Fünfzehn Jahre Systeme verlässlich machen, heute für produktive KI.

Produktive KI braucht dieselbe Sorgfalt, die in sicherheitskritischer Entwicklung selbstverständlich ist. Diese Überzeugung zieht sich durch meine Arbeit, und sie ist der Grund, warum ich das, was ich tue, als seltene Kombination beschreibe und nicht als Berufswechsel.

Seit fünfzehn Jahren baue ich komplexe Systeme so, dass sie in regulierten Umgebungen sicher und verlässlich sind. Heute heißt das Systems Engineering im Automobilbereich bei Audi und CARIAD, dem Software-Unternehmen des Volkswagen-Konzerns, einschließlich funktionaler Sicherheit nach ISO 26262 und ASPICE, wo ein Defekt einen Rückruf bedeutet und kein Bug-Ticket. Ich bin Dipl.-Ing. für Mechatronik (TU Dresden) und habe Deep Learning und MLOps dazugelernt, bei DeepLearning.AI auf Coursera und in AI/ML-Nanodegrees bei Udacity, um diese Ingenieursdisziplin auf angewandte KI zu richten. Der vollständige Werdegang steht in meinem Lebenslauf und auf LinkedIn.

Ich stand auch auf der anderen Seite. Mehrere der Systeme, die ich gebaut habe, liefen in einem laufenden Betrieb, in dem ich dafür geradestehen musste, ob ein Rollout den Kontakt mit echten Nutzern übersteht. Seitdem behandle ich Akzeptanz als Verhaltensfrage und nicht nur als technische Aufgabe. Der schwierigste Teil eines Systems ist meistens, dass Menschen sich darauf verlassen.

Ich verantworte Systeme vom Datenmodell bis zum Deployment, damit die Architektur durchgängig stimmig bleibt. Kosten sind dabei ein Entwurfskriterium: Ein großer Teil praktischer KI-Entwicklung besteht darin zu wissen, wo man das Modell gar nicht erst aufruft. In allem, was ich baue, ist KI eine starke Komponente und nie das ganze Produkt.