Künstliche Intelligenz wirkt immer sehr kompliziert und viele verbinden ein Projekt vor allem mit viel Aufwand und hohen Kosten. Doch das muss nicht sein! Der Weg zu Ihrem KI-Modell ist gar nicht so kompliziert und vor allem nicht so teuer, wie Sie vielleicht denken. Ich möchte Ihnen in diesem Beitrag einmal die 5 Schritte zeigen, mit denen Sie Ihr KI-Modell entwickeln.
Zunächst sollten Sie klar stellen, welches Problem Sie konkret mit Ihrer KI lösen möchten. Wichtig dabei: Beschränken Sie sich auf einen ganz bestimmten Anwendungsfall. Ich erlebe es sehr oft, dass viele Entwickler im KI-Bereich immer nur große Projekte vor Augen haben. Allerdings ist es deutlich einfacher, mit einem bestimmten Problem zu starten, dort ein KI-Modell zu etablieren und dieses dann auszuweiten. Das nimmt nicht nur die Komplexität heraus, sondern spart auch sehr viele Kosten.
Außerdem sollten Sie im Voraus das Ziel festlegen, das erreicht werden soll. Das können Sie beispielsweise in Form einer Prognose oder einer konkreten Entscheidung, die getroffen werden soll, definieren. Für eine Prognose könnten Sie beispielsweise die Frage stellen: „Wie viel von Produkt X muss in meinem Werk produziert werden?“ Für eine Entscheidung könnten Sie die KI ermitteln lassen, ob ein Kunde Gefahr läuft, abzuwandern oder ob eine Maschine kurz vor dem Ausfall steht. Die KI entscheidet dort und gibt Ihnen eine entsprechende Rückmeldung.
In unserem E-Book erfahren Sie die wichtigsten Inhalte rund um das Thema künstliche Intelligenz & wie Sie davon profitieren können!
Als nächstes sollten Sie sich darum kümmern, die richtigen Daten zu beschaffen und diese zu verarbeiten. Dieser Schritt ist einer der wichtigsten, denn die Qualität Ihrer Daten entscheidet letztendlich auch über die Qualität der Ergebnisse. Deswegen können Sie hier auch ruhig viel Zeit investieren.
Dazu sollten Sie sich fragen, welche Daten Ihnen überhaupt zur Verfügung stehen und wie Sie Informationen aus verschiedenen Quellen zusammenführen. Dabei hilft es meist, Parameter festzulegen und die Daten danach einzuordnen. Sie können dann Ihre Daten aus den verschiedenen Quellen zusammenführen und vorverarbeiten. Dabei ist es wichtig, dass die Daten so aufbereitet werden, dass sie für die KI leicht auszuwerten sind. Beschränken Sie sich also auf möglichst wenige und einfache Parameter, die einheitlich verwendet werden.
Wenn Sie noch mehr dazu erfahren wollen, wie Sie sich auf ein KI-Projekt vorbereiten können, schauen Sie bei meiner Beitragsreihe dazu vorbei:
Danach geht es an die Erstellung und das damit verbundene Training Ihres KI-Modells. Sie stellen Ihre aufbereiteten Daten nun der KI zur Verfügung und schauen, welche Ergebnisse die KI ausspuckt. Das Training läuft dabei zunächst mit ungefähr 80 % der vorhandenen Daten.
Warum ist das so? Die KI arbeitet beim Training wie gesagt mit den Daten, die eingespeist werden. Daraus versucht das Modell Muster zu erkennen, die den Weg zur Entscheidungsfindung festlegen. Wenn das Training allerdings vorbei ist, sind diese Daten nicht mehr brauchbar, weil im Nachhinein damit nicht mehr die Qualität der Aussagen überprüft werden kann. Zum Vergleich: In der Schule ergibt es auch keinen Sinn, wenn eine Klassenarbeit aus Aufgaben aus dem Schulbuch besteht, da der Schüler möglicherweise nur die Lösung auswendig gelernt, aber den Weg dahin nicht verstanden hat.
Genauso ist es auch bei der KI: Auch hier kann die KI die Lösungen einfach auswendig lernen. Aus diesem Grund werden die restlichen rund 20 % der Daten benötigen. Diese kennt die KI nämlich noch nicht. Im nächsten Schritt wird genau das entscheidend. Damit können Sie sicherstellen, dass die KI auch den Weg verstanden hat. Ähnlich wie der Schüler, der das Gelernte aus den Schulaufgaben auf andere Aufgaben übertragen muss.
Im vierten Schritt müssen Sie prüfen, wie die Performance der KI ist und dementsprechend wie erfolgreich das Training war. Erst danach können Sie eine Aussage treffen, wie gut das Modell im produktiven Einsatz funktioniert. Zwar bringt das keine hundertprozentige Sicherheit, allerdings lässt sich durch diesen Schritt ein gutes Benchmarking durchführen. Sie können sich also relativ sicher sein, dass das Ergebnis beim späteren Einsatz stimmt. Die KI wird in Schritt 5 auch noch weiter optimiert, wodurch die Qualität des Modells gesichert wird.
Hier kommen nun die Daten ins Spiel, die wir bisher noch nicht genutzt haben. Sie geben der trainierten KI nun diese Daten zum Test und vergleichen die Aussagen der KI mit dem tatsächlichen Ergebnis, welches Sie ja bereits kennen. Anhand dieses Vergleichs können Sie nun abschätzen, wie genau die Aussagen des KI-Modells sind und wie das Modell im zukünftigen Einsatz performen wird. Sollte das Ergebnis positiv ausfallen, können Sie Ihr Modell so nutzen. Ansonsten muss der Prozess noch einmal wiederholt und angepasst werden.
Dieser Schritt ist sehr entscheidend. Wenn Sie ihn auslassen kann es zu gehörigen Abweichungen zu den eigentlich richtigen Ergebnissen kommen, was wiederum den Unternehmensprozessen schadet und im Zweifel eine Menge Kosten verursacht. Deswegen sollten Sie an diesem Punkt sicherstellen, dass das KI-Modell zuverlässige Prognosen ausspielt oder Entscheidungen trifft.
Zu guter Letzt können Sie dann Ihr KI-Modell für die Unternehmensprozesse nutzen. Doch damit ist die Entwicklung noch nicht abgeschlossen. Die KI kann stetig weiter trainiert werden und sich dadurch verbessern. Dazu können Sie in regelmäßigen Abschnitten die vorher genannten Schritte durchführen, indem Sie neu generierte Daten verwenden und der KI damit neuen Input geben. Das Modell wird also stetig optimiert und immer genauer.
Und, wie sieht es bei Ihnen aus? Haben Sie Lust auf Ihr eigenes KI-Modell bekommen? Starten Sie doch mit uns gemeinsam bei einem Praxisworkshop und wir schauen mal, wie Sie die Schritte individuell in Ihrem Unternehmen umsetzen können. Melden Sie sich einfach bei mir (info-ki@mindsquare.de) und wir sprechen einen Termin ab. Ich freue mich auf Sie!