Wie man das richtige Machine Learning Team auswählt

9 Auswahlkriterien, die über den Erfolg Ihrer KI Projekte entscheiden

by
DataRevenue
Markus Schmitt

Ein KI Team aufzubauen ist schwierig - in vielen Fällen ist es einfacher, KI Lösungen von einem erfahrenen Machine Learning Entwickler Team bauen zu lassen.

Doch auch die Nachteile von Beratungsfirmen sind bekannt. 

  • Sie machen Dinge oft komplexer, als sie sein müssten.
  • Sie haben unter Umständen Schwierigkeiten, Fristen und Budgets einzuhalten oder, im schlimmsten Fall,
  • Können sie versprochene KI-Lösung am Ende gar nicht umsetzen.

Wenn man sich selbst erst seit kurzem mit Machine Learning auseinandersetzt, ist es nicht einfach, eine Top-Beratungsfirma von einem Neueinsteiger zu unterscheiden,. Dieser Leitfaden soll Ihnen dabei helfen, eine Beratungsagentur zu finden, mit der die Zusammenarbeit klappt.

Wir fassen folgendes zusammen: 

  • 9 Dinge, auf die Sie bei einer KI-Beratung achten sollten,
  • 3 Fragen, die man sich stellen sollte, bevor man sich an Beratungen wendet, und
  • Tipps zur Vermeidung der häufigsten Fehler, die zu erfolglosen oder unnötig teuren Projekten führen.

9 Dinge, auf die man bei einer Machine Learning Beratung achten sollte

1. Das Team macht Machine Learning einfach verständlich

Eine Machine Learning Beratung sollte das Thema Machine Learning in einer einfach verständlichen Weise aufbereiten können, die Ihnen und Ihrem Team einleuchtet.

Was ist Machine Learning? Einfach gesagt: Es geht meist um Software, die anhand von Daten eine bestimmte Vorhersage machen kann. 

Um diese Vorhersagen treffen zu können, finden Machine Learning Algorithmen anhand vieler Trainingsläufe versteckte Muster in Daten (daher benötigt man meist große Datenmengen, damit KI gut funktioniert). 

Der Artikel “A visual introduction to machine learning” enthält eine hervorragende visuelle Veranschaulichung, wie ein Modell trainiert wird, Muster erkennt und darauf basierend seine Vorhersagen trifft.

2. Das Team ist schnell

Ein erfahrenes KI Team braucht nur wenige Stunden – nicht mehrere Tage oder Wochen – um zu beurteilen, ob Ihre Idee vielversprechend ist oder nicht.

In 90% der Fälle kann Ihnen ein erfahrener Projektmanager innerhalb von ~15 Minuten nachdem Sie Ihr Ziel und die verfügbaren Daten beschrieben haben eine Indikation geben ob KI in diesem Fall eine gute Idee ist oder nicht.

Berater können an diesem Punkt zwar noch keine brauchbaren Ergebnisse garantieren, sollten aber bereits in der Lage sein, eine Idee als sinnvoll oder nicht einzustufen. 

Es muss immer noch ein Proof of Concept ausgearbeitet werden, um sicherzugehen dass das, was vorhergesagt werden soll, mit Ihren Daten auch tatsächlich vorhergesagt werden kann - ein solcher PoC sollte nie länger als 8 Wochen dauern, in vielen Fällen reichen 4 Wochen.

3. Das Team kann auch "nein" sagen

Ist eine Machine Learning Beratungsfirma bereit, an jeder Idee zu arbeiten, die Sie ihnen geben? 

Oder weisen sie Sie auf eine bessere Lösung hin, auch wenn es eine andere ist, als Sie erwartet hätten?

Viele Ideen für Machine Learning Projekte sind bei genauerem Hinsehen doch keine so gute Idee. Wenn Sie nicht die richtigen Daten haben oder es - selbst für Experten - keinen klaren Weg zu einer Lösung gibt, dann sollte Ihnen das früh mitgeteilt werden.

