Artificial Intelligence, die Ihre Geschäftslogik versteht

Wir bauen keine generischen Modelle. Jedes System, das unser Team in Genf entwickelt, wird auf die konkreten Datenströme und Entscheidungsprozesse Ihres Unternehmens zugeschnitten. Ob Risikobewertung in der Finanzbranche oder Qualitätskontrolle in der Fertigung: Wir liefern KI, die nachvollziehbar arbeitet.

Projekt besprechen
Unser Data-Science-Team bei der Arbeit im Genfer Büro
127
Modelle in Produktion
14
Branchen abgedeckt
98,3 %
Durchschnittliche Modellgenauigkeit
6
Wochen bis zum ersten Prototyp

Was wir konkret tun

Vier Schwerpunkte, hinter denen jeweils ein eingespieltes Team aus Ingenieurinnen, Mathematikern und Fachspezialistinnen steht.

Modellvalidierung und Audit

Bestehende KI-Systeme prüfen wir auf Bias, Robustheit und regulatorische Konformität. Unsere Berichte orientieren sich am EU AI Act und an den FINMA-Richtlinien für algorithmische Entscheidungen. Ein typischer Audit dauert drei bis fünf Wochen, je nach Modellkomplexität.

Massgeschneiderte KI-Entwicklung

Von der Datenaufbereitung bis zum deploybaren Container: Wir entwickeln Klassifikations-, Regressions- und NLP-Modelle, die sich in Ihre bestehende IT-Landschaft einfügen. Kein Vendor-Lock-in, kein Blackbox-Modell. Sie erhalten den vollständigen Quellcode und die Trainingspipeline.

Datenarchitektur und Pipelines

Ein Modell ist nur so gut wie seine Daten. Wir entwerfen ETL-Pipelines, Data Lakes und Feature Stores, die skalieren, ohne den Überblick zu verlieren. Unsere Infrastruktur läuft wahlweise auf Schweizer Cloud-Anbietern oder On-Premise in Ihrem Rechenzentrum.

Monitoring und Drift-Erkennung

Nach dem Go-live überwachen wir Modell-Performance, Datendrift und Fairness-Metriken. Wenn sich die Inputverteilung verschiebt, schlägt unser Alerting an, bevor Ihre Kunden etwas merken. Re-Training-Zyklen definieren wir gemeinsam vorab.

Schulungen für Ihr Team

Wir geben Wissen weiter. In zweitägigen Workshops lernen Ihre Entwicklerinnen und Analysten, wie sie Modelle selbst evaluieren, Hyperparameter tunen und Ergebnisse gegenüber Stakeholdern kommunizieren. Keine PowerPoint-Schlachten, sondern Hands-on mit Ihren eigenen Daten.

So läuft ein Projekt ab

Vom ersten Gespräch bis zum produktiven System vergehen in der Regel acht bis zwölf Wochen. Hier die fünf Phasen im Detail.

1. Problemdefinition

Wir setzen uns mit Ihren Fachleuten zusammen und formulieren die Geschäftsfrage, die das Modell beantworten soll. Dabei klären wir auch, welche Daten vorhanden sind, welche fehlen und ob die Datenqualität ausreicht. Dieses Gespräch dauert typischerweise einen halben Tag.

2. Explorative Analyse

Zwei Wochen lang untersuchen unsere Analysten Ihre Daten auf Muster, Ausreisser und potenzielle Verzerrungen. Am Ende steht ein Report mit konkreten Empfehlungen, welcher Modellansatz die höchste Erfolgswahrscheinlichkeit hat.

3. Prototyp

In vier Wochen bauen wir einen funktionsfähigen Prototyp. Sie sehen erste Ergebnisse, können Feedback geben und Prioritäten anpassen. Der Prototyp läuft in einer isolierten Testumgebung, nicht auf Produktionsdaten.

4. Validierung und Härtung

Wir testen das Modell gegen historische Daten, simulieren Edge Cases und prüfen die Fairness über verschiedene Subgruppen. Erst wenn die vereinbarten KPIs erreicht sind, gehen wir weiter.

5. Deployment und Übergabe

Das Modell wird containerisiert, in Ihre CI/CD-Pipeline integriert und mit Monitoring versehen. Wir dokumentieren alles so, dass Ihr internes Team das System eigenständig warten kann. Auf Wunsch übernehmen wir den laufenden Betrieb.

Serverraum in einem Schweizer Rechenzentrum mit grünen und violetten Lichtern

Häufige Fragen

Was uns Interessenten regelmässig fragen, bevor sie ein Projekt starten.

Brauchen wir grosse Datenmengen, bevor wir starten können?
Nicht unbedingt. Für bestimmte Anwendungen reichen einige hundert annotierte Datensätze, besonders wenn wir auf vortrainierte Sprachmodelle oder Transfer Learning zurückgreifen. In der explorativen Phase klären wir, ob Ihre Datenmenge ausreicht oder ob wir mit Augmentation oder synthetischen Daten arbeiten sollten.
Wo werden unsere Daten verarbeitet?
Standardmässig auf Schweizer Infrastruktur. Wir arbeiten mit Rechenzentren in Genf und Zürich, die ISO 27001 zertifiziert sind. Falls Ihr Unternehmen eine On-Premise-Lösung bevorzugt, richten wir die gesamte Pipeline in Ihrem eigenen Netzwerk ein.
Was kostet ein typisches Projekt?
Das hängt stark vom Umfang ab. Ein Audit eines bestehenden Modells beginnt bei CHF 12'000. Ein vollständiges Entwicklungsprojekt mit Prototyp und Deployment liegt erfahrungsgemäss zwischen CHF 45'000 und CHF 180'000. Wir erstellen nach dem ersten Gespräch ein verbindliches Angebot mit Festpreis-Option.
Wie stellt ihr sicher, dass das Modell fair entscheidet?
Wir messen Fairness nicht mit einer einzigen Kennzahl. Je nach Anwendungsfall setzen wir auf Demographic Parity, Equalized Odds oder individuelle Fairness-Metriken. Die Wahl der Metrik diskutieren wir mit Ihnen, denn was «fair» bedeutet, ist eine fachliche Entscheidung, keine rein technische.
Können wir das Modell später selbst weiterentwickeln?
Ja, das ist sogar unser Ziel. Sie erhalten den gesamten Quellcode, die Trainingspipeline und eine technische Dokumentation. Wenn Sie möchten, schulen wir Ihr internes Team in einem zweitägigen Workshop, damit es eigenständig Modelle re-trainieren und evaluieren kann.
Arbeitet ihr auch mit Start-ups zusammen?
Selbstverständlich. Rund ein Drittel unserer Projekte stammt von Start-ups aus dem Genfer und Lausanner Tech-Ökosystem. Für Frühphasen-Unternehmen bieten wir ein reduziertes Paket an, das sich auf den Prototyp und eine erste Validierung konzentriert.

Lassen Sie uns Ihr Projekt besprechen

Schreiben Sie uns eine Nachricht oder rufen Sie direkt an. Wir melden uns innerhalb eines Arbeitstages.

72392 Katzenplatz, 1204 Geneva, Geneva, Switzerland

+41 22 143 92 61

[email protected]

Luftaufnahme von Genf mit dem Jet d'Eau im Hintergrund