0521 968 7740Mo–Fr, 8–17 Uhr
Produktive KI-Anwendungen benötigen mehr als ein gutes Modell. Sie brauchen stabile Datenflüsse, verlässliche Labels, nachvollziehbare Qualitätsregeln und klare Vereinbarungen zwischen Datenlieferanten und nutzenden Teams. Genau hier setzt dieses Training zu Data-Centric AI und Data Contracts an. Die Teilnehmerinnen und Teilnehmer lernen, wie datenbezogene Schwachstellen in ML-Systemen entstehen und wie sie mit geeigneten Methoden sichtbar gemacht werden. Dazu gehören Qualitätsmetriken, Datenprofiling, Drift-Erkennung, Fehlerklassifikation und die Bewertung von Risiken für Modellverhalten und Fachprozesse. Die Schulung behandelt außerdem, wie Label-Strategien entwickelt werden, damit Ground Truth nicht nur dokumentiert, sondern im Team einheitlich verstanden wird. Data Contracts werden als praktisches Steuerungsinstrument eingeführt: mit Schema-Regeln, semantischen Erwartungen, Qualitätsgrenzen, Verantwortlichkeiten und Versionierung. Dabei geht es nicht um zusätzliche Bürokratie, sondern um belastbare Schnittstellen für Data Engineering, ML Engineering und Governance. Übungen und Fallbeispiele zeigen, wie Feedback-Loops aus Fehlklassifikationen, Monitoring-Ergebnissen und Fach-Reviews entstehen. Nach dem Training können Teams Datenqualität gezielter steuern, Breaking Changes früher erkennen und ML-Projekte mit klareren Datenverantwortlichkeiten umsetzen.
