Das hängt von der Ausgangslage ab: Wie viele Datenquellen gibt es? Wie ist die Datenqualität? Welche Infrastruktur existiert? Typischerweise gliedert sich ein solches Projekt in Phasen: Datenexpedition und Konsolidierung, explorative Analyse, KI-Modellentwicklung, Oberflächenentwicklung und Produktivbetrieb.

Entscheidend ist, dass jede Phase eigenständigen Wert liefert. Die explorative Analyse liefert bereits Erkenntnisse, bevor das erste KI-Modell steht. Die konsolidierte Datenbasis ist ein Gewinn, auch unabhängig von der Vertriebsoberfläche. Pragmatismus schlägt Perfektion: Lieber mit verfügbaren Daten starten und iterativ verbessern, als auf die perfekte Datenlage zu warten.