++++ 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.