Bei der Suche nach einem solchen Partner hob sich IBM® Consulting von den Mitbewerbern ab: Das Unternehmen verfügte über eine nachgewiesene Erfolgsbilanz aus der Zusammenarbeit mit Wintershall Dea bei früheren Projekten sowie über umfangreiche Erfahrungen bei der Unterstützung anderer Kunden zur Entwicklung ihrer KI-Fähigkeiten in großem Maßstab.
Darüber hinaus hatte IBM eine strategische Partnerschaft mit Microsoft geschlossen, und Wintershall Dea nutzte bereits Microsoft Azure für seine Datenplattform. IBM konnte seine IBM® AI@Scale-Methode an die bestehende Plattform anpassen und bei Bedarf Microsoft-Know-how einbringen.
Die Zusammenarbeit zwischen IBM und Wintershall Dea verlief von Anfang an reibungslos. „Der Prozess war eigentlich sehr einfach“, sagt Lorang. „Wir haben ein Team aufgebaut. Es gab nie einen großen Unterschied zwischen den beiden Unternehmen. Wir hatten ein gemeinsames Ziel und arbeiteten zusammen, um es zu erreichen.“
Bei der Implementierung von IBM AI@Scale konzentrierte sich das Team auf drei strategische Bereiche: die technische Architektur der Plattform, das Betriebsmodell des CoC und die Unternehmenskultur.
Das Angebot von IBM AI @Scale umfasst standardisierte Bewertungen, die Bereiche wie den aktuellen Stand der KI in einem Unternehmen, die zukünftige KI-Vision, wichtige Stakeholder und notwendige Ressourcen abdecken. IBM passte die Bewertungen für Wintershall Dea an jeden der drei strategischen Bereiche an. IBM und Wintershall Dea arbeiteten dann zusammen, um anhand der Bewertungsergebnisse eine technologische und organisatorische Roadmap für die Data Science innerhalb des Unternehmens zu entwickeln.
Für die technische Grundlage entwickelte das Team eine auf Komponenten basierende Architektur unter Verwendung der Plattform und Services von Microsoft Azure. Bei der Gestaltung dieser Grundlage hat das Team eine Methodik für maschinelles Lernen (Machine Learning Operations, MLOps) gewählt – einen durchgängigen Ansatz, bei dem Data Scientists und Ingenieure KI-Systeme planen, entwickeln, bauen, testen und warten.
In operativer Hinsicht legte das Team fest, wie das CoC funktionieren sollte, sowie die Arten von Rollen und Fähigkeiten, die die Data-Science-Kompetenzen im gesamten Unternehmen erweitern würden. Neben den Data Scientists im CoC umfasste diese Gemeinschaft auch Citizen Data Scientists aus den Geschäfts- und Unternehmensbereichen – d. h. Geowissenschaftler, Ingenieure, Wirtschaftswissenschaftler und andere mit einem fundierten Hintergrund in mathematischer Programmierung. Sie sollten dabei helfen, Data-Science-Projekte in ihren jeweiligen Teams voranzubringen.
Letztendlich wollte Wintershall Dea diese Community ausbauen und Mitarbeiter im gesamten Unternehmen weiterbilden, damit sie ihre eigenen KI-Projekte entwickeln konnten. Das Interesse an Data Science war groß, und die Unternehmensleitung war der Meinung, dass der größte Wert für das Unternehmen auf der Ebene der Geschäfts- und Unternehmensbereiche entstehen würde. Zu diesem Zweck umfasste die Roadmap technische Schulungen für das CoC und die Citizen Data Scientists zur Nutzung der neuen Plattform und Vorlagen.
Aus Sicht der Unternehmenskultur und Kommunikation plante das Team eine Vielzahl von Schulungen und Workshops für Geschäftsbereiche und Abteilungen im gesamten Unternehmen. Diese Aktivitäten konzentrierten sich auf den Geschäftswert, den KI den Mitarbeitern bei ihrer täglichen Arbeit bieten würde, und auf Möglichkeiten, wie sie mit dem CoC zusammenarbeiten könnten, um diesen Wert zu nutzen.