Die Data Science Journey der Hallesche KV zur Integration von Machine Learning Modellen in den operativen Leistungsprozess

Im Leistungsprozess müssen mit knappen Ressourcen viele Entscheidungen getroffen werden. Gerade menschliche Entscheidungskraft sollte daher priorisiert auf komplexe Sachverhalte gebündelt werden. Im Umkehrschluss können simple Entscheidungen, deren Auswirkungen überschaubar sind, automatisiert werden, um die Dunkelverarbeitung zu fördern. Gerade wenn diese Entscheidungen anhand mehrerer Datenpunkte getroffen werden müssen, eignen sich statistische Modelle aus dem Bereich des Machine Learning dazu. Wir präsentieren unsere Reise zu einem solchen Entscheidungssystem und teilen unsere Erkenntnisse. Dabei beleuchten wir, wie man das Vorhaben in eine Projektstruktur gießt und die wichtigsten Stakeholder an den Tisch bringt. Ebenso gehen wir darauf ein, wie man Business-Logik in Programmlogik überführt, wie man mit statistischen Herausforderungen, wie bimodalen, unbalancierten, mixed-scale Datensätzen umgeht und wie man ein nachhaltiges Testframework konstruieren kann, um ein detailliertes Monitoring im produktiven Betrieb zu gewährleisten. Die Reise wird mit einem prägnanten Satz an Take Aways für andere Reisende abgerundet.