Allgemeine Fragen
-
Die Kosten hängen stark davon ab, was Sie erreichen wollen und wie Ihre Datenlage aussieht. Ein kleines Projekt wie ein Chatbot auf Basis vorhandener FAQ-Texte beginnt bei rund CHF 15'000. Ein mittleres Projekt mit eigenem Prognosemodell liegt typischerweise zwischen CHF 30'000 und CHF 55'000. Grosse Projekte mit mehreren Modellen, Schnittstellen und laufender Wartung können CHF 80'000 oder mehr kosten.
Wir arbeiten grundsätzlich mit Festpreisen. Vor Projektstart erhalten Sie eine detaillierte Offerte, die alle Leistungen auflistet. Nachträgliche Kostensteigerungen gibt es bei uns nicht, solange sich der Projektumfang nicht ändert.
-
Ein kleines Projekt dauert 4 bis 6 Wochen. Ein mittleres Projekt mit Daten-Audit, Prototyp und Integration braucht 8 bis 14 Wochen. Grössere Vorhaben mit mehreren Modellen und komplexen Schnittstellen können 4 bis 6 Monate in Anspruch nehmen.
Die grösste Variable ist die Datenqualität. Wenn Ihre Daten sauber und strukturiert vorliegen, geht es schneller. Wenn wir erst Daten bereinigen oder zusammenführen müssen, dauert die Audit-Phase entsprechend länger.
-
Es kommt auf die Aufgabe an. Für eine einfache Dokumentenklassifikation reichen oft einige hundert Beispiele. Für ein Prognosemodell, das Absatzzahlen vorhersagen soll, brauchen wir in der Regel mehrere tausend Datenpunkte, idealerweise aus mindestens zwei Jahren.
Im Daten-Audit prüfen wir, ob Ihre vorhandenen Daten ausreichen. Falls nicht, besprechen wir, wie Sie die nötigen Daten sammeln können, bevor wir mit dem eigentlichen Modell beginnen. Es ergibt keinen Sinn, ein Modell auf einer dünnen Datenbasis zu trainieren.
-
Nein. Die meisten unserer Kunden haben keinen technischen Hintergrund. Wir brauchen von Ihnen vor allem Fachwissen über Ihr Geschäft: Welche Entscheide treffen Sie regelmässig? Wo verlieren Sie Zeit? Welche Daten fallen dabei an?
Den technischen Teil übernehmen wir. In jeder Projektphase erklären wir, was wir tun und warum. Wenn Sie nach dem Erstgespräch das Gefühl haben, dass Sie etwas nicht verstanden haben, haben wir unseren Job nicht gut gemacht.
Technische Fragen
-
Unsere Modelle entwickeln wir hauptsächlich in Python mit Bibliotheken wie scikit-learn, PyTorch und Hugging Face Transformers. Für die Datenverarbeitung nutzen wir pandas und Apache Spark, je nach Datenmenge.
Die Bereitstellung erfolgt über Docker-Container, die wir auf Ihrer Infrastruktur oder in einer Schweizer Cloud (z. B. Azure Switzerland North oder Exoscale) betreiben. Wir passen uns an Ihre bestehende IT-Landschaft an, nicht umgekehrt.
-
Ja. Der gesamte Code gehört Ihnen. Wir liefern dokumentierten Quellcode, eine technische Dokumentation und eine Anleitung zum Nachtrainieren des Modells. Wenn Sie ein internes Team haben, das Python beherrscht, können Sie das Modell eigenständig weiterentwickeln.
Viele Kunden entscheiden sich trotzdem für unseren Wartungsvertrag, weil das Nachtrainieren und Überwachen von Modellen regelmässige Aufmerksamkeit braucht. Das ist kein Muss, aber es spart intern Kapazität.
-
Wir stellen das Modell als REST-API bereit. Ihr ERP, CRM oder Online-Shop ruft diese API auf und erhält die Ergebnisse in Echtzeit. Die meisten modernen Systeme unterstützen REST-Schnittstellen.
Wenn Ihr System keine API-Anbindung hat, gibt es Alternativen: Batch-Verarbeitung über SFTP, direkte Datenbankverbindungen oder Excel-Exporte, die automatisch verarbeitet werden. Im Daten-Audit klären wir, welcher Weg für Sie am einfachsten ist.
