CRISP-DM
Sechsphasiger Standardprozess, im Kurs in zwei Lesarten: klassisch für Data Mining und angepasst für Automatisierungen.
Cross-Industry Standard Process for Data Mining, EU-Projekt 1996–99 (DaimlerChrysler, NCR Systems Copenhagen, OHRA Bank Groep, SPSS)
Im Kurs der fünfte Schritt des AITI Use Case Prozesses: „Der Canvas zeigt, was der Kunde will. CRISP-DM zeigt, wie wir es umsetzen.”
Die sechs Phasen
- Business Understanding: Projektziele und Anforderungen aus Unternehmenssicht verstehen und in eine Data-Mining-Problemstellung übersetzen.
- Data Understanding: erste Datenerfassung, sich mit den Daten vertraut machen, Datenqualitätsprobleme erkennen.
- Data Preparation: alle Aktivitäten zur Erstellung des endgültigen Datensatzes, der in die Modellierungswerkzeuge eingespeist wird.
- Modelling: Modellierungstechniken auswählen und anwenden, damit die vorbereiteten Daten optimal genutzt werden.
- Evaluation: bevor das Modell ausgerollt wird, prüfen, ob es fachlich wirklich taugt.
- Deployment — Operationalisierung in der IT-Infrastruktur. „Die Erstellung des Modells ist im Allgemeinen nicht das Ende des Projekts.”
Zwei Lesarten im Kurs
Klassisch: durchgespielt am Beispiel einer Immobilien-Preisschätzung: historische Verkaufsdaten, Ausreißer entfernen, ein neuronales Netz mit drei Eingaben (Zimmer, Wohnfläche, Entfernung zum Zentrum) trainieren, auf ungesehenen Testdaten prüfen und in die Website integrieren.
Angepasst für Automatisierungen: dieselben sechs Phasen, aber mit anderen Leitfragen: Was passiert heute manuell und wie lange dauert es? Was ist der Trigger (Formular, E-Mail, Zeitplan, Datenbankänderung)? Formate vereinheitlichen. Brauche ich einfache Logik oder KI? Funktioniert der Hauptfall zuverlässig, und was passiert bei Ausnahmen? Workflow aktivieren, Betroffene schulen, dokumentieren.
Zwei Merksätze aus dem Deck
- Rückschritte sind normal: „Neue Erkenntnisse? Zurück – und das ist gut so.” Wer mitten im Projekt merkt, dass der Trigger anders funktioniert als gedacht, geht eine Phase zurück.
- Deployment ist kein Abschluss: APIs ändern sich, Systeme bekommen Updates, Formate verschieben sich. Dazu der Begriff Prompt Drift, wenn der Prompt gleich bleibt, die KI sich aber still verändert; abgeleitet vom Data Drift aus dem Machine Learning.
Laut CLAUDE.md existiert die CRISP-DM-Grafik im Kursmaterial in mindestens vier Varianten (Standardversion, Fortschrittsanzeige, Ausfüllvorlage, „Angepasst für Automatisierungen”).