Qualitätssicherung in KI-basierten System – damit KI-Projekte nicht scheitern
Industrieumfragen decken auf: KI-Projekte scheitern häufiger, als wir meinen. Eine kontinuierliche Qualitätssicherung für KI-basierte Systemen ist daher unabdingbar.
Im Vortrag möchten wir aufzeigen, woran es liegen kann, dass Projekte scheitern. An einem Beispiel zeigen wir konkret, was das für unser Projekt bedeutet. Anhand eines KI-Workflows zeigen wir mit Hilfe von Normen eine mögliche Strategie, um mehr Qualität in Produkte und Prozesse zu bringen.
Wir wollen das Rad nicht neu erfinden, sondern zeigen, wie uns Normen und Begriffsdefinitionen z.B. aus dem ISTQB-Lehrplan tatsächlich unterstützen.
Die Teilnehmenden erhalten so eine gute Übersicht, welche Standards und Normen in Zukunft eine Rolle spielen.
Vorkenntnisse
Es sind keine bestimmten Vorkenntnisse nötig. Teilnehmer können sein: KI-Einsteiger, Tester, Testmanager, Entwickler, Projektleiter, Scrummaster, Product Owner
Lernziele
- Bedeutung der Qualitätssicherung im Umfeld des Maschinellen Lernens erfahren.
- Relevante Normen kennen.
- Sensibilisierung für Projektrisiken.
- Den Unterschied zischen Testdaten beim Maschinellen Lernen vs. klassischem Test
- KI-Entwicklungsworkflow und die dazugehörigen QS-Maßnahmen kennen.
- Ein Beispiel aus dem ISTQB-Lehrplan für eine QS-Maßnahme.