Survival of the fittest  - It's all about experiments

Survival of the fittest - It's all about experiments

Different approaches on AI. A story of a new Project Structuring
A different story of AI project structuring

Topics

Themenbereiche

A different story of AI project structuring

In the news we read that AI is something for the Broad IT-developer market. Why would that be?

We believe that AI and ML are essentially designed as statistical tasks with special optimization potentials and a special kind of process engineering as an influencing guidance task in the AI-project.

How long an AI project lasts does not depend on the correct choice of the AI-Method, but on the usability and relevance potential of the basic data for the target question.


Optimierung ist Sache des Experten in AI/ML


Therefore, it is important that you do not ask at the beginning of the trip in an AI / ML project what the AI ​​/ ML can do, but I know how the needle should look like in a haystack? The IT integration is completely subordinate here. Learn the Basics –> Statistics and Optimization in Statistics.

But what about a project in AI / ML? How do you structure the problem?

The classic IT-PM approach set in the agile world:


Project Cycle on AI


Approach to AI / ML procedure:

  1. Identify the need and motivate the customer
  2. Form a hypothesis based on the basic data with the aim of the customer’s request.
  3. Show with the proof of the hypothesis that it is possible to use AI and ML.
  4. Create a pilot / PoC Situation
  5. Realize the project to optimize the pilot and make it an executable product (model with ongoing optimization).

About Design Thinking of the idea for Lean / Agile of the project until the ongoing optimization of the product. The lifecycle contains everything you have seen in the past 30 years of IT, the horizon of development.

Different approaches on AI. A story of a new Project Structuring

Es heisst, dass AI etwas für den breiten IT-Developer Markt sei.

Warum sollte das so sein? Wir glauben, dass AI und ML sich im Wesentlichen als Statistik-Aufgabe mit speziellen Optimierungspotentialen und verfahrenstechnischen Abläufen darstellt.

Wie lange letztlich ein AI/ML Projekt dauert, hängt nicht überwiegend von der richtigen Wahl des Lösungsansatzes ab, sondern viel mehr von der Nutzbarkeit und dem Relevanz-Potential der Grunddaten für die Zielfrage



Optimierung ist Sache des Experten in AI/ML


 

Daher ist es wichtig, dass man sich am Anfang der Reise in einem AI/ML Projekt nicht die Frage stellt „was kann die AI/ML denn“, sondern „weiss ich, wie die Nadel im Heuhaufen aussehen soll?“ Die IT-Integration ist hier völlig nachrangig. Lerne die Grundlagen –> Statistik und Optimierung in der Statistik.

Doch wie sieht ein Projekt im Bereich AI/ML aus? Wie strukturiert man das Problem?

Der klassische IT-PM Ansatz möglichst einfach dargestellt:


Project Cycle on AI


Ansatz zum AI/ML Vorgehen:

  1. Erkennen des Bedarfs und motivieren des Kunden
  2. Bilden einer Hypothese auf Basis der Grunddaten mit dem Ziel des Kundenwunsches.
  3. Zeigen durch Prüfen der Hypothese, dass es möglich ist AI/ML anzuwenden.
  4. Erzeugen eines Piloten/PoC
  5. Realisieren des Projekts zur Optimierung des Piloten und Erstellen eines lauffähigen Produktes (Modell mit laufender Optimierung).

Dieser Lebenszyklus beinhaltet alles was man in 30 Jahren IT den Horizont der Entwicklung erblickt hat.

Experts of this Topic

Experten zu diesem Themenbereich