-
Kein Modell ist perfekt. Wir definieren vor Projektstart, welche Fehlerquote akzeptabel ist. Bei einer Rechnungsprüfung könnte das 2 Prozent sein, bei einer Produktempfehlung 15 Prozent.
Jedes Modell hat eine Konfidenzanzeige. Wenn das Modell sich unsicher ist, wird der Fall automatisch an einen Menschen weitergeleitet. Dieses Sicherheitsnetz ist Teil jeder Lösung, die wir bauen. Wir überwachen die Modellleistung laufend und trainieren nach, wenn die Genauigkeit unter den vereinbarten Schwellenwert fällt.
Datenschutz und Sicherheit
-
Standardmässig auf Servern in der Schweiz. Wir nutzen Azure Switzerland North (Rechenzentren in Zürich und Genf) oder Exoscale (Schweizer Cloud-Anbieter). Ihre Daten verlassen die Schweiz nicht, es sei denn, Sie wünschen es ausdrücklich.
Alternativ können wir die Lösung direkt auf Ihrer eigenen Infrastruktur betreiben. Das ist besonders für Kunden im Gesundheitswesen und im Finanzbereich relevant, die strenge Compliance-Anforderungen haben.
-
Ja. Wir entwickeln alle Lösungen so, dass sie sowohl dem Schweizer Datenschutzgesetz (DSG) als auch der EU-DSGVO entsprechen. Dazu gehören Datensparsamkeit, Zweckbindung und die Möglichkeit zur Löschung personenbezogener Daten.
Wenn Ihr Projekt personenbezogene Daten verarbeitet, erstellen wir ein Datenschutzkonzept als Teil des Projekts. Das Konzept beschreibt, welche Daten wo gespeichert werden, wer Zugriff hat und wie lange die Daten aufbewahrt werden.
-
Nein. Ihre Daten werden ausschliesslich für Ihr Projekt verwendet. Wir trainieren keine Modelle für andere Kunden mit Ihren Daten. Nach Projektabschluss löschen wir alle Kopien Ihrer Daten von unseren Systemen, sofern kein laufender Wartungsvertrag besteht.
Das ist vertraglich geregelt. Jeder Projektvertrag enthält eine Vertraulichkeitsklausel und eine klare Regelung zur Datennutzung und Datenlöschung.
Begriffe kurz erklärt
Falls Sie auf unserer Website oder im Gespräch auf Fachbegriffe stossen, die Ihnen nicht geläufig sind, hier eine kurze Übersicht.
Machine Learning
Ein Teilbereich der Artificial Intelligence. Der Computer lernt aus Beispieldaten, Muster zu erkennen, anstatt explizit programmiert zu werden. Beispiel: Das System lernt aus 10'000 Rechnungen, welche korrekt und welche fehlerhaft sind.
NLP (Natural Language Processing)
Verarbeitung natürlicher Sprache. Damit kann ein Computer Texte lesen, verstehen und generieren. Chatbots, automatische E-Mail-Sortierung und Sentimentanalyse basieren auf NLP.
Prädiktives Modell
Ein Modell, das aus historischen Daten Vorhersagen ableitet. Wenn Sie wissen wollen, wie viele Einheiten eines Produkts Sie nächsten Monat verkaufen werden, brauchen Sie ein prädiktives Modell.
API (Application Programming Interface)
Eine Schnittstelle, über die zwei Softwaresysteme miteinander kommunizieren. Unser KI-Modell stellt eine API bereit, die Ihr bestehendes System aufrufen kann, um Ergebnisse abzufragen.
Training / Nachtraining
Der Prozess, bei dem das Modell aus Daten lernt. Nachtraining bedeutet, dass ein bestehendes Modell mit neuen Daten aktualisiert wird, damit es aktuell bleibt.
Konfidenz
Ein Wert zwischen 0 und 100 Prozent, der angibt, wie sicher sich das Modell bei einer Vorhersage ist. Bei niedriger Konfidenz wird der Fall typischerweise an einen Menschen weitergeleitet.
Ihre Frage war nicht dabei?
Schreiben Sie uns, und wir antworten innerhalb eines Werktags. Oder rufen Sie direkt an unter +41 31 478 96 88.
Zum Kontaktformular