Wir bauen KI-Systeme, die auf Ihren Daten trainiert werden, nicht auf generischen Modellen. Jedes Projekt startet mit einer konkreten Geschäftsfrage, und endet mit messbaren Ergebnissen. Sitz in Genf, Kunden in der ganzen Schweiz.
Projekt besprechenFünf Bereiche, in denen wir seit 2019 Erfahrung gesammelt haben. Kein Bereich davon ist ein Buzzword-Katalog.
Wir trainieren Modelle auf Ihren historischen Daten, um Nachfrage, Ausfälle oder Kundenverhalten vorherzusagen. Die Daten bleiben auf Ihrer Infrastruktur. Typische Projektdauer: 6 bis 10 Wochen vom Kick-off bis zum Deployment.
Rechnungen, Verträge, Formulare: unser OCR-Pipeline liest, klassifiziert und extrahiert relevante Felder. Ein Versicherungskunde verarbeitet damit 12'000 Schadensmeldungen pro Monat, die vorher manuell bearbeitet wurden.
Nicht jedes Problem lässt sich mit einer API lösen. Wir entwickeln eigene Modelle für Klassifikation, Regression und Anomalie-Erkennung, die auf Ihren spezifischen Datensatz abgestimmt sind. Frameworks: PyTorch, scikit-learn, XGBoost.
Kundenfeedback kategorisieren, Support-Tickets priorisieren, Berichte zusammenfassen. Wir arbeiten mit grossen Sprachmodellen und mit kleineren, spezialisierten Modellen, je nachdem was datenschutztechnisch und finanziell sinnvoll ist.
Vor dem Bau kommt die Analyse. Wo liegt der grösste Hebel? Welche Daten fehlen? Was ist realistisch in 3 Monaten? Wir erstellen eine technische Roadmap mit konkreten Kosten- und Zeitschätzungen, bevor eine Zeile Code geschrieben wird.
Wir schauen uns Ihre vorhandenen Daten an: Qualität, Volumen, Lücken. Das dauert 3 bis 5 Tage und kostet nichts, wenn ein Projekt daraus entsteht.
In 2 bis 4 Wochen bauen wir einen funktionierenden Prototyp. Sie sehen erste Ergebnisse auf echten Daten, nicht auf Demo-Datensätzen.
Das Modell wird gegen Ihre bestehenden Prozesse getestet. Wir messen Genauigkeit, Geschwindigkeit und Fehlerquoten mit klar definierten KPIs.
Integration in Ihre Systeme via API oder direktem Datenbank-Zugriff. Monitoring und Retraining sind im ersten Jahr inklusive.
Ein Logistiker mit 340 Mitarbeitenden hatte das Problem, dass Lieferzeitprognosen regelmässig um 2 bis 4 Stunden danebenlagen. Kunden beschwerten sich, Disponenten planten manuell nach.
Wir haben ein Regressionsmodell auf 18 Monate historischer Lieferdaten trainiert, kombiniert mit Wetter- und Verkehrsdaten. Das Modell berücksichtigt 47 Variablen pro Lieferung.
Nach 8 Wochen Entwicklung und 3 Wochen Testbetrieb ging das System produktiv. Seitdem liegt die Abweichung bei durchschnittlich 22 Minuten.
Das hängt stark vom Umfang ab. Ein Prototyp mit Daten-Audit beginnt bei CHF 8'500. Vollständige Projekte mit Deployment und erstem Jahr Monitoring liegen zwischen CHF 25'000 und CHF 120'000. Wir geben nach dem kostenlosen Erstgespräch eine verbindliche Schätzung ab.
Nicht unbedingt. Für tabellarische Daten reichen oft einige tausend Zeilen. Bei Bildklassifikation brauchen wir mehr, aber Techniken wie Transfer Learning und Data Augmentation reduzieren den Bedarf erheblich. Im Daten-Audit klären wir, ob Ihre Datenbasis ausreicht.
Standardmässig auf Servern in der Schweiz. Wir arbeiten mit Exoscale und Infomaniak, beide mit Rechenzentren in Genf und Zürich. Wenn Sie eigene Infrastruktur haben, deployen wir dort. Keine Daten verlassen die Schweiz, sofern Sie das nicht ausdrücklich wünschen.
ML-Modelle veralten, weil sich Daten verändern. Wir überwachen die Performance und trainieren das Modell bei Bedarf neu. Im ersten Jahr ist das im Projektpreis enthalten. Danach bieten wir Wartungsverträge ab CHF 800 pro Monat an.
Genau das empfehlen wir. Ein begrenzter Prototyp zeigt in wenigen Wochen, ob der Ansatz funktioniert. Wenn die Ergebnisse stimmen, skalieren wir. Wenn nicht, haben Sie Klarheit gewonnen, ohne ein grosses Budget gebunden zu haben.
Beschreiben Sie kurz, was Sie vorhaben. Wir melden uns innerhalb von 48 Stunden mit einer ersten Einschätzung.
662 Ödhus, 1204 Geneva, Geneva, Switzerland
Unser Büro liegt im Quartier des Eaux-Vives, 5 Gehminuten vom Genfersee entfernt. Termine nach Vereinbarung, auch per Videokonferenz.