Dokumentenanalyse mit NLP
Verträge, Berichte, E-Mails: Unser System extrahiert Schlüsselinformationen aus unstrukturierten Texten. Ein Versicherungskunde verarbeitet damit 1200 Schadensmeldungen pro Tag, wo vorher 15 Sachbearbeiter nötig waren.
Was wir konkret liefern
Jedes Projekt beginnt mit einer Frage: Welche Entscheidung soll die KI verbessern? Erst wenn diese Frage beantwortet ist, schreiben wir Code.
Prognosemodelle
Absatzprognosen, Maschinenausfälle, Kundenabwanderung. Wir trainieren Modelle auf Ihren historischen Daten und validieren sie gegen reale Ergebnisse, bevor sie in Produktion gehen. Typische Genauigkeit bei Absatzprognosen: 89–94 %.
Prozessautomation
Wiederkehrende Aufgaben gehören nicht auf einen Schreibtisch. Wir verbinden KI-Modelle mit bestehenden ERP- und CRM-Systemen über REST-APIs. Ein Logistikkunde hat die Auftragserfassung von 8 Minuten auf 45 Sekunden reduziert.
Computer Vision
Qualitätskontrolle in der Fertigung, Zählung von Objekten in Echtzeit, Analyse medizinischer Bilder. Unsere Modelle laufen auf Edge-Geräten mit unter 50 ms Latenz. Kein Cloud-Zwang, wenn Sie das nicht wollen.
KI-Strategie und Audit
Sie haben Daten, aber keinen Plan? Wir analysieren Ihre bestehende Infrastruktur, identifizieren die drei bis fünf Anwendungsfälle mit dem höchsten ROI und liefern einen technischen Fahrplan. Dauer: zwei Wochen.
So läuft ein Projekt ab
Kein Projekt gleicht dem anderen, aber die Struktur bleibt ähnlich. Transparenz bei jedem Schritt ist uns wichtig.
1. Problemdefinition (Woche 1)
Wir treffen uns bei Ihnen oder per Video. Ziel: verstehen, welche Entscheidung verbessert werden soll, welche Daten vorhanden sind und wo die grössten Hebel liegen. Am Ende steht ein zweiseitiges Briefing.
2. Datenexploration (Woche 2–3)
Wir prüfen Datenqualität, Vollständigkeit und Bias. Oft zeigt sich hier, dass 30 % der Daten bereinigt werden müssen. Das ist normal. Wir dokumentieren jede Transformation.
3. Prototyp (Woche 4–6)
Ein funktionierender Prototyp, den Sie testen können. Keine PowerPoint-Simulation. Das Modell läuft auf echten Daten, und Sie sehen Ergebnisse in einer einfachen Oberfläche.
4. Validierung und Iteration (Woche 7–9)
Wir messen die Modellleistung gegen definierte KPIs. Wenn die Genauigkeit unter dem Zielwert liegt, iterieren wir: andere Features, andere Architektur, mehr Daten.
5. Produktionsintegration (Woche 10–12)
Das Modell wird in Ihre bestehende IT-Landschaft eingebettet. Wir liefern Monitoring-Dashboards, automatische Retraining-Pipelines und eine Dokumentation, die Ihr internes Team versteht.
Branchen, in denen wir arbeiten
Unsere Modelle stecken in Produktionslinien, Arztpraxen und Lagerhallen. Hier eine Auswahl.
Einzelhandel
Immobilien
Fertigung
Gesundheitswesen
Finanzdienstleister
Logistik
Warum Unternehmen mit uns arbeiten
Wir sind keine Agentur, die alles macht. Wir machen genau eine Sache: KI-Systeme bauen und in Betrieb nehmen. Seit 2017 sitzen wir in Bern und kennen die Anforderungen des Schweizer Marktes. Datenschutz nach DSG und DSGVO ist bei uns kein Zusatzpaket, sondern Grundlage jedes Projekts.
Unser Team besteht aus sechs Personen: zwei Machine-Learning-Engineers, eine Data-Scientistin, ein Backend-Entwickler, eine Projektleiterin und ein Berater mit 14 Jahren Erfahrung in der Industrie. Wenn Sie bei uns anrufen, sprechen Sie mit jemandem, der Ihr Modell kennt.
Wir arbeiten mit PyTorch, scikit-learn, Hugging Face Transformers und eigenen Pipelines auf Kubernetes. Die Modelle laufen auf Schweizer Cloud-Infrastruktur oder On-Premise, je nach Ihren Anforderungen.
Häufige Fragen
Die Antworten, die wir am häufigsten geben, bevor ein Projekt startet.
Ein Pilotprojekt mit Prototyp und Validierung liegt bei den meisten Kunden zwischen CHF 25'000 und CHF 60'000. Die Spanne hängt von der Datenkomplexität und dem Integrationsaufwand ab. Wir geben nach dem Erstgespräch eine verbindliche Schätzung mit Ober- und Untergrenze.
Nicht unbedingt. Für tabellarische Prognosemodelle reichen oft 5'000 bis 10'000 Datenpunkte. Bei Bildklassifikation arbeiten wir mit Transfer Learning, sodass 500 gelabelte Bilder pro Kategorie ausreichen können. Wir sagen Ihnen ehrlich, wenn die Datenlage für ein Projekt nicht genügt.
Standardmässig auf Schweizer Infrastruktur (Exoscale oder Ihre eigene On-Premise-Umgebung). Kein Datentransfer in Drittstaaten ohne Ihre explizite Zustimmung. Wir unterzeichnen eine Auftragsverarbeitungsvereinbarung vor Projektbeginn.
Ja. Jedes Modell wird mit vollständiger Dokumentation, Docker-Containern und Retraining-Skripten übergeben. Wenn Ihr Team die nötigen Kompetenzen hat, übernehmen Sie den Betrieb. Wir bieten optional einen Support-Vertrag mit 4-Stunden-Reaktionszeit an.
Den ersten funktionierenden Prototyp liefern wir in der Regel nach vier bis sechs Wochen. Das ist kein Demo-Mockup, sondern ein Modell, das auf Ihren echten Daten läuft und messbare Ergebnisse zeigt.
Projekt besprechen
Beschreiben Sie kurz, was Sie vorhaben. Wir melden uns innerhalb von zwei Arbeitstagen.
