Die größte Herausforderung bei AI/ML ist nicht, welches Model wir einsetzen bzw. welche AI-Modelle die besten sind, um eine bestimmte Aufgabe zu lösen, sondern wie man an das Wissen in den Köpfen der Mitarbeiter herankommt, dieses explizit macht und daraus Trainingsdaten erzeugt.
Anhand von praktischen Beispielen aus der Call-Center-Branche, aus der Medizin, aus dem öffentlichen Dienst, aber auch aus der Sensorik wird dargestellt, wie das Wissen in Informationen und dann in Daten konvertiert wird, welche Herausforderungen bei der Datenmodellierung entstehen und wie es praktisch nutzbar gemacht wird.
Das Wichtigste, nämlich das "Verstehen des Problems und der Daten", wird detailliert dargestellt. Es werden auch die Themen der organisatorischen Auswirkungen und Probleme behandelt, die entstehen, wenn das Wissen von Mitarbeitern genutzt werden soll, um ein KI/ML-System einzuführen.
Vorkenntnisse
Allgemeines Verständnis für Maschinelles Lernen/Künstliche Intelligenz wären von Vorteil, sind aber keine Voraussetzung.
Lernziele
Das Ziel ist es, eine "Demystifizierung" der KI/ML und ein Verständnis für die tatsächliche, praktische Nutzung von KI/ML zu erreichen. Die Zuhörer sollen als Ergebnis eine vollständige Übersicht (aus der Praxis) der gesamten KI/ML-Umsetzungskette bekommen und dies auch praktisch umsetzen können. Dabei wird weniger auf die technischen Probleme als vielmehr auf die organisatorischen, prozessualen und anderen "Non-tech"-Felder Wert gelegt.
//
Imdat Solak
ist CTO von Munich AI-LABS und entwickelt seit 35 Jahren Software in verschiedenen Bereichen. Seit fast zwei Jahren als Berater im Bereich KI/ML tätig. Berät Unternehmen beim Einsatz con KI/ML in verschiedensten Bereichen und entwickelt KI/ML-Modelle basierend auf TensorFlow, Keras, PyTorch, SKLearn und vielem mehr. Praktische KI/ML-Erfahrung u.a. in Call-Center-Automation (Mail, Voice, Chat), Ultraschall-Bild-Analyse, Sensorik und Dokumentenlklassifizierung.
//
Nükhet Solak
ist CEO von Munich AI-LABS und hat einen MBA in Banking sowie einen MSc in Organizational Development. Seit über zehn Jahren ist sie als Beraterin im Bereich Organisationsentwicklung tätig. Bei Munich AI-LABS ist sie zuständig für die Beratung der Kunden in den Bereichen "Auswirkung der Einführung einer KI/ML-Lösung für die Organisation" sowie "Reduzierung der negativen Auswirkung von KI/ML für die Organisation".