KI-Werkzeuge

Label Studio: Hausdaten beschriften und belastbare Trainingsdaten aufbauen

Ob Fotos von Oberflächenfehlern, Reklamationstexte oder Sprachaufnahmen: Ein eigenes KI-Modell lernt nur so gut, wie seine Beispiele beschriftet sind. Label Studio lässt sich im Firmennetz betreiben und organisiert das Beschriften von Text, Bild und Audio mit mehreren Bearbeitern. Sie installieren das Werkzeug, legen eine Beschriftungsrichtlinie fest und erzeugen aus einem eigenen Datenbestand einen exportierbaren Datensatz. Außerdem schätzen Sie, welcher Aufwand vor einem Modellprojekt realistisch ist und welche personenbezogenen Inhalte vorher entfernt werden müssen.

Für wen

Qualitätsmanagement, Produktion und Fachbereiche, die über ein eigenes KI-Modell nachdenken und dafür verlässlich beschriftete Daten benötigen.

KI-Tool-Training · 1 Tag

Beschriftungsrichtlinie festlegen und aus eigenen Daten einen Trainingsdatensatz erzeugen

Das nehmen Sie mit

  • Eine laufende Label-Studio-Installation im Firmennetz mit eingerichtetem Projekt
  • Eine an Zweifelsfällen nachgeschärfte Beschriftungsrichtlinie für Ihren Datenbestand
  • Ein exportierter, auswertbarer Datensatz als Grundlage für ein mögliches Modell
  • Eine Aufwandsschätzung vor Projektbeginn und Regeln zu Personenbezug, Kosten und Zuständigkeit

Ablauf

  1. Teil 1

    Einheit 1 – Einordnung: Warum Modelle an beschrifteten Daten hängen

    • Weshalb jedes eigene KI-Vorhaben an Menge und Güte der beschrifteten Beispiele gemessen wird
    • Aufgabentypen in Label Studio: Texte einordnen, Bildbereiche markieren, Audioaufnahmen kennzeichnen
    • Label Studio als Vorstufe, damit ein Modell später Muster in Ihren Daten erkennt, nicht als Modell selbst
  2. Teil 2

    Einheit 2 – Einrichtung: Installation, Projekt und Beschriftungsrichtlinie

    • Installation per Docker auf einem Server im Firmennetz, lauffähig ohne Grafikkarte
    • Ein Projekt einrichten und eine Richtlinie mit Klassen, Abgrenzungen und Beispielen festlegen
    • Mehrere Bearbeiter einsetzen, Übereinstimmung zwischen ihnen messen und Qualität sichern
    • Beschriftungen in gängige Formate wie JSON oder CSV exportieren
    • Übung: Ein Testprojekt anlegen, zehn Beispiele beschriften und das Ergebnis exportieren
  3. Teil 3

    Einheit 3 – Anwendungsfall: Ein Datenbestand aus Ihrem Haus

    • Mitgebrachte Daten, etwa Prüfbilder aus der Fertigung oder Störmeldungen, werden beschriftet
    • Zweifelsfälle sammeln, gemeinsam entscheiden und die Richtlinie daraufhin präzisieren
    • Am Ende steht ein exportierter Datensatz, der sich für ein Modell auswerten lässt
    • Übung: Ihren Bestand nach der überarbeiteten Richtlinie beschriften und die Abweichungen besprechen
  4. Teil 4

    Einheit 4 – Absicherung: Personenbezug, Aufwand, Recht und Betriebskosten

    • Personenbezug in Trainingsdaten erkennen, etwa Gesichter, Namen oder Kennzeichen, und vorher entfernen
    • Beschriftungsaufwand vor Projektstart hochrechnen: Zeit je Beispiel, Anzahl, Prüfdurchgänge
    • Betriebsrat, Datenschutzbeauftragte und die Vorgaben der KI-Verordnung rechtzeitig einbeziehen
    • Monatliche Ausgaben für Server, Arbeitszeit und gegebenenfalls Lizenz sowie Ausstieg mit Komplettexport
  5. Teil 5

    Einheit 5 – Verankerung: Beschriftung als geregelte Aufgabe

    • Verantwortung für Richtlinie, Benutzerkonten und Server einer Person zuordnen
    • Richtlinien und Projektkonfigurationen mit Versionsstand für das Team ablegen
    • Abbruchkriterien: zu wenige eindeutige Beispiele, dauerhaft geringe Übereinstimmung der Bearbeiter
    • Den nächsten Beschriftungsabschnitt planen und Personentage dafür veranschlagen

VoraussetzungenEin Server oder Rechner mit Docker und ein eigener Datenbestand. Programmierkenntnisse werden nicht benötigt.

AbschlussTeilnahmezertifikat und digitales Badge

Thema anfragen