Gleichermaßen erfordert nicht jedes Projekt eine KI Lösung.

Es wenden sich regelmäßig Kunden an uns, um sich zu Machine Learning beraten zu lassen, obwohl ähnliche Ergebnisses auch auf einfacherem Weg erzielt werden könnten. In solchen Fällen raten wir oft vom Einsatz von Machine Learning ab und geben Hinweise, wie man das Problem selbst oder mit der Unterstützung normaler Softwareentwicklungsfirmen lösen kann.

Nicht jedes Projekt ist machbar. Noch weniger sind es wert, auch durchgeführt zu werden. 

Suchen Sie sich eine ML-Agentur, die Ihnen frühzeitig aufzeigt, welche Ideen verworfen werden sollten und sich stattdessen auf diejenigen Fragen konzentriert, mit denen Sie schnelle Ergebnisse erzielen können.

4. Das Team ist transparent bezüglich ihrer Erfahrung

Lassen Sie nicht zu, dass sich ein KI-Beratungsunternehmen hinter NDAs (Non-disclosure agreements) versteckt. Datenschutz hat in der Data Science Welt höchste Priorität, trotzdem sollte eine etablierte KI-Firma Sie auf spezifische Projekte verweisen, sowie konkrete Ansprechpartner und Erfolgsmetriken nennen können.

Lassen Sie sich Namen und Kontaktdaten der Projektleiter der Unternehmen geben, mit denen die Agentur zusammengearbeitet hat.

Entscheiden Sie sich für eine vertrauenswürdige KI-Agentur, die über überzeugende Referenzen verfügt und Ihnen Einblicke in spezifische Projekte gibt, inklusive Information darüber, wie sie diese Projekte in Angriff genommen haben und welche Ergebnisse erzielt wurden. Fragen Sie immer nach, ob es sich bei den Projekten um Forschungsarbeiten bzw. PoCs handelte, oder ob die Lösungen tatsächlich von den Projektpartnern täglich im Alltagsbetrieb genutzt werden.

5. Das Team stellt die richtigen Fragen

Hatten Sie beim Verlassen eines Meetings das Gefühl, dass die richtigen Fragen gestellt wurden? Hat man Ihnen weiterführende Fragen gestellt und so lange nachgehakt, bis man zum Kern Ihres Problems vorgestoßen ist?

Um Ihr Projekt optimal zu gestalten, muss eine KI-Beratungsfirma so viel wie möglich über Ihr Unternehmen und Ihr Fachgebiet lernen - mit was Sie sich beschäftigen, welches Vokabular Sie nutzen, welche Daten Sie haben und warum das, was Sie vorhersagen wollen, für Sie von Bedeutung ist.

Die Berater müssen in der Lage sein, Ihre Zielsetzungen in einer Art und Weise zu formulieren, die für Sie richtig klingt.

Im Verlauf eines Machine Learning Projekts wird das Beratungsteam wichtige Entscheidungen treffen, die über das Ergebnis Ihres Projekts entscheiden, und auch Ideen oder Verbesserungsvorschläge einbringen müssen. Das kann nur dann funktionieren, wenn das Team Ihr Unternehmen und Ihre Ziele äußerst gut versteht.

Ihre Beratung sollte sich stärker darauf konzentrieren, Ihr Problem zu verstehen, als darauf, Ihnen eine Dienstleistungen zu verkaufen.

Kleine Missverständnisse in der Zielsetzung am Anfang können später zu teuren, nur schwer korrigierbaren Fehlern führen.

6. Das Team teilt Wissen großzügig

Ihre Machine Learning Beratungsagentur sollte bei allem transparent sein - z.B. mit wieviel Aufwand zu rechnen ist und welche Techniken und Technologien eingesetzt werden.

In unseren ersten Gesprächen mit potenziellen Kunden geben wir immer konkreten Input. Wir prüfen, ob sie über die richtigen Daten verfügen und entwerfen ein Konzept, wie sie von der Idee zur fertigen Lösung gelangen können - einschließlich der Algorithmen, der Konfiguration und des benötigten Budgets. 

