von Falko Spiller und Stefan Hilmer
Data Science Systeme basieren auf Methoden, Prozessen und Algorithmen zur Extraktion von Mustern, Erkenntnissen und Schlüssen sowohl aus strukturierten als auch unstrukturierten Daten. Diese Systeme sind sehr komplex, in Entwicklung und auch Betrieb. Die Stacey-Matrix verdeutlicht: Komplexe Vorhaben verlangen nach agilen Vorgehens- und Arbeitsweisen, also verlangt auch die Entwicklung von Data Science Systemen nach Agilität.
Der Wunsch nach Agilität in der Systementwicklung ist sehr stark der sich ändernden Umwelt geschuldet. Auch Data Science Systeme und andere KI-Systeme müssen diesen Änderungen folgen können. Corona macht deutlich, wie disruptiv Veränderungen sein können. Es bedarf nicht viel Fantasie sich vorzustellen wie stark sich beispielsweise Schlussfolgerungen eines Data Science Systems für z.B. den Einzelhandel in der Pandemie verändert haben. Aber auch sonst sollte ein solches System immer schnell an neue Gegebenheiten anpassbar sein. Dies kann beispielsweise durch das Process Framework Scrum erreicht werden. So kann eine professionelle agile Systementwicklung erreicht werden.
Am Anfang der Entwicklung eines Data Science Systems müssen einerseits das zu lösende Problem und andererseits die verfügbaren Daten betrachtet werden. Es stellt sich die Frage: Ist das Problem mit vorhandenen Daten lösbar? Dieser Nachweis kann auf verschiedene Arten erbracht werden, wobei Pilot-Entwicklungen einen großen Raum einnehmen. In dieser Phase bietet sich ein Vorgehen nach der Methode des Design Thinking an.
Es lassen sich also zwei Phasen in der Entwicklung von Data Science Systemen unterscheiden. In der ersten Phase, der ‚Projektphase‘, baut das Team – wie Pioniere – das Data Science System initial auf. Erst in der zweiten Phase, der ‚Produktphase‘, wird das System zu einem Teil einer professionellen IT-Landschaft, in der es in einem agilen Umfeld professionell weiterentwickelt wird. Dazwischen liegt der ‚Point of Transition‘, der Punkt, an dem der Übergang von einer Phase zur anderen erfolgt. Ihm kommt eine besondere Bedeutung zu, denn hier kommt es besonders auf das Timing an, denn es ist wichtig, die ‚Projektphase‘ vollständig abzuschließen und gleichzeitig die ‚Produktphase‘ frühzeitig aufzunehmen, um auf Veränderungen hinreichend schnell reagieren zu können.
All dies werden Falko Spiller und Stefan Hilmer in ihrem Vortrag beleuchten. Die Beiden werden zeigen, wie agile Methoden und Arbeitsweisen in den verschiedenen Phasen der Entwicklung von Data Science Systemen unterstützend und zielführend eingesetzt werden können.
Der ARIC-Workshop ist kostenlos und findet am 07.12.2020 um 16 Uhr als Webinar online statt. Ein Link zur Teilnahme wird verschickt. Dauer: 45 Minuten Vortrag mit anschließender Diskussionsrunde (etwa 30 Minuten).
Anmelden können Sie sich unter der folgenden E‑Mail-Adresse info@aric-hamburg.de.
