Mehr Wirkung durch bessere Daten: Was moderne ML-Projekte wirklich brauchen

++++ Folge 1: Mehr Wirkung durch bessere Daten: Was moderne
ML-Projekte wirklich brauchen++++ (english below) In dieser Folge
spricht Eric Joachim Liese über die wahren Erfolgsfaktoren moderner
Machine-Learning-Projekte. Statt sich monatelang mit
Modelloptimierung aufzuhalten, rät er zu einem datengetriebenen
Ansatz: bessere Datenqualität, gezieltes Labeling mit Active
Learning, sowie ein klarer Fokus auf Operationalisierung und MLOps.
Wir beleuchten typische Herausforderungen in deutschen Unternehmen,
den Wandel vom Data Scientist zum ML Engineer und wie sich durch
moderne Infrastruktur Use Cases schneller und skalierbarer umsetzen
lassen. Ein Gespräch für alle, die KI nicht nur diskutieren,
sondern wirklich produktiv machen wollen. ++++ english ++++ In this
episode, Eric Joachim Liese shares key insights on how to make
machine learning impactful in real business environments. Rather
than over-optimizing models, he advocates a shift toward data
quality, Active Learning for smarter labeling, and structured MLOps
to accelerate delivery. The discussion covers organizational gaps,
cultural blockers in German companies, and the evolving role of ML
engineers. Learn how to move from experimentation to execution –
and how the right infrastructure enables faster, repeatable, and
scalable AI use cases.