Entwicklung eines prädiktiven KI-Modells für einen Anbieter von Talent-Technologien

Herausforderung

Der Kunde, ein aufstrebender Anbieter von Talent-Technologien in Nord- und Südamerika, plante die Entwicklung eines eigenständigen KI-Produkts namens Retain, das das Mitarbeiter*innenengagement auf Basis gesammelter Daten misst.

Das Unternehmen definierte Kriterien zur Bewertung von Nutzer*innenengagement und -bindung und stellte entsprechende Testdaten bereit. Im nächsten Schritt wandte sich der Kunde an Edvantis, um ein maßgeschneidertes, prädiktives KI-Modell zu entwickeln. Auf Grundlage relevanter Datensätze sollte das Modell automatisch Loyalität, Bindung und Engagement von Mitarbeiter*innen messen.

Teamgröße und Zusammensetzung

Basierend auf den Anforderungen des Kunden und den Projektzielen stellte Edvantis ein Team aus Data-Science-Spezialist*innen zusammen, das in der Lage war, innerhalb kurzer Zeit ein qualitativ hochwertiges und umfassend getestetes KI-Modell zu liefern. Das Team setzte sich aus folgenden Rollen zusammen:

• Team Lead
• Data-Science-Expert*innen
• Python Engineers
• IT-Operations-Spezialist*innen

Lösung

Im Rahmen des Projekts war Edvantis verantwortlich für die Teamzusammenstellung, die Auswahl des optimalen Technologie-Stacks, die Definition der Methodik sowie die termingerechte Umsetzung innerhalb des festgelegten Scopes und Budgets. Zu den erreichten Meilensteinen zählten:

• Aufbereitung und Analyse der vorhandenen Datensätze sowie Strukturierung der internen Informationsinfrastruktur des Kunden
• Entwicklung eines maßgeschneiderten prädiktiven Modells zur Prognose der Mitarbeiter*innenzufriedenheit auf Basis täglicher Interaktionen. Durch den Einsatz komplexer statistischer Modelle entstand eine KI-Lösung zur Vorhersage von Mitarbeiter*innenloyalität, Engagement und Bindung.

Zur verlässlichen Einhaltung von Zeit- und Budgetvorgaben empfahl Edvantis ein Festpreis-Projektmodell. Innerhalb von etwas mehr als drei Monaten erhielt der Kunde ein robustes KI-Modell, das direkt auf die eigene Nutzer*innenbasis angewendet werden konnte. Alle Projektphasen wurden gemäß bewährter Entwicklungspraktiken, definierter Testprozesse und geltender Sicherheitsstandards umgesetzt.