Active-Active Architekturen zum kontinuierlichen Training von KIs

Veränderungen wie Kriege, Epidemien, Inflation oder Änderungen im Nutzungsverhalten schlagen sich direkt in Daten nieder. Aus sich verändernden Daten resultieren abgewandelte Datenmuster, die kontinuierliches Re-Training von KI-Modellen oftmals unumgänglich machen. Bei produktiven KI-Lösungen ergibt sich somit die Notwendigkeit, KI-Modelle regelmäßig zu erneuern, testen und live zu setzen, ohne die aktive Infrastruktur jemals herunterzufahren.

In diese Vortrag werden daher die Hintergründe, Anforderungen und die Architektur gezeigt, wie man KI-Modelle in Produktion live trainieren testen und live setzen kann. Hierbei wird besonders auf Erfahrungen und Fallstricke eingegangen.

Vorkenntnisse

• Grundwissen, wie KI-Modelle trainiert werden
  
• Grundwissen Softwarearchitektur
  
• Grundlagen Software Deployment

Lernziele

• Verständnis für eine Software- und Datenarchitektur (und die Anforderungen an solche), um Modell-Updates zu ermöglichen
  
• Klarheit über potenzielle Fallstricke bei der Produktivsetzung von KI-Lösungen
  
• Einblicke, warum gerade einfache und traditionelle ML-Algorithmen von Vorteil und komplexitätsreduzierend wirken können