AI Assessment Workshop

Nicht zuletzt durch die aufsehenerregenden Entwicklungen im Bereich generativer KI stehen uns alle nötigen Tools zur Verfügung, um AI-basierte Software in Produkte zu integrieren. Doch ein gutes AI-System in einer Organisation aufzubauen, bedeutet, Herausforderungen im Bereich Technologie, Teamdynamik, Datenverarbeitung und Arbeitsabläufen zu meistern. Das AI-Adoption-Framework dient als Leitfaden, um die AI-Fähigkeiten Ihrer Organisation aufzubauen und zu verfeinern. Es hilft Ihnen zu erkennen, wo Sie aktuell stehen und in welche Richtung Sie sich entwickeln wollen.

In diesem 2-tägigen Workshop bewerten wir zunächst den aktuellen Stand der MLOps-Prozesse und die AI-Reife Ihrer Organisation, bevor wir MLOps-Best Practices diskutieren und Verbesserungsvorschläge, basierend auf der Bewertung des ersten Workshops, entwickeln.

Buche dieses Training

Wir begleiten auch Ihr Digitalisierungsvorhaben in Ihrer Branche über alle Phasen hinweg und freuen uns auf den Austausch mit Ihnen.
Dr. Larysa Visengeriyeva
Head of Data and AI
Termin vereinbaren

Lerninhalte:

  • Ein klares Verständnis des aktuellen AI-Reifegrads Ihrer Organisation
  • Best Practices, zugeschnitten auf Ihre Bedürfnisse
  • ein umfassender Verbesserungsplan für Ihre MLOps-Prozesse und Teamstruktur

Tag 1: Bewertung des aktuellen KI-Reifegrads

Dauer: 7 Stunden

Agenda

  • Einführung in das AI Adoption Framework

  • Bewerten der AI-Dimensionen:

    • Bewerten von Lernprogrammen und Fähigkeiten
    • Überprüfen des Datenmanagements und des Austauschs von ML-Artefakten
    • Verständnis für cloud-native ML-Dienste und Arbeitslastmanagement
    • Einführung in die Themen Datenschutz, KI-Ethik und Ausrichtung am EU-KI-Gesetz
    • Überprüfen der Bereitstellung und des Betriebs von ML-Pipelines

  • Bewertung von AI-Reifephasen

    • Taktische, strategische und transformative Phasen
    • Ist- und Soll-Zustand

Tag 2: AI Roadmap

Dauer: 7 Stunden

Agenda

  • Einführung: Ziele und Bezug zu den Ergebnissen von Tag 1

  • Überblick: MLOps-Lebenszyklus und Kernfähigkeiten

    • ML-Entwicklung: Experimentieren und Modelltraining
    • Modellbereitstellung und Vorhersagedienst
    • Kontinuierliches Monitoring und Daten- & Modellmanagement
    • Continuous monitoring and data & model management

  • Erstellen einer AI Roadmap

    • Abstimmung der MLOps-Praktiken mit den Organisationszielen
    • Phasenweise Implementierung und Kompetenzaufbau
  • Zusammenfassung und Fragen

Ergebnis

Am Ende dieses Workshops werden Sie den aktuellen KI-Reifegrad Ihres Unternehmens genau kennen, eine Reihe von Best Practices, die auf Ihre Bedürfnisse zugeschnitten sind, und einen umfassenden Verbesserungsplan für Ihre MLOps-Prozesse und Teamstruktur haben.