KI, Machine Learning und autonome Systeme sind auf dem Vormarsch und dabei hochgradig von Daten abhängig. Das Thema ist omnipräsent und wird meist entweder extrem abstrakt oder aber sehr algorithmisch, daten-zentriert, auch code-nah beleuchtet. Der Blick auf die Gesamtarchitektur von Systemen, die KI enthalten, fehlt dabei oft.
Unser Vortrag unterstützt Softwarearchitekten dabei, den Überblick zu behalten, die wesentlichen Fragen zu stellen, besser mit Data Scientists zusammenzuarbeiten und letztlich bessere Architekturen für Systeme basierend auf Machine Learning zu designen. Dazu orientieren wir uns an Schritten der Datensammlung, maschinellen Lernens und der Modellnutzung um Architekturaspekte systematisch zu beleuchten. Als illustrierendes Beispiel verwenden wir grundlegende architektonische Aspekte des autonomen Fahrens.