1. Dezember 2020

Organisieren Sie Ihr Team für Innovation

Mitwirkende
Robbe Sneyders
Leitender ML-Ingenieur
Keine Artikel gefunden.
Newsletter abonnieren
Diesen Beitrag teilen

Einführung

Vor kurzem erhielten wir die erfreuliche Nachricht, dass ML6 bei den renommierten Data News Awards for Excellence den Preis "AI Innovator of the Year" 2020 gewonnen hat. Mit dieser Auszeichnung werden IT-Unternehmen gewürdigt, die bei der Entwicklung von Innovationen und der Einführung von Technologien der künstlichen Intelligenz den Trend setzen. Die Jury würdigte insbesondere unsere Fähigkeit, gemeinsam mit unseren Kunden innovativ zu sein, worauf wir sehr stolz sind.

Um unsere Auszeichnung zu feiern, möchten wir Ihnen einige Einblicke geben, wie wir die Innovation bei ML6 fördern. Jeder bei ML6 arbeitet jeden Tag hart, um sicherzustellen, dass wir an der Spitze der Innovation bleiben und einen Mehrwert für unsere Kunden schaffen. Es ist zwar schwer, diesen Geist in Worte zu fassen, aber wir werden unser Bestes versuchen. Um den Umfang dieses Beitrags zu begrenzen, werden wir uns hauptsächlich auf unser Lieferteam konzentrieren, aber wir freuen uns auf ein Gespräch mit allen, die mehr wissen möchten!

Intelligenz beschleunigen

Bevor wir in unsere Organisationsstruktur eintauchen, möchten wir einen klaren Überblick über die Denkweise und die wichtigsten Grundsätze geben, die ihr zugrunde liegen. Wir sind der Meinung, dass diese am wichtigsten sind, um richtig zu arbeiten. Es gibt keinen Königsweg, wenn es um Organisationsstrukturen geht. Es kommt darauf an, Ihre Werte in etwas zu übersetzen, das für Ihr spezifisches Unternehmen funktioniert und von den Menschen in Ihrem Unternehmen unterstützt wird.

Bild für Beitrag
Die ML6-Vision

Beginnen wir mit unserer Unternehmensvision: Beschleunigung der Intelligenz. Wenn man im Bereich der künstlichen Intelligenz arbeitet, nimmt man verständlicherweise an, dass dies die Intelligenz ist, auf die sich unsere Vision bezieht, aber in Wirklichkeit geht sie weit darüber hinaus. Einerseits wollen wir die Intelligenz beschleunigen und durch den strategischen Einsatz innovativer Technologie einen Mehrwert für unsere Kunden schaffen. Andererseits wollen wir die Intelligenz intern beschleunigen, indem wir unseren Mitarbeitern Möglichkeiten zur Weiterentwicklung bieten. Zusammen ergibt dies ein sich beschleunigendes Schwungrad, das wir so schnell wie möglich in Gang bringen wollen.

Wir glauben, dass Innovation nicht erzwungen werden kann, sondern gefördert werden muss. Menschen brauchen ein Umfeld, in dem sie experimentieren, scheitern und wachsen können. Ein Umfeld, das ihre Bedürfnisse unterstützt, von spannenden und herausfordernden Projekten mit großer Wirkung über ein Team von Experten, mit denen sie sich austauschen und von denen sie lernen können, bis hin zu einem Coaching, bei dem der Mensch im Mittelpunkt steht. Ein Umfeld mit minimaler Regulierung, um Freiheit zu ermöglichen, aber maximaler Klarheit, um eine effiziente Zusammenarbeit zu ermöglichen. Um die Definition von Netflix aufzugreifen: Wir wollen Kontext bieten , nicht Kontrolle.

Außerdem sind wir der Meinung, dass Innovation nicht nur für einige wenige Glückliche reserviert sein sollte, sondern Teil der DNA jedes Einzelnen in unserem Unternehmen sein sollte. Aus diesem Grund haben wir kein separates Innovationsteam, sondern integrieren Innovation in unser gesamtes Unternehmen. Das fängt bei der Einstellung an, wo wir uns nicht auf nachgewiesene Erfahrung, sondern auf das Wachstumspotenzial konzentrieren, und setzt sich fort. Wir organisieren viele unternehmensweite Veranstaltungen und Initiativen, an denen sich jeder beteiligen kann. Das reicht von Brainstormings zu spezifischen Anwendungsfällen oder Geschäftsmöglichkeiten bis hin zu unseren jährlichen Weihnachtsprojekten, bei denen wir unser Unternehmen über die Feiertage für zwei Wochen schließen, damit die Mitarbeiter an innovativen Projekten ihrer Wahl mitarbeiten können. Wenn Sie uns auf Veranstaltungen getroffen haben oder in einem unserer Büros waren, haben Sie vielleicht schon einige Demos dieser Projekte gesehen, wie z. B. unseren intelligenten Spiegel, die Spielhalle mit Verstärkungslernen oder die selbstfliegende Drohne.

