Deployment von Lösungen des maschinellen Lernens und der künstlichen Intelligenz in der Produktionsumgebung

Wie können Machine Learning-Modelle in der Produktionsumgebung deployt werden?

Motivation und Herausforderung

  • KI birgt großes Potenzial für die Optimierung der Produktion
  • Die Anwendungsfälle sind dabei vielfältig (bspw. Predictive Quality)
  • Viele entwickelte Modelle schaffen es jedoch nicht bis in die Produktion
  • Gründe hierfür liegen sowohl in der Komplexität des Einsatzes von Machine Learning-Modellen als auch in einem Mangel an strukturierten Guidelines (z.B. in Form von Komponenten) zur Umsetzung des Deployments

Ziel

  • Entwicklung einer komponentenbasierten Deployment-Guideline
  • Umsetzung der Guideline anhand konkreter Use Cases aus der Community

Vorgehensweise

  • Analyse der Anforderungen an das Deployment und Identifikation geeigneter Use Cases aus der Community
  • Ableitung der verschiedenen Guideline-Komponenten wie Deployment Design, Productionizing & Testing, Monitoring und Retraining
  • Validierung der Guideline durch Anwendung auf identifizierte Use Cases