Data Science zum Erfolg führen – Machine Learning Operations (ML Ops) in Praxis und Forschung

Data-Science-Kompetenzen aufzubauen und sie organisatorisch zu
integrieren, gewinnt seit Jahren für Unternehmen an Bedeutung.
Bisher hat sich dabei keine Standardlösung etabliert, die als „one
size fits all“ für jedes Unternehmen funktioniert. Zugleich steigt
mit wachsenden Anforderungen, rasantem technologischen Fortschritt
und größeren Data-Science-Teams der Druck, effektiv und effizient
zu arbeiten sowie vor allem Erfolgsbeiträge nachzuweisen. Hier
einige wichtige Fragen aus dem Kontext „Was bedeutet Machine
Learning Operations?“. Wo sind Data-Science-Teams in der
Organisation verankert? Wer misst wie deren Beitrag zum Erfolg?
Sind Pilotprojekte und implementierte Lösungen stärker zu
unterscheiden? Welche bereits etablierten Funktionen unterstützen
einen nachhaltigen Erfolg der Data-Science-Teams? Verändert das
Aufkommen von GenAI-Lösungen die Perspektive und, wenn ja, wie?
Diese wie weitere Fragen klärt Prof. Dr. Timo Schürg mit Niklas
Hartmann auf dieser Tour. Timo Schürg ist Professor für Data
Science und Machine Learning an der Hochschule Darmstadt. Er hat
viel Erfahrung im Aufbau von Data-Science-Teams und war vor seiner
Hochschulkarriere unter anderem bei der DB Cargo AG und der Schott
AG aktiv. Timo kennt Niklas aus gemeinsamer Projektarbeit. Niklas
Hartmann ist Principal bei CTcon in Frankfurt. Er berät seit vielen
Jahren große Konzerne, vor allem aus dem Bereich „Logistik,
Transport und Verkehr“. Niklas trägt Verantwortung in unserem
Kompetenzcenter „Datengetriebene Steuerung“. Die Transformation zu
einer digitalen Unternehmenssteuerung ist sein Leitstern.