Duschik, AndreasGoeken, MatthiasKalenborn, AxelFazal-Baqaie, MasudLinssen, OliverVolland, AlexanderYigitbas, EnesEngstler, MartinBertram, Martin2023-11-282023-11-282023978-3-88579-734-01617-5468https://dl.gi.de/handle/20.500.12116/42678In letzter Zeit haben Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) immer mehr an Bedeutung gewonnen und der Reifegrad von KI- und ML-Methoden ist in beeindruckendem Maße gestiegen. Trotzdem scheitern viele Projekte in diesem Bereich, und damit die Entwicklung von konkreten, nützlichen Anwendungen. Ziel dieser Arbeit ist es, empirische Erkenntnisse zu Herausforderungen und Gründen für das Scheitern zu identifizieren und sie entlang der Phasen von Vorgehensmodellen zu einer „Landkarte der Herausforderungen“ aufzubereiten. Angestrebt ist, damit Ansatzpunkte für Weiterentwicklung und Verbesserung von Vorgehensmodellen aufzuzeigendeKünstliche IntelligenzVorgehensmodelleHerausforderungenGründe für ScheiternVorgehen in KI- und ML-Projekten und Gründe für ihr Scheitern. Analyse phasenspezifischer HerausforderungenText/Conference Paper