Nachdem geklärt wurde, welche Anforderungen und Randbedingungen sich anhand der benötigten Daten ergeben, kann vertiefend geprüft werden, zu welchen Ressourcen Zugang zur Umsetzung eines KI-Use Cases benötigt wird.

Zu folgenden Ressourcen sollte der Zugang geprüft werden:

• Personal
• Infrastruktur
• Werkzeuge und Modelle

Überlegen Sie dabei vor allem, welche der genannten Ressourcen Sie selbst im Unternehmen vorweisen können und welche Ressourcen eventuell extern beschafft werden müssen, bspw. in Form von Experten oder auch in Form von beschaffbarer Software.

Mit Hilfe der Prüfung des Technologie- und Ressourcenzugangs konnten Sie weitere Rahmenbedingungen klären und Informationen beschaffen, die für eine erste Modellierung des KI-Use Cases nötig sind. Diese Modellierung erfolgt im nächsten Teil.

Das hier vorgestellte Kompetenzdreieck entspricht einer Anpassung des Kompetenzdreiecks aus der Phase „Initiieren“ mit einer Ausrichtung auf das Thema KI. Bei der Bearbeitung von KI-Use Cases sollte eine Zusammenstellung an Mitarbeitern mit Kompetenzen in den drei Bereichen Domäne, Methode und Technologie zur Verfügung stehen:

1. Domäne:
   Mitarbeiter, die ein tiefes Verständnis für das Fachgebiet und die Prozesse haben, in dem der KI-Use Case angewendet wird. Sie sollten die spezifischen Anforderungen, Herausforderungen und Problemstellungen in diesen Abläufen verstehen.
2. Methode:
   Mitarbeiter, die über Kenntnisse in den Methoden und Techniken des maschinellen Lernens und der Künstlichen Intelligenz verfügen. Dies umfasst das Wissen über verschiedene Algorithmen, Modelle und Analysetechniken, um Probleme zu lösen und Erkenntnisse aus den Daten zu gewinnen.
3. Technologie:
   Mitarbeiter, die mit den technischen Aspekten von KI vertraut sein, einschließlich der Programmierung, Datenverarbeitung und -analyse, Cloud-Plattformen und Tools, die für die Entwicklung und Implementierung von KI-Systemen verwendet werden.

Zur Umsetzung von KI-Use Cases muss eine geeignete Infrastruktur verfügbar sein. Dafür sind unter anderem zu prüfen:

• Zugriffsmöglichkeiten auf Daten,
• Exportmöglichkeiten und -formate aus Systemen, Maschinen etc.
• Möglichkeiten für Datenpipelines,
• benötigte Rechenleistung,
• benötigter Speicherplatz und
• lokaler vs. Cloud Betrieb.

Entsprechend der zu lösenden Problemstellung des KI-Use Cases und der Datenspezifikationen sind geeignete Programmiersprachen, Frameworks und Modelle zur Verarbeitung der Daten auszuwählen. Dafür können für eine Problemstellung jeweils verschiedene Alternativen in Frage kommen. Die Auswahl ist entsprechend der Vor- und Nachteile der verschiedenen Varianten zu treffen.

Die Auswahl von passenden Modellen benötigt eine ausreichende Expertise. Nachfolgendes Hilfsblatt von Microsoft oder das Hilfsblatt von Peekaboo können bei der Auswahl unterstützen.

Zu üblichen Programmiersprachen für KI-Entwicklungen zählen bspw. Python, R, Java oder C++. Oft verwendete Frameworks sind unter anderem TensorFlow, PyTorch oder scikit-learn.