Bei der Gestaltung von Software mit KI-Anteilen kommen Rollen zum Einsatz, die aus verschiedenen Teilgebieten stammen: Softwareentwicklung, Data Science und KI-Spezialist:innen. Die hier aufgelisteten Rollen sind als Idealtypen zu verstehen, je nach Art der Software und je nach KI-Gehalt werden bestimmte Rollen mehr als andere benötigt, manche Rollen entfallen sogar ganz. Sie können Ihnen helfen, Ihre eigene Rolle einzuordnen sowie die Maßnahmenvorschläge einzelnen Rollen zuzuordnen.
Rollen im Management
1. Projektmanager:innen
Ihre Hauptaufgaben sind die Projektplanung, -überwachung und -leitung.
2. Risikomanager:innen
Ihre Aufgabe ist es, potenzielle Probleme zu identifizieren und Korrekturmaßnahmen zu ergreifen. Sie sind in alle Phasen des Projekts eingebunden.
3. Qualitätsmanager:innen
Sie haben eine projektbezogene Aufgabe und sind für die Qualität des produzierten Produkts verantwortlich. Sie stellen Anforderungen, überwachen deren Einhaltung und kümmern sich um Maßnahmen zur Qualitätssicherung.
4. Data Scientists
Die Aufgabe der Data Scientists innerhalb des Managements umfasst die komplexen Prozesse, die für die Beschaffung, Nutzung, Persistierung und auch Löschung von Daten nötig sind (DSGVO). Zudem entwerfen die Data Scientists eine Datenstratgie, die dafür Sorge trägt, dass die Daten auch während der Verwendung in der Praxis immer aktuell sind.
Rollen in der Entwicklung
Die Rollen in der Entwicklung werden durch das entsprechende Softwareentwicklungsparadigma geprägt. Letztlich ist bei der Entwicklung darauf zu achten, dass agile Entwicklungsparadigmen eingesetzt werden, z.B. SCRUM als sein berühmtester Vertreter oder auch Crystal und Extreme Programming etc. Alle Rollen in den agilen Paradigmen werden auch bei der Entwicklung von Software mit KI-Anteilen benötigt. Hinzukommen die folgenden Rollen:
1. Data Scientists
Im Gegensatz zu den Data Scientists im Management besteht die Aufgabe in der Entwicklung in den Schritten des sog. Data Understanding und der Data Preparation. Die Aktivitäten beim Data Understanding gliedern sich in die folgenden Punkte:
- Sich mit den Daten vertraut machen
- Erkennen von Datenqualitätsproblemen
- Entdecken von ersten Erkenntnissen über die Daten
- Erkennen interessanter Teilmengen zur Bildung von Hypothesen für versteckte Informationen
In der Data Preparation geht es schließlich darum, die Daten für die eigentliche Verwendung durch KI-Algorithmen vorzubereiten. Die wesentlichen Aufgaben sind die Auswahl von Tabellen, Datensätzen und Attributen sowie die Transformation und Bereinigung von Daten.
2. KI-Spezialist:innen
Die KI-Spezialist:innen modellieren auf Basis der zur Verfügung stehenden Informationen, z.B. Daten, aber auch Regeln, Best Practices usw. die entsprechenden KI-Algorithmen. Sie kennen sich aus mit den wesentlichen Tools und Bibliotheken und stehen im engen Kontakt mit den Data Scientists. In manchen Projekten verschmelzen die Rollen der Data Scientists und der KI-Spezialist:innen.
3. (Technische) Implementierer:innen
Sie integrieren die Software mit KI-Anteilen technisch in die bestehenden digitalen Infrastrukturen und Prozesse. Sie verknüpfen sie mit bestehenden Daten und betten die Systeme in die Anwendungsumgebung ein1.
Rollen im Einsatz
Beim Einsatz von Software mit KI-Anteilen sind wiederum Rollen nötig, die auch beim Einsatz von herkömmlicher Software nötig sind. Dies sind im Wesentlichen Administrator:innen und technische Ansprechpartner:innen. Hinzukommen die folgenden Rollen:
1. Knowledge Worker
Sie sind im Einsatz der Software mit KI-Anteilen für die kontinuierliche Beachtung der Datenstrategie verantwortlich. Dies bedeutet insbesondere, dass die entsprechenden Daten, die während der Benutzung anfallen, gesammelt werden und zur Weiterverarbeitung gelangen. Die Knowledge Worker übernehmen dabei auch das Trainieren und Evaluieren der KI-Methoden.
2. Data Engineers
Die Data Engineers übernehmen die Rolle der Data Scientists aus der Entwicklung in den Einsatz. Wichtig ist hierbei, dass die in der Entwicklung angewendeten Methoden auch in der Praxis angewendet werden. Sie arbeiten eng zusammen mit den Knowledge Workern.
Quellenverzeichnis
1. Bertelsmann Stiftung, 2020, Algo.Rules, Regeln für die Gestaltung algorithmischer Systeme, Handreichung für die digitale Verwaltung Algorithmische Assistenzsysteme gemeinwohlorientiert gestalten [Stand 17.11.22]
Dr. Sven Schmeier ist Chefingenieur und stellvertretender Leiter des Speech & Language Technology Lab des DFKI. Er hat mehr als 30 nationale und internationale Projekte in Forschung und Industrie erfolgreich geleitet. Sven war und ist in der Gründungsphase von High-Tech-Unternehmen und Spin Offs des DFKI aktiv.
