Künstliche Intelligenz ist ein Werkzeug, und für ihren Einsatz müssen Grundsätze und Rahmenbedingungen festgelegt werden. CGI unterteilt den KI-Lebenszyklus in vier Phasen als Orientierung für den Weg in die KI-Adaption. Als vier Imperative des Handelns nennt der IT-Berater groß denken (Envision), klein anfangen (Experiment), zukunftssicher aufbauen (Engineer) und schnell skalieren (Expand) und beschreibt diese wie folgt:
- Envision: Am Anfang steht die Idee. Dazu gehören die Ausarbeitung einer Strategie und die Formulierung einer Roadmap. Unternehmen sollten hier klären, wie reif sie in Sachen KI sind, welche Voraussetzungen (Personal, Knowhow, Technologie) vorhanden sind, und welche nicht.
- Experiment: Nach der Theorie kommen erste Schritte in die praktische Umsetzung. Und die sollte, im Gegensatz zur Strategie, kein ‚Big Bang‘ sein, sondern klein anfangen. Zunächst sollten vielversprechende, schnell umsetzbare Projekte mit hohem Wertschöpfungspotenzial identifiziert werden. Im Anschluss können Proof of Concepts (PoC) erarbeitet und getestet werden. Dazu gehört u.a. auch die Abklärung der für KI-Anwendungen so wichtigen Datenverfügbarkeit und -qualität. In dieser Phase ist es wichtig, Erfolge sowie Probleme zu analysieren, zu dokumentieren und intern zu kommunizieren.
- Engineer: Zu den wichtigsten Schritten dieser Phase gehört der Ausbau einer KI- und Dateninfrastruktur, die die Konsolidierung und Qualitätssicherung von Daten, die Erstellung von Features und das Training von Modellen vereinheitlicht. Zusätzlich können etwa Trainingsmaßnahmen für die Mitarbeiter, der Aufbau eines Center of Excellence sowie die Etablierung von Governance-Modellen Bestandteile dieser Phase sein. Daraus bildet sich idealerweise KI-Ökosystem heraus.
- Expand: Ein solches Ökosystem ermöglicht eine schnelle Skalierung. Für die Zusammenarbeit von Experten verschiedenster Abteilungen (IT, Fachabteilungen) und externen Dienstleistern sind agile KI-DevOps die Projektform der Wahl. Diese Technologien sichern die Reproduzierbarkeit von KI-Modellen und vereinfachen Workflows zu deren Bereitstellung. Eine Lifecycle Governance formuliert die Leitlinien für jeden Schritt im Lebenszyklus einer KI-Anwendung und legt die Prozesse, Sicherheitsregularien und Verantwortlichkeiten fest.
www.cgi.com