Wie können Machine Learning-Modelle in der Produktionsumgebung deployt werden?

Motivation und Herausforderung

• KI birgt großes Potenzial für die Optimierung der Produktion
• Die Anwendungsfälle sind dabei vielfältig (bspw. Predictive Quality)
• Viele entwickelte Modelle schaffen es jedoch nicht bis in die Produktion
• Gründe hierfür liegen sowohl in der Komplexität des Einsatzes von Machine Learning-Modellen als auch in einem Mangel an strukturierten Guidelines (z.B. in Form von Komponenten) zur Umsetzung des Deployments

Ziel

• Entwicklung einer komponentenbasierten Deployment-Guideline
• Umsetzung der Guideline anhand konkreter Use Cases aus der Community

Vorgehensweise

• Analyse der Anforderungen an das Deployment und Identifikation geeigneter Use Cases aus der Community
• Ableitung der verschiedenen Guideline-Komponenten wie Deployment Design, Productionizing & Testing, Monitoring und Retraining
• Validierung der Guideline durch Anwendung auf identifizierte Use Cases