KI-Lifecycle – von der Idee bis zum Betrieb. Wichtig: KI ist kein einmaliges Projekt, sondern ein System, das gepflegt werden muss.
Phasen
- Use Case & Erfolgskriterien (Outcome, KPI, Zielgruppe)
- Daten & Rechte (Qualität, Aktualität, IP/PII, Quellen)
- Modellansatz (klassisches ML, LLM, RAG, Fine-Tuning)
- Integration (Workflow, UI, Automatisierung, Logging)
- Evaluation (Golden Set, Rubrik, Red-Teaming bei Risiko)
- Betrieb (Monitoring, Drift, Updates, Governance)
Merksatz
Wenn du nichts misst, steuerst du nicht. Plane Evaluation & Monitoring von Beginn an ein.