Head of AI Factory

Die Rekrutierung eines/einer Head of AI Factory zu steuern bedeutet zuallererst, die Rolle genau zu kennen. Sie wird hier sehr allgemein zusammengefasst und muss an Ihren konkreten Kontext angepasst werden.

Der/die Head of AI Factory ist für die industrielle Lieferung von KI-basierten Produkten und Lösungen verantwortlich, in enger Zusammenarbeit mit den Produktteams und den Fachbereichen. Die Rolle besteht darin, die Entwicklung, Industrialisierung und skalierte Bereitstellung von KI-Modellen sicherzustellen und dabei ihre Performance, Zuverlässigkeit und Konformität mit den technischen und fachlichen Anforderungen zu gewährleisten.

Hauptaufgaben

a. Industrialisierung und Lieferung der KI-Produkte

Entwicklung und Bereitstellung

  • Die Erstellung der KI-Modelle nach den Spezifikationen der Produktteams und der Fachbereiche beaufsichtigen.

  • Modelle (über MLOps) industrialisieren, für eine skalierbare, robuste und reproduzierbare Bereitstellung in der Produktion.

  • Qualität, Performance und Wartbarkeit der gelieferten KI-Lösungen gewährleisten.

b. Führung der Technikteams

Operative Führung

  • Ein interdisziplinäres Team (Data Engineers, ML Engineers, DevOps) leiten, das auf die Lieferung von KI-Produkten spezialisiert ist.

  • Die Arbeit agil organisieren (Sprints, Code-Reviews, Tests), um Fristen und Budgets einzuhalten.

Kompetenzaufbau

  • Die Teams in Best Practices schulen (MLOps, automatisierte Tests, Monitoring).

  • Neue Tools und Methoden der Industrialisierung beobachten (z. B. MLflow, Kubeflow, Docker).

c. Zusammenarbeit mit Produktteams und Fachbereichen

Abstimmung auf den Bedarf

  • Eng mit den Product Ownern und den Fachbereichen zusammenarbeiten, um die funktionalen und technischen Anforderungen zu verstehen.

  • Diese Anforderungen in technische Spezifikationen für die Entwicklungsteams übersetzen.

Integration und Support

  • Mit den IT-/DevOps-Teams zusammenarbeiten, um die KI-Modelle in die bestehenden Systeme zu integrieren.

  • Den Fachbereichen während der Rollout-Phase technischen Support bieten.

d. Qualitätssicherung und Compliance

Tests und Validierung

  • Automatisierte Testprozesse (Unit-, Integrations- und Performancetests) einführen, um die Modelle vor der Bereitstellung zu validieren.

  • Die Konformität der Lösungen mit den Sicherheitsstandards, den Vorschriften (DSGVO, AI Act) und den internen Richtlinien gewährleisten.

Monitoring und Wartung

  • Das Monitoring der Modelle in der Produktion überwachen (Performance, Drift, Bias).

  • Mechanismen für die korrektive und evolutive Wartung einrichten.

e. Optimierung der Delivery-Prozesse

Kontinuierliche Verbesserung

  • Engpässe in den Delivery-Prozessen identifizieren und beseitigen.

  • Daten- und Modell-Pipelines automatisieren, um die Deployment-Zyklen zu beschleunigen.

Operatives Reporting

  • Regelmäßig über Fortschritte, Risiken und Liefergegenstände an die Stakeholder berichten (CDAO, Product Owner, Fachbereiche).