Datenanalyse und Audit
Bevor wir ein Modell trainieren, prüfen wir Ihre Daten auf Qualität, Vollständigkeit und Bias. Ein typisches Audit dauert zwei bis drei Wochen. Am Ende steht ein klarer Bericht: was möglich ist, was fehlt, was es kosten wird.
0
abgeschlossene Projekte
0
Branchen abgedeckt
0
Modelle in Produktion
0
Monate Ø bis Go-live
Was wir konkret tun
Jede Leistung endet mit einem lauffähigen System, nicht mit einem Bericht.
Modellentwicklung
Wir entwickeln Klassifikations-, Regressions- und generative Modelle. Unsere Ingenieure arbeiten mit PyTorch, TensorFlow und JAX, je nachdem, was zum Problem passt. Kein Framework-Dogma.
NLP und Textverarbeitung
Vertragsanalyse, Kundenfeedback-Klassifikation, automatische Zusammenfassungen. Wir setzen grosse Sprachmodelle dort ein, wo sie wirklich Arbeit abnehmen, und trainieren domänenspezifische Modelle, wenn generische APIs nicht reichen.
Computer Vision
Qualitätskontrolle in der Fertigung, medizinische Bildanalyse, Objekterkennung für Logistik. Unsere Vision-Pipelines verarbeiten Bilder und Video in Echtzeit, on-premise oder in der Cloud.
MLOps und Produktionsintegration
Ein Modell im Jupyter-Notebook nützt niemandem. Wir bauen CI/CD-Pipelines, Monitoring-Dashboards und automatische Retraining-Zyklen. Ihr Modell bleibt aktuell, ohne dass Ihr Team Nachtschichten einlegen muss.
So läuft ein typisches Projekt ab
Woche 1–2: Problemdefinition
Wir sprechen mit Ihren Fachleuten, nicht nur mit der IT. Was genau soll das Modell vorhersagen, erkennen oder generieren? Welche Daten existieren bereits? Wo liegen die Lücken? Am Ende dieser Phase steht ein Scope-Dokument mit klaren Erfolgskriterien.
Woche 3–5: Datenaufbereitung
Rohdaten werden bereinigt, annotiert und in trainierbare Formate gebracht. Dieser Schritt frisst in den meisten KI-Projekten 60 % der Zeit. Wir unterschätzen ihn nicht.
Woche 6–12: Modellentwicklung und Validierung
Iteratives Training mit wöchentlichen Ergebnis-Reviews. Sie sehen jede Woche, wo die Metriken stehen, und können Prioritäten anpassen. Kein Wasserfall.
Woche 13–18: Integration und Rollout
Das fertige Modell wird in Ihre bestehende Systemlandschaft eingebettet, ob ERP, CRM oder eigene Plattform. Wir liefern API-Endpunkte, Dokumentation und Schulung für Ihr Team.
Danach: Monitoring und Wartung
Modelle degradieren über Zeit, weil sich Daten verändern. Unser Monitoring erkennt Drift automatisch und löst Retraining-Jobs aus. Sie erhalten monatliche Performance-Reports.
Warum Unternehmen mit uns arbeiten
01
Lokale Präsenz
Unser Büro liegt in Zürich. Workshops, Reviews und Schulungen finden vor Ort statt, wenn Sie das wünschen. Zeitzonenprobleme gibt es bei uns nicht.
02
Branchenkenntnis
Wir haben Modelle für Versicherungen, Pharma, Fertigung und Finanzdienstleister gebaut. Jede Branche hat eigene Datenstrukturen und regulatorische Anforderungen. Wir kennen sie.
03
Festpreise ab Phase 2
Nach dem initialen Audit bieten wir Festpreise an. Kein offenes Time-and-Material, bei dem die Rechnung wächst, ohne dass jemand es bemerkt.
04
Wissenstransfer
Ihr Team soll das Modell verstehen und betreiben können. Wir dokumentieren alles und schulen Ihre Entwickler, damit Sie nicht dauerhaft von uns abhängig sind.
Häufig gestellte Fragen
Nicht unbedingt. Für manche Aufgaben reichen einige hundert gut annotierte Beispiele. Transfer Learning und Few-Shot-Methoden erlauben es, vortrainierte Modelle mit wenig eigenen Daten anzupassen. Im Audit klären wir, ob Ihre Datenlage ausreicht oder ob wir zuerst eine Sammelstrategie aufsetzen müssen.
Das Daten-Audit beginnt bei CHF 8 000. Ein vollständiges Projekt mit Modellentwicklung und Integration liegt erfahrungsgemäss zwischen CHF 45 000 und CHF 180 000, abhängig von Komplexität und Datenvolumen. Wir nennen Ihnen nach dem Audit einen verbindlichen Festpreis.
Ja. Wir deployen auf AWS, Azure, GCP oder on-premise. Wenn Sie bereits eine Kubernetes-Umgebung betreiben, integrieren wir uns dort. Wir drängen Ihnen keine Plattform auf.
Personenbezogene Daten bleiben in Ihrer Infrastruktur. Wir arbeiten mit anonymisierten oder pseudonymisierten Datensätzen. Bei Bedarf setzen wir Differential Privacy oder Federated Learning ein, damit sensible Daten das Unternehmen nie verlassen.
Wir bieten Wartungsverträge mit monatlichem Monitoring, automatischem Retraining und Incident-Support. Die meisten Kunden entscheiden sich für einen 12-Monats-Vertrag, der quartalsweise kündbar ist.
Lassen Sie uns über Ihr Projekt sprechen
Beschreiben Sie kurz, was Sie vorhaben. Wir melden uns innerhalb von zwei Arbeitstagen.
