“The field of AI is developing at a rapid pace, and hardly any company is (or should be) able to tackle all the issues on its own. A systematic approach to the make-or-buy decision is needed. However, to date most companies have not approached this question systematically at all or, even worse, they have simply delegated this decision to their standard IT purchasing process.”
Laut Gartner scheitern die meisten KI-Projekte und etwa 80 % erreichen nie die Produktion. Dieser Leitfaden ist ein Versuch, die Erfahrungen und Erkenntnisse von ML-Praktikern im Unternehmenssektor in Deutschland zu teilen.
Hier werden die Herausforderungen und Best Practices, mit denen Unternehmen in der Praxis konfrontiert sind, diskutiert und erläutert. Der Leitfaden wird von appliedAI betreut und spiegelt die Verpflichtung der Partner von appliedAI wider, ihre Erfahrungen und Erkenntnisse zu teilen, wenn sie über den PoC hinausgehen.
Dieser Leitfaden besteht aus vier Themen:
- Der ML-Lebenszyklus
- ML-Architekturen
- Plattformen für ML
- Herausforderungen und bewährte Verfahren
Dieser Bericht ist das Ergebnis der appliedAI Arbeitsgruppe Enterprise ML und basiert auf den Erfahrungen führender Experten von appliedAI Partnerunternehmen.
Autoren des Whitepapers
- Alexander Machado, Head of Trustworthy AI CoE bei appliedAI Initiative
- Alexander Waldmann, ehemaliger Kollege bei appliedAI Initiative
Wir danken Ihnen für Ihre Beiträge
- Jörn Franke (Europäischen Zentralbank)
- Faizan Aslam und Simon-Pierre Genot (Infineon)
- Dilek Sezgün (IBM)
- Anant Nawalgaria (Google)
- Dirk Wacker und Into Kemmerzell (Giesecke+Devrient GmbH)
- Matthias Neuehofer (Baywa AG)
- Efrem Ghebru und Michael Ksoll (EnBW)
und viele mehr.