A · Use Case
Definiere Entscheidung, Betroffene, Fehlerkosten, deterministische Alternative und messbaren Business Outcome.
Praxis-Lab
AI Engineering & MLOps Lab
Eine produktionsfähige, verantwortete AI Capability entwerfen.
B · Evaluation
Lege Gold Dataset, Segmentmetriken, Robustheitstests, Safety Checks und Freigabeschwellen fest.
C · Release
Plane Registry, Signierung, Shadow, Canary, Fallback und Human Escalation.
D · Betrieb
Entwirf SLOs für Qualität, Latenz und Kosten sowie Drift-, Incident- und Retraining-Prozess.
Abnahmekriterien
- Jede Modellversion ist auf Code, Daten, Features und Evaluation zurückführbar.
- Keine Production-Freigabe ohne Model Card und Risk Assessment.
- Fallback ist technisch getestet.
- Monitoring enthält Business Outcome und Segmentqualität.
- RAG-Quellen respektieren Identität, Zweckbindung und Löschanforderungen.