Die sechs Projektphasen
Wir haben diesen Ablauf über 87 Projekte hinweg verfeinert. Er gibt Ihnen jederzeit Klarheit darüber, wo wir stehen und was als Nächstes kommt.
1. Erstgespräch und Problemdefinition
In einem 60-minütigen Videocall oder Vor-Ort-Termin hören wir zu. Wir wollen verstehen, welches Geschäftsproblem Sie lösen möchten, nicht welche Technologie Sie spannend finden. Am Ende des Gesprächs halten wir das Ziel in einem Satz fest. Wenn wir das nicht schaffen, ist das Problem noch nicht klar genug.
Dauer: ein bis zwei Arbeitstage. Kosten: keine.
2. Datenprüfung
Wir schauen uns an, welche Daten Sie bereits haben. Oft liegen relevante Informationen in Excel-Tabellen, ERP-Exporten oder Log-Dateien. Unser Dateningenieur prüft Umfang, Qualität und Zugänglichkeit. Fehlende Daten sind kein Ausschlusskriterium, aber wir müssen wissen, wie gross die Lücken sind.
In dieser Phase unterschreiben wir eine Vertraulichkeitsvereinbarung (NDA), bevor wir Zugang zu Ihren Systemen erhalten. Sensible Daten verlassen Ihre Infrastruktur nicht; wir arbeiten über gesicherte Remote-Verbindungen.
Dauer: drei bis fünf Arbeitstage.
3. Machbarkeitsbericht
Auf Basis der Datenprüfung erstellen wir einen schriftlichen Bericht. Er enthält: eine Einschätzung der technischen Machbarkeit, den vorgeschlagenen Modelltyp (z. B. Klassifikation, Regression, Sprachmodell), den geschätzten Aufwand in Personentagen und eine ehrliche Aussage zum erwarteten Nutzen.
Wenn wir zum Schluss kommen, dass KI für Ihren Fall nicht die richtige Lösung ist, steht das im Bericht. Wir verdienen an Projekten, nicht an Berichten, also haben wir keinen Anreiz, Ihnen etwas zu verkaufen, das nicht funktioniert.
Dauer: fünf Arbeitstage. Kosten: CHF 2'400 pauschal.
4. Prototyp-Entwicklung
Hier beginnt die eigentliche Modellarbeit. Unsere ML-Ingenieure bereiten die Daten auf, wählen geeignete Algorithmen und trainieren erste Modellversionen. Wir arbeiten in zweiwöchigen Sprints und zeigen Ihnen am Ende jedes Sprints die aktuellen Ergebnisse.
Ein typischer Prototyp entsteht in drei bis vier Sprints, also sechs bis acht Wochen. Der Prototyp läuft in einer Testumgebung und wird mit einem Datensatz validiert, den das Modell während des Trainings nie gesehen hat. So vermeiden wir Overfitting.
Am Ende dieser Phase kennen Sie die Genauigkeit des Modells auf Ihren Daten, nicht auf einem akademischen Benchmark.
5. Integration in Ihre Systeme
Ein Modell im Notebook eines Data Scientists nützt Ihnen wenig. Deshalb verpacken wir das trainierte Modell als API oder Microservice und binden es in Ihre bestehende Software ein. Das kann ein SAP-Modul sein, eine Web-Applikation oder ein internes Dashboard.
Wir arbeiten eng mit Ihrem IT-Team zusammen. Die Dokumentation umfasst API-Spezifikationen, Deployment-Anleitungen und Monitoring-Dashboards. Ziel: Ihr Team kann das Modell nach der Übergabe selbstständig betreiben.
Dauer: zwei bis vier Wochen, abhängig von der Komplexität Ihrer IT-Landschaft.
6. Monitoring und Nachbetreuung
KI-Modelle veralten, wenn sich die Daten verändern. In den ersten sechs Monaten nach dem Go-live überwachen wir die Modellleistung und schlagen ein Retraining vor, falls die Genauigkeit unter einen vereinbarten Schwellenwert fällt.
