine klare Formulierung des Geschäftsproblems können Führungskräfte sicherstellen, dass KI-Projekte darauf ausgerichtet sind, einen greifbaren Wert zu liefern und sich an den strategischen Zielen zu orientieren.
Zu stellende Schlüsselfragen:
- Können wir das Geschäftsproblem, das wir mit KI lösen wollen, klar definieren?
- Welches sind die spezifischen Ziele und Kennzahlen (KPIs) für dieses KI-Projekt?
- Wie wird diese KI-Initiative unsere allgemeine Geschäftsstrategie unterstützen?
2. Datenverständnis
Mehrwert: Sichern, dass die richtigen Daten verfügbar und bereit sind, die KI-Initiativen zu unterstützen.
Erläuterung:
Das Verständnis der Daten ist entscheidend, um festzustellen, ob die verfügbaren Daten das Geschäftsproblem effektiv lösen können. Dieser Schritt beinhaltet die Bewertung der Qualität, Relevanz und Vollständigkeit der Daten. Durch ein gründliches Verständnis der Daten können die Verantwortlichen Lücken erkennen und die notwendige Datenerfassung oder -integration planen.
Zu stellende Schlüsselfragen:
- Verfügen wir über die richtigen Daten, um das Geschäftsproblem zu lösen?
- Welche Qualität und Relevanz haben unsere aktuellen Daten?
- Müssen wir zusätzliche Daten sammeln oder integrieren?
3. Vorbereitung der Daten
Mehrwert: Sichern, dass die Daten sauber, konsistent und bereit für eine effektive Modellierung sind.
Erläuterung:
Die Datenvorbereitung umfasst die Bereinigung und Integration von Daten, um deren Qualität und Verwendbarkeit für die Modellierung sicherzustellen. Dieser Schritt umfasst auch die Erstellung von Merkmalen, die für die Verbesserung der Modellgenauigkeit des KI-Modell entscheidend sind. Eine ordnungsgemässe Datenvorbereitung bildet die Grundlage für eine effektive Modellierung und Analyse.
Zu stellende Schlüsselfragen:
- Führen wir die erforderlichen ETL-Prozesse (Extrahieren, Transformieren, Laden) zur Bereinigung und Integration unserer Daten durch? (ETL ist ein Prozess, mit dem Daten aus verschiedenen Quellen extrahiert, in ein geeignetes Format umgewandelt und in ein Data Warehouse oder andere Systeme geladen werden).
- Welche Schritte werden unternommen, um die Qualität und Konsistenz der Daten zu gewährleisten?
- Wie generieren wir relevante Merkmale für unsere Modelle? (Bei der Generierung von Merkmalen werden aus Rohdaten neue Variablen erstellt, die die Leistung von KI-Modellen verbessern können).
Jetzt weiterlesen mit 
- Unlimitierter Zugriff auf über 1100 Arbeitshilfen
- Alle kostenpflichtigen Beiträge auf weka.ch frei
- Täglich aktualisiert
- Wöchentlich neue Beiträge und Arbeitshilfen
- Exklusive Spezialangebote
- Seminargutscheine
- Einladungen für Live-Webinare
