Einordnung
Wer seine Daten bereits auf einer dieser Plattformen hält, kann KI-Anwendungen dort bauen, wo Berechtigungen und Datenqualität schon geregelt sind. Das verkürzt Projekte, setzt aber ein tragfähiges Datenmodell voraus.
Typische Vorhaben
- Datenbasis für KI-Anwendungen
- Fragen an Daten in natürlicher Sprache
- Training und Betrieb von Modellen
- Governance über Daten und Modelle hinweg
Gefragte Kenntnisse
Rollen in diesem Umfeld
- Data EngineerDer Data Engineer baut und betreibt die Pipelines und Plattformen, die KI-Systeme zuverlässig mit Daten versorgen.
- MLOps EngineerDer MLOps Engineer baut und betreibt Prozesse, Werkzeuge und Automatisierung für den gesamten Lebenszyklus von Modellen in Produktion, vom Training über das Deployment bis zur Überwachung.
- Data ScientistDer Data Scientist gewinnt aus Daten belastbare Erkenntnisse und Modelle.
- Data Curation LeadDer Data Curation Lead verantwortet, dass Daten für Analytik und KI auffindbar, dokumentiert, nachvollziehbar und in geprüfter Qualität vorliegen.
- AI ArchitectDer AI Architect entwirft die Gesamtarchitektur von KI-Lösungen über Daten, Modelle, Software, Plattform und Sicherheit hinweg.