Häufige Fragen zu Artificial Intelligence

Antworten auf die Fragen, die uns Kunden und Interessenten am häufigsten stellen.

Allgemeine Fragen

Unsere Kunden reichen von Startups mit 10 Personen bis zu Unternehmen mit über 500 Mitarbeitenden. Die Projektgrösse passt sich an: Für ein kleines Unternehmen kann ein einzelnes Prognosemodell innerhalb von vier Wochen stehen, während wir bei grösseren Organisationen oft mehrere Modelle parallel entwickeln und in bestehende IT-Systeme einbinden. Entscheidend ist nicht die Firmengrösse, sondern ob verwertbare Daten vorhanden sind.

Nein. Wir liefern fertige Dashboards und APIs, die Ihr bestehendes Team ohne Programmierkenntnisse bedienen kann. Wenn Sie langfristig eigene KI-Kompetenz aufbauen wollen, bieten wir Schulungen an, die typischerweise zwei bis drei Tage dauern. In diesem Fall übergeben wir auch den Quellcode und die Dokumentation.

Pharma und Medizintechnik, Logistik, Finanzdienstleistungen und Detailhandel machen den Grossteil unserer bisherigen Projekte aus. Wir haben beispielsweise für ein Logistikunternehmen in Genf ein Routenoptimierungsmodell gebaut, das die Lieferzeiten um 18 Prozent gesenkt hat. Für eine Privatbank in Zürich haben wir ein Modell zur Betrugserkennung entwickelt, das monatlich rund 2 000 verdächtige Transaktionen markiert.

Ja, wir haben bereits Projekte für Kunden in Deutschland, Frankreich und Österreich durchgeführt. Die Zusammenarbeit läuft dann vollständig remote, mit Ausnahme eines optionalen Kickoff-Treffens. Verträge schliessen wir nach Schweizer Recht ab, was für EU-Kunden bisher kein Hindernis war.

Technische Fragen

Das hängt stark vom Anwendungsfall ab. Für tabellarische Prognosen reichen oft 5 000 bis 10 000 Datensätze, um ein brauchbares erstes Modell zu trainieren. Bildklassifikation braucht mehr: Wir empfehlen mindestens 1 000 gelabelte Bilder pro Kategorie. Bei Textanalyse können vortrainierte Sprachmodelle schon mit wenigen hundert Beispielen feinabgestimmt werden. Im Erstgespräch schätzen wir ab, ob Ihre Datenlage ausreicht, und schlagen gegebenenfalls Strategien zur Datenanreicherung vor.

Standardmässig deployen wir auf Cloud-Infrastruktur in Schweizer Rechenzentren, konkret bei einem Anbieter mit Standorten in Zürich und Genf. Wenn Ihre Compliance-Anforderungen eine On-Premise-Lösung verlangen, richten wir die Modelle auf Ihren Servern ein. Das dauert in der Regel eine Woche länger, weil wir die Umgebung zuerst testen müssen.

Vor Projektbeginn unterzeichnen wir eine Geheimhaltungsvereinbarung. Daten werden verschlüsselt übertragen (TLS 1.3) und im Ruhezustand verschlüsselt gespeichert (AES-256). Personenbezogene Daten anonymisieren oder pseudonymisieren wir, bevor sie ins Modelltraining fliessen. Nach Projektabschluss löschen wir alle Kundendaten innerhalb von 30 Tagen, es sei denn, ein laufender Wartungsvertrag erfordert deren Aufbewahrung.

Python ist unsere Hauptsprache. Für maschinelles Lernen verwenden wir scikit-learn, XGBoost und LightGBM. Deep-Learning-Projekte setzen wir mit PyTorch um. Dashboards bauen wir mit Streamlit oder Plotly Dash, APIs mit FastAPI. Für die Infrastruktur nutzen wir Docker und Kubernetes. Falls Ihr Unternehmen bereits eine andere Technologie einsetzt, passen wir uns an, solange die Werkzeuge für den Anwendungsfall geeignet sind.

Kosten und Ablauf

Ein Proof-of-Concept beginnt bei CHF 12 000 und dauert vier bis sechs Wochen. Produktionsreife Lösungen liegen je nach Komplexität zwischen CHF 35 000 und CHF 120 000. Im Erstgespräch geben wir Ihnen eine unverbindliche Kostenschätzung, die wir nach dem Discovery-Workshop auf plus/minus 15 Prozent genau beziffern können.

Der schnellste Weg: zwei Wochen vom Kickoff bis zum ersten funktionierenden Prototyp. Die Überführung in die Produktion braucht dann nochmals vier bis acht Wochen, abhängig von der Integration in Ihre bestehenden Systeme. Projekte mit umfangreicher Datenaufbereitung oder regulatorischen Anforderungen können bis zu vier Monate dauern.

Ja. Nach dem Go-live bieten wir Wartungsverträge ab CHF 1 500 pro Monat an. Diese umfassen Modell-Monitoring, Retraining bei Datendrift, Fehlerbehebung und vierteljährliche Performance-Reviews. Ohne Wartungsvertrag erhalten Sie den vollständigen Quellcode und können die Lösung selbst betreiben.

Im Proof-of-Concept definieren wir gemeinsam eine Zielmetrik, zum Beispiel eine Trefferquote von 85 Prozent. Wenn wir diese nach zwei Iterationen nicht erreichen, besprechen wir offen, ob der Ansatz geändert werden sollte oder ob die Datenqualität das limitierende Element ist. In diesem Fall zahlen Sie nur für die tatsächlich geleistete Arbeit, nicht für ein vordefiniertes Gesamtpaket.

Haben Sie eine Frage, die hier nicht beantwortet wird?

Schreiben Sie uns eine Nachricht oder rufen Sie an. Wir nehmen uns Zeit für Ihr Anliegen.

Kontakt aufnehmen