Dokumente manuell klassifizieren
Versicherungsmeldungen, Reklamationen, Vertragsanhänge: Ihre Mitarbeitenden verbringen Stunden damit, Texte zu lesen und in Kategorien einzuteilen. Ein NLP-Modell erledigt das in Sekunden mit über 94 % Trefferquote.
Warum wir das machen
Viele Unternehmen kaufen KI-Tools ein, die nach drei Monaten niemand mehr nutzt. Das liegt selten an der Technologie. Es liegt daran, dass niemand gefragt hat, welches konkrete Problem gelöst werden soll. Genau da setzen wir an.
Unser Team besteht aus acht Personen mit Hintergrund in Statistik, Softwareentwicklung und Domänenwissen in regulierten Branchen. Wir sitzen in Bern, arbeiten auf Deutsch und Französisch, und liefern Code, der auf Ihrer Infrastruktur läuft.
Seit 2019 haben wir 47 Projekte in Produktion gebracht. Kein einziges wurde nach dem Go-live wieder abgeschaltet.
Typische Probleme, die wir lösen
Qualitätskontrolle per Augenschein
In der Fertigung prüfen Menschen Oberflächen, Schweissnähte oder Verpackungen visuell. Computer-Vision-Systeme erkennen Defekte, die dem Auge entgehen, und dokumentieren jeden Fund automatisch.
Prognosen auf Basis von Bauchgefühl
Absatzplanung, Personalbedarf, Maschinenauslastung: Wenn Entscheidungen auf Erfahrungswerten statt auf Daten basieren, entstehen teure Fehleinschätzungen. Unsere Zeitreihenmodelle liefern belastbare Zahlen.
Datensilos ohne Verbindung
ERP, CRM, Produktionsdatenbank, Excel-Listen: Jedes System kennt einen Teil der Wahrheit. Wir bauen die Datenpipelines, die alles zusammenführen, bevor ein Modell überhaupt trainiert wird.
Chatbots, die niemand mag
Ihr Kundenservice-Bot antwortet mit Textbausteinen, die an der Frage vorbeigehen. Wir ersetzen ihn durch ein Retrieval-Augmented-Generation-System, das auf Ihre Wissensbasis zugreift und präzise antwortet.
Fünf Schritte vom Problem zum Produkt
Problemdefinition
Wir verbringen den ersten Tag bei Ihnen vor Ort. Kein Folienvortrag, sondern Interviews mit den Leuten, die das Problem täglich erleben. Am Ende steht ein zweiseitiges Dokument: Was genau soll das Modell können, und woran messen wir den Erfolg?
Datenaudit
Wir prüfen Ihre vorhandenen Daten auf Qualität, Vollständigkeit und Bias. Häufig fehlen Labels, oder die Daten liegen in Formaten vor, die erst aufbereitet werden müssen. Dieser Schritt dauert je nach Komplexität zwei bis fünf Tage.
Prototyp in sechs Wochen
Wir trainieren ein erstes Modell und integrieren es in eine einfache Oberfläche, damit Ihr Team es testen kann. Feedback fliesst direkt in die nächste Iteration ein. Keine Black Box.
Validierung und Compliance
Gerade in regulierten Branchen (Finma, Swissmedic) muss ein Modell erklärbar sein. Wir dokumentieren Trainingsdaten, Metriken und Entscheidungslogik so, dass Ihre Compliance-Abteilung zufrieden ist.
Deployment und Betrieb
Das Modell geht auf Ihre Infrastruktur oder in eine Schweizer Cloud. Wir richten Monitoring ein, das Modell-Drift erkennt, und schulen Ihr Team im Umgang mit dem System. Danach übernehmen Sie, wir bleiben als Ansprechpartner.
Was unsere Modelle bewirkt haben
Pharma-Hersteller, Basel
−62 % Ausschuss
Ein Computer-Vision-System erkennt Mikrorisse in Glasfläschchen auf der Produktionslinie. Die Fehlerquote sank von 4,1 % auf 1,6 % innerhalb von drei Monaten nach Go-live.
Versicherung, Zürich
12 000 Std. / Jahr eingespart
Schadenmeldungen werden automatisch klassifiziert und dem richtigen Sachbearbeiter zugewiesen. Die durchschnittliche Bearbeitungszeit pro Fall sank von 48 auf 19 Minuten.
Logistik-Dienstleister, Bern
+23 % Auslastung
Ein Zeitreihenmodell prognostiziert den Lagerbedarf pro Produktgruppe sieben Tage im Voraus. Überbestände gingen um 31 % zurück, Lieferengpässe um 18 %.
Telekom-Anbieter, Lausanne
74 % Erstlösungsquote
Der bisherige regelbasierte Chatbot wurde durch ein RAG-System ersetzt, das auf 8 000 Support-Artikeln trainiert ist. Die Kundenzufriedenheit stieg laut NPS-Umfrage um 19 Punkte.
Was Kunden uns oft fragen
Wie viel kostet ein typisches Projekt?
Das hängt vom Umfang ab. Ein fokussiertes NLP-Projekt mit vorhandenen Daten liegt bei CHF 35 000 bis 70 000. Grössere Vorhaben mit Datenaufbereitung, mehreren Modellen und Compliance-Dokumentation bewegen sich zwischen CHF 90 000 und 200 000. Im Erstgespräch geben wir eine grobe Schätzung, nach dem Datenaudit eine verbindliche.
Müssen unsere Daten in die Cloud?
Nein. Wir arbeiten auf Ihrer Infrastruktur, wenn das gewünscht ist. Für das Training nutzen wir bei Bedarf GPU-Cluster in Schweizer Rechenzentren (Zürich oder Genf). Daten verlassen die Schweiz nicht, es sei denn, Sie entscheiden anders.
Brauchen wir ein internes Data-Science-Team?
Nicht zwingend. Wir übergeben das System so, dass Ihr IT-Team es betreiben kann. Monitoring-Dashboards und Alarmierungen sind Teil der Lieferung. Falls Sie langfristig eigene Leute aufbauen wollen, bieten wir Coaching-Pakete an.
Wie stellt ihr sicher, dass das Modell fair entscheidet?
Wir analysieren die Trainingsdaten auf bekannte Bias-Muster, bevor das Training beginnt. Nach dem Training prüfen wir Fairness-Metriken pro Subgruppe (Geschlecht, Alter, Region). Die Ergebnisse dokumentieren wir im Model Card, das Sie an Ihre Aufsichtsbehörde weitergeben können.
Was passiert, wenn sich unsere Daten verändern?
Jedes Modell, das wir ausliefern, hat ein Monitoring, das statistische Verschiebungen in den Eingabedaten erkennt. Wenn die Genauigkeit unter einen definierten Schwellenwert fällt, wird automatisch ein Retraining angestossen. Sie erhalten eine Benachrichtigung per E-Mail oder in Ihrem Ticketsystem.
Lassen Sie uns reden
Wir antworten innerhalb von 24 Stunden an Werktagen. Oder rufen Sie direkt an.
837 Vorstadt, 3011 Bern, Bern, Switzerland