Jedes Projekt durchläuft sechs klar definierte Phasen. Sie wissen immer, wo wir stehen, was als Nächstes kommt und was es kostet.
In einem 60-minütigen Videocall oder Treffen in unserem Büro an der Honiggasse in Lausanne klären wir drei Fragen: Welches Geschäftsproblem wollen Sie lösen? Welche Daten haben Sie bereits? Und wie messen wir Erfolg? Am Ende steht ein einseitiges Briefing, das beide Seiten unterschreiben. Kein 40-seitiges Pflichtenheft, sondern ein klares Ziel mit messbaren Kennzahlen.
Bevor wir ein einziges Modell trainieren, schauen wir uns Ihre Daten an. Wie vollständig sind sie? Gibt es systematische Lücken? Liegen sie in einem Format, das wir direkt nutzen können, oder brauchen wir eine ETL-Pipeline? Dieser Schritt dauert typischerweise fünf bis zehn Arbeitstage. Falls Ihre Datenqualität nicht ausreicht, sagen wir Ihnen das ehrlich und schlagen Massnahmen vor, bevor wir weitermachen.
Wir bauen einen funktionierenden Prototyp auf einem repräsentativen Datensatz. Bei prädiktiven Modellen heisst das: ein erstes Modell mit dokumentierter Genauigkeit. Bei einem Chatbot: ein Bot, der auf 50 echte Kundenanfragen getestet wird. Dieser Prototyp ist nicht hübsch, aber er beweist, ob die Idee funktioniert. Zeitrahmen: zwei bis vier Wochen.
Auf Basis Ihres Feedbacks verbessern wir den Prototyp. Hier passiert das eigentliche Engineering: Feature-Selection, Hyperparameter-Tuning, Schwellenwert-Optimierung. Wir arbeiten in einwöchigen Sprints und liefern nach jedem Sprint ein Update mit aktualisierten Metriken. Die meisten Projekte brauchen drei bis fünf Iterationsrunden.
Das fertige Modell wird in Ihre bestehende Infrastruktur integriert. Wir unterstützen AWS, Azure, Google Cloud und On-Premise-Setups. Für die Dokumenten-Automatisierung bauen wir REST-APIs, die Ihr ERP direkt ansprechen kann. Für Chatbots liefern wir ein Widget, das in jede Website eingebettet werden kann, plus eine Slack- oder Teams-Integration, falls gewünscht.
Nach dem Go-live überwachen wir die Modellleistung. Wenn sich Ihre Daten verändern, muss das Modell nachtrainiert werden. Wir bieten Wartungsverträge mit monatlicher Überprüfung und quartalsweisem Retraining an. Im ersten Monat nach Deployment ist der Support inklusive.
Sie erhalten nach dem Daten-Audit ein Festpreisangebot für den Prototyp. Kein Stundensatz-Überraschungspaket. Wenn der Aufwand während der Iteration steigt, besprechen wir das vorher und Sie entscheiden, ob wir weitermachen.
Ihre Daten verlassen nie Ihre Infrastruktur, es sei denn, Sie wünschen es ausdrücklich. Wir arbeiten über verschlüsselte VPN-Tunnel und nutzen ausschliesslich Schweizer Rechenzentren für Zwischenspeicherung.
Ein Modell, das niemand versteht, wird niemand nutzen. Wir liefern zu jedem Modell eine Erklärungsschicht: SHAP-Werte für tabellarische Daten, Attention-Visualisierungen für Textmodelle. Ihr Fachteam soll nachvollziehen können, warum das Modell eine bestimmte Entscheidung trifft.
Nicht jedes Problem braucht KI. Manchmal reicht eine gut strukturierte Datenbank mit ein paar Regeln. Wenn wir im Erstgespräch feststellen, dass Ihr Problem einfacher lösbar ist, sagen wir das. Wir verdienen lieber an Projekten, bei denen KI tatsächlich einen Unterschied macht.
Ein mittelgrosser Lebensmittelhändler im Kanton Waadt kam 2023 mit einem konkreten Problem zu uns: Zu viel Frischware wurde entsorgt, weil die Bestellmengen auf Erfahrungswerten basierten. Die Verlustquote lag bei 11 Prozent.
Nach dem Daten-Audit stellten wir fest, dass der Händler drei Jahre Verkaufsdaten, Wetterdaten und Feiertagskalender kombinieren konnte. In sechs Wochen hatten wir ein Prognosemodell, das die tägliche Nachfrage pro Filiale vorhersagt.
Ergebnis nach sechs Monaten im Betrieb: Die Verlustquote sank auf 4,3 Prozent. Das entspricht einer jährlichen Einsparung von rund CHF 180'000 bei 14 Filialen. Das Modell wird quartalsweise mit neuen Daten nachtrainiert.