Danach können Sie die Überwachung intern weiterführen oder einen Wartungsvertrag mit uns abschliessen. Viele Kunden entscheiden sich für ein quartalsweises Review, das etwa einen halben Tag dauert.
Technologien, die wir einsetzen
Wir binden uns nicht an einen einzigen Anbieter. Die Wahl der Technologie hängt vom Problem ab, nicht von Partnerverträgen.
Für klassisches Machine Learning nutzen wir Python mit scikit-learn und XGBoost. Deep-Learning-Projekte laufen auf PyTorch, weil es schnellere Iterationszyklen erlaubt als TensorFlow. Sprachmodelle betreiben wir entweder als Fine-Tuning auf Open-Source-Modellen wie Llama oder Mistral oder über die API von OpenAI, wenn der Kunde das bevorzugt.
Datenverarbeitung geschieht mit Apache Spark oder Pandas, je nach Datenmenge. Für Deployment setzen wir auf Docker-Container, die auf Kubernetes oder direkt auf einer VM laufen. Cloud-Infrastruktur nutzen wir bei Azure Switzerland North oder bei Exoscale in Genf, damit die Daten in der Schweiz bleiben.
Versionierung von Modellen und Experimenten läuft über MLflow. So können wir jederzeit nachvollziehen, welche Modellversion mit welchen Hyperparametern trainiert wurde.
Häufige Fragen zum Projektablauf
Hier beantworten wir die Fragen, die uns Kunden vor Projektbeginn am häufigsten stellen.
Das hängt stark vom Umfang ab. Ein Machbarkeitsbericht kostet CHF 2'400. Ein vollständiges Projekt mit Prototyp und Integration liegt meist zwischen CHF 35'000 und CHF 120'000. Wir nennen Ihnen nach der Datenprüfung einen verbindlichen Kostenrahmen.
Nicht unbedingt. Für manche Aufgaben reichen einige hundert sauber gelabelte Beispiele. Bei anderen brauchen wir Millionen von Datenpunkten. Die Datenprüfung in Phase 2 klärt das. Wenn zu wenig Daten vorhanden sind, schlagen wir Strategien vor: Datenanreicherung, Transfer Learning oder synthetische Daten.
Wir definieren vor dem Projektstart gemeinsam einen Zielwert für die Modellgenauigkeit. Erreichen wir diesen Wert nach dem Prototyp nicht, besprechen wir die Optionen: mehr Daten sammeln, den Ansatz ändern oder das Projekt abbrechen. In dem Fall zahlen Sie nur die bis dahin geleisteten Sprints.
Ja. Wir übergeben den vollständigen Quellcode, die Trainingspipeline und die Dokumentation. Wenn Ihr Team Python-Kenntnisse hat, kann es das Modell eigenständig retrainieren. Wir bieten auch Schulungen an, die typischerweise zwei Tage dauern.
Auf Servern in der Schweiz. Wir nutzen Azure Switzerland North in Zürich oder Exoscale in Genf. Wenn Sie eigene Server bevorzugen, arbeiten wir per VPN auf Ihrer Infrastruktur. Daten werden nie auf privaten Geräten unserer Mitarbeitenden gespeichert.
Jedes Projekt hat einen festen Ansprechpartner bei uns. Kommunikation läuft über einen gemeinsamen Slack- oder Teams-Kanal. Alle zwei Wochen gibt es ein Sprint-Review per Videocall, bei dem wir Fortschritte zeigen und Feedback einholen. Dazwischen sind wir per E-Mail und Chat erreichbar.
Klingt das nach dem richtigen Ansatz für Ihr Vorhaben?
Schreiben Sie uns eine Nachricht oder rufen Sie an. Wir klären im Erstgespräch, ob und wie KI Ihnen helfen kann.
Kontakt aufnehmen