Es gibt nur sehr wenige "Geheimnisse" im Machine Learning. Es ist kein Geheimnis, dass für automatisierte Radiologie-Untersuchungen Convolutional Neural Networks verwendet werden, oder dass zur Empfehlung von Inhalten aus häufig aktualisierten Mediatheken (wie Netflix oder Nachrichtenseiten) Hybrid Recommenders am besten funktionieren.

Der wahre Wert einer Beratung liegt nicht in den Ideen, sondern in der Fähigkeit, all die kleinen Probleme auf dem Weg zu einer erfolgreichen Lösung effektiv und zielgerichtet zu bewältigen - und so die vielen Puzzlestücke einer KI Lösung erfolgreich zu verbinden.

7. Das Team legt Wert auf echte Fortschritte

"Wir tun alles, was nötig ist" ist nicht gut genug. Ambition sollte immer mit Erfahrung untermauert sein.

Erfahrene ML- oder KI-Beratungsunternehmen verfügen über ein bewährtes Verfahren, das über viele Projekte hinweg verfeinert wurde. Ansonsten sind die Chancen sehr gering, dass ein Projekt innerhalb des von Ihnen ursprünglich geplanten Zeit- und Budgetrahmens abgeschlossen wird.

8. Das Team hat einen technischen Projektmanager

Machine Learning Projekte unterscheiden sich stark von Standardsoftware-Projekten und erfordern einen Projektmanager (PM), der sowohl Kommunikationsgeschick als auch technisches Know-how mitbringt, damit Ihr ML-Projekt im Zeitplan umgesetzt werden kann.

In einem Machine Learning Projekt ist es praktisch unmöglich, die Funktion des Projektmanagers von der Funktion des technischen Managers zu trennen. Welche Daten wie erfasst und aufbereitet werden wirkt sich direkt auf die Erfolgschancen der Lösung aus – Sie brauchen daher jemanden der beide Teile (Unternehmensziele und technisches ML Wissen) gut versteht.

Deshalb sollte eine der Personen, mit denen Sie täglich in Kontakt stehen, diejenige Person sein, die die Aufgaben des Entwicklerteams bestimmt. Diese Person muss außerdem über genug Kommunikationsgeschick verfügen, um Sie über die aktuellen Fortschritte auf verständliche Weise auf dem Laufenden zu halten.

Nach unseren Erfahrungen kann ein Senior Machine Learning Entwickler diese Rolle übernehmen. Darüber hinaus beaufsichtigt in unserem Fall die Geschäftsleitung jedes Projekt, um immer gewährleisten zu können, dass die eigentlichen Ziele unserer Kunden erreicht werden.

9. Das ML Entwickler Team hilft Ihr Team zu verbessern

Eine gute Beratungsfirma hält Sie auf dem neuesten Stand und hilft Ihrem eigenen Team dabei, sich weiterzuentwickeln.

Ihre eigenen Projektleiter und Entwickler wollen höchstwahrscheinlich so viel wie möglich aus dem Projekt lernen. Wählen Sie also ein Beratungsunternehmen, das offen mit Ihrem Team zusammenarbeitet und know-how teilt, anstatt im Alleingang an Lösungen zu arbeiten.

Ihre Beratungsfirma sollte die Anforderungen vor Beginn des Projekts sorgfältig dokumentieren, den Code regelmäßig in einem für Sie zugänglichen Ort bereitstellen und Ihnen regelmäßige Updates zukommen lassen. So kann Ihr Team sich informieren, Fragen stellen und - was besonders wichtig ist - bei Bedarf den eingeschlagenen Kurs ändern.

