KI-Projekt-Checkliste
Phase 1: Vorbereitung (Wochen 1-4)
- Zieldefinition: Was soll die KI konkret lösen?
- Stakeholder-Analyse: Wer ist betroffen/beteiligt?
- Datenverfügbarkeit: Welche Daten sind vorhanden?
- Datenqualität: Vollständig, korrekt, konsistent?
- Rechtliche Prüfung: DSGVO, Wasserrecht, AI Act?
- Budget-Freigabe: Sind Mittel verfügbar?
- Team-Setup: Wer arbeitet am Projekt mit?
- Erfolgskriterien: Woran messen wir den Erfolg?
Phase 2: Datenanalyse (Wochen 5-8)
- Datenexploration: Muster und Anomalien identifiziert?
- Feature Engineering: Relevante Variablen definiert?
- Datenbereinigung: Fehler und Lücken behandelt?
- Train/Test-Split: Datensätze sauber getrennt?
- Baseline etabliert: Vergleichswerte definiert?
- Visualisierung: Daten verständlich dargestellt?
Phase 3: Modellentwicklung (Wochen 9-16)
- Algorithmus-Auswahl: Passende Methode gewählt?
- Training: Modell mit Daten trainiert?
- Validierung: Performance auf Test-Daten geprüft?
- Hyperparameter-Tuning: Optimale Einstellungen gefunden?
- Cross-Validation: Robustheit bestätigt?
- Interpretability: Modell-Entscheidungen nachvollziehbar?
Phase 4: Deployment (Wochen 17-20)
- Produktionsumgebung: System einsatzbereit?
- Integration: Schnittstellen zu bestehenden Systemen?
- Monitoring: Überwachung der KI-Performance?
- Fallback: Plan für KI-Ausfall vorhanden?
- Dokumentation: Vollständig und verständlich?
- Schulung: Nutzer können System bedienen?