BLOG
Wissenstransfer von IT-Spezialisten

Aufbau eines KI In-house Teams (Teil 4/6)

„Organisation sollte von »organisch« kommen.“ (H. Simon)

Während externe Partner schneller ein Momentum generieren, ist es auf lange Sicht effizienter ein eigenes Inhouse KI Team aufzubauen. Außerdem macht es aus verschiedenen Gründen, wie einer verbesserten Wettbewerbsfähigkeit, mehr Sinn für gewisse Projekte das gesamte Know-how intern zu haben.

Damit dies gelingt ist ein starkes Mandat des Vorstands notwendig. Die Erfahrung zeigt, dass nur wenn der Vorstand hinter diesem Inhouse Team steht und dies in der Organisationsstruktur berücksichtigt wird, können Synergien besser gebündelt werden und aus vielen kleinen Experimenten wird eine starke KI-Abteilung. Im besten Falle ist der Projektleiter dieses Inhouse Teams dem CTO oder CIO untergeordnet. Ein eigener CAIO ist auch denkbar.

Neue Jobbeschreibungen und neue Teamorganisationen werden entstehen. Es empfiehlt sich, das Team ins Rollen wie Machine Learning Engineer, Data Engineer, Data Scientist und KI Produktmanager zu gliedern. Auch hier sollte zu Beginn auf externe Beratung zurückgegriffen werden.

Folgende Aspekte sollen beim Aufbau des KI Inhouse Teams bedacht werden:

  • Organischer Aufbau einer KI-Abteilung zur Unterstützung des gesamten Unternehmens.
  • Durchführung einer ersten Reihe von funktionsübergreifenden Projekten zur Unterstützung verschiedener Abteilungen / Geschäftseinheiten mit KI-Projekten. Nach Abschluss der ersten Projekte sollte ein Prozess entwickelt werden, um kontinuierlich eine Reihe wertvoller KI-Projekte zu liefern.
  • Entwickeln Sie einheitliche Standards für Rekrutierung und Mitarbeiter-Bindung.
  • Entwicklung unternehmensweiter Plattformen, die für mehrere Geschäftsbereiche / Geschäftseinheiten nützlich sind und unwahrscheinlich von einer einzelnen Abteilung entwickelt werden. Betrachten Sie beispielsweise die Arbeit mit dem gesamten Vorstand zur Entwicklung einheitlicher Data-Warehousing-Standards.
  • Team in Rollen wie einem Machine Learning Engineer, Data Engineer, Data Scientist und KI Produktmanager gliedern.

Folgende Fragen gilt es in dieser Phase zu beantworten:

  • Wie ist die Rückendeckung des Vorstands? (Eine Hohe Rückendeckung ist erforderlich)
  • Wer kümmert sich um das KI Team auf dem C-Level? (Klare Zuordnung)
  • Wie gliedern wir das KI Team? (Klare Rollenverteilung)
  • Wie sehen unsere unternehmensweiten Standards und Daten-Prozesse aus? (Standardisierung)

„Nur wer sein Ziel kennt, findet den Weg.“ (Laozi)

Kein Unternehmen verfügt heute über genügend interne KI-Talente. Während die Medien von hohen KI-Gehältern berichten (die in der Presse genannten Zahlen sind meistens Ausreißer), sind KI-Talente trotzdem schwer zu finden.

Glücklicherweise ist durch das Aufkommen digitaler Lerndienste, wie der ML Kurs Coursera, Microsoft AI School, Microsoft AI Business School, AI for everyone, E-Books und YouTube-Videos die Schulung kostengünstiger als je zuvor. Der clevere KI–Team-Leiter weiß, dass es seine Aufgabe ist, nur die richtigen Lernmaterialien zu sondieren, statt Inhalte zu entwickeln und dann selber durchzuführen. Entscheidend ist, sicherzustellen, dass die Mitarbeiter die Lernerfahrungen abschließen. Eine reale Lernkontrolle erleichtert beim Online-Lernen enorm.

