====== Überblick ======

Nach den bisherigen Vorbereitungen erfolgt an dieser Stelle nun eine erste technische Machbarkeitsprüfung des Anwendungsfalls (Proof of Concept) in Form eines mathematischen Modells. Ähnlich zur vorherigen Phase „Verstehen & Analysieren“ wird auch hier ein iteratives Vorgehen wie in der Lean Startup Methode verwendet. Durch ein frühes Testen der Machbarkeit können teure Investitionen oder nicht notwendige Umgestaltungen vermieden werden, falls ein Anwendungsfall nicht den gewünschten Mehrwert liefert. Des Weiteren können dadurch Möglichkeiten und Grenzen des Anwendungsfalls besser verstanden werden, wodurch auch Aufwand und Nutzen besser einschätzbar sind.

== Was ist zu tun? ===

Durch die Unterstützung geeigneter Tools wird mit Hilfe von Testdaten eingeschätzt, ob vielversprechende Ergebnisse erzielt werden können und ob die Idee hinter dem Anwendungsfall überhaupt realisierbar ist.

Die Testdaten können dabei durch die Erhebung von Beispieldaten (bspw. durch Stichproben oder durch manuelles Labelling (Klassifikation)) oder die Beschaffung externer Daten generiert werden. Da Daten meistens noch nicht in der Form vorliegen, wie sie für das Modell benötigt werden, ist oft noch eine Datenvorverarbeitung notwendig. Die relevanten Schritte sind dabei aus den aufgestellten Datenanforderungen abzuleiten und von Domänenspezialisten oder Experten auszuführen, da dies die Grundlage zur Funktionalität des Systems bildet. Denn nur mit Daten in einer hohen Qualität lassen sich zuverlässige statistische Datenanalysen durchführen, die wiederum eine Basis für KI-Anwendungen sind. 

Zur Datenvorverarbeitung zählen:
  * Datenbereinigung
  * Feature Engineering

Diese beiden Vorgänge und die Überprüfung der technischen Machbarkeit an sich werden nachfolgend näher vorgestellt.

=== Was ist das Ergebnis? ===

Im Rahmen der initialen Modellierung konnte eine erste technische Machbarkeit des KI-Use Cases bewiesen oder widerlegt werden.
===== Quellen =====

  *   [[https://www.iosb.fraunhofer.de/content/dam/iosb/iosbtest/documents/projekte/ml4p/ML4P_whitepaper.pdf|ML4P Whitepaper]] (2020) \\ Fraunhofer
  * [[https://www.computerweekly.com/de/definition/Datenvorverarbeitung-Data-Preprocessing|Datenvorverarbeitung (Data Preprocessing)]] \\ George Lawton - ComputerWeekly (o.J.)
  * [[https://datascientest.com/de/leitfaden-zum-data-preprocessing|Wie man seine Daten vor der Verarbeitung vorbereitet: Ein kurzer Leitfaden zum Data Preprocessing]] \\ DataScientest (April 2023)