Aber natürlich wird eine zweiwöchige Spielzeit vor der Rückkehr zur Tagesordnung nicht auf magische Weise Innovation schaffen. Es ist notwendig, diese Werte das ganze Jahr über zu fördern, und deshalb haben wir sie in unsere Organisationsstruktur integriert.

Die Liefereinheit

ML6 ist in selbststeuernden Einheiten organisiert, von denen jede ihren eigenen Zweck hat, der von allen Mitgliedern geteilt wird. Wir werden nicht im Detail auf die verschiedenen Einheiten und ihre Zusammenarbeit eingehen, aber um Ihnen eine Vorstellung zu vermitteln, gibt es unter anderem eine Geschäftsentwicklungseinheit, die sich auf die Suche nach neuen Kunden und Projekten konzentriert, eine Personaleinheit, die sich auf alles konzentriert, was mit Menschen zu tun hat, und eine Liefereinheit, auf die wir uns hier konzentrieren werden. Die Aufgabe der Delivery Unit ist es, für unsere Kunden einen Mehrwert zu schaffen, indem wir unsere Projekte mit höchster Qualität abliefern und über die neuesten Entwicklungen in diesem Bereich auf dem Laufenden bleiben.

Als ML6 noch kleiner war, war es einfach, den Überblick über die verschiedenen laufenden Projekte und das Fachwissen der einzelnen Mitarbeiter zu behalten. Die Planung der Projekte konnte mit nahezu perfekten Informationen erfolgen und der Wissensaustausch war so einfach, wie die richtige Person um Hilfe zu bitten. Doch als ML6 weiter wuchs, wurde schnell klar, dass dieser Ansatz nicht skalierbar war. Um diese Wachstumsschwierigkeiten zu beheben, ließen wir uns vom Spotify-Modell inspirieren und organisierten die Liefereinheit in Trupps und Kapiteln.

Das Spotify-Modell war zwar eine große Inspiration, aber es ist wichtig zu wissen, dass wir es nicht einfach kopieren konnten, sondern es als Input für die Entwicklung unseres eigenen Organisationsmodells nutzten, das zu unserem einzigartigen Kontext und unserer Kultur passt. Ein großer Unterschied zu Spotify ist, dass wir ein Dienstleistungsunternehmen und kein Produktunternehmen sind, was eine ganz andere Dynamik, Schwierigkeiten und Chancen mit sich bringt. Es gibt kein zentrales Produkt, das die verschiedenen Teams zusammenhält, und jedes Projekt hat direkte externe Stakeholder, aber auf der anderen Seite gibt es viele Möglichkeiten für die Mitarbeiter, Verantwortung zu übernehmen und an einer Vielzahl interessanter Anwendungsfälle und Technologien zu arbeiten.

Bild für Beitrag
Produktunternehmen (links) vs. ML6 (rechts)

In den vergangenen Jahren haben wir dieses Modell mehrfach überarbeitet, um etwas zu finden, das für uns funktioniert. Etwas, das diese Schwierigkeiten in Vorteile verwandelt und uns erlaubt, unsere Chancen zu nutzen. Wir werden auch weiterhin iterieren, um unsere Organisation weiter zu verbessern, während wir wachsen und uns an die sich ständig ändernden Umstände anpassen. Aber für den Moment werden wir eine Momentaufnahme des aktuellen Stands diskutieren.

Kader

Der erste Teil unseres Modells sind die Squads. Squads sind selbststeuernde, multidisziplinäre Teams von etwa 10 Personen, die sich darauf konzentrieren, ihre Projekte mit höchster Qualität zu liefern. Sie sind eine Kombination aus Projektmanagern und Ingenieuren für maschinelles Lernen, Software und Daten, die es ihnen ermöglicht, Projekte von Anfang bis Ende zu liefern. Jedes Projekt innerhalb von ML6 gehört genau einem Team, und jedes Team hat ein Portfolio von Projekten, die sie als Team bearbeiten und liefern. Oft arbeiten die Mitarbeiter in ihrem Team an mehreren Projekten gleichzeitig, so dass sie ihre Fähigkeiten projektübergreifend einsetzen können.

Damit die Teams optimale Leistungen erbringen können, haben sie Entscheidungsbefugnis über ihre eigenen Projekte, Planung und Einstellung. Dies ermöglicht einen dezentralen Ansatz bei der Planung und Projektdurchführung, der es uns ermöglicht, horizontal statt vertikal zu skalieren, und der jedem Mitarbeiter von ML6 die Verantwortung für die Projekte überträgt, an denen er arbeitet.

Die Arbeit in Teams ermöglicht es uns, unsere Projekte auf agile Weise durchzuführen. Kleine Teams verhindern Bürokratie und ermöglichen eine schnelle Entscheidungsfindung, was uns erlaubt, schnell zu handeln und gemeinsam mit unseren Kunden innovativ zu sein. Gleichzeitig können sich unsere Teams auf die Unterstützung der gesamten ML6-Organisation verlassen, was Größenvorteile mit sich bringt. Eine der wichtigsten Formen der Unterstützung für unsere Teams sind die Chapter.

