KI-Strategie entscheidet maßgeblich darüber, welche KI-Projekte umgesetzt werden, wie KI-Modelle in Geschäftsprozesse integriert werden und wie Unternehmen die nötige Dateninfrastruktur aufbauen. Data Scientist:innen sind oft unmittelbar in die Umsetzung von KI-Strategien eingebunden und müssen deren Implikationen für Modellentwicklung und Datenprozesse verstehen. Dieser Kurs behandelt die strategische Dimension aus der Modellierungs-Perspektive.

Kursinhalt
1. KI-Strategie und Modellierungsanforderungen
  • Ableitung von Modellanforderungen aus strategischen KI-Zielen
  • Zusammenhang zwischen KI-Anwendungsfall und Modellauswahl
  • Einordnung von Data-Science-Aufgaben in die KI-Roadmap

2. Skalierung und Produktionsreife von Modellen
  • Anforderungen an die Überführung von Modellen in produktive Systeme
  • MLOps-Grundlagen und strategische Bedeutung
  • Zusammenarbeit mit Engineering und IT im KI-Produktionsprozess

3. Ethische und regulatorische Rahmenbedingungen
  • KI-Governance und Verantwortlichkeiten im Modellierungs-Prozess
  • Bias-Erkennung und Fairness in KI-Modellen
  • Regulatorische Anforderungen an KI-Systeme

4. Strategische Einbettung in die Unternehmensorganisation
  • Einbindung von Data Science in Entscheidungsprozesse
  • Kommunikation von Modellergebnissen gegenüber Führungskräften
  • Aufbau von Data-Science-Kapazitäten als Teil der KI-Strategie

Berufliche Relevanz
  • Data Scientist:innen gestalten KI-Projekte strategisch fundiert
  • Produktionsreife und Skalierbarkeit werden früh im Entwicklungsprozess berücksichtigt
  • Strategisches Verständnis verbessert die Abstimmung mit Führungskräften und Fachabteilungen