CRISP-DM: Definition, 6 Phasen und Abgrenzung zu MLOps

CRISP-DM (ausgeschrieben Cross-Industry Standard Process for Data Mining, also branchenübergreifender Standard-Prozess zum Erkennen von Mustern in Daten) ist ein Vorgehensmodell für Datenprojekte mit sechs festen Schritten: Geschäftsziel klären, Daten sichten, Daten aufbereiten, Modell bauen, Modell bewerten und Modell in Betrieb nehmen. Das 1999 veröffentlichte Modell gilt bis heute als der am weitesten verbreitete Rahmen, um Analyse- und KI-Projekte planbar zu machen.

Was ist CRISP-DM?

CRISP-DM entstand ab 1996 in einem europäischen Zusammenschluss aus dem Software-Anbieter SPSS (später Teil von IBM), dem Technologiekonzern NCR, dem Autobauer DaimlerChrysler und dem Versicherer OHRA, gefördert vom EU-Forschungsprogramm ESPRIT. Version 1.0 wurde 1999 veröffentlicht. Ziel war ein Prozess, der unabhängig von Werkzeug, Branche und Fachgebiet funktioniert und Datenprojekte planbar sowie über Organisationen hinweg vergleichbar macht.

Der Prozess umfasst sechs Phasen mit definierten Aufgaben und Deliverables. In Business Understanding werden Geschäftsziele geklärt, Erfolgs-Kriterien festgelegt und das Problem in eine analytische Fragestellung übersetzt. Data Understanding sichtet, beschreibt und exploriert die verfügbaren Daten und dokumentiert Qualität und Lücken. Data Preparation bereinigt, transformiert und integriert Datensätze und konstruiert Features; die Phase bindet regelmäßig 60 bis 80 Prozent des Projektaufwands. Modeling wählt und parametrisiert die Verfahren, trainiert Modelle und definiert Trainings- und Test-Splits. Evaluation bewertet Modelle gegen die Geschäftsziele aus Phase 1 und ergänzt die technischen Metriken um den betriebswirtschaftlichen Blick. Deployment überführt das Modell in den Geschäftsprozess und definiert Monitoring, Wartung und Retraining-Zyklus.

CRISP-DM ist bewusst iterativ. Zwischen Business und Data Understanding sowie zwischen Data Preparation und Modeling sind Rückschritte explizit vorgesehen; der äußere Kreis des Modells symbolisiert den kontinuierlichen Zyklus. Strukturell folgt der Prozess einem hierarchischen Modell mit vier Ebenen: Phasen, generische Aufgaben, spezialisierte Aufgaben und konkrete Prozessinstanzen. Umfragen wie die KDnuggets-Erhebungen 2007 und 2014 sehen CRISP-DM als meistgenutzten Prozess-Standard vor SEMMA, KDD und agilen ML-Methoden. Die offizielle Konsortium-Website wird seit 2007 nicht mehr gepflegt, ein CRISP-DM 2.0 wurde nie fertiggestellt. Der Prozess adressiert die Operationalisierung nach dem Deployment nur oberflächlich und enthält keine Konzepte für Continuous Training, Modell-Monitoring, Drift-Detection oder MLOps-Automatisierung.

Abgrenzung zu verwandten Prozess-Modellen

Modell	Fokus	Kernunterschied
MLOps-Lebenszyklus	Betriebszyklus	MLOps organisiert den Dauerbetrieb mit CI/CD, Feature-Stores und Drift-Detection; CRISP-DM ist ein Projekt-Prozess für die einmalige Erstellung eines Modells.
TDSP (Microsoft, 2016)	Team-Prozess	TDSP übernimmt die CRISP-DM-Phasen und ergänzt Team-Rollen, Standard-Artefakte und Azure-Vorlagen; die operationalisierte Enterprise-Variante.
SEMMA (SAS)	Analytische Schritte	Fünf Phasen (Sample, Explore, Modify, Model, Assess) ohne Business Understanding und Deployment; SAS-nahe Praxis.
KDD (Fayyad et al., 1996)	Forschungs-Prozess	Akademischer Vorläufer mit fünf Schritten; CRISP-DM setzt darauf auf und ergänzt Business Understanding und Deployment für den industriellen Einsatz.
Agile ML / CD4ML	Delivery-Methode	Scrum- und Continuous-Delivery-Prinzipien für ML; ergänzt CRISP-DM als eigene Delivery-Ebene (das Wie), ohne den Was-Rahmen zu ersetzen.

Die wichtigste Trennung verläuft zwischen CRISP-DM und dem MLOps-Zyklus. CRISP-DM strukturiert das Projekt bis zum Deployment; MLOps organisiert den anschließenden Dauerbetrieb aus Monitoring, Retraining und Rollout-Steuerung. Beide ergänzen sich, ersetzen einander aber nicht.

Beispiel: Churn-Prognose nach CRISP-DM

Ein Handelsunternehmen startet ein Projekt zur Churn-Prognose im B2C-Bestandskundengeschäft. In Business Understanding definiert das Projektteam das Ziel (Reduktion der Kundenabwanderung um zwei Prozentpunkte in zwölf Monaten), die Erfolgs-Metrik (Precision@Top-10-Prozent) und den Umfang. Data Understanding sichtet Transaktions-, Servicecall- und Web-Log-Daten aus dem Lakehouse und stellt fest, dass die Servicecall-Daten erst ab 2022 verlässlich sind. Data Preparation baut ein Feature-Set mit 45 Merkmalen auf und dauert acht Wochen. Modeling trainiert einen Gradient-Boosting-Klassifikator und ein einfacheres logistisches Vergleichsmodell. Evaluation zeigt eine Precision@Top-10-Prozent von 34 Prozent, ausreichend für Retention-Kampagnen im Vertrieb. Deployment überführt das Modell als wöchentlichen Batch-Job in den Lakehouse-Betrieb, spiegelt den Score ins CRM und dokumentiert Monitoring und jährliches Retraining im Abnahme-Dokument. Bei der ersten Retraining-Runde entstehen neue Fragen, und der Zyklus beginnt von vorn.