Neuronale Netzwerk-Strukturen auf einer Leiterplatte

Artificial Intelligence für Schweizer Unternehmen

Wir bauen KI-Systeme, die Ihre Daten in konkrete Entscheidungen verwandeln. Kein Hype, keine Buzzwords. Nur Modelle, die im Alltag funktionieren.

Projekt besprechen
147
Modelle im Produktivbetrieb
98,3 %
Durchschnittliche Genauigkeit
2,4 Mrd.
Datensätze verarbeitet
38
Branchen abgedeckt

Was wir konkret tun

Jedes Projekt beginnt mit Ihren Daten und endet mit einem System, das ohne uns weiterläuft.

Datenanalyse und Aufbereitung

Rohdaten aus ERP, CRM oder IoT-Sensoren bereinigen wir, verknüpfen sie und machen sie modellierbar. Typische Laufzeit: zwei bis vier Wochen, je nach Quellenanzahl.

Computer Vision

Qualitätskontrolle in der Fertigung, Erkennung von Defekten auf Oberflächen, automatisierte Zählung: Unsere Bilderkennungsmodelle laufen auf Edge-Geräten mit unter 50 ms Latenz.

Sprachverarbeitung (NLP)

Kundenanfragen automatisch klassifizieren, Verträge zusammenfassen, Stimmungsanalysen auf Social-Media-Daten: Wir trainieren Sprachmodelle auf Deutsch, Französisch und Italienisch, abgestimmt auf Schweizer Terminologie.

Prognosemodelle

Absatzvorhersagen, Ausfallwahrscheinlichkeiten, Nachfragesteuerung: Unsere Zeitreihenmodelle liefern Prognosen für 7 bis 90 Tage, aktualisiert in Echtzeit.

MLOps und Deployment

Ein Modell, das nur im Notebook läuft, bringt nichts. Wir deployen auf Kubernetes, überwachen Drift und retrainieren automatisch, wenn die Genauigkeit unter den Schwellenwert fällt.

So läuft ein Projekt bei uns ab

Vom ersten Gespräch bis zum laufenden System vergehen in der Regel 8 bis 14 Wochen.

Daten-Workshop (Woche 1)

Wir setzen uns mit Ihrem Team zusammen und schauen uns an, welche Daten vorhanden sind, wo sie liegen und was daraus werden soll. Kein PowerPoint-Marathon. Am Ende steht ein konkreter Projektplan mit Meilensteinen.

Datenaufbereitung (Woche 2–4)

Ihre Daten werden bereinigt, verknüpft und in ein Format gebracht, das sich modellieren lässt. Fehlende Werte, Duplikate, Formatprobleme: Alles wird dokumentiert und gelöst, bevor das Training beginnt.

Modellentwicklung (Woche 4–8)

Wir testen verschiedene Architekturen, von Gradient Boosting bis Transformer, und wählen diejenige, die auf Ihren Daten die beste Leistung bringt. Jede Iteration wird mit Ihnen besprochen.

Integration und Deployment (Woche 8–12)

Das fertige Modell wird in Ihre bestehende Infrastruktur integriert. API, Batch-Pipeline oder Edge-Gerät: Wir richten uns nach Ihrem Stack. Monitoring und Alerting laufen ab Tag eins.

Übergabe und Wartung (ab Woche 12)

Ihr Team erhält eine Schulung, die Dokumentation und Zugang zum Monitoring-Dashboard. Auf Wunsch übernehmen wir die laufende Wartung und das Retraining im Quartalsrhythmus.

Ausgewählte Projekte

Drei Beispiele, die zeigen, was unsere Modelle im Alltag leisten.

Kamerabasierte Qualitätskontrolle in einer Fabrik

Oberflächeninspektion für einen Zulieferer

Ein Automobilzulieferer aus dem Raum Basel hatte eine Ausschussrate von 4,2 %. Unser Computer-Vision-Modell erkennt Kratzer ab 0,3 mm Breite und hat die Rate auf 0,7 % gesenkt. Das System verarbeitet 120 Teile pro Minute.

Computer Vision
Datenanalyst vor Prognose-Dashboards

Nachfrageprognose für einen Onlinehändler

Der Kunde wollte seine Lagerbestände um 20 % reduzieren, ohne Lieferengpässe zu riskieren. Unser Modell prognostiziert die Nachfrage pro SKU für 14 Tage im Voraus. Ergebnis: 23 % weniger Lagerbestand, null Stockouts im ersten Halbjahr.

Zeitreihenanalyse
Kundenservice mit KI-Chatbot-Unterstützung

Ticket-Klassifikation für eine Versicherung

Rund 8 000 Support-Tickets pro Monat wurden manuell sortiert. Unser NLP-Modell ordnet jedes Ticket in unter 200 ms der richtigen Abteilung zu. Die Erstlösungsquote stieg von 61 % auf 84 %.

NLP

Häufig gestellte Fragen

Brauchen wir grosse Datenmengen, um zu starten?
Nicht unbedingt. Bei tabellarischen Daten reichen oft einige tausend Zeilen für ein erstes Modell. Bei Bilddaten setzen wir Transfer Learning ein, sodass bereits 500 gelabelte Bilder zu brauchbaren Ergebnissen führen. Wir klären im Workshop, ob Ihre Datenbasis ausreicht.
Wo laufen die Modelle?
Standardmässig auf Ihrer eigenen Infrastruktur oder in einer Schweizer Cloud. Wir arbeiten mit Azure Switzerland North, AWS eu-central und On-Premise-Servern. Sensible Daten verlassen die Schweiz nicht.
Was kostet ein typisches Projekt?
Ein Proof of Concept beginnt bei CHF 15 000. Ein produktionsreifes System liegt je nach Komplexität zwischen CHF 40 000 und 150 000. Wartungsverträge rechnen wir quartalsweise ab. Im Workshop erhalten Sie eine verbindliche Offerte.
Wie stellt ihr sicher, dass das Modell fair bleibt?
Wir prüfen jedes Modell auf Bias anhand definierter Metriken wie Equalized Odds und Demographic Parity. Die Ergebnisse dokumentieren wir in einem Model Card, das Sie zusammen mit dem Modell erhalten. Wenn ein Modell diskriminiert, geht es nicht in Produktion.
Können wir das Modell später selbst weiterentwickeln?
Ja. Sämtlicher Code, alle Trainingspipelines und die Dokumentation gehören Ihnen. Wir arbeiten in Ihrem Git-Repository und schulen Ihr Team im Umgang mit den Pipelines. Vendor Lock-in gibt es bei uns nicht.

Projekt besprechen

Beschreiben Sie kurz, worum es geht. Wir melden uns innerhalb von zwei Arbeitstagen.

Direkter Kontakt

3237 Hirschengraben, 4051 Basel, Basel-Stadt, Switzerland

Telefon: +41 61 601 04 57

E-Mail: [email protected]

Luftaufnahme von Basel am Rhein