Suche
Kontakt Suche

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.

A young and mature businesswoman working late in front of a laptop and monitor in a modern office space. both faces are illuminated only by the computer monitor.

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.

Businesswoman smiling at meeting table, listening, learning, success, happiness

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.

Two female colleagues talking in a hallway of modern office

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.
Male customer support telephone operator with headset in call centre. Group of sales representatives working in the office.

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, valantic

Laurenz Kirchner

Partner & Managing Director

Division Digital Analytics & Strategy