Vor zehn Jahren bedeutete die Schulung der Mitarbeiter die Einstellung von Beratern, die in Ihr Büro kamen, um frontal Vorträge zu halten. Dies war jedoch ineffizient und der ROI war unklar. Im Gegensatz dazu ist digitaler Inhalt viel erschwinglicher und gibt den Mitarbeitern eine personalisierte Erfahrung. Wenn Sie das Budget haben, um Berater einzustellen, sollten Sie dies nutzen um die persönlichen Online-Inhalte zu ergänzen und in praktischen offline Sessions erfahrbar machen.

Da KI viele verschiedene Jobs verändern wird, ist es wichtig, jedem Mitarbeiter das richtige Wissen zu vermitteln, dass er benötigt, um sich an seine neue Rollen in der KI-Ära anzupassen. Die Beratung durch einen Experten ermöglicht Ihnen die Entwicklung eines maßgeschneiderten Curriculums für Ihr Team.

Folgende Unterscheidungen sollten je nach Hierarchie-Ebene und Rolle im Bildungsplan gemacht werden:

 

Führungskräfte und leitende Führungskräfte (≥ 4 Stunden Ausbildung)

Ziel: Ermöglichen Sie Führungskräften zu verstehen, was KI für Ihr Unternehmen tun kann, und beginnen Sie mit der Entwicklung einer KI-Strategie. Im Fokus ist das Wissen, geeignete Ressourcenzuteilungsentscheidungen zu treffen und reibungslos mit einer KI zusammenzuarbeiten.

Lehrplan:

  • Grundlegendes Geschäftsverständnis von KI einschließlich grundlegender Technologie, Daten und was KI kann und was nicht.
  • Verständnis der Auswirkungen von KI auf die Unternehmensstrategie.
  • Fallstudien zu KI-Anwendungen in angrenzenden Branchen oder in Ihrer Branche.

 

Leiter von Abteilungen, die KI-Projekte durchführen: (≥12 Stunden Ausbildung)

Ziel: Abteilungsleiter sollten in der Lage sein, die Richtung für KI-Projekte festzulegen, Ressourcen zuzuteilen und zu überwachen. Im Fokus sollte die Überwachung des Fortschritts stehen, um bei Bedarf Korrekturen vornehmen zu können, damit eine erfolgreiche Projektabwicklung sichergestellt wird.

Lehrplan:

  • Grundlegendes Geschäftsverständnis von KI einschließlich grundlegender Technologie, Daten und was KI kann und was nicht.
  • Grundlegendes technisches Verständnis von KI, einschließlich der wichtigsten Klassen von Algorithmen und ihrer Daten-Anforderungen.
  • Grundlegendes Verständnis der Arbeitsabläufe und Prozesse von KI-Projekten, Rollen und Verantwortlichkeiten in KI-Teams und dem Management von KI-Teams.

 

Auszubildende zum KI-Ingenieur: (≥100 Stunden Ausbildung)

Ziel: Neu geschulte KI-Ingenieure sollten in der Lage sein, Daten zu sammeln, KI-Modelle zu trainieren und spezifische KI-Projekte umzusetzen.

Lehrplan:

  • Tiefes technisches Verständnis für Machine Learning und Deep Learning; grundlegendes Verständnis von anderen KI-Tools.
  • Verständnis der verfügbaren Open-Source- und Drittanbieter-Tools zum Erstellen von KI und Daten-Systemen.
  • Fähigkeit, Workflows, Productionizing und Prozesse zu implementieren.
  • Zusätzlich: Fortlaufende Schulung, um mit der sich entwickelnden KI-Technologie auf dem Laufenden zu bleiben.

 

Folgende Fragen gilt es in dieser Phase zu beantworten:

  • Wie bilden wir alle Mitarbeiter im Bereich KI aus? (Ganzheitlicher Ansatz)
  • Wie nutzen wir Synergien zwischen online und offline Lernen? (Vorteile beider Systeme nutzen)
  • Wie finden Lernkontrollen statt? (Regelmäßige Supervision)
  • Wer erstellt die relevanten Lehrpläne? (Extern oder intern)