3 Fragen, die Sie sich stellen sollten, bevor Sie sich für eine Machine Learning Beratung entscheiden

Wenn Sie nun eine Vorstellung davon haben, wonach Sie suchen sollten, sollten Sie sich noch einige Fragen darüber stellen, was SIE von Ihrer Machine Learning Beratungsfirma erwarten:

1. Liegt der Fokus auf Strategie oder auf Entwicklung? 

Es gibt zwei Hauptarten von Beratungsunternehmen, die im KI-Sektor arbeiten: Die einen spezialisieren sich auf strategische Beratung, die anderen auf Entwicklung.

Zwar, bieten fast alle Beratungsfirmen beides an, doch nur sehr wenige Firmen beherrschen auch wirklich beides gut.

Machine Learning Strategieberatung:

Beratungen, die sich vor allem mit der Ausarbeitung einer Daten- und KI-Strategie befassen, die zu Ihrer Unternehmensvision passt. Die Mitarbeiter haben tendenziell eher Erfahrung als Unternehmensberater als als Entwickler. Sie konzentrieren sich stärker auf den Entwurf einer ganzheitlichen Strategie als auf eine spezifische Lösung. Sie verfügen höchstwahrscheinlich nicht über die technischen Mittel, um end-to-end KI-Produkte zu entwickeln, sondern lagern häufig die von ihnen angebotene Produktentwicklung aus oder erarbeiten PoCs dafür mit Werkstudenten.

Machine Learning Entwickler-Teams:

Eine Beratungsfirma, die sich auf Entwicklung konzentriert, besteht mehr aus Entwicklern und weniger aus Beratern. Das bedeutet nicht, dass die Strategie als unwichtig erachtet wird. Ihr Ansatz besteht jedoch eher darin, die Anwendungsbereiche zu identifizieren wo das größte Potential für Erfolge steckt, und dann direkt an die Umsetzung zu gehen.

In unserem Fall konzentrieren wir uns auf Entwicklung, und unser Personal besteht zu 90% aus Machine Learning Entwicklern. So können wir innerhalb weniger Wochen ein Proof-of-Concept und innerhalb weniger Monate voll funktionsfähige KI-Produkte entwickeln - weitaus schneller als ein strategieorientiertes Unternehmen.

Nichts schafft mehr Vertrauen in das langfristige Potential von KI als die schnelle Einführung einer erfolgreichen KI-Lösung. Selbst skeptische Vorstandsmitglieder lassen sich überzeugen, wenn ein wichtiger Arbeitsablauf mit KI um 80% verkürzt oder der Umsatz einer Marketingkampagne verdoppelt wurde.

Wir beobachten seit Langem, dass ein erstes funktionierendes KI-Projekt die Umsetzung von KI im gesamten Unternehmen in Gang setzen kann.

2. Wofür wollen Sie bezahlen? (Ergebnisse vs. Stunden)

Die meisten Beratungsfirmen arbeiten auf Stunden. oder Tages-Basis, weil sie so ihr eigenes Risiko begrenzen und auf Sie, den Kunden, verlagern.

Sollte ein Projekt doppelt so lange dauern wie veranschlagt oder nie zu einem erfolgreichen Abschluss kommen, dann ist es weniger das Problem der Beratung: Frust bei Ihnen und am Ende viel Umsatz bei der Beratungsfirma.

Nur Beratungsfirmen, die sowohl Ihr Anliegen als auch ihre eigenen Fähigkeiten richtig beurteilen, können Ihnen die Alternative anbieten: feste Projektpreise.

Feste Projektpreise verlagern das Risiko von Ihnen auf die Beratungsfirma. Sollte das Team nicht die Ergebnisse liefern, auf die Sie sich geeinigt haben, wird auch nicht bezahlt. Falls es länger dauert oder mehr Aufwand erfordert als erwartet, fallen die zusätzlichen Kosten auf den Dienstleister und nicht auf Sie.

3. Reicht Ihnen SaaS, oder brauchen Sie eine individuelle Machine Learning Lösung? 

Sie haben 3 Optionen um KI/Machine Learning Lösung zu entwickeln:

1. KI Software as a Service (SaaS)

Zum Beispiel: Google’s Speech-to-Text API.

