Podcast Folge 15: Projektmanagement für KI-Projekte: Durchführung und Überwachung

Erfolgreiches Management von KI-Projekten

In der heutigen schnelllebigen Technologiewelt sind KI-Projekte keine Zukunftsmusik mehr, sondern essenzielle Bestandteile moderner Unternehmen. Doch wie führt man solche Projekte erfolgreich durch? Im Gespräch mit Julian Krätzmann, Experte für KI-Projektmanagement, haben wir wertvolle Einblicke und Best Practices gesammelt, um Herausforderungen in der Durchführung, Skalierung und Implementierung von KI-Projekten zu meistern.

Kernaspekte für die Durchführung von KI-Projekten

Julian betont, dass der Erfolg eines KI-Projekts bei der Strategie beginnt. Eine klare KI-Strategie, die mit der Digitalisierungsstrategie eines Unternehmens abgestimmt ist, ist essenziell.

Dazu gehören:

• Die Definition einer Vision und Mission
• Das Herausarbeiten spezifischer Use Cases
• Das Setzen klarer Ziele

Ein weiterer zentraler Punkt ist die Datenqualität: „Saubere und ausreichende Datenmengen sind die Grundlage für jedes KI-Projekt.“ Datenschutz, Ethik und die Berücksichtigung von Risiken spielen hierbei ebenfalls eine entscheidende Rolle.

Hybrides Projektmanagement: Eine Kombination aus Agilität und Struktur


KI-Projekte erfordern eine Kombination aus klassischen und agilen Projektmanagementmethoden. Julian hebt hervor, dass iterative Entwicklungsprozesse (z. B. durch agile Sprints) besonders effektiv sind.

Dabei sollten:

• Regelmäßige Tests durchgeführt,
• Ergebnisse überprüft und
• Gegebenenfalls Daten angepasst oder ergänzt werden.

Agile Methoden werden durch klassische Prozesse ergänzt, vor allem in den späteren Implementierungsphasen, um den Übergang in die Produktivumgebung reibungslos zu gestalten.

Die Bedeutung von Daten und Skalierung

Eine der größten Herausforderungen bei KI-Projekten ist es, Datensilos aufzubrechen und eine zentrale Datenstrategie zu entwickeln.

Unternehmen müssen:

Julian beschreibt ein Beispiel aus seiner Praxis: Ein Vorhersagetool für Techniker, das historische Störungsdaten analysiert. Hier wurde klar, wie wichtig es ist, verschiedene Unternehmen eines Verbunds einzubinden, um die Datenmenge und -qualität zu verbessern

Schlüssel-KPIs für KI-Projekte

Julian unterscheidet drei zentrale KPI-Bereiche:

„Eine KI ist nur so intelligent wie die Daten und das Feedback, das sie erhält,“ erklärt Julian. Das frühzeitige Einholen von Benutzerfeedback ist daher entscheidend.

Change-Management und Akzeptanz fördern

Eine erfolgreiche Implementierung hängt maßgeblich von der Akzeptanz der Mitarbeitenden ab. Julian empfiehlt, diese frühzeitig in Entscheidungsprozesse einzubinden.

Beispiele aus der Praxis:

• Benutzerbeteiligung bei der Gestaltung eines KI-Systems (z. B. bei der Namensgebung eines Telefonbots),
• Schaffung einer KI-Community, um Wissen zu teilen und Akzeptanz zu fördern.

Ein klares Engagement der Führungsebene für das Thema KI ist ebenfalls unerlässlich.

Die wichtigsten Takeaways für KI-Projekte

Gemäß Julian sind dies die entscheidenden Faktoren für den Erfolg von KI-Projekten:

Zusammenfassung

KI-Projekte sind komplex, aber mit der richtigen Strategie, einem Fokus auf Datenqualität und einer offenen Unternehmenskultur lassen sich diese erfolgreich umsetzen. Für weitere Einblicke und Tipps zu KI-Projekten könnt ihr Julian Krätzmann auf LinkedIn folgen. Dort stellt er regelmäßig Tools und Strategien vor.