Kapitel

Kapitel sind der zweite Teil unseres Modells. Dabei handelt es sich um abteilungsübergreifende Expertenteams, die sich auf einen bestimmten technischen Bereich konzentrieren. Wir haben Kapitel, die sich auf "vertikale" Bereiche des maschinellen Lernens konzentrieren, wie z. B. unser NLP-Kapitel (sehen Sie sich ihr neuestes Tool an: einen niederländischen GPT2-Textgenerator), und Kapitel, die sich auf "horizontale" Bereiche konzentrieren, wie z. B. unser Kapitel "Maschinelles Lernen in der Produktion". Während wir wachsen, werden wir die Abdeckung unserer Kapitel auf neue Bereiche und Technologien ausweiten.

Bild für Beitrag
Trupps und Kapitel

Eines der Hauptziele der Chapter ist es, den Wissensaustausch zwischen den Squads zu ermöglichen. Das Wissen, das wir im Rahmen von Projekten in einem Team erlangen, wird an das Kapitel weitergeleitet, das alles Wissen, das mit seinem Bereich verbunden ist, zusammenfasst und allen zur Verfügung stellt.

Natürlich sind unsere Projekte nicht die einzige Wissensquelle für unsere Fachgruppen. Sie verfolgen den Stand der Technik in ihrem Bereich, indem sie neue Werkzeuge und Veröffentlichungen erforschen, und führen ihre eigene angewandte Forschung in speziellen Forschungsprojekten durch, oft in Zusammenarbeit mit anderen Unternehmen und Universitäten. Sie leiten auch Praktika und Abschlussarbeiten an, bieten eine Spielwiese für Studenten und erhalten im Gegenzug Wissen.

Dieses Wissen wird dann mit Hilfe von internen Werkzeugen, Beispielen, Best Practices und Vorträgen an alle weitergegeben. Die Chapter unterhalten eine breite Palette interner Repositories mit Standardcode, Beispielen und Dokumentationen, die uns einen Vorsprung bei jedem neuen Projekt verschaffen. In jedem Quartal werden diese Materialien und die Forschungsarbeiten der Chapter in einer Reihe von Vorträgen und Workshops auf unserer Chapter-Konferenz vorgestellt. Es ist zwar unmöglich, sich einzeln über die Fortschritte in den verschiedenen Bereichen des maschinellen Lernens auf dem Laufenden zu halten, aber diese Konferenzen helfen uns, gemeinsam auf dem Laufenden zu bleiben.

Nicht alles Wissen kann jedoch in Materialien erfasst werden, oder es wäre zumindest extrem schwierig und ineffizient. Außerdem ist es jetzt, da ML6 stark gewachsen ist, viel schwieriger, das Fachwissen aller Beteiligten zu kennen und deren Beiträge einzuholen. Unsere Chapter bieten daher auch eine klare Anlaufstelle für alle fachlichen Fragen, so dass es einfacher ist, mit den richtigen Personen Kontakt aufzunehmen. Auf diese Weise können die Chapter-Experten sowohl unsere Projekte als auch die Vertriebsbemühungen in ihrem Bereich unterstützen. Da jeder in der Delivery Unit sowohl einem Squad als auch einem Chapter angehört, gibt es ein verteiltes Wissensnetzwerk, und die Wege, die Informationen zurücklegen müssen, sind kurz, was einen schnellen Fluss von Chapter-Innovationen zu Squads, Projekten und Kunden ermöglicht.

Fazit

Wir glauben, dass wir mit dieser Struktur ein Umfeld geschaffen haben, in dem wir gemeinsam mit unseren Kunden innovativ sein können. Ein Umfeld, das unseren Mitarbeitern sowohl Freiheit als auch Anleitung bietet, um die besten Entscheidungen bei der Durchführung ihrer Projekte zu treffen. Die Squads und Chapters haben jeweils ihre eigenen Ziele, könnten aber ohne einander nicht funktionieren. Gemeinsam bilden sie ein Wissensnetz, das es uns ermöglicht, die Intelligenz zu beschleunigen.

Verwandte Beiträge

Alle anzeigen
Keine Ergebnisse gefunden.
Es gibt keine Ergebnisse mit diesen Kriterien. Versuchen Sie, Ihre Suche zu ändern.
Stiftung Modelle
Unternehmen
Unser Team
Verantwortungsvolle und ethische KI
Strukturierte Daten
Chat GPT
Nachhaltigkeit
Stimme und Ton
Front-End-Entwicklung
Schutz und Sicherheit von Daten
Verantwortungsvolle/ethische KI
Infrastruktur
Hardware und Sensoren
MLOps
Generative KI
Verarbeitung natürlicher Sprache
Computer Vision