Unternehmen setzen zunehmend auf maschinelles Lernen, doch eine erfolgreiche Integration erfordert mehr als nur fortschrittliche Technologie – sie erfordert ein effektives Projektmanagement. Um aussagekräftige Ergebnisse zu erzielen, ist es unerlässlich zu verstehen, wie sich maschinelles Lernen in Software- und Hardwarelösungen einbinden lässt.

Dieser Kurs behandelt die Grundlagen des Managements von ML-gesteuerten Projekten, einschließlich der Frage, wie ein Projektmanager mit Machine-Learning-Tools umgeht, Datenanalysen integriert und Ergebnisse sowohl hinsichtlich der internen Leistung als auch der Auswirkungen auf die Kunden bewertet. Sie werden untersuchen, was ML-Ergebnisse erfolgreich macht, welche Rolle interne und externe Kennzahlen spielen und welche Strategien es gibt, um ML in Projektabläufe zu integrieren. Dieser Kurs richtet sich an Fachleute, die Machine-Learning-Projekte in technischen Umgebungen leiten, unterstützen oder daran mitwirken. Er eignet sich ideal für technische Projektmanager, Teamleiter und Vorgesetzte, die für die Integration von ML-Tools in Produktentwicklungsabläufe verantwortlich sind. Entwickler, die verstehen möchten, wie sich ML auf zukünftige Aufgaben und die Projektabwicklung auswirkt, werden ebenso davon profitieren wie Datenanalysten, die ML-Modelle besser erstellen und bewerten möchten. Darüber hinaus eignet sich dieser Kurs hervorragend für Fachleute, die ML-Ziele und -Ergebnisse sowohl an technische Teams als auch an geschäftliche Stakeholder effektiv kommunizieren müssen. Um diesen Kurs erfolgreich zu absolvieren, sollten die Teilnehmer über praktische Kenntnisse der Projektmanagement-Prinzipien – wie Agile, Scrum oder ähnliche Methoden – sowie über ein grundlegendes Verständnis von Machine-Learning-Tools und -Konzepten verfügen. Vertrautheit mit großen Sprachmodellen (LLMs), analytischen Arbeitsabläufen und Datenverarbeitungstechniken hilft den Teilnehmern, dem Kurs besser folgen zu können. Programmiererfahrung ist zwar nicht erforderlich, doch sind Erfahrung mit datengestütztem Denken und erste Kenntnisse im Umgang mit Tools wie R oder Jupyter Notebooks von Vorteil. Am Ende des Kurses sind die Teilnehmer in der Lage, ML-gesteuerte Projekte zu leiten, indem sie Datenanalyse-Tools einsetzen und die Ergebnisse an definierten Leistungskennzahlen und Kennzahlen zur Kundenwirkung ausrichten. Sie entwickeln strukturierte Rahmenkonzepte zur Integration von ML in die Projektplanung, um fundierte Entscheidungen und strategische Verbesserungen der Arbeitsabläufe zu ermöglichen. Die Teilnehmer identifizieren zudem kritische Erfolgsfaktoren und formulieren zentrale Bewertungsfragen, um eine kontinuierliche Verbesserung voranzutreiben. Schließlich bewerten sie die Effektivität von ML-Projekten anhand interner Benchmarks und externer KPIs und stellen so die Übereinstimmung mit den Unternehmenszielen und den Erwartungen der Stakeholder sicher.