Mobile-Menu

Künstliche Intelligenz Analytics - der Lebenszyklus von Modellen

Von Jürgen Schreier 5 min Lesedauer

Wer sich von Künstlicher Intelligenz unterstützen lassen will, muss wissen: Analytics ist ein andauernder Prozess. Hat man ein Vorhersagemodell entwickelt, fängt die Arbeit erst richtig an. Denn die KI-Welt verlangt nach permanenter Evolution. Timo Schulz von ITGAIN skizziert, wie der Lebenszyklus eines Modells aussieht.

KI erlaubt Prognosen von enormer Treffsicherheit. Doch nicht für jeden Zweck ist die genaueste Prognose auch die beste.(Bild: / CC0)
KI erlaubt Prognosen von enormer Treffsicherheit. Doch nicht für jeden Zweck ist die genaueste Prognose auch die beste.
(Bild: / CC0)

Herr Schulz, was ist die größte Herausforderung, wenn es um den Einsatz von Analytics geht?

Entgegen der weitverbreiteten Meinung ist es nicht nur die Entwicklung oder das Training der Modelle, durch die die Algorithmen automatisiert zu Entscheidungen oder Voraussagen kommen. Mindestens genauso aufwändig sind ihr Deployment – also die Integration in die bereits bestehenden Arbeitsprozesse – und ihre Verwaltung.

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte