Von KI-Demos zur produktiven Realität
Der Munich AI Nexus ist eine Meetup-Reihe für erfahrene Architekt*innen und Entwickler*innen, die sich mit realen Herausforderungen beim Einsatz von KI in produktiven Systemen beschäftigt. Die appliedAI Developers verbinden Entwickler*innen, Forscher*innen und Technologie-Verantwortliche, um Erfahrungen zu teilen, Lösungen zu erarbeiten und KI-Praxis gemeinsam weiterzuentwickeln.
Warum gibt es dieses Meetup?
Auf KI-Meetups dominieren häufig beeindruckende Demos – die Herausforderungen und Fehler im realen Betrieb kommen dagegen oft zu kurz. Zum Beispiel:
- Warum funktioniert ein Modell in der Testumgebung, stürzt aber nachts um 2 Uhr in der Produktion ab?
- Warum besteht eine Datenpipeline nur noch aus provisorischen Lösungen und Workarounds?
- Welche Architekturentscheidungen verhindern, dass KI-Systeme unzuverlässig werden?
Genau diese Lücken adressiert diese Session-Reihe. In neun Terminen werden die Themen behandelt, die in realen KI-Projekten tatsächlich herausfordernd werden.
Das Ergebnis: der Production Readiness Blueprint – eine Open-Source-Sammlung von Architekturmustern und Praxiserfahrungen, die bereits dazu beigetragen hat, KI-Systeme erfolgreich in den produktiven Einsatz zu bringen.
Gastgeber und Veranstaltungsort dieser Session ist fortiss. Neben Einblicken in die fortiss Labs und einer Demo-Tour zum neuromorphen Computing mit Michael Neumeier (Kompetenzfeld Neuromorphic Computing) erwartet die Teilnehmenden ein Vortrag von Dr. Yuanting Liu (fortiss) zu der Frage, wie KI-Systeme gestaltet werden können, bei denen Menschen weiterhin die Kontrolle behalten.
Fokus des Meetups
-
Sobald KI-Systeme eigenständig Entscheidungen treffen, Informationen verarbeiten und Aufgaben ausführen können, entsteht eine zentrale Frage:
Wie bleibt der Mensch weiterhin in Kontrolle?
Diese Session beleuchtet die Zusammenarbeit zwischen Mensch und Maschine in produktiven KI-Systemen und zeigt, wie menschliche Verantwortung, Kontrolle und Feedback sinnvoll integriert werden können:
- Wann sollte ein Mensch eine Entscheidung bestätigen, eingreifen oder übersteuern?
- Wie kann ein KI-System Unsicherheit erkennen und transparent kommunizieren?
- Wie lassen sich Verantwortlichkeiten zwischen Nutzer, Betreiber und KI-Agenten klar verteilen?
- Wie wird menschliches Feedback zu einem wirksamen Bestandteil des Systems?
- Wie können Kontrolle und Sicherheit gewährleistet werden, ohne Prozesse unnötig auszubremsen?
Deine Erfahrungen helfen, Wissen aus der Praxis sichtbar zu machen:
- Herausforderungen aus deinen KI-Projekten
- Bewährte Ansätze und Lessons Learned
- Probleme, Lösungswege und Erfahrungen aus dem produktiven Einsatz
-
- Demo-Tour fortiss Labs und Einblicke in neuromorphes Computing
Michael Neumeier, Wissenschaftler im Kompetenfeld Neuromorphic Computing
- Vortrag: Wie entwickelt man KI-Systeme, bei denen Menschen tatsächlich die Kontrolle behalten?
Dr. Yuanting Liu (fortiss), Leiterin Human-Centered Engineering bei fortiss und Autorin von Human-Centered Machine Learning.
- Gruppen-Challenge
Wir zeigen einen vereinfachten mehrstufigen KI-Workflow: Unter idealen Bedingungen funktioniert er – in der Realität scheitert er.
Die Aufgabe: Nicht den Code reparieren, sondern eine State-Layer-Architektur entwickeln, die das System robuster macht. (Details folgen.)
- Networking & Pizza
- Demo-Tour fortiss Labs und Einblicke in neuromorphes Computing
-
Ort
fortiss GmbH
Guerickestr. 25
80805 MünchenSprache
EnglischTeilnahmegebühr
Kostenfrei
-
- Kurator: Asaad Almutareb
Gründer von artiquare und Kurator des appliedAI Developers MUC Meetups - AppliedAI Developers
- Gastgeber & Veranstaltungsort: fortiss
- Kurator: Asaad Almutareb