Damit der Einstieg in Machine Learning für Ihr Unternehmen Sinn macht, sollten folgende Voraussetzungen gegeben sein:

​

1. Sie produzieren, integrieren oder betreiben Systeme, bei denen es auf Präzision, Zuverlässigkeit und einwandfreie Funktion ankommt. Vielleicht haben Ihre Produkte oder die Prozesse, die Sie einsetzen, bereits einen gewissen Grad an Autonomie durch Automatisierung. Oder Sie suchen nach Möglichkeiten solche Autonomie zu erreichen. Beispielsweise könnten Sie nach Methoden suchen, um Qualitätskontrollen an mehr Stellen des Fertigungsprozesses oder mit größerer Zuverlässigkeit durchzuführen, um Ausschuss zu reduzieren und so Kosten zu senken, sofern Sie eine neue Technologie finden, die wirtschaftlichen Sinn macht. Die meisten Methoden des Machine Learning sind Varianten der Mustererkennung - in Arbeitsabläufen, Bildern (optisch, Ultraschall, Röntgen), Bildsequenzen und Videos, sequentiellen Ereignissen (Geräusche, Sprache, Signalpegel). Maschinen lernen dann aus Trainingsdaten, wie sich beispielsweise ein sich entwickelnder Lagerschaden anhört, wie ein Kratzen in einer lackierten Fläche aussieht, oder wie man im Ultraschall-Scan einen Materialfehler erkennt. Machine Learning gibt Maschinen die Fähigkeit Beispiele zu verallgemeinern,  so dass völlig neue Muster treffsicher beurteilt werden können. Dies können Muster sein, die heute durch Menschen erkannt werden. Es kann sein, dass Maschinen diese Erkennung besser und kostengünstiger erledigen und für Menschen wertvolle Hilfestellungen liefern. Es kann aber auch sein, dass Maschinen Muster erkennen können, die menschliche Gehirne gar nicht oder nur sehr schwer erkennen können - ganz abgesehen davon, dass Maschinen ihre Aufgabe in Sekundenbruchteilen erledigen. Je komplexer das Thema ist, mit dem Ihr Unternehmen Geld verdient, desto höher ist die Wahrscheinlichkeit, dass Sie Potenziale für den Einsatz von Machine Learning finden werden.
    

2. In Ihrem Unternehmen existieren Mitarbeiter, die mit IT vertraut sind. Sie müssen keine eigene IT-Abteilung besitzen oder ein Rechenzentrum betreiben. Aber Sie haben Mitarbeiter,  die in einer höheren
   Programmiersprache Code schreiben können und die wissen, wie man mit Compilern und Tools umgeht, um eine kleine Applikation zu entwickeln und zu implementieren. Die weit verbreitetste Sprache in Künstlicher Intelligenz ist Python. Sie ist auch für Anfänger sehr leicht zu erlernen. Wer schon einmal ein Programm in C oder C++ geschrieben hat, kann sofort auf Python umsteigen. Die modernen Systeme, mit denen die Algorithmen des Machine Learning geschrieben werden (die sogenannten AI-Frameworks) sind praktisch alle Python-Bibliotheken. "Programmieren" bedeutet hier also, ein einfaches Rahmenprogramm in Python zu schreiben, mit dem solche Bibliotheksroutinen aufgerufen und mit passenden Parametern gestartet werden. Idealerweise sind es Mitarbeiter aus Ihren Entwicklungs-, Produkt-, oder Prozessmanagemenbereichen oder aus anderen technischen Funktionen, die solche Grundkenntnisse in Programmierung haben. Reine IT-Kollegen, die Ihr ERP-System für die Verwaltung betreiben,  sind nicht unbedingt die wichtigsten Ansprechpartner, wenn es um neue Methoden für Ihre technischen Funktionen geht. Mangelnde Python-Kenntnisse können in einer kurzen Einweisung durch Industrie-KI oder vorab im Selbststudium der Teilnehmer in wenigen Stunden (verteilt auf eine Woche) behoben werden. Die Software zur Erstellung und zum Ablauf von Python Code ist in der Software-Installation der Industrie-KI komplett enthalten. Jeder Teilnehmer kann sich diese frei verfügbare Software auch kostenfrei unter Windows auf seinem PC installieren. Nur in dem Fall, dass im Unternehmen niemand ist, der ein Minimum an Programmierpraxis in einer höheren Programmiersprache besitzt, kann der Einstieg in ML nicht sinnvoll durchgeführt werden.
    

3. Die Sprache der Künstlichen Intelligenz und dabei vor allem die Schriftform, in der Aussagen formuliert werden, ist mathematisch. Teilnehmer sollten deshalb möglichst keine Angst vor mathematischer Notation haben. In der Einführung in das Gebiet des Machine Learning werden keinerlei mathematischen Schlussfolgerungen oder Beweise besprochen. Man sollte sich an die Mathematik aus der gymnasialen Oberstufe erinnern und wissen, was ein Vektor und was eine Matrix ist. Man sollte auch wissen, was die Ableitung einer Funktion ist, muss aber nicht die Differentialrechnung rekapitulieren - wir rechnen keine Ableitungen aus: das überlassen wir alles den Maschinen. Man sollte nur wissen, worüber man spricht und was die Symbole, die am Whiteboard stehen, bedeuten. Wer gegen mathematische Schreibweise allergische Reaktionen entwickelt, wird sich in der Einführung nicht wohl fühlen. Der gesamte Beratungsprozess, der sich auf typischerweise 8 Termine in 8 Wochen erstreckt, wird schon im ersten Termin deutlich machen, welche technischen und mathematischen Grundlagen nötig sind, um die Reise in die Welt des ML mitmachen zu können. Einige Teilnehmer werden dabei zu der Auffassung kommen, dass das für sie kein geeignetes Thema ist, und zu weiteren Terminen nicht mehr erscheinen. Das ist völlig akzeptabel. Es wird aber erwartet, dass jeder, der zum zweiten Termin erscheint, alle weiteren Termine wahrnimmt und in der Gruppe kooperativ Übungen und Beispielprobleme bearbeitet.    

​

​