Warum Machine Learning Engineers für KI-Projekte entscheidend sind

Machine Learning Engineers sind wichtiger als Data Scientists.

by
DataRevenue

Die meisten Unternehmen haben anfangs missverstanden, welche Skills sie brauchen, um KI Produkte zu entwickeln, und deshalb Data Scientists eingestellt. Machine Learning Engineers lösen das Versprechen von KI nun endlich ein.

Was ging schief?

Im Jahr 2017 waren "Data Scientists" – Statistiker, die programmieren können – der gefragteste KI-Job. Die Hoffnung war, dass Unternehmen mit Hilfe von promovierten Statistikern endlich KI Produkte entwickeln können.

Data Scientists zu finden war schwierig genug. Schlimmer jedoch, dass der Plan nicht aufging: 18 Monate später hatten viele Unternehmen lediglich Proof of Concepts (PoCs), die niemals live gehen.

Das ganze hing an zwei entscheidenden Problemen:

1. Es wurden Forschungs- mit Business-Kompetenzen verwechselt: Es gibt zwei Arten von Machine Learning: Machine learning mit akademischem und praktischem Fokus. Um Geschäftsanwendungen erfolgreich entwickeln zu können, benötigen Sie Experten, die sich vor allem mit den praktischen Aspekten gut auskennen (Machine Learning Engineers).

2. Behandlung von Machine Learning als Black Box: Da die meisten Manager nicht viel über Machine Learning wussten, waren Data Scientists oft auf sich alleine gestellt. Das war jedoch fatal, denn erfolgreiche ML-Projekte erfordern enge Feedback-Schleifen zwischen Fachwissen und Datenkenntnis.

KI Forscher v.s. Machine Learning Engineer
Es gibt zwei Arten von Machine Learning: Ingenieure die Kochgeräte entwickeln und Köche die Rezepte kreieren. Wenn Sie Essen servieren wollen, brauchen Sie Köche, keine Elektroingenieure. Quelle: Autor

Hier kommt der Machine Learning Engineer ins Spiel 

Was viele Unternehmen anfangs nicht eingesehen haben, wird jetzt deutlich: Man braucht keine Spezialisten (Statistiker), um Machine Learning Lösungen zu entwickeln. Man braucht Generalisten – erfahrene Entwickler, die sich mit KI auskennen und gleichzeitig gut kommunizieren können.

Aber Moment - gibt es die überhaupt?

Auf den ersten Blick mag das nach einer eher seltenen Kombination klingen, die man nur schwer findet. So schwer ist es aber gar nicht, und zwar aus folgenden Gründen:

KI einzusetzen ist einfacher als man denkt. Für KI braucht man keinen speziellen Abschluss. KI Algorithmen sind schlicht und einfach ein Werkzeug, das sich jeder motivierte Entwickler lernen kann zu nutzen - ähnlich wie Front-End-Entwicklung, Datenbankmanagement oder deployment von Apps in die Cloud. KI Anwendungen zu entwickeln ist eine Fertigkeit, keine akademische Disziplin.

Die passenden Leute zu finden ist einfacher als man erwartet. KI + Entwicklung + Verständnis für Geschäftliches = ein Fabelwesen? Nicht ganz. Machine Learning ist ein hochinteressantes Thema für Entwickler. Viele Entwickler haben bereits ein Grundverständnis und freuen sich darauf mehr Erfahrungen zu sammeln. Die größere Herausforderung besteht darin, Entwickler zu finden, die sehr gut kommunizieren können.

Die 3 Skills, nach denen Sie suchen müssen

ML Engineer: Exzellente Kommunikation, Entwicklungs-Erfahrung und Machine Learning Kenntnisse
Die drei wichtigsten Skills für ML Engineers – Quelle: Autor

Nachdem diese Missverständnisse nun aus dem Weg geräumt sind: Was sind die Anforderungen an einen Machine Learning Engineer?

1. Solide Entwicklungs-Erfahrung

Was den meisten KI-Projekten zum Verhängnis wurde war der Mangel an guten Software Entwicklungs-Methoden. Ihr Machine Learning Engineer sollte bereits viel Erfahrung haben komplexe Geschäftssoftware zu entwickeln.

2. Machine Learning Basics

Realistisch gesehen kann ein erfahrener, motivierter Entwickler in 1-2 Jahren lernen, KI-Anwendungen zu entwickeln. Ein Data Scientist würde viel länger brauchen, um ein guter Entwickler zu werden (2-4 Jahre).

Das bedeutet auch, dass Sie, wenn Sie bereits mehrere Entwickler in Ihrem Team haben, diese in Machine Learning weiterbilden könnten. Neueinstellungen sind also nicht unbedingt erforderlich.

3. Kommunikationsfähigkeit

KI ist neuartig und wird überschätzt, und viele Manager müssen sich erst noch die Grundkenntnisse aneignen.

Gute Kommunikation ist daher extrem wichtig. Ihr Machine Learning Engineer sollte unbedingt teils die Rolle des Projektmanagers übernehmen können und Ihre Unternehmensziele in der Entwicklung im Auge behalten.

Unserer Erfahrung nach können das mehr Entwickler als man vielleicht denkt - wenn man ihnen erst einmal die Verantwortung gibt.

Ihr gesamtes Unternehmen sollte KI-Grundkenntnisse haben

Das Unternehmen um den ML Engineer herum, braucht Grundverstnändnisse in KI
Nur wenn das gesamte Unternehmen KI-Grundlagen kennt, können ML Engineers effektiv arbeiten. Quelle: Autor 

Auch ein motivierter Entwickler kann sich nicht alles über Ihr Geschäft selbst beibringen. Die entscheidenden Einsichten für eine erfolgreiche KI-Lösung müssen in vielen Fällen immer noch von Ihnen und Ihrem Team kommen.

Jeder Manager im Unternehmen sollte ein Grundverständnis davon haben, was KI ist, wie KI Projekte ablaufen, und welche Fallstricke oft im Weg stehen. Nur so können Sie Ihren Impulse geben.

Das ist genau der Ansatz, den auch wir verfolgen

Ohne Ausnahme, ist jeder in unserem Team ein Machine Learning Engineer.

Wenn Sie auf ImmobilienScout nach einem Haus suchen, online einen Urlaub buchen, bei RTL Serien ansehen oder einen Mercedes-Benz Sprinter kaufen, dann waren Sie wahrscheinlich bereits mit einer unserer KI-Lösungen im Kontakt.

Kontaktieren Sie uns, wenn Sie für ein spannendes KI-Problem Unterstützung suchen.

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.