Agiles Projektmanagement ist ein iterativer Ansatz zur Planung und Verwaltung eines Projekts. Bei anderen Projektmanagement-Ansätzen in der Softwareentwicklung, wie zum Beispiel dem Wasserfallmodell, ermittelt man typischerweise alle Anforderungen im Voraus und plant ein Projekt akribisch von Anfang bis Ende.

Im Gegensatz dazu wird beim agilen Projektmanagement der Projektplan nicht in Stein gemeißelt. Stattdessen zerlegt man das Projekt in Teile und setzt Ziele, die in kleinen Etappen erreicht werden können, die wiederum zwischen einem Tag und mehreren Wochen dauern können. Auf diese Weise wird das Projekt schrittweise entwickelt und kann häufig getestet und angepasst werden, um auf diese Weise allfällige neue Anforderungen zu ermitteln. 

Agiles Projektmanagement hat sich als ein äußerst nützlicher Ansatz bei der Umsetzung von Machine Learning-Projekten erwiesen. Der Hauptvorteil des agilen Projektmanagements ist, dass es sehr flexibel ist und daher unvorhergesehene Änderungen, Risiken oder Probleme, die während eines Projekts auftreten können, berücksichtigen kann. Das ist der richtige Aufbau für Machine Learning-Projekte, in denen – im Gegensatz zu Projekten in anderen Bereichen – Ungewissheiten inhärent sind. Es gibt viele Dinge, die man im Vorfeld nicht weiß.

Zum Beispiel die Antworten auf folgende Fragen: Wie gut ist die Datenqualität? Kann der Prozess mit diesen Daten vorhergesagt werden? Sind die Modelle ausgereift genug, um ihre Ziele zu erfüllen? Mit agilem Projektmanagement lassen sich Antworten auf diese unvorhergesehenen Fragen beantworten und auch andere Probleme leichter lösen.