Serverraum mit grüner LED-Beleuchtung für KI-Systeme

Artificial Intelligence für Ihr Unternehmen

Wir bauen KI-Systeme, die Ihre Geschäftsprozesse messbar beschleunigen. Keine Folien, keine Buzzwords. Funktionierender Code, der Ergebnisse liefert.

Projekt besprechen
0
Abgeschlossene Projekte
0
Ø Modell-Genauigkeit %
0
Eingesparte Arbeitsstunden / Monat
0
Jahre Erfahrung im Team

Was wir konkret tun

Jedes Projekt beginnt mit einer Frage: Welches Problem kostet Sie gerade am meisten Zeit oder Geld? Daraus leiten wir die passende Lösung ab.

Prädiktive Modelle

Wir trainieren Modelle, die Nachfrage, Ausfallwahrscheinlichkeiten oder Kundenverhalten vorhersagen. Datengrundlage: Ihre eigenen Betriebsdaten, keine generischen Datensätze. Typische Trainingszeit liegt bei zwei bis sechs Wochen, abhängig von der Datenmenge.

Dokumentenverarbeitung

Rechnungen, Verträge, Formulare: Unser System extrahiert Felder, klassifiziert Dokumenttypen und leitet sie an Ihr ERP weiter. Ein Versicherungskunde spart damit 14 Stunden pro Woche, die vorher in manuelle Eingabe geflossen sind.

Prozessautomatisierung

Regelbasierte Abläufe, die heute drei Personen beschäftigen, lassen sich oft durch eine Kombination aus ML-Klassifikation und API-Anbindungen ersetzen. Wir integrieren direkt in Ihre bestehende Infrastruktur, ob SAP, Salesforce oder ein selbst gebautes System.

Chatbots und Sprachassistenten

Kundenanfragen automatisch beantworten, Termine buchen, interne Wissensdatenbanken durchsuchen: Wir setzen auf Large Language Models, die wir mit Ihrem Fachwissen feintunen. Die Antwortqualität messen wir in wöchentlichen Reviews gemeinsam mit Ihrem Team.

Datenanalyse und Dashboards

Bevor ein Modell trainiert wird, brauchen Sie Klarheit über Ihre Daten. Wir bauen interaktive Dashboards, die Muster sichtbar machen, Ausreisser markieren und Handlungsempfehlungen geben. Technologien: Python, Plotly, Metabase oder Power BI.

Computer Vision

Qualitätskontrolle in der Produktion, Zählung von Objekten auf Luftaufnahmen oder Gesichtserkennung für Zutrittssysteme: Unsere Bilderkennungsmodelle erreichen bei industriellen Anwendungen regelmässig über 96 % Genauigkeit auf dem Testdatensatz.

Ergebnisse aus der Praxis

Drei Projekte, die zeigen, was mit den richtigen Daten und einem klaren Ziel möglich ist.

Logistik

Lieferzeitprognose für einen Paketdienstleister

Ein Gradient-Boosting-Modell, trainiert auf 2,3 Millionen historischen Sendungen. Die Prognosegenauigkeit stieg von 71 % auf 94 %. Der Kunde konnte dadurch die Anzahl verpasster Zeitfenster um 38 % senken und hat das Modell inzwischen in seine Kunden-App integriert.

Gesundheit

Automatische Befundklassifikation für eine Radiologie-Praxis

Ein Convolutional Neural Network klassifiziert Röntgenbilder in fünf Kategorien. Die Ärzte nutzen es als Vorfilter, nicht als Ersatz. Ergebnis: 22 Minuten weniger Befundungszeit pro Schicht, bei gleichbleibender diagnostischer Sicherheit.

Finanzen

Betrugserkennung für einen Online-Händler

Ein Ensemble aus Random Forest und Anomalieerkennung prüft Transaktionen in Echtzeit. Falsch-positiv-Rate: 0,8 %. Der Händler verhindert damit monatlich Schäden im fünfstelligen Bereich, ohne dass legitime Kunden blockiert werden.

So läuft ein Projekt ab

Vom ersten Gespräch bis zum produktiven System vergehen bei den meisten Projekten acht bis vierzehn Wochen.

Erstgespräch und Datensichtung

Wir schauen uns Ihre Datenquellen an, klären Zugriffsrechte und definieren gemeinsam, welches Ergebnis wirtschaftlich am meisten bringt. Dauer: ein bis zwei Termine, je 60 Minuten.

Machbarkeitsanalyse

Innerhalb von zwei Wochen liefern wir einen Bericht: Datenqualität, erwartbare Modellgenauigkeit, geschätzter Aufwand und eine ehrliche Einschätzung, ob sich das Projekt lohnt. Wenn nicht, sagen wir das.

Modellentwicklung

Iteratives Training mit wöchentlichen Zwischenständen. Sie sehen jede Woche Metriken, nicht erst am Ende. Wir arbeiten mit PyTorch, scikit-learn oder TensorFlow, je nach Aufgabe.

Integration und Deployment

Das fertige Modell wird als API, Microservice oder direkt in Ihre Anwendung eingebaut. Wir liefern Monitoring-Dashboards mit, damit Sie Drift und Performance im Blick behalten.

Betrieb und Weiterentwicklung

Nach dem Go-live bieten wir einen Support-Vertrag an: monatliches Retraining, Fehlerbehebung und Anpassungen, wenn sich Ihre Datenstruktur ändert.

Häufig gestellte Fragen

Das hängt stark vom Anwendungsfall ab. Für tabellarische Vorhersagen reichen oft einige tausend Zeilen. Bilderkennungsmodelle brauchen typischerweise mehrere hundert annotierte Bilder pro Klasse. In der Machbarkeitsanalyse prüfen wir genau, ob Ihre Datenmenge ausreicht.
Die Machbarkeitsanalyse berechnen wir pauschal mit CHF 4 800. Danach richten sich die Kosten nach Umfang: Kleinere Automatisierungsprojekte liegen bei CHF 15 000 bis 40 000, komplexere Systeme mit mehreren Modellen und Integrationen bei CHF 60 000 bis 120 000.
Ja. Wir liefern alle Modelle inklusive Quellcode und Dokumentation. Wenn Ihr Team die nötigen DevOps-Kenntnisse hat, übernehmen Sie den Betrieb komplett. Andernfalls bieten wir Managed Hosting auf Schweizer Infrastruktur an.
Alle Daten bleiben in Rechenzentren in der Schweiz, sofern Sie nichts anderes wünschen. Wir arbeiten mit Exoscale und Infomaniak. Für besonders sensible Daten ist auch ein On-Premises-Setup möglich.
Unbedingt. Einige unserer erfolgreichsten Projekte entstanden mit Firmen unter 20 Mitarbeitenden. Entscheidend ist nicht die Unternehmensgrösse, sondern ob ein konkretes Problem und genügend Daten vorhanden sind.

Analyse anfragen

Beschreiben Sie kurz Ihr Vorhaben. Wir melden uns innerhalb von zwei Arbeitstagen.

Adresse
2470 Melonenstrasse, 1204 Geneva, Geneva, Switzerland

Telefon
+41 22 083 08 08

E-Mail
[email protected]

Luftaufnahme von Genf mit dem Jet d'Eau