Teamwork makes the (AI) dream work
Autor: Klaus Puchner (Program Manager AI & Team Lead)
Vorstellung der Teamstruktur und Rolle AI Programm Manager
Wir werden immer wieder gefragt, was uns als AI Team antreibt und wie man sich die tägliche Arbeit mit künstlicher Intelligenz bei uns im Team vorstellen kann. Eine weitere häufig gestellte Frage ist, wie das AI Team organisiert ist, um die mit dem Einstaz von AI einhergehenden Herausforderungen zu meistern.
Dieser Blog Beitrag ist der Start einer Mini Blog Serie, mit der wir gerne all diese Fragen beantworten möchten, um Interessierten einen besseren Einblick zu gewähren. Jeder Beitrag soll dabei unterschiedliche Aspekte beleuchten, so könnt ihr unter anderem auch von AI Team Mitgliedern direkt erfahren, was ihre Erfahrungswerte und ihre Aufgaben im Team sind. In diesem Beitrag stellen wir unseren Antrieb, unser “Warum” aber auch wie wir uns als Team organisiert haben, vor.
Was treibt das AI Team bei XXXLdigital an?
Bei allem was wir tun sind wir fest davon überzeugt, mit unseren Machine Learning (ML) basierten Lösungen ein besseres Erlebnis sowie Erleichterungen für den Kunden und unsere Kolleginnen und Kollegen in allen Unternehmensbereichen zu ermöglichen. Das AI Team ermöglicht dies, indem wir unsere ML Lösungen in der Form performanter Microservices entwickeln und einfach via API in bestehende Systeme und Prozesse integrierbar machen.
Wer ist das AI Team bei XXXLdigital?
Das AI Team ist in zwei spezialisierte Product Teams (Computer Vision und Predictive AI) unterteilt. Ein Product Team besteht aus einem Product Manager, AI DevOps Engineers sowie Data Scientists. Jedes Team verantwortet dabei den kompletten Life Cycle, der von ihnen entwickelten Lösungen. Von der Konzeption über die Projektierung bis hin zu operativem Betrieb und Wartung.
Organigramm zur Struktur unseres AI Teams.
Wir entwickeln alle unsere AI-Lösungen selbst. Wir greifen also nicht auf fertige Lösungen von externen Anbietern zurück, was uns Flexibilität und Sicherheit verschafft, sowie wertvolles Wissen innerhalb des Unternehmens generiert. Die Teammitglieder sitzen aktuell verteilt auf die Standorte Wels und Wien, weitere Standorte sind jedoch bereits in Planung.
Was sind die Aufgaben als Programm Manager AI?
In meiner Rolle als Programm Manager und Team Lead ist es meine Aufgabe sowohl kulturell als auch organisatorisch ein (er)l(i)ebenswertes Arbeitsumfeld zu schaffen. Im kulturellen Kontext ist es mir beispielsweise sehr wichtig, ein wertschätzendes Miteinander sowie eine konstruktive Fehlerkultur und gegenseitiges Lernen zu unterstützen, aber natürlich auch vorzuleben. So stelle ich mich beispielsweise gerne meinen Team Mitgliedern bei Bedarf zur Verfügung, um ihre Ideen zu diskutieren oder auch zu challengen.
Eine wichtige Voraussetzung für ein erfolgreiches Team sind auch strukturierte Prozesse, welche erst durch organisatorische Rahmenbedingungen lebbar und reproduzierbar werden. Zu diesem Zweck stehe ich mit den Product Managern und AI DevOps Engineers im ständigen Austausch, um bestehende Prozesse (Projektmanagement und CI/CD Prozesse) zu bewerten und gegebenenfalls zu verbessern.
Eine meiner weiteren spannenden Aufgaben ist es, Use Cases zu identifizieren, in denen ML Lösungen einen Mehrwert generieren können. Das geschieht jedoch nicht im stillen Kämmerlein, sondern im Zuge des laufenden Austauschs mit Kollegen aus den Fachbereichen sowie mit dem AI Team. Bei dieser Aufgabe gehört auch die Planung und Steuerung des AI Projekt und Produkt Portfolios in Zusammenarbeit mit den Product Teams dazu.
