Woche 1–2: Problemdefinition
Wir sprechen nicht über Algorithmen. Wir sprechen über Ihr Geschäft. Was kostet das Problem heute? Was wäre ein messbares Ziel? Am Ende steht ein zweiseitiges Projektblatt, das beide Seiten unterschreiben.
Artificial Intelligence dort einsetzen, wo sie wirklich zählt
Viele Unternehmen starten KI-Projekte, weil der Begriff gerade überall auftaucht. Das Ergebnis: teure Prototypen, die nie in Produktion gehen. Wir drehen die Reihenfolge um. Zuerst klären wir, ob Ihr konkretes Geschäftsproblem tatsächlich von einem lernenden System profitiert. Erst dann planen wir.
Passt KI zu Ihrem Vorhaben?
Wiederkehrende Entscheidungen
Wenn Ihr Team täglich hunderte ähnliche Entscheidungen trifft, kann ein trainiertes Modell 70-90 % davon übernehmen. Beispiel: Schadensbewertung in der Versicherung, Angebotsklassifikation im Einkauf.
Grosse Datenmengen ohne Struktur
Dokumente, Bilder, Sensordaten: Sobald das Volumen manuelles Durcharbeiten unmöglich macht, liefert maschinelles Lernen Muster, die Menschen übersehen.
Prognosen mit wirtschaftlichem Hebel
Nachfrageprognosen, Wartungsintervalle, Kundenabwanderung. Schon eine Verbesserung der Vorhersagegenauigkeit um fünf Prozentpunkte kann Hunderttausende Franken sparen.
Sprachverarbeitung im Kundenverkehr
E-Mails, Chat-Anfragen, Reklamationen: Ein Sprachmodell kann klassifizieren, zusammenfassen und Antwortvorschläge liefern. Ihr Support-Team bearbeitet dann nur noch die Ausnahmen.
«Wir dachten, wir bräuchten ein riesiges Data-Warehouse. Am Ende reichten 14 Monate Lieferdaten, um unsere Lagerkosten um 18 % zu senken.»
Logistikleiter, mittelständisches Handelsunternehmen in der Romandie
Wie ein KI-Projekt bei uns abläuft
Kein Projekt gleicht dem anderen, aber die Grundstruktur hat sich in über 40 Kundenprojekten bewährt. Hier die typische Zeitachse.
Woche 3–4: Datenprüfung
Wir schauen uns Ihre Daten an. Nicht theoretisch, sondern mit echten Stichproben. Fehlende Felder, Inkonsistenzen, Datenschutzfragen: Alles wird dokumentiert. Oft stellt sich hier heraus, dass die Daten zunächst bereinigt werden müssen. Das ist normal und kein Grund zur Sorge.
Woche 5–8: Prototyp
Ein funktionierendes Modell, das auf einem Ausschnitt Ihrer Daten trainiert ist. Sie sehen konkrete Ergebnisse: Genauigkeit, Fehlerrate, Grenzfälle. Kein Foliensatz, sondern ein lauffähiges System, das Sie selbst testen können.
«Der Prototyp hat uns in vier Wochen gezeigt, was intern in einem Jahr Diskussion nicht gelungen war: ein klares Bild davon, welche Kundensegmente abwanderungsgefährdet sind.»
Marketingleiterin, SaaS-Unternehmen, ZürichWoche 9–14: Produktionsreife
Das Modell wird in Ihre bestehende IT-Landschaft integriert. API-Schnittstellen, Monitoring, automatische Neutrainierung bei Datendrift. Wir arbeiten mit Ihrem IT-Team zusammen, nicht an ihm vorbei.
Ab Woche 15: Betrieb und Weiterentwicklung
KI-Modelle sind keine statischen Produkte. Märkte ändern sich, Daten verschieben sich. Wir bieten Wartungsverträge mit monatlichem Reporting. Oder wir schulen Ihr internes Team, damit es die Modelle selbst pflegen kann.
