Professionalisierung von ML-Lebenszyklen
Auswahl, Erprobung & Implementierung eines geeigneten ML-Management-Tools
Setzt ein Unternehmen mehrere Anwendungen von Machine Learning (ML) ein, ist ein Tool notwendig, das die einzelnen Anwendungen koordiniert. valantic hat für einen Kunden aus der Logistikbranche ein Tool entwickelt, das die internen Entwicklungsprozesse mit den ML-Anwendungen vereinfacht.
Herausforderung
Die größte Herausforderung in der Nutzung der ML-Anwendungen ist der manuelle Aufwand beim Management der Lebenszyklen.
Beratungsansatz
Ein ML-Management-Tool soll dabei helfen, diese aufwendige Bearbeitung der Daten auf ein Minimum zu beschränken. Dafür wird eine systematische Erhebung der fachlichen und technischen Anforderungen für die Auswahl eines geeigneten Tools benötigt.
Kundennutzen und Lösung
Mitarbeiter*innen des Logistikdienstleisters können das von valantic implementierte Tool verwenden, um die Lebenszyklen ihrer ML-Anwendungen effizienter zu managen.
Die Herausforderung:
ML-Anwendungen können im Arbeitsalltag nützlich sein, doch sammeln sie bei einer intensiven Nutzung auch jede Menge Daten beziehungsweise Lebenszyklen an. Werden diese ML-Lebenszyklen nicht systematisch – beispielsweise mithilfe eines ML-Management-Tools – gewartet, muss bei der Auswahl des besten Modells für einen bestimmten Use Case manuell vorgegangen werden. Dies stellt einen immensen Arbeitsaufwand bei mehreren hundert ML-Anwendungen und mehreren tausend trainierten Modellen dar. Daher soll ein Tool gemäß Nutzeranforderungen von valantic ausgewählt, erprobt und implementiert werden.
Beratungsansatz:
valantic unterstützte dabei, ein für das Unternehmen geeignetes ML-Management-Tool auszuwählen und im System zu integrieren. Folgende Schritte waren dafür notwendig.
- Anforderungsanalyse
Systematische Erhebung, um die fachlichen und technischen Anforderungen zu eruieren. So konnte bestimmt werden, welche Funktionen und Eigenschaften das Tool mitbringen muss. - Definition der Architektur
Nachdem man sich für ein Tool entschieden hatte, war die Systemarchitektur an der Reihe. Außerdem unterstützte valantic bei der Installation im Rahmen der vorhandenen IT-Infrastruktur. - „Hands-on“-Erprobung
Das ausgewählte Tool wurde im nächsten Schritt mithilfe von zwei internen ML-Anwendungen (Use Cases) ausgiebig getestet. - Abschluss: Implementierung
Nachdem die Tests positiv verlaufen waren und Optimierungen durchgeführt wurden, konnte das ML-Management-Tool in die internen Entwicklungsprozesse integriert werden.
Lösung und Kundennutzen:
Die Vorteile eines ML-Management-Tools liegen klar auf der Hand: Der manuelle Arbeitsaufwand beim Management der ML-Lebenszyklen wird erheblich reduziert. Das führt einerseits dazu, dass menschliche Ressourcen anderswo effizienter eingesetzt werden können. Andererseits können zum Beispiel die besten Modelle für einen bestimmten Use Case dank der systematischen Verarbeitung schneller gefunden werden.
Ihr Ansprechpartner
Laurenz Kirchner
Partner & Managing Director
valantic Division Digital Strategy & Analytics