Wie laufen Projekte beim AI Team grundsätzlich ab?
Jedes Product Team arbeitet in einem agilen Setting. So deckt jedes Product Team sowohl Projektbetrieb, Development, als auch Deployment, Maintenance und Improvement seiner AI Products ab. Bei jeder dieser Tätigkeiten arbeiten der AI Product Manager, der Data Scientist und der AI DevOps Engineer intensiv zusammen. Innerhalb des Product Teams ist es dabei nicht unüblich, mehrere AI Projekte parallel voranzutreiben.
Der MLOps (Machine learning operations) Life Cycle, Quelle: https://blogs.nvidia.com/blog/2020/09/03/what-is-mlops
AI Projekte werden nach einer von uns maßgeschneiderten hybriden Projektmanagement Methodik abgewickelt. Diese basiert dabei auf unseren Erkenntnissen und Erfahrungswerten, die wir über den gesamten Life Cycle von bisher entwickelten AI Products sammeln konnten. Obwohl wir größtenteils agile Methoden verwenden (10-wöchige Product Increments, 14-tägige Sprints, Reviews, Retros, Dailies, Kanban), setzen wir bei der Planung der Product Increments auf klassische Ansätze auf (Projekt Steckbrief mit Zielen, Nicht Zielen, Stakeholder, Scope, Non-Scope usw.).
Dabei ist es wichtig wesentliche Dinge zu erfassen, aber dennoch eine gute Balance im Detailgrad der Dokumentation beizubehalten. Durch diese Kombination ist es uns möglich das am Ende des Product Increments geplante Ergebnis so detailliert wie nötig zu definieren, aber gleichzeitig innerhalb der Sprints so agil wie möglich auf das definierte Ziel hinzuarbeiten. Das erlaubt es uns auch, bei Änderungen oder unerwarteten Entwicklungen im Projekt rasch zu reagieren.
Was sind unsere größten Herausforderungen bei AI Projekten?
Bei AI Projekten sind wir in der Regel mit zwei Herausforderungen konfrontiert, die es zu meistern gilt. So ist beispielsweise der Begriff AI kein genormter Begriff, weshalb es in der Regel kein einheitliches Verständnis davon gibt, was AI denn tatsächlich ist. Film und Fernsehen tun hier ihr übriges, was die Erwartungen an AI zum Teil schwer erfüllbar macht. Das AI Team hat hier den Ansatz gewählt, Stakeholdern anhand von lauffähigen Prototypen zu veranschaulichen, was AI liefern kann (und was nicht). Dieser Ansatz erlaubt es dem AI Team dann jedoch auch, durch den direkten Austausch die Nöte und Bedürfnisse der Stakeholder an eine potentielle ML Lösung noch besser zu verstehen, was sich wiederum positiv auf die Qualität der gelieferten Lösungen auswirkt.
Format eines SCRUM Plans, das üblicherweise für unsere AI-Projekte verwendet wird.
Die andere große Herausforderung ist der Umgang mit der Qualität der vorhandenen Daten. Obwohl eine große Menge an Daten für spannende Projekte vorhanden ist, so ist die Datenqualität zum Teil vergangenheitsbedingt nicht auf dem Niveau, sodass man sie sofort für AI Projekte heranziehen kann. Das AI Team ist hier im intensiven Austausch mit den Data Ownern, um Datenmängel aufzuzeigen und Lösungsvorschläge für eine nachhaltige Lösung zu erarbeiten. Von diesem Feedback profitiert dann nicht nur das AI Team, sondern alle Abteilungen und Teams im Unternehmen, die datengetrieben agieren.
Du bist neugierig geworden?
Wir haben noch viel vor und suchen deshalb als Unterstützung Menschen, mit ihrer Persönlichkeit und ihren Fähigkeiten sowie ihrem Mut Neues zu lernen und dem Willen mitgestalten zu wollen. Wir freuen uns darauf, dich bei einem persönlichen Gespräch kennen zu lernen.
Weitere interessante Artikel
Du möchtest auch die weiteren Teile dieser AI-Miniserie lesen? Dann haben wir hier die Übersicht für dich:
* English version to be found here.