Diese Dienste sind hilfreiche Bausteine, die Sie in eine Software-Anwendung integrieren können. Wenn hunderte oder tausende andere Unternehmen genau die gleiche KI-Problemstellung haben wie Sie (z.B. die Umwandlung von Audio zu Text), dann gibt es wahrscheinlich bereits eine API, die dieses Problem besser lösen kann, als Sie es (mit vertretbarem Aufwand) selbst könnten.

2. Machine Learning as a Service-Plattform

Zum Beispiel: Cloud-Plattformen wie Amazon SageMaker, IBM Watson oder Microsoft Azure

Diese Plattformen versprechen zwar, die Entwicklung jeglicher Machine Learning Projekte zu erleichtern, unserer Erfahrung nach funktionieren sie aber nur für eher simple Anwendungsfälle. Und erstaunlich wenige ML-Anwendungen erweisen sich als so simpel, dass man Sie mit diesen Plattformen umsetzen kann.

3. Entwickeln Sie Ihre eigene Lösung

Wenn Sie zur Lösung eines komplexen Problems Ihre eigenen Daten verwenden möchten, dann müssen Sie in den meisten Fällen Ihre eigene maßgeschneiderte ML- oder KI-Lösung entwickeln.

Glücklicherweise gibt es gut etablierte Open-Source Tools für Machine Learning und günstige Cloud-Computing Anbietern (wie AWS EC2), die die Entwicklung maßgeschneiderter ML-Produkte zunehmend einfacher machen.

Vorsicht vor "besonderen Algorithmen"

Ein letztes Wort zur Vorsicht: Anbieter von KI- oder Machine Learning Beratungsdiensten, die auf "besondere Algorithmen" verweisen, wissen entweder nicht, was sie tun, oder sind nicht ehrlich darüber, was für den Erfolg eines Projekts wichtig ist.

Wenn Algorithmen wirklich ein so großes Geheimnis wären, warum veröffentlichen dann Google, Facebook und Amazon so viele ihrer wichtigsten Algorithmen?

Den wahren Unterschied machen Ihre Daten, Ihr Fachwissen und die Art und Weise, wie Ihr Projekt durchgeführt wird.

Dies sind die 3 wichtigsten Elemente, die wirklich über den Erfolg von Machine Learning Lösungen bestimmen:

  1. Verständnis: Ihre Daten, Probleme und Ziele im Detail zu verstehen;
  2. Entwicklung: Entwicklung gut geplanter, skalierbarer, stabiler und gut dokumentierter Software;
  3. Infrastruktur: Aufbau einer soliden Infrastruktur, die Ihre Daten bewältigen kann.

Zahlen Sie für Expertise, nicht für Algorithmen.

Zusammenfassung

Wählen Sie eine Machine Learning Beratungsfirma, die zu 100% transparent über ihre Erfahrung, ihre Fähigkeiten und ihren Arbeitsablauf ist. Das Team sollte Ihnen viele Fragen stellen und Ihnen auf eine für Sie verständliche Weise ihr Vorgehen erklären können.

Lassen Sie nicht zu, dass sich jemand hinter KI-Terminologien versteckt. Wenn Sie nicht verstehen, wie etwas funktioniert, stellen Sie so lange Fragen, bis Sie es verstehen.

Sollten Sie keine Beratungsfirma für Machine Learning finden, die Ihren Kriterien entspricht - wir sind ein ML Entwickler Team, das sich darauf spezialisiert, groß angelegte KI-Produkte von Idee bis zur Produktion zu entwickeln - wenn es das ist wonach Sie suchen, melden Sie sich gerne bei uns.

Bekomme immer die neusten Artikel

Trag dich mit deiner E-Mail ein, um du bekommst jede Woche unseren neusten Artikel.

Ich danke Ihnen! Ihre Einreichung ist eingegangen!
Oops! Something went wrong while submitting the form.