Wir bauen KI-Modelle, die sich erklären lassen. Keine Blackbox, keine vagen Versprechen. Stattdessen: messbare Ergebnisse, dokumentierte Entscheidungspfade und ein Team, das seit 2017 nichts anderes macht.
Erstgespräch vereinbaren
Vier Schwerpunkte, die sich in der Praxis bewährt haben. Jeder beginnt mit einer klaren Fragestellung und endet mit einem messbaren Ergebnis.
Wir trainieren Regressionen und Gradient-Boosting-Modelle auf Ihren historischen Daten. Typischer Zeitrahmen: sechs bis acht Wochen bis zum ersten produktionsreifen Modell. Die Ergebnisse liefern wir inklusive Konfidenzintervallen, damit Ihr Risikomanagement damit arbeiten kann.
Bestehende KI-Systeme prüfen wir auf Bias, Fairness und Transparenz. Das Audit folgt dem EU AI Act-Rahmenwerk und dauert je nach Modellkomplexität zwei bis vier Wochen. Am Ende steht ein Bericht mit konkreten Massnahmen, nicht nur eine Risikoliste.
Ohne saubere Daten kein gutes Modell. Wir bauen Pipelines, die Rohdaten aus ERP-, CRM- und IoT-Systemen normalisieren, validieren und in einen Feature Store überführen. Technologie-Stack: Apache Airflow, dbt, BigQuery oder Snowflake, je nach Ihrem bestehenden Setup.
Für Führungsteams, die wissen wollen, wo KI im eigenen Geschäft Sinn ergibt und wo nicht. Wir arbeiten in Workshops mit maximal zwölf Teilnehmenden, analysieren Use Cases und priorisieren nach ROI. Die Schulung dauert zwei Tage; danach hat Ihr Team einen konkreten Fahrplan.
Fünf Phasen, die wir bei jedem Auftrag durchlaufen. Die Reihenfolge ist fix, der Umfang passt sich an.
Im Erstgespräch klären wir, welche Geschäftsfrage beantwortet werden soll. Nicht «wir wollen KI», sondern «wir wollen die Retourenquote um 12 % senken». Dauer: ein bis zwei Termine.
Wir sichten vorhandene Datenquellen, bewerten Qualität und Umfang und identifizieren Lücken. Ergebnis ist ein Daten-Report mit Empfehlungen zur Aufbereitung.
Innerhalb von drei bis vier Wochen entsteht ein funktionierender Prototyp. Wir testen ihn auf einem Validierungsdatensatz und präsentieren die Metriken: Precision, Recall, F1-Score, je nach Aufgabentyp.
Das Modell wird in Ihre bestehende Infrastruktur integriert. Wir nutzen Container-basierte Deployments (Docker, Kubernetes) und richten Monitoring ein, das Modell-Drift erkennt.
Modelle veralten. Deshalb bieten wir Wartungsverträge mit quartalsweisem Retraining an. Die Kosten sind transparent und pro Quartal fixiert.
Zwei Beispiele aus unterschiedlichen Branchen, die zeigen, wie wir arbeiten.
Ein Hersteller von Generika hatte eine Ausschussrate von 4,3 % in der Tablettenproduktion. Wir trainierten ein Bilderkennungsmodell auf 28 000 Aufnahmen der Produktionslinie. Nach sechs Monaten lag die Ausschussrate bei 1,1 %. Das Modell läuft seit 2022 im Dauerbetrieb.
Die Bank verarbeitete täglich 14 000 Transaktionen. Unser Anomalie-Erkennungsmodell (Isolation Forest, kombiniert mit einem LSTM-Netzwerk) reduzierte Fehlalarme um 63 % gegenüber dem regelbasierten Altsystem. Die Integration dauerte elf Wochen.
Antworten, die über das Offensichtliche hinausgehen.
Schreiben Sie uns oder rufen Sie an. Erstgespräche sind kostenlos und dauern rund 30 Minuten.