Unsere Methodik im Vergleich
Drei Ansätze, die wir in der Praxis oft sehen, und wie unser Vorgehen sich unterscheidet.
Drei Bereiche, in denen wir arbeiten
Prädiktive Modelle
Zeitreihenanalyse, Regressionsmodelle, Klassifikation. Wir setzen auf bewährte Frameworks wie scikit-learn, XGBoost und PyTorch, je nachdem, was die Datenstruktur verlangt. Kein Modell verlässt unser Labor ohne Kreuzvalidierung und Erklärbarkeitsanalyse.
Sprachverarbeitung (NLP)
Von der E-Mail-Klassifikation bis zur automatisierten Vertragsanalyse. Wir fine-tunen vortrainierte Sprachmodelle auf Ihre Domäne. Das spart Trainingszeit und liefert Ergebnisse, die generische Modelle nicht erreichen. Ein Beispiel: Ein Rechtsdienstleister in Genf reduzierte die manuelle Vertragsprüfung um 62 %.
Computer Vision
Qualitätskontrolle in der Fertigung, medizinische Bildanalyse, Dokumentenerkennung. Wir arbeiten mit konvolutionalen Netzwerken und Transformer-Architekturen. Wichtig: Wir klären vorab, ob die Bildqualität und -menge für ein zuverlässiges Modell ausreicht.
Was unsere Kunden erreicht haben
Fertigungsunternehmen, Bern
Ausgangslage: 3 % Ausschussrate bei optischer Qualitätskontrolle. Nach Einführung eines Bilderkennungsmodells sank die Rate auf 0,4 %. Die Amortisation der Projektkosten war nach sieben Monaten erreicht.
«Wir hatten Bedenken wegen des Datenschutzes bei der Verarbeitung von Kundendokumenten. Das Team hat ein On-Premises-Setup vorgeschlagen, das alle Anforderungen erfüllte.»
IT-Leiter, Finanzdienstleister, Lausanne
E-Commerce-Plattform, Basel
Ziel: personalisierte Produktempfehlungen ohne Drittanbieter-Tool. Wir haben ein kollaboratives Filtermodell entwickelt, das direkt in die bestehende Shopware-Instanz integriert wurde. Ergebnis: 23 % höhere Konversionsrate bei empfohlenen Produkten.
Häufige Bedenken
Wir haben zu wenig Daten für KI.
Das hören wir oft. In vielen Fällen reichen bereits einige tausend Datensätze für ein erstes Modell. Transfer Learning und vortrainierte Modelle senken die Schwelle erheblich. Wir prüfen das in der Datenphase kostenlos.
Was passiert, wenn das Modell falsche Ergebnisse liefert?
Jedes Modell hat eine Fehlerrate. Entscheidend ist, dass Sie die Fehlerrate kennen und dass das System bei unsicheren Fällen einen Menschen einbezieht. Wir bauen sogenannte Confidence-Schwellen ein: Liegt die Sicherheit unter einem definierten Wert, wird der Fall zur manuellen Prüfung weitergeleitet.
Wie steht es um den Datenschutz?
Wir arbeiten ausschliesslich auf Infrastruktur in der Schweiz oder innerhalb der EU. Personenbezogene Daten werden pseudonymisiert, bevor sie in Trainingsläufe einfliessen. Auf Wunsch setzen wir das gesamte System On-Premises auf.
Was kostet ein typisches Projekt?
Die Problemdefinition und Datenprüfung kosten pauschal CHF 4'800. Der Prototyp beginnt ab CHF 15'000, abhängig von Komplexität und Datenvolumen. Produktionsreife Systeme liegen zwischen CHF 35'000 und CHF 120'000. Jede Phase wird einzeln beauftragt.
Projekt besprechen
Beschreiben Sie kurz, worum es geht. Wir melden uns innerhalb von zwei Werktagen.
Sie erreichen uns auch direkt:
2083 Birkenweg, 1003 Lausanne, Vaud, Schweiz